AI in business intelligence: avvertona | Intelligenza-Artificiale

Uno dei modi in cui le organizzazioni utilizzano gli ultimi algoritmi di intelligenza artificiale per aiutarli a crescere e prosperare è l'adozione di modelli di AI privati ​​nell'allineamento delle loro strategie di business.

La differenziazione tra AI privata e pubblica è importante in questo contesto: la maggior parte delle organizzazioni è giustamente diffidente nel consentire l'accesso agli AIS pubblici a quelli che sono set di dati sensibili, come informazioni sulle risorse umane, dati finanziari e dettagli della storia operativa.

È ovvio che se a un'intelligenza artificiale viene fornita dati specifici su cui basare le proprie risposte, il suo risultato sarà più pertinente e sarà quindi più efficace nell'aiutare i decisori a giudicare come strategie. L'uso dei motori di ragionamento privato è il modo logico in cui le aziende possono ottenere i migliori risultati dall'IA e mantenere la loro proprietà intellettuale al sicuro.

I dati specifici per le imprese e la capacità di perfezionare un modello di intelligenza artificiale locale offrono alle organizzazioni la possibilità di fornire previsioni su misura e messa a punto operativo che sono più radicate nella realtà quotidiana del lavoro di un'azienda. UN Deloitte Strategy Insight Paper Chiama AI privato una “bussola su misura” e pone l'uso dei dati interni come vantaggio competitivo e Accenture descrive l'AIS come “pronto a fornire il sollevamento economico più significativo e il cambiamento nel lavoro dopo le rivoluzioni agricole e industriali”.

Esiste la possibilità, tuttavia, che come la tradizionale business intelligence, che utilizzano dati storici tratti da diversi anni di operazioni in tutta l'impresa, possano rinunciare al processo decisionale nei modelli del passato. McKinsey afferma che le aziende sono in pericolo di “rispecchiare il loro passato istituzionale nell'ambra algoritmica”. IL Harvard Business Review Raccoglie parte alla complessità tecnica, affermando che l'atto di personalizzare un modello in modo che le sue attività siano più rilevanti per l'azienda è difficile e, quindi, non da un compito da svolgere da qualsiasi altro che il più alterato a un livello di scienza dei dati e programmazione.

Wit Sloane Fa un equilibrio tra i ferventi sostenitori e le voci conservatrici per l'intelligenza artificiale privata nella strategia aziendale. Consiglia di essere considerato un co-pilota e sollecita continui interrogativi e verifica della produzione di intelligenza artificiale, specialmente quando la posta in gioco è alta.

Credi nella rivoluzione

Tuttavia, i decisori che considerano il perseguimento di questo corso di azione (ottenere l'onda di intelligenza artificiale, ma farlo in modo privato e attento alla sicurezza) potrebbero voler considerare le motivazioni di quelle fonti di consulenza che sostengono fortemente per l'abilitazione dell'IA in questo modo.

Deloitte, ad esempio, costruisce e gestisce soluzioni di intelligenza artificiale per clienti che utilizzano infrastrutture personalizzate come le sue offerte di fabbrica come servizio, mentre Accenture ha pratiche dedicate alla strategia di intelligenza artificiale dei suoi clienti, come Accenture Applied Intelligence. Collabora con AWS e Azure, costruendo sistemi AI su misura per le società Fortune 500, tra le altre, e Deloitte è partner di Oracle e Nvidia.

Con “Skin in the Game”, frasi come “il cambiamento più significativo (…) nel lavoro poiché le rivoluzioni agricole e industriali” e una “bussola su misura” sono stimolanti, ma le motivazioni dei venditori potrebbero non essere del tutto altruistiche.

I sostenitori dell'IA in generale indicano giustamente la capacità dei modelli di identificare le tendenze e le correnti statistiche in modo molto più efficiente degli umani. Data la massa di dati disponibili per l'impresa moderna, che comprende informazioni sia interne che disponibili esternamente, avere software che possono analizzare i dati su scala è un vantaggio incredibile. Invece di creare manualmente l'analisi di enormi repository di dati-che richiede tempo e protagonisti-L'intelligenza artificiale può vedere attraverso la pula e le intuizioni reali e attuabili in superficie.

Fare le domande giuste

Inoltre, i modelli di intelligenza artificiale possono interpretare le query ditanete in linguaggio normale e fare previsioni basate su informazioni empiriche, che, nel contesto dell'AIS privata, sono altamente rilevanti per l'organizzazione. Il personale relativamente non qualificato può interrogare i dati senza avere competenze nell'analisi statistica o nei linguaggi di query di database e ottenere risposte che altrimenti avrebbero coinvolto più team e set di abilità tratti da tutta l'Enterprise. Quell'avanzamento del tempo da solo è considerevole, permettendo alle organizzazioni di concentrarsi sulla strategia, piuttosto che formare i punti dati necessari e interrogare manualmente le informazioni che sono riuscite a raccogliere.

Sia McKinsey che Gartner avvertire, tuttavia, di eccesso di fiducia e obsolescenza dei dati. Su quest'ultimo, i dati storici potrebbero non essere rilevanti per la strategia, soprattutto se i record risalgono a diversi anni. L'eccessiva fiducia è forse meglio definita nel contesto dell'IA come operatori che si fidano delle risposte di intelligenza artificiale senza dubbio, non si approfondiscono in modo indipendente nei dettagli delle risposte o, in alcuni casi, prendendo in realtà le risposte a query con crisi grave.

Per qualsiasi algoritmo software, frasi umane come “basare i tuoi risultati sui nostri dati storici” sono aperte all'interpretazione, a differenza, ad esempio, “basare i tuoi risultati negli ultimi dodici mesi di vendita, ignorando i valori anomali che differiscono dalla media di oltre il 30%, sebbene indicano quei casi da considerare”.

Software di esperienza

Le organizzazioni potrebbero perseguire soluzioni di intelligenza artificiale private insieme a piattaforme di business intelligence mature ed esistenti. Le organizzazioni aziendali di SAP hanno quasi 30 anni, eppure un giovane rispetto alle business intelligence SAS che esiste da prima che Internet diventasse mainstream negli anni '90. Anche i nuovi arrivati ​​relativi come Microsoft Power BI rappresentano almeno un decennio di sviluppo, iterazione, feedback dei clienti e uso del mondo reale nell'analisi aziendale. Sembra quindi sensibile che la distribuzione di AI private sui dati aziendali debba essere considerata un'aggiunta al kit di strumenti dello strategia, piuttosto che un proiettile d'argento che sostituisce gli strumenti “tradizionali”.

Per gli utenti di AI privata che hanno la capacità di audit e modificare gli input del loro modello e gli algoritmi interni, il mantenimento del controllo e della supervisione umana è importante, proprio come lo è con strumenti come la Business Intelligence Suite di Oracle. Esistono alcuni scenari in cui l'elaborazione intelligente e la recitazione di dati in tempo reale (meccanismi di prezzi al dettaglio online, ad esempio) offre all'analisi dell'IA un vantaggio competitivo sulle piattaforme BI in carica. Ma l'IA deve ancora svilupparsi in un magico coltello dell'esercito svizzero per la strategia aziendale.

Fino a quando l'intelligenza artificiale è stata intenzionata per l'analisi dei dati aziendali sviluppati, iterati, induriti e maturi come alcune delle piattaforme BI di riferimento del mercato, i primi utenti potrebbero mitigare l'entusiasmo degli AI e dei fornitori di servizi di intelligenza artificiale con esperienza pratica e un occhio critico. L'intelligenza artificiale è un nuovo strumento e uno con un grande potenziale. Tuttavia, rimane di prima generazione nelle sue attuali forme, pubbliche e private.

(Fonte dell'immagine: “Si tratta di regole e strategie” di PshutterBug è autorizzato in CC da 2.0.)