ТОП 10 AI тенденции при бизнес анализа и фирмените данни

Навярно трудно ще се намери човек, който да отрече, че светът се намира в средата на бум на изкуствения интелект (от англ. artificial intelligence, AI), a генеративният изкуствен интелект (от англ. generative AI) ще ни отведе в нова ера на производителност и просперитет.

Заедно с възможностите, които ни предоставя AI, съществуват и нарастващи опасения по темата.

Към момента достъпът до данни за генеративния изкуствен интелект беше свободен, което създава предпоставки за изкривени или откровено неверни данни.

Това прави някои резултати ненадеждни или заблуждаващи, което може да се превърне в заплаха за бизнеса и за обществото. За да работи коректно и бъде надежден за бизнеса, изкуственият интелект е необходимо да бъде захранван с доказано валидни и верни данни.

От много към по-качествени данни

Преминаването от огромни количества към по-качествени данни може да се приеме като преминаване нагоре по веригата за създаване на стойност, състояща се от 5 елемента на данните:

1. Обем
2. Скорост
3. Разнообразие
4. Валидност
5. Стойност

На големите данни (от англ. Big data) често се приписват 3 от тези елемента – обем, скорост и разнообразие. Това е така, защото те представляват огромно количество данни, често се натрупват бързо и от различни източници.  

Достоверните, по-качествени данни отиват по-далеч, включвайки и останалите два, вероятно най-важни елемента от веригата на стойност – валидност и стойност.

Достоверни са данните, събрани от различни проверени източници, които се отличават с проследим произход. Тези данни могат да бъдат усъвършенствани, обединявани и управлявани, т.е. третирани като познат, качествен продукт, който може да бъде споделян и търгуван.

ТОП 10 AI тенденции

1. Генеративният AI няма да „изяде“ останалите видове изкуствен интелект

В пространството се говори основно за генеративен AI, който притежава огромен потенциал. От години обаче се полагат усилия и в други области на изкуствения интелект, някои от които започнаха да дават резултати. Пример за това е машинното обучение (от англ. machine learning, ML), което се използва във все повече сфери.

Една от най-големите заблуди е, че генеративният AI ще замени всички области на изкуствения интелект, което би било голяма грешка.

Миналата година BARC (Business Application Research Centre) обяви, че „времето за игра“ с усилията за традиционен AI е свършило, което означава, че ИИ е достатъчно зрял, за да бъде пуснат в производство.

Докато генеративният AI търси своето място, машинното обучение и други ИИ вече са показали безграничен потенциал за приложение и подобряване производителността на бизнеса.

2. Потребителите ще използват генеративния AI за прозрения

Не всеки иска да създава приложения. Всъщност повечето от нас принадлежат към „другите 75%“ потребители, които може дори да не осъзнаят кога са имали интеракция с аналитични инструменти.

Всичко, което този тип потребители наистина искат, е мигновен отговор и нямат време, желание или умения да извършват анализ.

Потребителите също така са склонни да се доверяват повече на хора, отколкото на данни, така че сътрудничеството и споделянето на данни е от ключово значение. Тази потребителска база оценява автоматично генерираните визуализации и прозрения, допълнени с обяснения на естествен език. Ако това се случи в рамките на бизнес системите, с които работят, би било особено полезно за тях.

3. Ерата на неструктурираните данни вече е тук

По-голямата част (според Forrester 80%) от данните в света са неструктурирани – неподредени в редове и колони. Пример за това са имейлите и документите във вашата интранет мрежа.

Трудно е да анализират неструктурирани данни, но с новите метаданни и семантични техники можем да променим това.

Чрез използването на графики на знанието (Knowledge Graphs) и векторни бази данни, допълнени с RAG (Retrieval, Augmentation, Generation), възможностите за надеждно комбиниране на структурирани и неструктурирани данни са безкрайни. В комбинация с възможност за управление на отговорите може повторно да използвате проверени и надеждни въпроси и отговори, което позволява сканиране на цялата база данни и използване на частни големи езикови модели (от англ. LLM, Large language models), създадени вътрешно чрез анализ на данни.

4. Бизнес анализът се променя от BI към AI и обратно

Революцията в областта на генеративния изкуствен интелект се движи с огромна скорост, като дава възможност за нови начини на взаимодействие с данните.

Вече с едно плъзване можете да добавяте файл в чат интерфейс и да започнете да говорите с AI. Той може да генерира заявки и код, да помага за създаване на съдържание и да ускорява автоматизирани процеси.

Все по-често хората могат да започнат своето аналитично пътешествие в тези генеративни инструменти за ИИ, като ги използват за опростена визуализация на данни и бизнес прогнози. Това е BI в AI.

Прочети още: Business Intelligence система – какво, за кого и защо

С развитието на колаборацията между двата типа инструменти, все по-често ще превключваме между тези два различни режима, за да извлечем максимални ползи от всяка платформа.

5. Произходът на данните е от значение: Разкодирайте ДНК-то на вашите данни

Ако качеството и произходът на данните са били важни преди, в света с изкуствен интелект те вече не подлежат на обсъждане. Това е от решаващо значение както за данните, които управляват вашия бизнес, така и за обучението на моделите на AI.

Нуждата от разпознаваем и ясен произход на данните е особено остра при публичните големи езикови модели (от англ. LLM, Large language models), където произходът понастоящем не може да бъде проследен. Без тези знания е трудно и най-добрите генеративни модели на ИИ да разграничат фактите от измислиците. Това може да доведе до фалшиви факти и deepfakes.

За предприятията доверието в подобни данни може да има сериозни последици. Ето защо организациите е необходимо да поставят този въпрос като приоритет още сега.

Нуждаем се от механизъм за ясно етикетиране и обозначаване на данните, като използваме техники за произход и криптография, заедно с техники, които все още не са измислени, за да създадем еквивалент на „ДНК тест за вашите данни“.

Вече съществуват организации в тази насока, като например „Коалицията за произход и автентичност на съдържанието“, в която членуват Intel, BBC и Sony; Google Watermarking (SynthID). Когато има доверие в произхода и проследимостта на данните, се задейства самоподдържащ се цикъл, в който хората поемат отговорност за данните. Това е и едно от най-важните условия за превръщане на патентованите корпоративни данни в продукти.

6. Нарастването на броя на начинаещите разработчици изисква грамотност в областта на AI

За кратко време станахме свидетели на еволюция от приложения, изискващи ниско ниво на използване на код към приложения, използващи само езикови модели.

Тази тенденция ще породи много нови приложения, създадени от „обикновения разработчик“, което ще доведе до бурен прилив на иновации. От друга страна е възможно да доведе до управленски хаос и пренасищане с апликации.

Този процес дава много правомощия и е добре организациите да предприемат стъпки за обучение на своите служители за ползите и капаните на генеративния AI.

Ако през последните пет години всичко се свеждаше до обучение на екипите на грамотност по отношение на данните, сега компаниите е добре да се насочат към грамотност по отношение на изкуствения интелект.

7. Инженерингът на данни, анализът и науката за данните се сливат

Според IDC предприятията предпочитат да работят по целия поток от данни с най-добрите в сферата, възможно най-малко на брой, в идеалния случай само 1, доставчици. Новите платформи почти ще обединят инженеринга на данни, с мощен изкуствен интелект, автоматизация и наука за данните.

Това ще даде възможност на бизнес анализаторите да изпълняват задачи по управление и подготовка на данни, да прилагат и усъвършенствани статистически модели към данните и инструментите, с които работят всеки ден, без да е необходимо да ги експортират в усъвършенствана работна среда.

Улесняването на процесите и сливането на ролите и възможностите на инженеринга на данни, науката за данните и анализа, ще позволят на организациите да решават по-стратегически казуси.

Ще преминем от въпроса колко печалба е реализирана през това тримесечие към въпроса: „Към кои клиенти трябва да се насочим занапред?“ и „Кои ключови служители са застрашени от напускане и кои са факторите, определящи това решение?“.

8. Автоматизацията и изкуственият интелект създават благоприятен цикъл

Досега големите езикови модели (от англ. LLM, Large language models) и генеративният AI (от англ. artificial intelligence) се използваха главно за подпомагане на разсъжденията и провеждане на анализи, а не за предприемане на действия. Но вече се полагат усилия за подпомагане на последните, включително подход към LLM, който включва синергия на разсъжденията и действията.

Разбира се, това изисква трансформирани данни в почти реално време и на правилното място. В организациите ще започнем да виждаме нови начини за използване на генеративен ИИ с автоматизация на приложенията.

Генеративният изкуствен интелект, свързан с автоматизацията, ще означава по-малко ръчна работа за хората за свързване и изграждане на работни потоци, като вместо това те ще се фокусират върху вземането и управлението на решения.

Прочети още: Qlik Sense – мощен аналитичен инструмент в ръцете на бизнеса

9. Адаптирането на изкуствения интелект във всяка стъпка на процеса става критично за бизнеса

В момента ранните приложения на генеративния ИИ са масово скалируеми и обикновено се разглеждат в контекста на взаимоотношенията между бизнеса и потребителите (B2C).

С течение на времето все по-често ще виждаме изкуствен интелект, адаптиран към индустрията и по-специфични случаи на използване от страна на бизнеса (B2B). Това ще приеме формата на частни големи езикови модели (от англ. LLM, Large language models) и приложения, при които основата може да е обща, но със слоеве на персонализация. Пример за това е клъстерът за изкуствен интелект, който Марк Зукърбърг изгражда за медицински изследвания.

Вашите организационни данни ще бъдат ценна „суровина“ тук и ще се появят „фабрики за решения“, където ще могат да се споделят и търгуват специфични за областта данни и приложения. Въпросът за това кой изкуствен интелект ще бъде основата за изграждането на това обаче остава без отговор.

10. Данните като продукт, който може да се търгува

Архитектурните подходи за хармонизиране на разнообразни данни станаха реалност през последната година, благодарение на изкуствения интелект и технологичните пробиви. Ключов компонент на тези подходи, който намира отклик сред клиентите е „данните като продукт“.

Става дума за прилагане на принципите на продуктовия мениджмънт към данните, като се задават въпроси за това какви казуси решаваме с данните, за какво ще се използват и от кого. Той подчертава значението на качеството на данните, управлението и използваемостта за крайните потребители. Данните като продукт се развиват, за да се превърнат в основа за всички форми на анализ и изкуствен интелект.

Прочети още: С нов BI софтуер Кика Груп „вижда” пълната картина на бизнеса си по света [case study]

Концепцията за третиране на данните като ценен актив или продукт означава, че те могат да бъдат изведени на повърхността в каталог, да се използват за различни вътрешни цели и дори да се превърнат в търгуема стока. Целта е данните да се монетизират като продукт извън организацията.

Появяват се все повече платформи, в които валидираните данни могат да бъдат усъвършенствани, купувани, продавани и търгувани, а тези, които ги притежават да получават възнаграждение.

Стартирането на „GPTs“ от OpenAI е важен етап и окончателна повратна точка, тъй като има подход на магазин за приложения за контекстуализирани приложения с изкуствен интелект, с модел за споделяне на приходите.

По-нататъшното развитие на този подход ще бъде обогатяването му с допълнителни данни. Това ще насърчи организациите да използват собствените си данни за по-нататъшно обучение на моделите на ChatGPT, които след това могат да бъдат монетизирани.

В бъдеще подобни борси ще служат като проверени източници, въз основа на които големите езикови модели ще могат да ползват санкционирани данни и да разпределят компенсация за достъпа, подобно на начина, по който музикалната индустрия постъпи със стрийминг услугите. Колкото повече се използва продуктът от данни, толкова по-ценен е той.

В обобщение

Ако качеството на данните е било важно преди, то в свят с генеративен изкуствен интелект е значително по-ключово. Макар да сме решили казусите с обема и скоростта, все още работим върху разнообразието при данните. Нужно е да преминем от големи данни към по-надеждни такива, което изисква решаване и на въпросите за валидност и стойност.

Данните и метаданните на вашата компания са ценен актив. Вземането под внимание на валидността и стойността им ще гарантира, че можете да ги използвате и да действате ефективно върху тях, за да дадете възможност на изкуствения интелект.

Пътят ни към обещаното бъдеще на генеративния ИИ зависи от качеството на данните, използвани за тази технология. Ако данните се проверяват последователно и задълбочено за произход и качество, те могат да бъдат превърнати в продукт. След това, колкото повече ваши данни се използват за AI, толкова по-ценни ще бъдат те.

Ще станем свидетели на еволюция на по-добрите данни, които ще се превърнат в суровина и в търгуема стока. Капиталът от данни ще придобие значимост и ще бъде в основата на всички иновации, използващи генеративен ИИ.

Това е последният момент преди AI да се внедри във всички аспекти на работата. Сега не е моментът да се успокоявате, защото в противен случай ще изостанете. 

Има предизвикателства, но чрез предприемане на правилните действия, преодоляването на препятствията ще постави началото на ера на безпрецедентни иновации и просперитет.

Ако това ви се струва непосилно, не забравяйте, че не е нужно да се справяте сами. A и не бива. Работете с компетентни партньори, които могат да превърнат големите ви данни в по-добри, надеждни данни, така че и вие да можете да реализирате стойността на генеративния изкуствен интелект.

Прочети още: Защо ролята на консултанта за внедряване на бизнес софтуер е ключова за успеха на вашия проект?

В Balkan Services разполагаме с експертни познания за бизнеса, технологиите и законодателството, владеем и трите езика. Ще ви изслушаме внимателно и посъветваме за избор на точната бизнес система за вашите нужди.

Balkan Services внедрява софтуерни решения за бизнеса от 2006 г. и има завършени повече от 690 проекта, от които над 420 са в областта на BI системите. Следваме изпитана методология на внедряване с ясни стъпки и ноу-хау за добрите практики.

Източник: „Bridging the Trust Gap in Generative AI“, Qlik