No construirías una casa sin cimientos de hormigón. Entonces, ¿por qué muchos líderes tecnológicos intentan adoptar tecnologías GenAI antes de garantizar que se pueda confiar en la calidad de sus datos?

Confiable y datos consistentes es la base de una estrategia de IA exitosa. Los datos incompletos o inconsistentes hacen que los modelos GenAI propongan resultados igualmente poco confiables, poniendo en duda la utilidad básica de estas tecnologías. Por lo tanto, abordar los problemas de datos organizacionales antes La adopción de la IA (no después) es clave.

Analicemos cómo los líderes de los departamentos más basados ​​en datos, incluido el de adquisiciones, pueden abordar problemas de calidad de datos hoy y construir un camino más sostenible hacia la adopción de la IA.

Los datos son la base de la funcionalidad de la IA

GenAI requiere datos accesibles y confiables para funcionar de manera efectiva. Estos modelos se entrenan con grandes cantidades de información, y la exactitud de ese conjunto de entrenamiento influye en la capacidad del modelo para comprender y generar respuestas "correctas", es decir, respuestas contextualmente válidas y objetivamente precisas.

Imagine un modelo GenAI creado para completar automáticamente contratos de adquisición basándose en datos de proveedores existentes. La capacidad del modelo para completar contratos de manera eficiente y de alta calidad depende de la calidad de los datos de los proveedores de la organización. El proceso de generación de contratos se desarrollará sin problemas sólo si la organización conserva el acceso a datos confiables de los proveedores (es decir, con datos de alta calidad, los contratos completados incluirán información objetiva y totalmente actualizada).

Es importante definir la diferencia entre datos de alta y baja calidad. Los marcadores de datos de alta calidad incluyen:

• Lo completo: Capturar y garantizar la disponibilidad de información esencial de los proveedores.
• Validez: Garantizar que los datos se alineen con formatos y estándares predeterminados aplicables a las tareas de adquisición.
• Consistencia: Garantizar la coherencia en el registro y almacenamiento de la información de los proveedores, como la implementación de una taxonomía documentada.
• Oportunidad: Tener la seguridad de acceder a la información más reciente de los proveedores al tomar decisiones de adquisiciones.

Los datos completos, válidos, consistentes y oportunos permiten mejores prácticas comerciales, incluidas integraciones GenAI más beneficiosas.

Las implementaciones exitosas de GenAI generan ventajas competitivas en varias funciones principales. Según McKinsey, los principales adoptantes de la IA citan lo siguiente como su principal objetivo para GenAI:

• Mayor valor de las ofertas actuales (30%)
• Aumento de ingresos (27%)
• Nuevos negocios y/o fuentes de ingresos (23%)
• Reducción de costos (19%)

Abrumadoramente, estas ventajas competitivas se logran a través de (1) el desarrollo de productos y servicios y (2) la gestión de riesgos y de la cadena de suministro, la última de las cuales impacta significativamente la capacidad de una organización para tener éxito. Las herramientas GenAI pueden simular escenarios de riesgo a través de funciones de chat simples; analizar datos históricos y condiciones del mercado para identificar riesgos potenciales; y apoyar a la proceso de identificación de proveedores examinando miles de puntos de datos para proporcionar información concisa sobre los proveedores. Cada una de estas capacidades contribuye a la capacidad de una organización para mitigar los riesgos de la cadena de suministro y las sanciones financieras asociadas, incluidas las multas por incumplimiento.

Sin embargo, los líderes de adquisiciones deben auditar sus sistemas actuales para lograr estas ventajas competitivas.

Errores comunes en materia de datos que hay que abordar

La naturaleza de los problemas de datos subyacentes de su organización será única. Una auditoría de datos integral es la forma más práctica de determinar los próximos pasos apropiados para su departamento u organización.

Usaremos el departamento de adquisiciones como ejemplo, ya que los datos marcan una diferencia crucial aquí. Además, el interés por GenAI es increíblemente alto entre los líderes de la cadena de suministro, con Sólo% 2 sin tener “planes” para integrar estas tecnologías durante los próximos 12 meses.

Una auditoría de datos de adquisiciones requiere la evaluación de las prácticas de datos existentes, incluida la identificación de fuentes de datos clave y partes interesadas (por ejemplo, proveedores y vendedores). Analice sus datos para verificar que estén completos, coherentes, oportunos y disponibles preguntando:

• ¿Mi organización almacena registros de proveedores duplicados o innecesarios, incluida información obsoleta o irrelevante?
• ¿Se actualizan constantemente los datos de mis proveedores?
• ¿Están los registros de proveedores disponibles en una ubicación centralizada para todos los empleados y tecnologías?

Es posible que muchos líderes de adquisiciones ya conozcan las lagunas de datos de su organización. Por ejemplo, si los proyectos a menudo se retrasan debido a dificultades para identificar un proveedor alternativo, es probable que los datos de su proveedor estén incompletos, dispersos en varios sistemas o actualizados de manera inconsistente. No te preocupes: este obstáculo es común. La operación promedio de abastecimiento y adquisición demora casi cinco semanas en completarse. identificar un nuevo proveedor.

Cómo organizar sus datos para GenAI

Los datos de proveedores de alta calidad permiten a los líderes identificar proveedores mucho más rápidamente, desbloquear información sobre análisis de gastos y eliminar la necesidad de intervención manual, lo que en última instancia mejora la eficacia de GenAI. Los líderes deben adoptar tecnologías que enriquezcan y validen constantemente los datos organizacionales para desbloquear datos y conocimientos superiores de los proveedores (por ejemplo, una base de datos de proveedores).

Las bases de datos de proveedores resuelven muchos de los desafíos más apremiantes que enfrentan los líderes de adquisiciones en la actualidad, incluidos datos poco confiables y falta de centralización. Las mejoras en este ámbito no solo benefician la capacidad de una organización para cumplir con plazos de abastecimiento ajustados y la demanda de los consumidores, sino que también permiten a las organizaciones aprovechar la promesa competitiva de GenAI. Las bases de datos de proveedores garantizan que los datos de los proveedores de la organización sean completos y confiables, lo que brinda a las integraciones de GenAI una base de partida sólida para mejores resultados.

Como tal, las organizaciones de adquisiciones que buscan aprovechar las tecnologías GenAI deben establecer una base sólida de datos de proveedores para garantizar que los datos de sus proveedores estén a la altura. Al garantizar que los datos de sus proveedores sean de alta calidad, accesibles y actualizados periódicamente, los líderes pueden mejorar los resultados de GenAI, optimizar los procesos críticos y tomar decisiones basadas en datos. No se puede subestimar la importancia de estas funciones a medida que avanzamos hacia la era de la IA.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• Fuente: https://www.dataversity.net/good-data-quality-is-the-secret-to-successful-genai-implementation/