
企业级人工智能的扩展需要克服以下挑战 建筑设计上的疏忽 这常常导致试点项目在投入生产之前就停滞不前——这远不止是选择合适的模型那么简单。虽然生成式人工智能原型相对容易搭建,但将其转化为实际应用却并非易事。 可靠的、生产级的业务资产 包括解决一些最困难的问题 数据工程与治理。
“将人工智能试点项目转化为真正的商业资产意味着要解决数据工程和治理方面的难题,而不仅仅是选择正确的模型。”
在……之前 2026年全球人工智能与大数据大会 在伦敦, 萧芳妮,EMEA 人工智能架构师负责人 Salesforce讨论了为什么这么多企业人工智能计划会遇到瓶颈,以及组织如何构建能够真正经受住现实世界压力的系统。
📌 主要主题:
- 为什么需要生成式人工智能 试生产经常失败。
- 角色 数据治理 企业人工智能可扩展性
- 如何设计人工智能架构 具有韧性且具备业务就绪能力
📅采访在……之前进行 2026年全球人工智能与大数据大会, 伦敦。