关键字: [Amazon Web Services re:Invent 2024， 亚马逊云科技， 生成式AI， Confluent， Data Readiness， Operational Data十大配资排名， Data Contextualization， Data Governance， Data Quality]

加入德勤、亚马逊云科技、Confluent和MongoDB的动态专题讨论，共同探讨一个关键问题：您的数据是否真正为可信AI做好了准备？从机器学习到生成式AI，探索企业在使数据为AI做好准备过程中面临的挑战和机遇。深入探讨关键主题，如无缝AI数据集成、克服传统基础设施障碍、构建实时生成式AI的关键步骤，以及实时应用的真实成功案例。获取有关利用实时企业数据战略力量的宝贵见解，并学习如何有效应对特定行业的数据挑战。本次演讲由亚马逊云科技合作伙伴Confluent为您呈现。

以下是小编为您整理的本次演讲的精华。

在2024年亚马逊云科技 re:Invent活动上，一场关于“您的数据是否已为AI做好准备?”的精彩小组讨论引人入胜。来自Confluent的主持人Andrew Sellers强调，企业要充分利用AI应用程序的真正力量，数据语境化、检索、增强生成、微调和迁移学习等技术是不可或缺的。他强调，数据工程挑战仍然艰巨，因为企业努力提供复杂的实时AI体验，以满足内部知识工作者和外部客户日益提高的期望。

来自MongoDB的Nerudine Basarli强调，超越简单问答功能的基于代理的高级用例正在兴起。她阐述了小型语言模型日益流行的原因，它们具有更易于定制、本地化和较低总体拥有成本的优势。来自亚马逊云科技的Leif Andan也赞同这一观点，强调行业正从试点项目转向真正的生成式AI工作流程的生产部署。Andan透露，在亚马逊云科技创新中心，已有超过50%的客户将生成式AI工作流程投入生产。

当讨论转向阻碍AI采用的障碍时，数据准备成为一个关键挑战。来自Deloitte Consulting的Samod Bhawari强调，组织需要提出真实的用例，展示有形的收益，如增加收入或降低运营成本，以克服怀疑态度并加速AI采用。

Basarli阐述了跨AI管道进行数据建模和合规性的挑战。她强调组织在整合来自各种应用程序和数据孤岛的数据、清理和格式化以便有效进行AI处理时面临的困难。此外，Basarli强调建立端到端合规性和安全措施的重要性，并举例说明与Cisco的成功合作。MongoDB使Cisco的虚拟助手能够对支持案例应用相同级别的监管合规性和端到端加密，涵盖运营数据、矢量化数据和metadata。这个由AI驱动的虚拟助手每年为Cisco节省了超过1000万美元，高效解决了大量支持案例。

来自亚马逊云科技的Andan强调该公司致力于创新，不断推出新的服务和功能。他透露亚马逊云科技在34个地区的108个可用区拥有超过240项功能齐全的服务，并计划再增加6个地区。亚马逊云科技为数百万客户提供服务，包括快速增长的初创公司、大型企业和领先的政府机构。Andan强调亚马逊云科技在降低成本、实现可扩展性和通过其广泛的数据分析和AI服务组合提供强大的数据基础方面的作用，与MongoDB和Confluent等合作伙伴无缝集成。

小组探讨了AI生态系统中各方的角色和贡献。MongoDB实现了数据统一和混合搜索功能，满足结构化、非结构化和半结构化数据需求。Confluent流式传输可信的实时数据，这对语境化和模型训练至关重要。Deloitte提供行业专业知识和工程能力，弥合技术与现实应用之间的鸿沟。

小组分享了令人信服的客户成功案例，凸显了AI采用的切实利益。Bhawari讲述了如何利用对话式AI帮助医疗保健提供者简化电子健康记录文档工作，缩短周转时间并增强与患者的互动。医生和护士可以自然地与AI系统对话，系统会记录对话内容、提供潜在诊断提示，并利用智能眼镜指导下一步提问。这不仅减少了文档工作时间，而且还将智能引入了护理现场，为医护人员提供了帮助。

在零售行业，一家建筑公司利用AI驱动的安装指导系统提高了客户满意度，减少了产品召回。该系统提供了分步骤说明和实时反馈。安装人员可以用手机或平板电脑对准施工区域，AI系统会叠加一个计划，指导哪些部件需要安装在何处。它还会在安装人员离开之前识别任何问题，从而减少返工和召回。

Andan向观众讲述了职业高尔夫球巡回赛的故事，其中AI模型在1.5秒内预测了球的轨迹，利用了历史数据和实时影像分析。AI系统从职业高尔夫球巡回赛的大量媒体资产中提取信息，理解高尔夫术语，为观众提供深入分析。

此外，Andan强调DoorDash如何利用AI提高客户服务，将响应时间缩短约2秒，每年节省300万美元。DoorDash的AI系统由亚马逊云科技服务(如Bedrock)提供支持，结合了历史和实时数据，帮助其200万送货员高效为3900万用户提供服务，提升了客户和员工的体验。

随着讨论临近尾声，小组成员向着手AI之旅的组织提供了明智建议。Bhawari倡导从具体用例做起，利用现有数据资产和模型，并建立合规性和教育计划。Basarli强调明确需求、针对特定领域需求定制解决方案以及从一开始就规划可扩展性的重要性。Andan强调强大的数据基础、与现代数据架构集成以及坚持关注业务价值实现的重要性。

总的来说，小组强调数据准备和语境化对于释放AI潜力的关键作用。他们强调跨AI生态系统的团队合作至关重要，主张在创新与信任和安全之间保持平衡。他们倡导采用迭代方法，以业务影响作为AI采用的指导力量，强调定制模型和利用特定领域数据是关键差异化因素。

下面是一些演讲现场的精彩瞬间：

Andrew Sellers是Confluence技术战略集团的领导者，他在reInvent2024活动上介绍了他和他的团队在产品战略和市场推广运作之间架起桥梁的角色。

他讨论了在实施人工智能/机器学习解决方案并实现真正的投资回报时克服挑战的最佳实践和模式的出现。

亚马逊云科技首席执行官Andy Jassy讨论了混合搜索的重要性和将结构化数据矢量化的挑战，强调了生产应用程序中需要既有操作结构化数据又有矢量存储的必要性。

Andrew Ng强调了AI Assist和Data Assist工具，这些工具通过自动化代码生成、测试和大型语言模型的数据准备，帮助加快开发周期。

MongoDB使思科能够安全地集成操作、矢量化和元数据，同时保持端到端合规性和加密，让开发人员可以专注于创新并充满信心。

人工智能技术彻底改变了建筑行业，通过视觉识别提供分步指导和质量保证，提高了劳动力效率和客户满意度。

演讲者强调要将业务价值作为关键成功因素，因为用例的影响将决定它能走多远，以及能为组织带来多大利益。

生成式人工智能的兴起为企业带来了巨大的潜力，但要充分实现其价值，必须克服重大的数据准备挑战。行业领导者分享了他们的见解，一个明确的主题浮现出来:数据是成功应用人工智能的关键基础，企业必须优先考虑数据的整理、上下文化和合规性，才能从概念验证阶段进入生产阶段。

企业面临着诸如数据建模复杂性、确保数据管道合规性以及建立对人工智能生成结果的信任等障碍。为了克服这些障碍，专家建议从高影响力的用例入手，简化数据管道，利用实时数据流，并与提供端到端解决方案的技术供应商合作。

成功案例突出了人工智能在医疗保健等行业的变革性影响，其中虚拟助手简化了临床文档流程，在零售行业，智能助手指导了产品安装。这些例子凸显了人工智能在强大的数据策略支持下，推动运营效率、节省成本和提升客户体验的潜力。

当企业开始人工智能之旅时，响亮的建议是关注数据质量、利用现有数据架构、使用特定领域的数据定制模型，并优先考虑可扩展性和业务价值。通过采用结合云提供商、数据平台和解决方案集成商专业知识的协作方法，组织可以释放生成式人工智能的全部潜力，并产生有意义的业务影响。

亚马逊云科技（Amazon Web Services）是全球云计算的开创者和引领者。提供200多类广泛而深入的云服务，服务全球245个国家和地区的数百万客户。做为全球生成式AI前行者，亚马逊云科技正在携手广泛的客户和合作伙伴，缔造可见的商业价值 – 汇集全球40余款大模型十大配资排名，亚马逊云科技为10万家全球企业提供AI及机器学习服务，守护3/4中国企业出海。

• 数据
• 十大配资排名
• 是否
• 一苇
• 你的