A mesterséges intelligencia (artificial intelligence, AI) térhódítása átalakítja az üzleti intelligencia (business intelligence, BI) területét, átformálva a szervezetek adatgyűjtését, elemzését és az adatok alapján történő cselekvést. A BI évtizedek óta lehetővé teszi az adatvezérelt döntéshozatalt, a működési fejlesztéseket, a termékminőség javítását és a hatékonyság növelését az ágazatokban. A generatív mesterséges intelligencia (Gen AI) megjelenésével azonban új korszak kezdődött – egy olyan korszak, amelyben a fejlett AI modellek kiterjesztik a BI erejét azáltal, hogy mélyebb betekintést, kreativitást és alkalmazkodóképességet hoznak az üzleti stratégia előterébe.
Az AI és az adatelemzés kihívásai
Az AI zökkenőmentes integrálásával bármilyen alkalmazásban feljavíthatja az insightok minőségét. Az AI önmagában azonban nem jelent teljes körű analitikai megoldást. Az AI a betáplált adatok minőségére támaszkodik. Az adatok ellentmondásai és félreértelmezései csökkentik a kimenet minőségét, amely kevésbé hatékony AI-modelleket vagy rosszabb esetben pontatlan eredményeket eredményez, amelyek többet ártanak, mint használnak.
1. kihívás: Az AI nem oldja meg az adatminőség és az adatsiló problémáit
Még a legkifinomultabb mesterséges intelligencia is csak azokat az adatokat tudja lekérdezni és megérteni, amelyekkel kölcsönhatásba lép. A következetlen vagy rossz minőségű adatok hibás eredményeket fognak visszaadni. Ez különösen nyilvánvaló azokban a szervezetekben, ahol az adatelemzés táblázatokon vagy pontszerű BI-megoldásokon keresztül történik. Az igazság egységes verziójának (single version of the truth, SVOT) hiánya nem szabványosított definíciókhoz és ellentmondásos értelmezésekhez vezet.
Az ilyen eltérések az eredményekkel kapcsolatos nézeteltérésekhez vezetnek, amelyek aláássák az adatokba és az azokból levezetett döntésekbe vetett bizalmat. Ha az adatoknak nincs egységes referenciapontjuk, akkor silókban léteznek. Az AI megvalósítása az adatsilókon felül súlyosbítja az adatok ellentmondásosságának problémáját. Nincs egységes adatforrás, amelyhez a mesterséges intelligencia hozzáfér és elemez.
2. kihívás: Az AI és a pontatlan adatértelmezés problémája
A jelenlegi mesterséges intelligencia nagy nyelvi modelleket (large language models, LLM) úgy tervezték, hogy emberhez hasonló szöveget generáljanak. Megértik a kontextust, és számos természetes nyelvi feldolgozási feladatot végeznek.
Ezeket a modelleket azonban nem kifejezetten megbízható adatszámításokhoz tervezték. Szöveges adathalmazokon képzik őket, így a numerikus műveletek elvégzésére való képességük attól függ, hogy a matematika mennyire jól van leírva az adatokban. Ez a korlátozás LLM hallucinációkhoz vezethet, amely pontatlanságot eredményezhet a matematikai számítások elvégzésekor.
Megoldás: szemantikus gráf az adatkezelési kihívásainak megoldására
Az adatsilók és a kapcsolódó adatinkonzisztenciák, valamint a mesterséges intelligencia adatelemzési korlátjai megoldhatók egy szemantikus gráffal, egy olyan technológiai réteggel, amely központosított és újra felhasználható adatstruktúrát biztosít. A szemantikus gráf értelmező rétegként működik, a forrásadatokat értelmes és egységes üzleti fogalmakká és kapcsolatokká fordítja le. Szabványosítja a szervezet üzleti logikáját és definícióit, és olyan adatkapcsolatokat alakít ki, amelyek az igazság egységes, vállalati szintű verzióját biztosítják. Nemcsak az adatok integritását segíti, hanem az AI integrációjának létfontosságú összetevőjeként is szolgál, irányítva a mesterséges intelligenciát az adatok megértésében és értelmezésében.
Az adatok absztrakciója szempontjából az olyan alapvető eszközök, mint a Microsoft Excel, gyakran egyáltalán nem rendelkeznek szemantikai réteggel/modellel, míg a pontszerű BI-eszközök általában az egyes adatkészletekre korlátozzák a szemantikai meghatározásokat. Ezzel szemben a robusztusabb BI-platformok egy olyan alapvető szemantikus gráfot használnak, amely az adatkészlet szintje alatt helyezkedik el, és alapként szolgál a különböző felmenő objektumok, köztük az adatkészletek létrehozásához.
A Strategy szemantikus gráfja
Az adatok és az üzleti szabályok közös értelmezését hozza létre a szervezeten belül, lehetővé téve az adatok valós idejű rendezését a platformmotor által előre leképezett minták szerint. A szemantikus gráfban létrehozott objektumok újra felhasználhatóak, örökölhetőek és adatvédelmi tudatossággal rendelkeznek. Dinamikus, központosított adatmodellje áthatja az egész platformot, irányítva és szabályozva az AI által generált insightokat.
A Strategy egyedülálló szemantikus gráf technológiája lehetővé teszi, hogy gazdag insightokat és mély összefüggéseket tárjon fel az adatokon belül, túlmutatva a hagyományos analitikán. Készen áll arra, hogy kipróbálja az AI-t? Vegye fel velünk a kapcsolatot!
(forrás: https://www.strategysoftware.com/research-and-reports/the-rise-of-trusted-ai)
