Cztery tysiące lat temu dane zapisywane na glinianych tabliczkach śledziły aktywność gospodarczą w kolebce cywilizacji. W XVII wieku pierwsze na świecie czasopismo naukowe zawierało prace Isaaca Newtona i innych wybitnych uczonych. W 1890 roku karty perforowane posłużyły do zebrania i szybkiego zestawienia obszernych danych ze spisu ludności w USA.
Ludzie zapisują to, co uważają za cenne. To niezmienny element historii. Jednak sposoby przechowywania i dostępu do danych stale się udoskonalają. Postęp w nośnikach danych — od rękopisów, przez drukowane książki, aż po dyski twarde — zasadniczo napędzał rozwój społeczny i gospodarczy, umożliwiając przechwytywanie, upowszechnianie i monetyzację informacji.
Dzisiejsza nieustanna transformacja cyfrowa to odpowiednik wczorajszego przełomu Gutenberga czy Netscape. Tym, co szczególnie odróżnia AI od wcześniejszych sposobów przechowywania i wykorzystywania informacji, jest niewyobrażalna ilość danych, które generuje i przetwarza.
Biblioteka Kongresu posiada 1,2 miliarda obiektów cyfrowych, co odpowiada 31 petabajtom danych. Spójrzmy na to z szerszej perspektywy. Firma analityczna IDC przewiduje, że w samym tylko 2029 roku świat będzie generował taką ilość danych co dwie sekundy, osiągając łącznie prawie 527 zettabajtów rocznie.
„Dlaczego usuwamy wszystkie te dane?”
Kluczowym pytaniem dla organizacji jest dziś to, jak podejść do tak ogromnej ilości danych.
„Rozmawiam z liderami na całym świecie” — mówi Dave Mosley, dyrektor generalny Seagate. „Pięć lat temu narzekali: ‘Dlaczego przechowujemy te wszystkie dane? Dlaczego po prostu ich nie usuniemy?’ A teraz słyszę: ‘Dlaczego usuwamy wszystkie te dane? Pomóżcie nam je przechowywać’.”
Skąd ta zmiana? Bob O’Donnell, prezes i główny analityk TECHnalysis Research, wyjaśnia: „Jednym z najbardziej niedocenianych aspektów rewolucji generatywnej AI jest to, że organizacje wreszcie mogą wykorzystywać ogromne ilości danych, które wcześniej były praktycznie ignorowane.”
Arthur Lewis, prezes grupy rozwiązań infrastrukturalnych w Dell Technologies, zgadza się: „Mamy do czynienia z prawdziwą rewolucją, która w dużej mierze napędzana jest przez sztuczną inteligencję.”
Jak bardzo ta „rewolucja” pomaga wydobyć wartość z danych? „Widzimy dziś cztery główne obszary wykorzystania wśród naszych klientów — tworzenie treści, obsługę klienta, chatboty sprzedażowe i wsparcie w programowaniu” — mówi Lewis.
Rozmawiam z liderami na całym świecie. Pięć lat temu mówili: „Dlaczego przechowujemy te wszystkie dane? Dlaczego po prostu ich nie usuniemy?” A teraz słyszę: „Dlaczego usuwamy wszystkie te dane? Pomóżcie nam je przechowywać.”
Dave Mosely
Chairman and CEO at Seagate
Co będzie dalej?
„Możliwości analityczne narzędzi GenAI wreszcie spełniają obietnicę analityki big data i otwierają drogę do nowych spostrzeżeń” — mówi O’Donnell.
„Ponadto, z uwagi na ogromne zapotrzebowanie na dane w procesie trenowania modeli AI, obserwujemy też gwałtowny wzrost w tworzeniu ogromnych zbiorów danych syntetycznych, które mogą uczynić modele AI jeszcze skuteczniejszymi” — dodaje.
Nowe spostrzeżenia i skuteczniejsze modele AI poszerzają ścieżkę do innowacji.
Na przykład badania McKinsey & Company wskazują na ogromne możliwości przyspieszenia prac badawczo-rozwojowych dzięki AI. Ma to kluczowe znaczenie dla wzrostu i dobrobytu, ponieważ produktywność badań i rozwoju w wielu kluczowych sektorach spada. Innymi słowy, „każdy dolar wydany na badania i rozwój wiązał się z upływem czasu w coraz mniejszej ilości innowacji”.
McKinsey uważa, że AI przyspieszy przełomy, oferując szerszy zakres opcji projektowych, umożliwiając szybszą ocenę i przyspieszając rozwój produktów.
Na przykład narzędzia AI mogą tworzyć fotorealistyczne rendery 3D przewyższające tradycyjne oprogramowanie CAD pod względem ilości i jakości; projektować nowatorskie silniki rakietowe oraz pomagać chemikom w tworzeniu zupełnie nowych białek.
Badania McKinsey pokazują, że AI może nawet podwoić tempo prac badawczo-rozwojowych w niektórych branżach, a łączne korzyści mogą przynieść wartość ekonomiczną od 360 do 560 miliardów USD rocznie.
Te liczby nie uwzględniają „efektów pośrednich” ani szerszych korzyści społecznych wynikających z innowacji. McKinsey podsumowuje: „Jeśli AI pomoże zwiększyć produktywność innowacji, poprawi to jakość i długość życia przyszłych pokoleń.”
Taka jest potencjalna wartość AI — i wszystkich danych, na których się opiera.
