Umetna inteligenca je postala sestavni del vrste informacijskih storitev, ki jih uporabljamo vsak dan. Googlovi Zemljevidi, na primer, ponujajo informacije, kdaj boš jutri prišel na neko točko, izhajajoč iz prometa in vremena, ter zraven izrišejo optimalno pot glede na trenutne razmere. »To je tip uporabe umetne inteligence, kjer ima ponudnik vse pod nadzorom. Natančno ve, kako zbira in lansira podatke,« je povedal Rok Pirnat, direktor podjetja B2 BI. Popolnoma drugačen vidik uporabe umetne inteligence pa se pojavi, ko ponudnik vstopi v poslovno okolje kot agencija, analizira potrebe in vzpostavi podatkovno analitiko.
»Ko uvajaš umetno inteligenco kot storitev, je nekaj povsem drugega, kot če uvajaš produkt. Vsaka organizacija ima svoj koktajl informacijskih težav in rešitev. Vedeti je treba, na podlagi česa se sprejemajo odločitve, katere procese je treba optimizirati, kje je kompleksnost tako velika, da se odločitev ne da sprejeti drugače kot po občutku, ter kje lahko algoritem odločitve sprejema oziroma predlaga bolj konsistentno, manj pristransko in hitreje. V takšnih okoljih je prostor za umetno inteligenco,« je razložil Pirnat.
Uporaba umetne inteligence pri poslovnem odločanju omogoča pojasniti vpliv velikega števila dejavnikov in podjetjem pomaga bolje razumeti vrednost posameznega dogajanja v širši sliki poslovanja. Poleg tega lahko umetno inteligenco uporabimo kot orodje znotraj okolja za poslovno obveščanje (BI) za pomoč pri analizi podatkov in pri napovedovanju.
Napovedi lahko temeljijo na umetni inteligenci
Pri uporabi informacijskih rešitev za poslovno odločanje se pogosto poudarjajo napovedi prodaje ali napovedi odhodov strank. V resnici gre za pristope, ki so znani že nekaj desetletij. »Pri napovedni analitiki se uporabljajo klasične statistične metode in metode strojnega učenja. Osnova tovrstne analitike je razumevanje prejšnjih dogodkov. Na podlagi tega lahko poglobljeno razumemo vzorce in dobimo dobre napovedi, ki so še bolj točne, če so zbrani podatki kakovostni. V podjetjih, ki imajo visoko razvito podatkovno vodeno odločanje, so napovedi zaželene. Na primer, vedeti želijo, kaj se bo dogajalo z njihovimi naročili v prihodnje,« je razložil Pirnat.
Napovedovanje prodaje pa tudi drugih dogodkov temelji na verjetnosti, vendar statistični model ne bo nujno znal napovedati, kaj se bo zgodilo. Pirnat meni, da gre pogosto za precenjen uporabniški primer, saj takšen model dobro deluje le v stabilnem okolju. Ne vključuje namreč podatkov o aktivnostih konkurentov, poslovnih partnerjev, političnih in geostrateških spremembah, brez katerih pa ni mogoče natančno napovedati dogajanja.
Kot ugotavlja Pirnat, gre pri uvajanju umetne inteligence v poslovno odločanje za proces zorenja, ko želijo podjetja po določenem času uporabe nadzornih plošč v sistemu za poslovno obveščanje razreševati specifične probleme. To zahteva uporabo strojnega učenja oziroma umetne inteligence. »V praksi to pomeni, da stranke, ki imajo dobro vzpostavljeno analitično platformo, želijo razumeti medsebojni vpliv KPI, zgraditi okolje za boljše odločanje. Stvari so v realnem okolju nove, pot do zaupanja v takšne rešitve je nekoliko daljša. Proces razvoja in vključitve uporabnikov mora biti zato skrbno načrtovan.«
Reševanje specifičnih optimizacijskih izzivov
V podjetju B2 BI ob pomoči umetne inteligence pojasnjujejo razlike v uspešnosti prodajnih enot v eni od največjih regionalnih trgovskih verig s športno opremo. V prvi fazi so želeli klasificirati trgovine v smiselne gruče po podobnosti, nato pa med identificiranimi skupinami trgovin pojasniti različno prodajno uspešnost, ki je znašala tudi za nekaj odstotkov razlike v ceni. Trenutno razvijajo model za optimizacijo popustov. »S tehnologijami umetne inteligence lahko odkriješ, kar je za človeško oko preveč kompleksno in bi vzelo neprimerno veliko časa, če bi to počeli ročno,« je dejal Pirnat. Kot primer navaja, da je pri popustih, na primer, v solidnem času nemogoče ročno pregledati vse v preteklosti dodeljene popuste, jih analizirati in ugotoviti, ali so bili dodeljeni smiselno ali bi šlo blago v promet tudi brez razprodaje oziroma za kakšen popust.
V tem primeru uporabe umetne inteligence model strojnega učenja na velikem obsegu podatkov ugotavlja, kolikšne popuste naj podjetje v posamezni trgovini na posameznem trgu da na določen izdelek, in sicer glede na zaloge in dinamiko prodaje. »Vsak izdelek, denimo, ima svojo prodajno logiko. Ko imaš več deset tisoč izdelkov na več trgih in za vsakega svojo zakonitost, lahko z umetno inteligenco dosežeš velik učinek. Konkretno, da razprodaš izdelek z 20- namesto s 30-odstotnim popustom,« je orisal Pirnat. Informacijska rešitev zaganja algoritme večkrat na dan in sproti prilagaja popuste, česar človek nikakor ne bi zmogel preračunati.
Naslednji primer podpore odločanju je iz proizvodnega podjetja, kjer razrešujejo sprejemanje naročil glede na zasedenost proizvodnih in skladiščnih zmogljivosti. Če imaš preveč naročil za svoje zmogljivosti, se moraš odločiti, katera boš prevzel in katerih ne. Umetna inteligenca stranki izračuna, katero naročilo sprejeti glede na sestavo produktov, njihove variante za posamezne trge ter kakšen je potreben čas skladiščenja. »ROI na tovrstne rešitve je nekaj tednov,« je poudaril Pirnat.
Umetna pamet za načrtovanje in gradnjo omrežij
Marko Škufca, odgovoren za podatke in analitiko v podjetju ADD, je povedal, da so njihove rešitve umetne inteligence tudi že postale del konkretnih uporabniških scenarijev, ki podjetjem pomagajo optimizirati proizvodne procese, odnose s strankami, energetsko učinkovitost omrežij ali celo zagotavljajo kibernetsko varnost.
»Na energetskem področju uporaba interneta stvari in umetne inteligence v kombinaciji s pametnimi števci dejansko preoblikuje tako upravljanje kot načrtovanje gradnje omrežij. Hkrati omogoča razvoj storitev, ki bodo v prihodnje odločilno vplivale na naša življenja – od pametnih odjemalcev do prilagajanja porabe,« je poudaril Škufca.
Pametni števci skrbijo za merjenje porabe energije v realnem času, informacijska rešitev z uporabo umetne inteligence pa distributerjem omogoča, da na podlagi integracij, obdelav in analiz velikih količin podatkov preprečujejo izpade, zmanjšujejo izgube in kraje energije v omrežju, preprečujejo nezaželena nihanja v napetosti in na splošno bolje razumejo celostno sliko delovanja omrežja.
»Na drugi strani ti isti podatki omogočajo boljši nadzor nad porabo energije in so že podlaga za razvoj pametnih rešitev, ki bodo tako posameznikom kot podjetjem omogočile nadzirati porabo in jo prilagajati lastnim potrebam s tem pa optimizirati stroške,« je dejal Škufca.
Velik potencial za energetska podjetja je kombinacija podatkov telemetrije z zunanjimi podatki, kot so vreme, delež električnih vozil, obnovljivi viri energije in drugi dejavniki. Z umetno inteligenco je tako možno simulirati stanja v omrežju ter predvidevati prihodnje trende porabe in z množičnimi simulacijami locirati ozka grla v omrežju. To se že kaže za koristen podatek pri določanju kritičnih točk omrežja in s tem prioritet vlaganja v omrežje.
Vse bolj v ospredju digitalni dvojčki
Marko Škufca ugotavlja, da gre pri uvajanju umetne inteligence v proizvodnih podjetjih trend predvsem v smeri uvajanja digitalnih dvojčkov. To namreč omogoča povezavo naprav in sistemov v omrežje, kar zagotavlja boljši nadzor nad proizvodnimi procesi. »Podjetja s senzorji in drugimi napravami zbirajo podatke o različnih parametrih. Zajem in prikaz teh podatkov v vizualni obliki v kombinaciji s podatki iz delovnih nalogov, na primer kaj kdo dela, omogočata celostno spremljanje proizvodnega procesa v realnem času in pravočasno ukrepanje v primeru morebitnih odstopanj,« je pojasnil Škufca.
Dodatno digitalni dvojčki, kot virtualne kopije dejanskih proizvodnih sistemov, omogočajo podjetjem, da simulirajo različne scenarije in predvidijo potencialne težave v proizvodnem procesu. Z umetno inteligenco lahko podjetja uporabijo podatke za optimizacijo proizvodnega procesa in znižanje stroškov. V industriji lahko pomaga tudi pri analizi podatkov o vzdrževanju strojev in naprav v proizvodnem procesu. »Z algoritmi strojnega učenja lahko umetna inteligenca napove morebitne okvare na strojih ali pa pomaga zmanjšati izmet. Tudi v proizvodnji opažamo velik poudarek na večji energetski učinkovitosti – manjša raba energije na proizvedeno enoto je eden od temeljev vitke proizvodnje,« je opozoril Škufca.
V podjetju ADD so pred kratkim velikemu tujemu trgovcu, ki ima prek 20 tisoč zaposlenih, z umetno inteligenco pomagali bolje razumeti utrip in težave zaposlenih. Opažajo tudi pospešen razvoj umetne inteligence pri ustvarjanju besedil, slik, glasbe in videoposnetkov. V tem kontekstu se že ukvarjajo z realnimi scenariji, kako s temi tehnologijami in znanji izboljšati izkušnjo strank na različnih prodajnih kanalih, proces podpore strankam, razumevanje njihovega ravnanja in preferenc. Analize slikovnih gradiv, na primer, že uporabljajo v rešitvah za zaznavanje anomalij na posnetkih dronov, ki preverjajo stanje opreme na terenu.