Audió/videó
olvasás: 4 perc
Rábízhatjuk egy vállalat döntéseit a mesterséges intelligenciára? - Interjú Havasi Andorral és Gáspár Sándorral
A mesterséges intelligencia (artificial intelligence, AI) térhódítását mindenki tapasztalja, a kreatív szakemberektől kezdve, a logisztikai és gyártó cégeken keresztül, egészen a nagyvállalatokig és kiskereskedelmi hálózattal rendelkező cégekig.
A mesterséges intelligencia a biztosítók és ügyfélszolgálatok életében az elmúlt években már rendkívül sok területen forradalmasította és gyorsította fel a munkafolyamatokat. Az AI-alapú megoldások pedig olyan ütemben fejlődnek, hogy a jövőben egyre több területen fogják segíteni munkánkat. Az új technológia bevezetése előtt mindenesetre érdemes körbejárnunk pár fontos kérdést.
Hol van az a pont, amikor a hagyományos statisztikai elemzések már nem elegendőek és az AI-t kell segítségül hívni a nagyvállalati üzleti előrejelzések készítéséhez?
Statisztikai elemzések segítségével is képesek vagyunk nagy volumenű adatokból előrejelző rendszereket készíteni, de azt a komplexitást, ami a sok változó, sok paraméter együttes összefüggéséből adódik és aminek az elemzése már meghaladja az emberi felfogóképességet, érdemes mesterséges intelligencia segítségével modellezni. Így sokkal pontosabb előrejelzéseket tudunk készíteni.Melyek az első lépések az adatvezérelt működés és AI-alapú megoldások bevezetése felé?
Mindenekelőtt nézzük meg, hogy milyen infrastruktúra áll rendelkezésre az adatgyűjtésre és azokból milyen üzleti értéket lehet kihozni. Az ügyfelek sokszor nem is tudják, hogy milyen értékes adatvagyonon ülnek, csak mert egyszerűen nem tudják kiaknázni az abban rejlő lehetőségeket.Érdemes továbbá feltérképeznünk, hogy vállalatunk számára pontosan mely üzleti problémákra szeretnénk megoldást találni. Ne általánosságban akarjunk mesterséges intelligenciát bevezetni, hanem célzottan jelöljük ki, hogy mely folyamatokat szeretnénk javítani és optimalizálni az üzleti működésünkben.
Mi a legnagyobb különbség a Chat GPT vs. nagyvállalatoknál alkalmazott AI-alapú nyelvi modellek között?
Az AI is olyan, mint egy pályakezdő asszisztens. Be kell tanítani és meg kell ismertetni a vállalat adataival, hogy hatékony munkatárs váljon belőle. A Chat GPT egy általános nyelvi modell. Megtanították bizonyos kérdések megválaszolására, de egy nagyvállalat információit nem ismeri: nem tudja, hogy milyen szabályzatai és folyamatai vannak, ahogy azt sem, hogy milyen döntések születnek. Ezekre meg kell tanítani és ezután fog tudni automatikus döntéseket hozni.Mitől hatékony munkatárs az AI?
Nem kell megmondani neki, hogy mi alapján döntsön és nem kell szabályokat sem tanítani neki. Egész egyszerűen csak meg kell mutatni számára azt az információhalmazt, ami alapján döntünk és a döntés végeredményét. Ő pedig ezek alapján képes felismerni az összefüggéseket és a jövőben erre alapozva megbízható döntést fog hozni.Beszélgetésünk során további izgalmas kérdéseket járunk körbe: Mit jelent az adatvagyon? A birtokunkban lévő adatokból hogyan készíthetünk előrejelzéseket? Milyen régóta működő alkalmazási területei vannak a nyelv alapú mesterséges intelligenciának? Milyen munkafolyamatok automatizálhatóak? Mióta alkalmazunk mesterséges intelligencia alapú technológiákat? Milyen irányba fejlődik a piac?
Kattints a lejátszás gombra és minden kiderül!
A szerzőkről
Gáspár Sándor a Stratis mesterséges intelligenciával foglalkozó területét vezeti 2020 óta és több, mint 20 éve foglalkozik data science-szel. Csapatával nagyvállalatok számára fejleszt gépi tanulásra, prediktív analitikára épülő döntéstámogató megoldásokat ügyfeleink meglévő adatvagyonának kiaknázásával. Ezen kívül mély neurális hálókra épülő NLP és machine vision megoldásokkal segíti ügyfeleink meglévő folyamatainak automatizálását.
Havasi Andor 2007-től a Stratis vezető szakértőjeként részt vett számos informatikai rendszer bevezetési projektben, valamint IT szervezet és folyamat kialakítási feladatokkal foglalkozott. Ezt követően tevékenysége elsősorban a Stratis olyan megoldásszállítási projektjeinek menedzsmentjére koncentrálódott, mint a HungaroControl pénzügyi, kontrolling, HR és műszaki adattárház bevezetése, illetve a MOL kiskereskedelmi adattárházának létrehozása. 2020-tól több éven keresztül támogatta a Stratis munkáját BI projektek szakmai tervezésével, felügyeletével és projektvezetéssel, mígnem az adatmenedzsment terület vezetéséért és továbbfejlesztéséért felelős igazgatójává vált.