AI: rewolucja analityków pożera własne dzieci

Artificial Intelligence jest brakującym elementem, który uwalnia analitykę od czynnika ludzkiego – genialnego i twórczego ale zawodnego i subiektywnego

Technologia rewolucjonizuje i siebie i rzeczywistość. Rewolucja wymuszona przez rosnące bez przerwy niestrukturyzowane zbiory danych wskazała beneficjentów, którymi są analitycy. Jednak ten idealistyczny obraz zaczyna się wykrzywiać. Pozostające trochę na uboczu przez ostatnie lata sztuczna inteligencja AI pokazuje coraz szerzej swoje możliwości.

Do tej pory potrzeba prawidłowego wykorzystania zasobów informacyjnych oraz trafnego sprecyzowania przyszłych wyzwań firmy były kluczowe dla biznesu: wielkiego, średniego oraz małych przedsiębiorstw a także wymagały analityków. Oni w zasadniczym stopniu odpowiadali za proces diagnostyczny antycypujący późniejsze decyzje.

Dzisiaj jednak automatyzacja powoli wkrada się i tu umożliwiając selekcję informacji, ich umieszczenie w hub-ie analitycznym i w końcu automatyczne uzyskanie realnej oraz sprawdzalnej diagnozy gospodarczej, medycznej, psychologicznej itd. Dziedzina zależy od rodzaju zgromadzonych informacji, wielkości próbki oraz zdefiniowanego celu analizy. Algorytm analityczny staje się najważniejszym i najdroższym elementem biznesu.

Business analysis rządzi inaczej 

Do niedawna w technologiach rządzili do spółki kreatorzy i inżynierowie sprzętowi oraz deweloperzy oprogramowania, którzy odpowiadali na zapotrzebowanie rynku przedsiębiorstw (i reszty publiczności). Obecne czasy, powodując niebywały wcześniej wzrost wydajności technicznej maszyn i  perfekcję w tworzeniu inteligentnego oprogramowania, uczyniły zarządzanie infrastrukturą stosunkowo proste i przewidywalne. Dopiero era Big Data, rewolucja mobilności oraz IoT (Internet Rzeczy) rewolucjonizują tę mantrę.

Głównym rewolucjonistą jest AI, która pozwala dokonywać analiz on-line i w trybie ciągłym zmieniać metodykę (metodyki) analityczne. Artificial Intelligence jest brakującym elementem, który uwalnia analitykę od czynnika ludzkiego – genialnego i twórczego ale zawodnego i subiektywnego.

s3-news-tmp-112560-ai--2x1--736

Kto wypuścił dżina z butelki?

To Amerykanie, którzy zaczęli budować gigantyczne hub’y pamięci masowych i gromadzić dane. Ta informacja funkcjonująca na rynku, jako Big Data umożliwiła rozpoczęcie operacji analitycznych o nienotowanej wcześniej skali. Oczywiście wymusiło to powstanie odpowiednich narzędzi. Powstały, więc repozytoria pamięci masowych oraz wyrafinowane oprogramowania, które automatyzują analizy dokonywane on-line na podstawie danych masowych. Same niestrukturyzowane dane to jednak dopiero początek.

Mleczna Droga danych

Skoro jak przewiduje IDC 50-krotne zwiększenie się ilości danych do 2020 oznacza, że przechować trzeba będzie 40 lub więcej zetabajtów (ZB) danych, odbiorcy sektora firm skazani są na przesuniecie swojej uwagi (i pieniędzy) na sektor analityczny. Fakt, że obecnie można zbudować każdą maszynę, czyli komputer o dowolnej wydajności i szybkości obliczeń oraz dowolny system analityczny automatyzujący proces oceny nic nie zmienia. Nie oznacza to, bowiem, że mamy gotowe odpowiedzi na postawione pytania biznesowe.

Połączenie technologii mobilnych, strumieni Big Data oraz chmury powoduje, że dzisiaj najlepszym biznesem jest oferowanie rozwiązań konwergentnych: serwerów i systemów pamięci masowych oraz oprogramowań obsługujących systemy enterprise.

Ten najlepszy biznes umieszczony w chmurze wyprzedziła właśnie nowa profesjonalna analityka. Urządzenia takiej generacji jak IBM Watson są w stanie zastąpić czynnik ludzki w procesie końcowej fazy analitycznej: wyciągania wniosków i stawiania diagnozy. Nie ma przy tym znaczenia gdzie jest zaprzęgnięta sztuczna inteligencja: do medycyny czy produkcji. Zawsze algorytm uwzględni więcej niż człowiek, którego kompetencje nieuchronnie będą ograniczone do zapełnienia magazynu danych lub repozytorium poprzednich wyników analitycznych.

IBM Watson for Oncology: automatyczna diagnoza

Rewolucji ciąg dalszy, czyli dostęp do wyników

Liczą się tylko wyniki, a i to wyniki zweryfikowane. Cały proces mechanizacji analizy działający w maszynach można, więc sprowadzić do oceny wiarygodności wyników wyprowadzonych z narzędzi programistycznych, (np. HP Vertica) lub zamkniętych systemów analityczno-informacyjnych (IBM Watson).

Otwartym pozostaje dzisiaj pytanie czy warto inwestować w weryfikowanie wyników procesów AI przez człowieka? Jak człowiek może zweryfikować prawidłowość „myślenia” AI uwzględniającą wyniki badań biznesowych ze wszystkich dostępnych raportów na świecie? To niemożliwe. Należy więc przyjąć logikę: skoro prawdziwe są cząstkowe dane, to i wynik „musi” być prawdziwy.

Kluczem do takiego podejścia wydaje się być biznes, który wycenia procedury wg nakładów oraz czasu. Same nakłady są oczywistym komponentem procesu biznesowego. Gdy jednak dołożymy do tego komponent czasu okazuje się, że każde skrócenie analizy jest najbardziej cenne, gdyż poprawia (lub wręcz umożliwia) rentowność.

Działanie biznesowe ma na celu wyłącznie wytworzenie przychodu dla właściciela, za każdą akceptowalną ekonomicznie cenę przy maksymalizacji pewności prognozy. Dlatego właśnie to nie analitycy ale Artificial intelligence ma przed sobą świetlaną przyszłość.

Jane AI: narzędzie zarządzające zdrowiem