A mesterséges intelligencia zavarba ejtően begyűrűzött az elmúlt időszakban akárhova is nyúlunk. Nincs ez másképp a üzleti életben sem. Az elmúlt évek digitális trendjének köszönhetően a digitalizáció olyan szintre emelkedett, hogy az az adat, amire egy mesterséges intelligenciának a tanítására szüksége van, már a legtöbb vállalatnál rendelkezésre áll, csak be kell kapcsolni a kapcsolót. Mi fog történni utána? Évek vagy csak hónapok választanak el minket attól, hogy szakértőket, sőt, akár vezetőket is kiváltsanak a legújabb fejlesztések. Kikre lesz ezek után szükség és kik azok akiknek a munkáját kiváltja?
Azokat a kérdéseket amiket ma egy adatvezérelt vállalatnál feltesz a vezető annak céljából, hogy utána döntéseket hozzon a jobb működés, költségcsökkentés, vagy a stratégiai célok elérése érdekében a jövőben egy mesterséges intelligencia (MI) lelkesen, azonnal meg fogja válaszolni.
”Milyen a szállítóim időben történő szállítási aránya?”
“Mi az oka, hogy nem tudjuk teljesíteni a határidőt?”
Ilyen és hasonló kérdésekre a szakértők is az adatokat elemezve tudnak választ adni. Azokat az adatokat, amikhez egy MI is hozzáfér és sokkal hatékonyabban és gyorsabban meg fogja mondani a választ, grafikonokat rajzolva, könnyen értelmezhető formában, nagyságrendekkel több adatot elemezve összefüggések után kutatva. De ha ilyen kérdésekre könnyedén választ tud adni nekünk, vajon mit kezd egy sokkal általánosabb kérdéssel?
“Mit kell tennem a vállalatom beszerzési folyamatával, hogy hatékonyabb legyen?”
Feltettem ezt a kérdést a most köztudatban lévő MI-k egyikének és értelmes szempontokat kaptam:
Implement Strategic Sourcing, Embrace Digital Transformation, Enhance Supplier Relationship Management (SRM) és így tovább. Kicsit tovább mélyítve különösebb erőfeszítés nélkül eljutottam odáig, hogy mit is kell tennem, ha egy ilyen vállalat vezetője lennék, pedig ezek nem is ilyen céllal, nem csak a releváns adatokon tanított mesterséges intelligenciát használtam.
A vállalatunk adatain feltanított MI-k releváns és konkrét megoldási javaslatokat fognak adni a mi adatainkra alapozva szakértői, vagy vezetői tapasztalatot nem igényelve. Innen már csak egy lépés átadni az MI-nek az irányítást, hogy valósítsa is meg azokat. Az i-re pedig az fogja felrakni a pontot, ha a kezdeti kérdést nem egy ember, hanem azt is egy mesterséges intelligencia fogja feltenni.
Izgalmasan, vagy esetleg félelmetesen hangzik?
Ilyen és hasonló utópiákkal most is találkozunk nap mint nap, ha a téma iránt érdeklődünk és sok már megvalósult megoldást is látunk. Jó példa az automata gyárak, melyek minimális emberi beavatkozás nélkül hatékonyan termelnek. Ezek már léteznek és ilyen jól körülhatárolható, nem változó feladatokat sokkal hatékonyabban tudnak elvégezni mint azt korábban bárki.
A megoldások és lehetőségek pedig napról napra csak gyarapszanak, hiszen az elmúlt évek digitalizációs trendjei tökéletes táptalajául szolgálnak a mesterséges intelligenciáknak, mivel a legfőbb dolog amire szükségük van, az az adat.
A korábbi beszerzési példánál maradva azt a javaslatot kaptam a nyelvi modelltől, hogy 5. pont: Implement Procurement Analytics, azaz olyan megoldásokat, amik segítenek az adataink elemzésében, vizualizálásában, KPI-ok mérésében […] Eddig ismerős? Sok BI megoldás képes erre és sok helyen találkozunk is ilyen megoldásokkal. Az izgalmas rész ez után jön: […] mintázatok és anomáliák felfedésében és még a jövőbeli trendek előrejelzésében gépi tanulási algoritmusok használatával. Ezen utóbbiak azok a megoldások amiket jelenleg az üzleti életben mesterséges intelligenciának nevezünk, viszont ezeket még mindig az jellemzi, hogy egy konkrét környezetben boldogulnak.
A nyelvi modellek megjelenésével viszont egy új teret hódít meg az MI: az emberi interakciókat igénylő folyamatokat.
Ahhoz, hogy ez működjön persze szükség van arra, hogy ezek az adatok rendelkezésre álljanak. A megfelelő adatok gyűjtése, rendszerezése és értelmezése, elemzése bonyolult folyamat, az ezekben a feladatokban jártas szakértői segítség nagyban hozzájárul a sikerhez.
Az adatok és azok elemzése után az eredményeket akciókba kell átforgatni és annak érdekében, hogy az értékteremtés fenntartható legyen az egész szervezetnek változáson kell átesnie, hogy a korábbi működésből adatalapú, majd adatvezérelt vállalattá váljon.
Végezetül a fentiek működése esetén bele lehet vágni a legújabb megoldások alkalmazásába, legyen az akár a jövőbe tekintő tanuló algoritmusok, vagy elemzéseket végző nyelvi modellel támogatott mesterséges intelligencia.
A jó hír, hogy nem kell az egész vállalatnak végigmennie az egyes szinteken, akár csak egy folyamatot kiválasztva végig lehet lépkedni az egyes lépcsőfokokon.
