作者：来自 Elastic Fermi Fang

企业数据是好处还是负担？

组织正被数据淹没 —— 从安全事件日志和应用程序错误消息到物联网指标和帮助中心常见问题解答。这些丰富的信息通常存在于孤立的孤岛中，在整合这些信息以提升客户体验、提高运营弹性或降低安全风险方面面临巨大挑战。越来越多的企业发现自己只能存储这些数据或手动缓慢地解析这些数据。组织如何克服分散数据的挑战，转而利用这些数据来获得可操作的见解并解决问题？

答案在于范例转变：解决阻碍组织实现所需业务成果的底层数据问题。生成式人工智能和搜索技术的交集体现了这种转变。虽然生成式人工智能带来了强大的计算智能 —— 能够从大型数据集中生成见解和预测 —— 但它往往缺乏确定相关性的背景。相反，搜索技术擅长提供高度相关和精确的信息，但缺乏超出其编程算法的计算或推断能力。通过将这两种技术结合在一起，组织可以帮助其客户和员工从所有数据中实时、大规模地找到重要的答案。

三大企业数据挑战

让我们来看看现代企业面临的三大挑战：

• 实时提供正确的信息：在正确的时间、正确的地点向正确的人提供正确的数据是一项挑战，但对员工和客户都很重要。当组织的用户（包括内部和外部）花费比应有的更多的时间进行搜索时，可能会给企业带来代价高昂的后果。
• 保持系统正常运行：开发人员、管理员和架构师需要工具来保持这些日益复杂的数字生态系统的可用性和高性能。停机和性能不佳可能会造成高昂的代价。ITIC 估计，对于大多数大型组织而言，停机平均每小时的成本在 50 万到 500 万美元之间。
• 保护和保护应用程序和 IT 基础设施：安全分析师需要能够保护不断增长的攻击面的工具。一次事件可能会影响客户信任，当然也会影响利润。IBM 估计，一次数据泄露平均会给组织造成 445 万美元的损失。

应对所有这些企业数据管理挑战的关键是首先要了解它们是相互关联的。从根本上讲，每个需求都可以通过实时从不断增长、不断发展的海量数据中获取价值来满足。那么将搜索与人工智能结合起来能有什么帮助呢？

搜索和生成式 AI 的结合力量

搜索技术是让我们能够将分散的数据片段拼凑在一起的关键。无论是帮助陷入困境的客户找到问题的正确答案，帮助站点可靠性工程师快速检索最相关的日志，还是使安全运营中心能够高效地发现相关的安全事件，搜索技术在从海量数据集中提供相关结果方面的能力都是无与伦比的。

通过将搜索的精确度和 AI 的智能结合起来以实现 Search AI，上述场景可以得到极大的放大。例如，陷入困境的客户不仅可以访问常见问题列表，还可以访问根据他们提出的问题生成的具体分步答案。或者在站点可靠性工程师的情况下，他们不仅可以获得相关日志的列表，还可以使用 AI 来帮助推断事件的根本原因。同样，在安全运营中心的例子中，他们不仅可以发现相关的安全事件，还可以使用 AI 来帮助串联整个攻击序列。

通过将搜索与 AI 相结合来解决数据问题，组织可以将其庞大的数据环境转变为战略资产，将复杂的挑战转化为有利可图的机会，并确保它们不仅满足而且超出各方面的期望。

了解如何实施生成式 AI 以加速业务成果。

最初发布于 2021 年 7 月 15 日；更新于 2024 年 6 月 17 日。

本文中描述的任何特性或功能的发布和时间均由 Elastic 自行决定。任何当前不可用的特性或功能可能无法按时交付或根本无法交付。

在这篇博文中，我们可能使用或提到了第三方生成式 AI 工具，这些工具由其各自的所有者拥有和运营。Elastic 无法控制第三方工具，我们对其内容、操作或使用不承担任何责任，也不对你使用此类工具可能产生的任何损失或损害承担任何责任。在使用 AI 工具处理个人、敏感或机密信息时，请谨慎行事。你提交的任何数据都可能用于 AI 培训或其他目的。我们无法保证你提供的信息会得到安全或保密。在使用任何生成式 AI 工具之前，你应该熟悉其隐私惯例和使用条款。

Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 和相关标志是 Elasticsearch N.V. 在美国和其他国家/地区的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。

原文：How does search solve data problems? | Elastic Blog