Ostatnie globalne zakłócenia stały się bodźcem do dynamicznego rozwoju innowacji w obszarze analityki i AI. W 2023 roku możemy spodziewać się dalszej głębokiej transformacji biznesu napędzanej przez zmiany rynkowe i technologiczne. Tak prognozuje Bryan Harris, Executive Vice President and Chief Technology Officer w SAS. Jego zdaniem, dziedziny, takie jak blockchain, e-sport czy symulacje, sprawią, że nawet tradycyjne branże zmienią swoje oblicze. Z drugiej strony rozwój technologii, takich jak przetwarzanie języka naturalnego, konwersacyjna sztuczna inteligencja, modelowanie predykcyjne, złożone symulacje i wizja komputerowa, będzie wywierać coraz większy wpływ na przedsiębiorstwa i społeczeństwo.
Wszystkie te innowacje cyfrowe powodują, że ilość danych tworzonych każdego dnia znacznie przekracza ludzką zdolność do wykorzystania ich potencjału. Zbiory big data trzeba oczyścić, posortować i przygotować do analizy, a to również wymaga wykorzystania zaawansowanych narzędzi i automatyzacji. W perspektywie długoterminowej trzeba inwestować w analitykę i sztuczną inteligencję, ponieważ obecne tempo transformacji świata i gospodarki wymusza zmianę podejścia do rozwiązywania złożonych zadań i podejmowania decyzji. – uważa Bryan Harris.
Priorytet – zaufanie cyfrowe
Najważniejsze we wprowadzaniu rozwiązań z zakresu sztucznej inteligencji będzie zaufanie do wyników obliczeń i umiejętność wytłumaczenia ich. Jeżeli użytkownicy i klienci będą podchodzili z dystansem do tego, co dostarcza sztuczna inteligencja, wprowadzanie AI w organizacjach może kończyć się fiaskiem. Decyzje oparte na wynikach wygenerowanych przez maszyny muszą być łatwe do uzasadnienia, zwłaszcza gdy sugestia AI nie jest oczywista.
”Sklepy” z branżowymi modelami AI
Dobranie odpowiedniego modelu technologii ułatwi przedsiębiorcom usługa AI store. Rozwiązanie subskrypcyjne pozwoli firmom skorzystać z gotowych modeli dopasowanych do potrzeb ich branży, które umożliwiają szybkie wdrożenie i wykorzystanie możliwości sztucznej inteligencji w codziennej działalności, bez potrzeby samodzielnego tworzenia i utrzymywania modelu.
Odwrócenie trybu 80/20
AI pomoże też inżynierom w żmudnym procesie obróbki danych. Dzisiaj często firmy poświęcają 80 proc. czasu na zmaganie się z porządkowaniem zbiorów, a tylko 20 proc. na ich wykorzystywanie. W bliskiej przyszłości to zautomatyzowany algorytm zajmie się oczyszczaniem, sortowaniem i przygotowywaniem surowych danych, co pozwoli specjalistom skupić się na samej analizie i testowaniu nowych modeli. W konsekwencji eksperci data science w firmach będą mogli przeznaczyć 80 proc. czasu na praktyczne wykorzystanie zbieranych informacji.
Dane syntetyczne – przyszłość analityki?
W 2023 roku, w ocenie Bryana Harrisa z SAS, w centrum uwagi będą dane syntetyczne, czyli informacje wynikające nie ze zwykłych pomiarów, ale wytworzone przez algorytmy. Dane syntetyczne będą dostępne łatwiej i szybciej. Szersze wykorzystanie pomoże analitykom tworzyć dokładniejsze algorytmy, ponieważ pozwoli wprowadzać do modeli skrajne i rzadkie przypadki, których przykładów nie da się znaleźć w realnych danych z przeszłości.
W ten sposób firmy będą mogły podejmować lepsze decyzje w kontekście przyszłych ryzyk. Wytworzone dane sprawią też, że koszt opracowania i utrzymania modelu zostanie obniżony, a co za tym idzie, więcej firm zyska szansę na skorzystanie z możliwości sztucznej inteligencji.
Chmura naturalnym środowiskiem dla rozwoju analityki
Jak wynika z kolei z prognozy Deloitte, innym ważnym trendem, który ukształtuje w 2023 roku krajobraz biznesu i technologii, będą chmury obliczeniowe dopasowane do konkretnych segmentów rynku. SAS od lat wspomaga rozwój analityki i modeli sztucznej inteligencji zorientowanych na konkretne branże.
Dla rozwoju AI chmura wydaje się być naturalnym środowiskiem. Przeniesienie działania narzędzi analitycznych w obszar cloud computingu usprawni i przyśpieszy wprowadzanie tych rozwiazań do firm. Równocześnie możliwe będzie odciążenie przedsiębiorców w zakresie wyzwań technicznych i budżetowych, z którymi zawsze wiąże się utrzymanie własnej infrastruktury sprzętowej.
