17
.
01
.
2025
Informācijas avots: Rasa Gulbe, SIA DATI Group valdes locekle
Mākslīgais intelekts (MI) jau kādu laiku tiek uzskatīts par daudzsološu tehnoloģiju, kas var veicināt uzņēmumu digitālo transformāciju. Līdz šim vēl neesam redzējuši MI apvērsumu ikdienas biznesā. Vismaz ne tādā apmērā, kā tas tika prognozēts. Viens no iemesliem - ne visas organizācijas ir vienādi spējīgas ieviest MI un arī transformēties.
MI jau 2018. gadā to atzina par vienu no tehnoloģijām, kas var veicināt uzņēmumu digitālo transformāciju. To gan bieži jauc ar digitalizāciju. Tāpēc ir svarīgi precizēt, ka digitalizācija ir digitālo tehnoloģiju izmantošana procesu vai biznesu efektivizācijai. Tas nozīmē, ka tiek efektivizēti procesi un biznesa modelis - tam ir potenciāls samazināt izmaksas un resursu patēriņu konkrētu rezultātu sasniegšanai. Digitalizācijas pozitīvā ietekme aprobežojas ar pašu uzņēmumu - procesi ir efektīvāki, tāpēc uzņēmums ir spējīgs nopelnīt vairāk. Savukārt digitālās transformācijas rezultātā pozitīvie ieguvumi ietekmē ne tikai pašu uzņēmumu, bet arī visu ekosistēmu. Un šeit var nākt talkā MI, lai fundamentāli pārveidotu to, ko bizness dara, ko piedāvā saviem klientiem un kā sadarbojas ar pārējo ekosistēmu.
MI nav tehnoloģija. Tā var būt vai nu mašīnu spēja domāt cilvēcīgi vai to spēja domāt racionāli. Šī ir domāšanas dimensija. Otrā dimensija ir rīcības dimensija jeb jautājums par to, vai mašīna ir spējīga domāt cilvēcīgi vai rīkoties cilvēcīgi. Tas ir pirmais izaicinājums, jo mēs ne līdz galam saprotam, ko nozīmē rīkoties vai domāt cilvēcīgi. Mēs neesam ne tuvu tam, lai spētu radīt mašīnu, kas domā kā cilvēki, jo mēs paši līdz galam nesaprotam, kā mēs domājam. Līdz ar to šobrīd lielākā daļa MI ietverto risinājumu ir par to, kā nodrošināt, ka mašīnas spēj rīkoties racionāli jeb veikt aktivitātes, kas sasniedz maksimālu rezultātu atbilstoši mērķim, ko ir definējis mašīnas algoritma radītājs vai arī lietotājs.
Pētījumi liecina, ka mazajos un vidējos uzņēmumos (MVU) digitālo tehnoloģiju un arī MI ieviešana notiek lēni. Satraucošāks gan ir fakts, ka plaisa starp digitāli attīstītiem un digitāli mazāk attīstītiem uzņēmumiem un organizācijām palielinās. Tas notiek arī tāpēc, ka daudzu inovatīvu tehnoloģiju ieviešana ir atkarīga no šobrīd jau izmantotajiem risinājumiem.
MI ieviešana organizācijā ir evolucionārs ceļš. MI nevar ieviest bez datiem. Lielākajai daļai uzņēmumu jau tie ir. Iespējams izmantot gan darbinieku manuāli gatavotus datus, elektroniskas atskaites vai informācija no sensoriem, videokamerām kā arī no atvērto datu kopām (piemēram, uzņēmuma reģistra, metroloģijas dati u.c.). Ja uzņēmums grib iegūt priekšrocības, ko nodrošina MI ieviešana, tad svarīgākais ir dati.
Kad dati ir iegūti, sākas pirmā inovatīvo digitālo tehnoloģiju ieviešana - tie ir mākoņpakalpojumi un to risinājumi, jo datu integrācija lielākoties notiek mākonī. Parastajai infrastruktūrai pietrūkst mērogojamības un kapacitātes. Laika gaitā mākonī esošajiem datiem var pievienot reālā laika datus no sensoriem, kamerām, lietu interneta ierīcēm. Tos visus kopā iespējams saslēgt un analizēt.
Pēc tam būtisks ir veids, kā šie dati tālāk tiek integrēti, lai redzētu dažādus aspektus un spētu analizēt, piemēram, savstarpējās mijiedarbības. Nav iespējams gūt padziļinātu ieskatu, ja skatāmies vien uz šauru un izolētu datu kopu.
Nākamais solis ir lielie dati - tas nozīmē, ka mākoņinfrastruktūra un lietu interneta infrastruktūra tiek attīstīta līdz tam līmenim, ka iespējams apstrādāt strauji mainīgus un daudzveidīgus datu apjomus. Pēdējais posms ir modernā analītika.
MI ieviešanas projektus var sadalīt četrās fāzēs. Pirmā fāze ir plānošana - tiek definēts, kāda būtu pievienotā vērtība? Kādas ir problēmas un izaicinājumi, ar ko saskaras uzņēmums? Un ko ir vēlēšanās risināt tieši ar MI?
Tālāk notiek datu apkopošana un sagatavošana. Bieži vien ar MI tiek saprasta mašīnmācīšanās. Un, ja skatāmies šādā kontekstā, tad visbiežāk biznesā izmanto uzraudzīto mācīšanos. Tā paredz, ka datiem ir jābūt marķētiem. Lai apmācītu algoritmus, izmantojot šos datus, ir jābūt sākotnējai datu kopai. Tajā mēs paši nosakām, kas ir atbilstošs iznākums un kādi faktori šo iznākumu ietekmē.
Trešā fāze ir MI modeļu izveide, izstrāde un testēšana. Šo soli var sajust mazāk. Īpaši, ja tiek izmantots ģeneratīvais MI. Taču tas tāpat ir svarīgs, ja mēs izmantojam datus, kas nav plaši pieejami un nav jau iepriekš izmantoti.
Pēdējā fāze ir modeļa ieviešana un monitorēšana.
DATI Group piedāvā drošu sistēmu integrāciju datu pārvaldības risinājumu ieviešanai, kas ietver
Sazinieties ar mums, lai aprunātos, kā DATI Group var palīdzēt jūsu projekta īstenošanā.
.svg){kind=icon}
