企業AI旅程之所以出現瓶頸，主因在於多數人僅關注AI演算法與場景應用，疏於建立好的企業級資訊架構，以致經常礙於無法適時獲取可被信任、可被分析的數據，讓一個個侷限「孤島」運作的AI專案功敗垂成。
近年人工智慧（AI）浪潮銳不可當，應用觸角無所不在且快速擴張，舉凡自駕車、臨床試驗、基於地理位置的廣告、消費者情緒分析、交通流量分析、欺詐預防等等，皆需仰賴AI支撐；因此愈來愈多企業嘗試駕馭 AI，但過程面臨許多挑戰。
深究企業AI旅程之所以出現瓶頸，主因在於多數人僅關注AI演算法與場景應用，雖明知資料是驅動AI的要素，也利用各部門的力量收集各種資料，但疏於建立好的企業級資訊架構（Information Architecture，IA），未能形成統一管理整體資料的流程管線，以致經常礙於無法適時獲取可被信任、可被分析的數據，讓一個個侷限「孤島」運作的AI專案功敗垂成。
完善的IA能夠幫助企業做好四件事。第一是「收集」，可彙集與正規化企業混合多雲環境中的各種資料源，包含遍佈全球的IoT或行動感測器、顧客資料、供應鏈資料或交易系統等等，接著透過 ETL、Spark或Script腳本等標準化分析工具，汲取其中相關資訊，建立單一真相來源。
第二是「準備／組織」，讓企業能運用Hadoop、SPSS、SAS或R等資料科學工具，有效分類與測試汲取到的資料集，透過不斷增加的資料量提升精準度，著手建構模型。第三是「分析／訓練」，易於將模型快速複製並分佈至多個GPU，共享前端資料服務，以提升模型的迭代開發速度。最後則為「推理」，一來透過低延遲API加速儲存與擷取資料，創造最快回應速度，二來藉由容器化部署方式管理工作負載，最終將訓練有素的模型順利佈建到商業流程。經由收集、準備、分析而至推理的層層堆疊，可完美構成一座以資料為基礎的AI成功階梯。
IBM自身也是從IA邁向AI的受惠者，為駕馭每日驟增的巨量資料，整合運用IBM Spectrum Scale、Elastic Storage Server（ESS）等解決方案，打造「IBM Common Enterprise Data Platform」，透過支援端到端混合式企業資料流程的儲存技術，成功打通AI資料流程管線，因而能以比過去快十倍的速度自動產生Metadata，數秒內完成資料查詢，甚至在1秒內回應34,000次API呼叫，進而憑藉這般能量，有效推展客戶分析、業務工具、營運風險、合約洞察等不同主題的多項AI專案。
如今IBM已經運用AI相關儲存方案創造許多成功案例，包括協助華盛頓大學聖路易斯醫學院及Vanderbilt大學影像科學研究所建構大規模深度學習平臺、協助富國銀行打造金融風險模型，更扮演世上第一與第二超級電腦（Summit及Sierra）的幕後功臣，在在證明藉助優異的儲存設備，方能實現最快路徑，加速驅動AI洞察力與商業創新。
＜本文作者：于伯琨為IBM硬體系統事業部總經理＞