Niektóre z największych firm na świecie już wdrażają sztuczną inteligencję. Dlaczego nie jest to jednak tendencja a raczej ciekawostka?

AI będzie rosło

Niedawne badanie przeprowadzone przez firmę Tractica wykazało, że globalne przychody z oprogramowania AI wzrosną z 10,1 miliarda dolarów w 2018 roku do 126 miliardów dolarów do 2025 roku. Nie jest to jednak górny pułap rozwoju tego rynku. Wręcz przeciwnie – wiele firm obawia się zaprząc do pracy sztuczną inteligencję i to nawet gdy przetwarzają one ogromną ilość informacji, na których mogłaby się ona uczyć.

Co zatem uniemożliwia organizacjom tworzenie własnych aplikacji AI dla biznesu? Dyrektor generalny i założyciel Agiloftu (firmy produkującej oprogramowanie do zarządzania procesami biznesowymi), Colin Earl, weteran branży oprogramowania, który wcześniej pracował w IBM, General Electric i trzech startupach, twierdzi, że zna odpowiedź na to pytanie.

[b]Przeczytaj także: Spowszedniała osobliwość – najwyższy czas przestać mylić SI z uczeniem maszynowym

Jego zdanie, ostatnie badania przeprowadzone przez McKinsey Global Institute pokazują, że firmy rozumiejące znaczenie sprawnego przetwarzania danych mają 23 razy większe szanse na pozyskanie klientów, 6 razy większe prawdopodobieństwo ich zatrzymania i 19 razy większe prawdopodobieństwo, że w rezultacie współpracy z tymi klientami osiągną zyski. Machine learning i AI ma kluczowe znaczenie dla zapewnienia firmom przewagi konkurencyjnej. Pozwalają one prowadzić analizy predykcyjne, na przykład przewidywać nastroje klientów. Metody te pozwalają firmom dowiedzieć się, jakie problemy napotykają ich klienci i jak ich produkty mogą je rozwiązać.

Sztuczna inteligencja LowCode/NoCode

Główną barierą dla firm jest wysoki próg wejścia w sztuczną inteligencję, w tym koszt stworzenia odpowiedniego oprogramowania. Tymczasem okazuje się, że istnieje coś takiego jak „no-code AI”. Jest to pojęcie zaliczane do kategorii automatyzacji procesów biznesowych, wśród których wylicza się także przykładowo narzędzia RPA (Robotic Process Automation) czy OCR. Chodzi w przybliżeniu o wszystkie te sposoby na użycie sztucznej inteligencji, które nie wymagają znacznego inwestowania w pracę programistów. Jest to więc ogromna szansa dla firm na wykorzystanie dostępnych danych. LowCode/NoCode to ogół rozwiązań nisko-kodowych i bezkodowych, które umożliwiają użytkownikom wdrażanie własnych aplikacji, bez doświadczenia w programowaniu lub interwencji wykwalifikowanych firm IT.

Zobacz również DeepMind potrafi już przewidywać warunki wiatrowe z 36-godzinnym wyprzedzeniem

Prognozuje się, że ten rynek osiągnie wzrost z 13,2 miliarda dolarów w 2020 roku do 45,5 miliarda dolarów w 2025 roku. Połączenie sztucznej inteligencji i oprogramowania bez kodu zapewnia organizacjom możliwość analizowania danych i wykorzystywania ich w sposób zapewniający stosunkowo szybki zwrot finansowy. Dzięki stosowaniu rozwiązań sztucznej inteligencji bez użycia kodu firmy mogą łatwiej tworzyć – na przykład - spersonalizowane przepływy pracy w przedsiębiorstwie i rekonfigurować je w ciągu kilku minut w oparciu o opinie użytkowników.

Przykład zastosowania

Przykładem takiego użycia AI bez kodowania jest automatyczne importowanie, klasyfikowanie i ustalanie priorytetów umów do przeglądu w systemie zarządzania cyklem życia kontraktów (CLM). Bezkodowa sztuczna inteligencja umożliwia firmom przeprowadzanie analiz zbiorów danych, jednocześnie zwiększając wydajność operacyjną dzięki procesom takim jak zarządzanie umowami. Oferuje także formowalność i skalowalność procesów, ich dostosowanie do potrzeb przedsiębiorstwa. Na przykład na początku zamiast zaprząc AI do pełnej analizy umów można zacząć od identyfikacji klauzul umownych lub oceny poziomu ryzyka w klauzulach na podstawie wstępnie skonfigurowanych reguł.

Bariery

Pomimo dostrzegania zalet stosowania AI, firmy wciąż napotykają kilka barier utrudniających wdrażanie AI. Oprócz wspomnianej bariery wejścia jest to także strach przed masową utratą miejsc pracy z powodu automatyzacji. Zapomina się tu o tym, że sztuczna inteligencja i automatyzacja są najczęściej używane do wyodrębniania lub pobierania danych, wysyłania przypomnień e-mail i innych uciążliwych zadań administracyjnych, umożliwiając pracownikom wydajniejsze spędzanie czasu i realizację projektów o wyższej wartości.

Zobacz również: Algorytmy Amazonu mogą zwalniać pracowników bez ingerencji ludzi

Kolejną barierą utrudniającą firmom wdrażanie sztucznej inteligencji jest przytłoczenie ilością danych. Przy ogromnych ilościach danych do analizy wiele firm nie wie, od czego zacząć i co z tym zrobić. A tymczasem im więcej danych, tym lepiej, ponieważ zapewnia to przewagę w szkoleniu rozwiązań AI, aby były dokładniejsze. Wśród przyczyn obaw przed wdrożeniem AI należy także wymienić niedobór analityków danych.