Databricks 观点：答案或已存在于数据中
Databricks 提醒企业，AI 应用应优先挖掘自有数据中的已有答案，而非一味依赖外部生成模型。
Databricks 认为，企业积累的海量记录本身就包含业务问题的答案，无需完全依赖外部模型，关键在于通过数据治理和高效查询释放潜在价值。
正文摘录
如果答案已经在你的数据中了呢？ Kythera Labs 正在 Databricks 上构建一个 AI 原生的医疗战略平台，让任何医疗系统都能获得他们需要且信赖的专业智能。 作者：Bryan Smith, Morgan Wilkie, Kaitlin Ryan Kythera Labs 正在 Databricks 上构建一个 AI 原生的医疗战略平台，让任何医疗系统都能获得他们需要且信赖的专业智能。 会议以这些会议一贯的方式结束：一个没人能足够快回答的问题。CEO、CIO 和 CFO 走出策划会议时带着一项任务：查明肿瘤科收入中有多少正在流出系统，以及流向了哪里。在资源充足的医疗系统中，这个问题会交给咨询公司，六周后和几十万美元一起回来。在大多数医疗系统中，它则交给一个拿着 BI 工具的分析师，什么时候回来取决于什么时候能做完，答案的可信度也取决于数据能支撑到什么程度。 这两种体验之间的差距，正是 Kythera Labs 成立所要弥合的问题。 医疗系统高管们同时面临着复杂的战略决策集：增长患者量、优化支付方合同、评估并购标的、识别未被充分服务的扩张市场、减少行政开销，所有这些都基于不完整的数据。这些决策与价值创造杠杆对齐，而历史上，这些杠杆需要专家级的分析能力，这种能力几乎完全取决于机构预算。 能够弥合这一差距的分析师（他们理解索赔数据中的缺失和偏差，能从碎片化的计费记录中重建患者旅程，知道索赔记录和实际临床发生之间的区别）需要数年才能培养出来。大型医疗系统雇佣他们。小机构则只能在没有这些能力的情况下运作，或者花费数百万美元聘请咨询公司，按项目租用这种专业知识。美国医疗保健中的战略智能差距首先不是数据问题，而是专业知识的分布问题。 在任何一个 Agent 能够可靠地回答战略性问题之前，它所推理的数据本身必须是可靠的。这比听起来要难得多。