Hiába a mesterséges intelligencia, ha nincs mivel „etetni”

Egyre több cég látja be, hogy a mesterséges intelligencia (MI) segítségével gyorsabb, átgondoltabb, a gazdasági és piaci helyzetnek megfelelő döntéseket hozhat. A nagy potenciállal rendelkező generatív MI-t a vállalatok sokféleképp foghatják munkára. A technológia például természetes nyelven kommunikáló csevegőrobotként támogathatja többek között a kiskereskedelmi és más, első vonalbeli dolgozókat, a szolgáltatások terén a problémák osztályozásában és orvoslásában segítheti az ügyintézőket, a fejlesztők munkáját kódblokkok automatikus generálásával gyorsíthatja, az üzleti elemzést célzó lekérdezések eredményéből pedig pillanatok alatt összefoglalókat és vizuális jelentéseket generálhat.

Mi a Unisysnél folyamatosan keressük és kiértékeljük az MI és a gépi tanulás (ML) fejlődésével feltáruló, új lehetőségeket, hogy ügyfeleinket költségcsökkentéshez és nagyobb hatékonysághoz segítsük. Célunk, hogy az MI erejével automatizáljuk a feladatvégzést, észszerűsítsük a folyamatokat, és értékes emberi erőforrásokat szabadítsunk fel a stratégiai kezdeményezések számára. Ám ez a folyamat nem mentes a lehetséges buktatóktól sem, ezért munkatársainkkal összegyűjtöttünk néhány olyan alapvető tanácsot, amelyek elengedhetetlenek a sikeres bevezetéshez.

Dolgozz megbízható, való életből vett adatokkal!

Az adat ma már nem csak egy a cégek működése során felhasznált eszközök – gyárak, berendezések, szellemi tulajdon vagy épp ingatlanok – sorában. Helyes felhasználása esetén az adat felbecsülhetetlen értékű növekedési forrás. A kulcs a benne rejlő érték felismerése, intelligens hasznosítása és egy olyan kultúra létrehozása, amelynek szerves része az adatvezéreltség erejének felismerése. 

Az MI és az adathalmazok szimbiotikus kapcsolatban állnak egymással – az MI a tréningszakasz során már létező adathalmazokból tud konklúziókat leszűrni, amelyek a későbbi javaslatainak alapjait képezik. Ahhoz, hogy ennek a szimbiotikus kapcsolatnak a sikerét biztosítsuk, fontos, hogy a tanuló modellek tréningjére használt adathalmazok megfelelő minőségűek legyenek. Ennek része, hogy ne „csak” megbízhatók legyenek, de valós helyzetekből, a való életben megtörtént esetekből származzanak. Olyan, gyakran széles spektrumú, kiugró eseteket is tartalmazó adathalmazokból érdemes dolgozni, amelyek olyan tényleges helyzeteket tükröznek, amelyeknél később is alkalmazni szeretnénk az MI-t. Ezzel biztosíthatjuk, hogy olyan nem várt esetekre vagy piaci helyzetekre is felkészül a prédikációs modell, mint például egy járvány vagy egy gazdasági válság, és gyorsabb, hatékonyabb választ tud adni. 

Minden munkatárs erőforrásként tekintsen az adatokra!

Az adatok, amelyek minden cég működése során keletkeznek (számlák, kimutatások, piaci trendek) tökéletes alapot biztosítanak ahhoz, hogy az MI tanulni tudjon. Fontos azonban, hogy ezeket az adatokat hogyan használjuk fel. Ne nyers információtömegként, hanem kiaknázatlan erőforrásként tekintsünk az adatokra, tanuljuk meg a felgyülemlett adatokat a fogyasztóinkat potenciálisan segítő eszközként kezelni! Ma ez gyakran nem így van: a felmérések szerint, bár a keletkező adatmennyiség kétévente megduplázódik, és ennek az adattömegnek a 37 százaléka hasznos lenne a cég számára, ha kielemeznék, összesen mindössze az adatokat 1 százalékát analizálják ténylegesen mélységében.

Hogy ez változzon, nem elég a közvetlenül az adatokkal foglalkozó csapatnak megérteni mindennek a jelentőségét: minden munkavállalónak tudnia kell, hogy a munkája során keletkező adatokat hogyan tudja effektíven becsatornázni a cég sikerébe. Egy effektív adat-ökoszisztéma kialakításához szükséges, hogy az adattárolással és mozgatással kapcsolatos folyamatok minden dolgozó számára hozzáférhetők legyenek. A munkavállalók önálló hozzáférésének a biztosítása nemcsak az adatbevitelt, de a céges adatkultúrát is fejleszti, biztosítva ezzel a hosszú távú fejlődést azáltal, hogy a munkavállalók is átláthatják, saját hozzájárulásaik révén magukénak érezhetik a fejlődés sikerét.

Az adatok elérhetővé tétele

Egy cég gyakran számos különálló, átjárhatatlan „silóban” tárolja az adatait, amelyek így sohasem válnak egyetlen kiaknázható adattömeggé. Az MI teljes potenciáljának kiaknázásához elengedhetetlen egy rugalmas, robusztus és méretezhető adatarchitektúra. Egy olyan architektúra, amely különféle formátumokban és struktúrákban képes kezelni az adatokat, könnyen lehet bele új adatkészleteket integrálni és hasznos következtetéseket kinyerni belőle. A feladat tehát egy összekapcsolt „adatréteg” létrehozása a különböző forrásokból származó, különböző helyeken (helyszíni adatközpontokban, különféle felhőkben) tárolt adatok összegyűjtésével, valós idejű feldolgozásával és elemzésével. Egy decentralizált klinikai vizsgálatokat folytató gyógyszeripari vállalat például úgy tudja hatékonyan használni az MI-t, ha folyamatosan, akár valós időben eléri és elemzi az orvosi eszközökről érkező adatokat, az orvosi feljegyzéseket és minden más adatforrást.

Átgondolt MI-stratégia

Talán a legfontosabb, hogy az MI alkalmazását átgondolt stratégiával kezdjük el. Egy ilyen stratégiának azonosítania kell azokat a területeket, ahol a legnagyobb hasznát lehet venni az MI-nek, figyelembe kell vennie az etikai és jogi következményeket, és kidolgozott útvonaltervet kell készítenie az MI-alkalmazások fejlesztéséhez, telepítéséhez és skálázásához. Emellett összhangban kell működnie a szervezet üzleti, adat- és technológiai stratégiáival – így lehet biztosítani, hogy az MI használata ne öncélú legyen, hanem támogassa a vállalat céljait, és hozzájáruljon a sikeréhez.

Fontos még figyelembe venni az MI bevezetésének szervezeti, vezetési és kulturális következményeit, és odafigyeléssel, empátiával kezelni az átmenet gyakran nehéz folyamatát. Sok szervezet számára észszerű az MI nagyszabású, cégszintű bevezetése helyett keresni néhány konkrét munkafolyamatot, amelyek egyszerűek, de azonnali és kézzelfogható haszonnal kecsegtetnek az MI felhasználása terén. Ha pedig itt sikerrel járunk, fokozatosan haladhatunk a bonyolultabb alkalmazások felé, mind több munkatársat bevonva a generatív MI alkalmazásába, közben figyelembe véve a visszajelzéseiket is a folyamatról, és átláthatóan tájékoztatva őket a fejleményekről.