WingArc1st发布了面向企业AI应用而设计的数据利用平台解决方案“DataTetra”，并从10月21日起陆续开始提供。该平台可一体化支持从数据整合与管理，到AI分析及业务应用的各个环节，并致力于应对AI应用扩大带来的处理成本增加、依赖特定服务等问题。
AI应用的障碍不只是模型性能
随着越来越多企业将AI融入业务，真正的障碍或许并非“该选择哪种AI”，而是一个更为琐碎的问题：如何持续处理手头的数据。企业拥有的数据日益多样化、规模不断扩大，一旦用于AI，处理过程就会变得复杂。
其中一个例子是“上下文腐败（Context Rot）”：将大量信息输入AI后，它无法有效把握上下文，导致回答准确度下降。这种现象与“输入的资料越多，AI就会越聪明”这一朴素期待相悖。此外，企业业务会受到外部AI服务运行状况的影响，这一点也不容忽视。
成本问题也随之而来。每次处理非结构化数据，或使用AI进行分析、搜索，成本都会随着使用量不断累积。AI用得越频繁，支出就越高。或许有些负责人对这种感受并不陌生：换来便利的同时，钱包里的钱也在一点点减少。
调查显示，约八成受访者将成本视为问题
该公司于9月开展了“企业AI应用与组织成果实态调查”，询问受访者是否认为AI服务的使用成本会成为今后应用AI的一项难题。回答“非常认同”的占28.2%，“比较认同”的占50.9%，合计为79.1%。
尽管AI导入势头强劲，但人们似乎普遍担忧其在运营阶段产生的成本。DataTetra被定位为一款正面回应这一担忧的产品。
整合数据，选择AI的适用场景
DataTetra的核心是新推出的“湖仓环境”。湖仓是指一种融合数据仓库（DWH）与数据湖各自优势的机制，可统一处理经过整理的结构化数据，以及文档、图像等非结构化数据。该公司表示，湖仓环境可通过一套流程支持从数据整合与管理，到AI分析及业务应用的各个环节。
其设计理念包括“与AI共生”“数据主权”和“数据利用平台”三项。
限定交由AI处理的范围
在“与AI共生”方面，该平台在处理结构化和非结构化数据的同时，构建AI能够参照数据含义及使用条件的环境。在此基础上，将需要AI处理的领域与适合传统程序处理的领域结合起来，以避免过度依赖AI。
这一点颇有意思。它并非将AI当作万能工具不断扩大其应用，而是把常规处理交给传统机制，只让AI负责真正需要它的场景。无论从成本还是准确度来看，这种划分都显得合情合理。
“数据主权”旨在降低对供应商的依赖
在“数据主权”方面，该公司表示，企业可以利用已有的数据资产，例如DWH或湖仓，构建相关环境，同时降低对特定供应商的依赖。这体现了其追求“用户主权”的理念，即让企业能够自主选择并掌控自身数据及AI的使用环境。
在数据利用平台方面，该平台将一体化支持数据整合、管理、赋予含义，以及应用程序和AI代理的构建、共享与使用。
不按实际用量计费，而是通过使用额度预估费用
在产品构成方面，该平台将组合使用该公司的“Dr.Sum”“MotionBoard”“dejiren AI”等技术与产品。它既支持以补充现有DWH的方式部署，也支持以DataTetra为核心搭建数据利用平台，可根据企业的系统环境灵活导入。
值得关注的是其计费方式。该公司计划采用基于处理能力等使用额度的“容量计费”，而非按实际用量计费。该公司表示，即便在扩大AI应用的阶段，也希望打造一个能够在预估成本的同时持续利用数据的环境。
不过，按使用额度计费实际能在多大程度上减轻费用负担，应该会因企业的使用规模和方式而异。尽管如此，从担心每次使用AI都会让费用计量表不断跳动，转向更便于提前编制预算的方式，这一点或许能为管理层和IT部门提供一个易于评估的选择。
导入之后，关键在于融入组织
仅仅导入平台并不会自动带来成果。该公司表示，还将提供相关服务，支持企业从搭建数据利用环境，到投入运营并使其融入组织的全过程。公司计划发挥专业团队的经验——该团队每年参与100个以上的支持项目——并通过涵盖人才培养和运营体系建设等方面的支持，帮助企业打造能够持续推进数据应用的组织。
AI不能只是试用一下就结束，只有持续使用才能体现价值。此时，比模型的聪明程度更重要的，或许是数据整理方式、费用预期，以及一线团队能够持续开展运营的基础条件。DataTetra的发布反映出，AI竞争的舞台正从“使用什么”转向“如何持续运用”。
コメント