Sztuczna inteligencja, powszechnie znana jako AI, stała się istotnym czynnikiem kształtującym sposób, w jaki przedsiębiorstwa opracowują strategie, sporządzają prognozy, planują i ostatecznie podejmują decyzje. Jednak, podobnie jak każda nowa technologia, wiąże się ona z pewnymi wyzwaniami. Główną przeszkodą uniemożliwiającą osiągnięcie pełnej wydajności tych systemów AI jest ich niezdolność do uzyskiwania dostępu do danych specyficznych dla danej organizacji i wykorzystywania ich. To z kolei często osłabia ich wydajność i skuteczność.
Devavrat Shah, wybitny naukowiec z Laboratorium Systemów Informacyjnych i Decyzyjnych (LIDS) przy MIT oraz wykładowca na wydziale Elektrotechniki i Informatyki (EECS), wykazuje niezmienne zaangażowanie w rozwiązanie tej kwestii. Skupia się przede wszystkim na opracowywaniu technik umożliwiających podejmowanie decyzji z dokładnością co do sekundy, nawet przy ograniczonych zasobach obliczeniowych. Jego podejście podkreśla kluczową kwestię – potęgę ekstrakcji danych zbiorczych, nawet przy minimalnych dostępnych zasobach.
W 2019 roku podejście to skłoniło Shaha do współzałożenia Ikigai Labs – innowacyjnego start-upu, który wdrożył model podstawowy przeznaczony do danych tabelarycznych i szeregów czasowych. Model ten, oparty na skrupulatnych badaniach przeprowadzonych w laboratorium Shaha, został opatentowany, a sam MIT udzielił firmie Ikigai licencji na jego wykorzystanie. Co istotne, model ten może nieustannie udoskonalać swoje uczenie się poprzez weryfikację swoich prognoz w oparciu o rzeczywiste wyniki, czerpiąc informacje z szerokiego spektrum danych korporacyjnych.
Jedną z istotnych cech, na którą warto zwrócić uwagę, jest wykorzystanie w technice Shaha modeli graficznych, podobnych do tych stosowanych w urządzeniach GPS i zegarkach cyfrowych. W odróżnieniu od tradycyjnych modeli sztucznej inteligencji, które skupiają się przede wszystkim na tekście i obrazach, system Shaha interpretuje dane ustrukturyzowane lub tabelaryczne, umożliwiając w ten sposób planowanie w czasie rzeczywistym na znacznie szerszą skalę.
Technologia Ikigai nie ogranicza się do laboratoriów MIT; obecnie toruje drogę do prognozowania biznesowego i podejmowania decyzji w dużych korporacjach, w tym wśród producentów dóbr konsumpcyjnych i firm farmaceutycznych. Aby zilustrować, jak to działa, wyobraźmy sobie firmę z branży elektroniki użytkowej, która dzięki temu innowacyjnemu systemowi sztucznej inteligencji skutecznie opracowuje strategie, uwzględniając takie czynniki, jak popyt na produkty, ceny i działania marketingowe.
Przełom nastąpił, gdy firma Ikigai została przejęta przez Celonis – globalne przedsiębiorstwo specjalizujące się w cyfryzacji i automatyzacji procesów operacyjnych dla ponad 1 400 dużych firm. Właśnie tutaj na pierwszy plan wysuwa się wizja Shaha; planuje on zintegrować model Ikigai z cyfrowymi systemami firmy Celonis, co pozwoli uzyskać analizy oparte na rzeczywistych danych, które znacznie usprawnią prognozy biznesowe, plany i decyzje.
Podczas gdy rynek tętni życiem dzięki licznym rozwiązaniom opartym na sztucznej inteligencji, Shah skupia się raczej na danych ustrukturyzowanych lub opartych na czasie, oferując w ten sposób bardziej opłacalne rozwiązanie w zakresie sztucznej inteligencji. Jest przekonany, że zawężenie zakresu zainteresowań pozwala uzyskać bardziej dopracowaną technologię – co stanowi prawdziwą korzyść dla firm, które chcą, aby ich działalność była efektywna pod względem czasu i kosztów.
Ogólnie rzecz biorąc, jeśli chcesz zagłębić się w ten obiecujący świat automatyzacji opartej na sztucznej inteligencji i zrewolucjonizować działalność swojej firmy, rozważ skorzystanie z rozwiązań takich jak implementi.ai. Poszerz swoją wiedzę na temat tego, jak sztuczna inteligencja zmienia świat biznesu na całym świecie. Aby dogłębnie zapoznać się z pracą Shaha i tym, jak zmienia ona rolę sztucznej inteligencji w podejmowaniu decyzji biznesowych, przeczytaj oryginalny artykuł prasowy tutaj.
Ta strona używa plików cookie.