AIని అమలు చేయడానికి కంపెనీలు పరిష్కరించాల్సిన ప్రధాన సమస్యలుగా లెగసీ సిస్టమ్ ఇంటిగ్రేషన్, ఫ్రాగ్మెంటెడ్ డేటా మరియు పరిమిత అంతర్గత నైపుణ్యాన్ని నివేదిక గుర్తిస్తుంది. ఫ్రాగ్మెంటెడ్ డేటా సమస్య డేటా గవర్నెన్స్ ఫ్రేమ్వర్క్లను ప్రభావితం చేస్తుంది, రెండోది అదే విధంగా ముక్కలు చేస్తుంది. నివేదిక రచయితలు అనేక కంపెనీలలోని సంక్లిష్ట డేటా ఎస్టేట్లను ఈ రంగంలో AI విస్తరణలు నిరోధించబడటానికి ప్రధాన కారణం అని పేర్కొన్నారు.
సర్వే చేయబడిన సంస్థలు సగటున 17 డేటా మూలాలను నిర్వహించాయి మరియు మెజారిటీ దీనిని ఒక సమస్యగా పేర్కొంది, ఇది విలీనాలు మరియు సముపార్జనల తర్వాత సమ్మిళితం చేయబడింది.
నివేదిక యొక్క రచయితలు AI ఖర్చులు మరియు స్కేలబిలిటీని సానుకూలంగా ప్రభావితం చేస్తుందని మరియు మాన్యువల్ ఎర్రర్ కరెక్షన్ మరియు సయోధ్య ప్రక్రియలలోని తప్పుల గురించి సంస్థలు ఎదుర్కొంటున్న కొన్ని సమస్యలను పరిష్కరించగలదని సూచిస్తున్నారు. AI కోసం ప్రాథమిక రుజువు కోసం నిర్ణేతలు సయోధ్య ప్రక్రియలను లక్ష్యంగా చేసుకోవచ్చని నివేదిక సూచిస్తుంది, ఇది సరిహద్దు-ఎడ్, నియమాల-ఆధారిత డొమైన్గా ఉంటుంది, ఇక్కడ ఆటోమేషన్ వేగంగా సానుకూల ఫలితాలను ఇస్తుంది.
ఫ్రాగ్మెంటెడ్ ఆర్కిటెక్చర్ మరియు ఫ్రాక్చర్డ్ డేటా లేయర్పై ఉంచబడిన ఏదైనా ఆటోమేషన్, AI లేదా డిటర్మినిస్టిక్, ఖర్చులు పెరగకుండా బాగా స్కేల్ చేయకపోవచ్చు. ఫ్రాగ్మెంటెడ్ డేటా సోర్స్లను రూపొందించడంలో AIకి ఉన్న సామర్థ్యాన్ని నివేదిక హైలైట్ చేస్తుంది మరియు అంతర్గత AI ప్లాట్ఫారమ్లకు విరుద్ధంగా క్లౌడ్-ఆధారితంగా సూచించబడుతుంది.
