A mesterséges intelligencia és az adatok meghitt kapcsolatban élnek egymással, sok területen egymásra utalva. Az adatelemzés területén már elkezdtük használni a mesterséges intelligenciát, ennek előnyeit – új adatelemzési módszerek születnek, kevésbé munkaigényes feladat az adatok feldolgozása, az adatproblémákat kiszűrjük és valóban prediktív elemzéseket tudunk generálni – hasznosítsuk bátran üzleti céljaink elérésére.
Kisvállalatunk éves eredményeinek elemzésekor néhány, külön rendszerben tárolt pénzügyi adatot kell összegyűjteni: egy számlázórendszer és a könyvelőprogram adatait szó. Annyira egyszerű a feladat, hogy szinte nem érdemes rá négy-öt munkaórát pazarolni. Megfelelően intelligens MI-nek pillanatok műve lenne megmondani, hogy egy év alatt hány százalékkal nőtt a cég árbevétele. Ilyen eszköz létezik is, de nem a mi kis vállalatunknak elérhető áron.
Szimbiózisban van egymással az adat és az MI
A mesterséges intelligenciával és gépi tanulással kísérletező vállalatoknak egyaránt adatokra van szükségük ahhoz, hogy tanuljanak, fejlesszék önmagukat és majd az adathalmazokból értékes információkat nyerjenek ki. Segítségükkel megszületik a vállalati adatelemzés, amely folyamatosan új felhasználási területeket nyit, és újabb forrásokból kér adatokat.
Adatok nélkül a mesterséges intelligencia csupán egy jól sikerült algoritmus marad, ahogy az adatok az MI nyújtotta elemzések és előnyök nélkül is csak tárolandó információk lesznek. Minél több adatunk van, annál pontosabban dolgoznak az MI-algoritmusok, annál alaposabban és informáltabban tudjuk meghozni az üzleti döntéseket. A gépi tanulásnak köszönhetően pedig az MI egyre jobban, kevesebb hibával működik. A mesterséges intelligenciával támogatott adatelemzés új lehetőségeket teremt cégünknek, ezek közül sorolunk fel néhányat.
Számos új, hatékony lehetőséget nyújt a mesterséges intelligencia
Az a tengernyi adat, amit a vállalat saját működéséről összegyűjtött egy újabb kérdést vet fel: hogyan tovább? Sok energiát fektettünk abba, hogy a folyamatok feltérképezésével, a megfelelő szenzorok kihelyezésével az üzleti működést adatszintre lefordítsuk. Egy hónapnyi, évnyi adat összegyűlt és percről percre több lesz belőle. Mit kezdjünk mindezzel?
Az adatfeldolgozás hagyományosan rengeteg manuális munkát jelent. Az adatelemzés valaha néhányat egyszerű adatbázis-lekérdezés volt, a „haladók” az SQL segítségét vették igénybe. Az MI új módszereket teremt, megkönnyíti, helyenként automatizálja ezt a folyamatot. Valós adatokon alapuló elemzéseket generál, komoly segítséget nyújtva az üzleti célok elérésében.
Az új módszerek használatával az adatok elemzése és menedzselése kevésbé függ a drága és időigényes emberi munkától. A szakembereknek továbbra is kiemelt marad a szerepük az adatmenedzsment és elemzés területén, de a korábban napokat vagy heteket felemésztő projektek sokkal gyorsabban megvalósulnak.
Bizonyos esetekben és adatok használatával az MI valamelyest vagy teljesen automatizált döntéseket hozhat a korábbi tanulási eredményeket figyelembe véve. A példák alapján elsajátított tudást és a komplex emberi know-how-t felhasználva szabályokat alkot, döntéseket hoz, és előrevetíti a jövőt is. Vagyis valós idejű adatok alapján a döntések gyorsabban megszületnek, az elemzések hamarabb elkészülnek, a stratégiai tervezésekhez is lesz muníciónk.
Eddig az adatelemzés egy halotti jelentéshez hasonlított: megtudhattuk, mi történt a múltban. Az előrejelzések is historikus elemzések voltak. Az MI és gépi tanulás ezen a téren is új frontot nyitnak, megmondják, mi a legvalószínűbb, ami történhet. Az MI pontosabban képes előrejelezni a valószínű jövőbeli történéseket, mint az emberek. Továbbá, az algoritmust megtanítható arra, hogy hozzon döntést vagy tegyen valamit az előrejelző elemzésre alapozva.
Kiküszöböli a primitív adatproblémákat
Az adat értéke minőségétől függ, ez az Mi megjelenésével sem változott. A rossz minőség az jelenti, hogy az adat nem ér szinte semmit. Ha az adat nem megbízható, akkor a belőle származó következtetésre sem lehet építeni. Ezért az adatelemzési projektek idejének 80 százaléka adattisztításra és -előkészítésre megy el. A gépi tanuláshoz, a mesterséges intelligenciához szükséges adatokat magával az MI segítségével tudjuk megtisztítani. Az algoritmusok megtalálják a megkettőzött, ismétlődő adatokat, rálelnek a hiányos rekordokra, közös terminológiát használva képesek normalizálni az adatokat.
Ahelyett, hogy a múlt és jelen adatait használva egy lineáris döntést hozunk, az MI a teljes vállalat működését veszi figyelembe, előretekintő stratégiai elemzésekkel segíti az üzleti eredmények exponenciális növekedését. Ebben a folyamatban egyetlen fejlődési fázist sem szabad kihagyni.
Ahogy a csecsemő előbb kúszni, mászni tanul a járás előtt, úgy kezdjünk a folyamatok és adatok feltérképezésével, folytassuk a leíró elemzésekkel, majd hagyjuk a végére a prediktív és a preszkriptív (előíró) elemzéseket. És ne feledkezzünk meg, hogy mindehhez minőségi és megbízható adatokra van szükségünk.
Megváltozik az ember szerepe a folyamatokban
Az MI és a gépi tanulás (szinte) teljes körű rálátást biztosít a vállalati adatokra, felfedezi a különböző adatkészletek közötti kapcsolatokat. De mindez nem azt jelenti, hogy az emberi intelligenciát és intuíciót ki kell zárni a folyamatból.
Kombináljuk bátran az emberi és gépi skilleket. Az MI-nek első körben az emberektől kell ellesnie az intelligenciát. Az emberi tudás és a technológia erejét sikeresen ötvöző vállalatok nemcsak az adattudósokat és az üzleti elemzőket szolgálják ki, hanem azokat az üzleti felhasználókat is, akik saját elemzői tudás nélkül akarnak elemzésekre támaszkodva döntéseket hozni. A mesterséges, gépi vonal pedig csökkenti az emberi elfogultságból adódó torzulást, amely az eredmények értékelésében mutatkozik meg.
Vass Enikő
