Sandeep 指出，在生产中使用 GenAI 的组织通常使用更多工具（平均 9 种），而未使用 GenAI 的组织则使用约 5 种工具。工具使用量的增加反映了集成先进 AI 技术的复杂性增加。他解释说：“在一段时间内，工具数量会减少，但至少在短期内，随着客户将生成式 AI 引入其生态系统并向前扩展，我们将看到技术略有扩散。”
为了解决这种复杂性，Sandeep 重点介绍了Dataiku 的 LLM Mesh作为解决方案的一个例子，该解决方案可以在单一平台内实现端到端 GenAI 管理，帮助组织简化流程并减少对工具的依赖。
随着讨论转向数据基础设施 加拿大 Whatsapp 数据 挑战，调查显示，数据质量和访问是受访者主要关注的问题。
Gernot 和 Sandeep 讨论了“清洁数据”的概念，他们一致认为，虽然提高数据质量很重要，但它不应该阻碍 GenAI 的发展。组织不应追求完全清洁的数据，而应集中精力清理对其最有价值的用例至关重要的数据——那些能为组织带来最大利益的数据。
此外，Gernot 指出，47% 的受访者表示数据质量管理由 IT 或中央团队负责。他认为，这种方法往往会导致效率低下和不信任，因为没有一个中央团队能够充分管理数据以满足所有需求。相反，Gernot 主张掌握自己的用例和数据，以增强信任和运营效率。