با توجه به اینکه CIOها تحت فشار شدید برای فعال کردن هوش مصنوعی و قابلیت‌های هوش مصنوعی مولد هستند، آنها همچنین در تلاش هستند تا سیلوهای داده را حذف کنند. به هر حال، هوش مصنوعی به داده‌ها نیاز دارد – تعداد زیادی از آن – و با وجود بسیاری از این داده‌ها که در سیلوهای غیرقابل دسترس قفل شده‌اند، هوش مصنوعی به آن اندازه مؤثر نخواهد بود.
بررسی‌های اخیر صنعت نشان می‌دهد که حدود نیمی از CIOها، تعمیرات اساسی پلتفرم داده را برای ارائه یک پلت فرم داده یکپارچه در اولویت قرار می‌دهند. راه حل واضح به نظر می رسد – آن سیلوها را بشکنید تا امکان رشد کسب و کار فراهم شود. با وجود تمام داده‌ها در یک مکان و دسترسی آسان، فناوری اطلاعات می‌تواند سریعتر نوآوری کند و بینش‌های بیشتری را کشف کند که باعث افزایش درآمد و ایجاد فرصت‌های جدید می‌شود.
متأسفانه، ابتکارات تبدیل داده ها اغلب چندین سال و چندین میلیون سرمایه گذاری را در بر می گیرد، و با نیاز مبرم به استفاده از هوش مصنوعی، به ویژه هوش مصنوعی مولد، برای مزیت رقابتی فوری، تنش ایجاد می کند. بیش از 60 درصد از شرکت هایی که در اوایل سال جاری توسط Bain & Company مورد بررسی قرار گرفتند، هوش مصنوعی مولد را به عنوان سه اولویت اصلی معرفی کردند و 87 درصد در حال توسعه، آزمایشی یا استقرار آن بودند.
آنها می ترسند رقبایانی که هوش مصنوعی مولد را سریعتر از آنها به کار می گیرند، مزیت های رقابتی به دست آورند که شرکت ممکن است هرگز نتواند با آنها مطابقت کند. کارکنان همچنین برای پذیرش هوش مصنوعی مولد فشار خواهند آورد. به هر حال، ظهور هوش مصنوعی مولد انتظارات جدیدی را در میان کاربران روزمره ایجاد می‌کند، به دنبال تقاضای رو به رشد برای رابط‌های زبان طبیعی برای دستیاران هوش مصنوعی مصرف‌کننده مانند سیری یا الکسا. و البته، مشتریان سازمانی مانند کارمندان انتظار قابلیت‌های هوش مصنوعی مولد را دارند.
این یک فرصت و یک چالش برای رهبران فناوری اطلاعات است که باید بین استقرار سریع پروژه‌های خلاقانه هوش مصنوعی و تلاش‌های عظیم برای تبدیل داده‌ها تعادل برقرار کنند. رسیدن به این تعادل برای یک CIO دشوار است. تغییر زیرساخت داده در حالی که همزمان با اجرای فناوری‌های پیشرفته هوش مصنوعی دو هدفی هستند که ناگزیر با یکدیگر در تضاد هستند.
با توجه به این اولویت‌های متناقض، بسیاری از سازمان‌ها خود را بین دو افراط گیر می‌یابند. انتظار برای استقرار هوش مصنوعی مولد تا تکمیل تبدیل داده ها، که ممکن است سال ها طول بکشد، یا استقرار هوش مصنوعی مولد بدون دسترسی کامل به داده های کافی برای ارائه واقعی بینش های دقیق. این کشمکش اغلب منجر به پروژه‌های طولانی‌مدت تغییر داده‌ها می‌شود که بیشتر از دوره تصدی مدیرانی که آنها را آغاز کرده‌اند، منجر به تغییر استراتژی و تاخیرهای بیشتر می‌شود. در تمام این مدت، پروژه‌های استقرار هوش مصنوعی مولد از بین می‌روند یا اگر به جلو بروند، فقدان داده‌های قابل دسترسی آسان، توانایی هوش مصنوعی برای ارائه بینش دقیق و ارزش کافی را مختل می‌کند.
راه سوم: از هوش مصنوعی با BI متنی استفاده کنید
با جدیدترین نوآوری‌ها در هوش تجاری (BI) مبتنی بر هوش مصنوعی، CIOها نیازی به انتخاب بین یک پروژه عظیم و چند ساله تبدیل داده و استقرار سریع و کارآمد هوش مصنوعی مولد ندارند. یک پلتفرم کاملاً مدرن BI می‌تواند به راحتی داده‌ها را – بدون توجه به جایی که ذخیره می‌شود – با هوش مصنوعی ادغام کند تا بینش‌های راحت و مرتبط را در برنامه‌ها و گردش‌های کاری موجود به کاربران ارائه دهد.
AI+BI مدرن فراتر از ایده قدیمی BI به عنوان مجموعه ای از داشبوردهای مقصد است که تحلیلگران داده برای تجسم انبوهی از داده های پیچیده در نمودارها و نمودارها می سازند. درعوض، رابط‌های وب بدون کد را برای ارائه هوش متنی در زمان واقعی ارائه می‌کند و به سازمان‌ها این امکان را می‌دهد تا از مزایایی که معمولاً با تمرکز داده‌ها مرتبط است، بهره ببرند، اما با اختلال، هزینه و زمان بسیار کمتری سرمایه‌گذاری می‌کنند.
نکته کلیدی برای اینکه سازمان‌ها واقعاً داده‌محور باشند این است که داده‌ها را برای هر کارمندی، از C-suite گرفته تا کارگران خط مقدم، به آسانی در دسترس، قابل اعتماد و قابل اجرا کنیم. به طور سنتی، BI بخش قابلیت اطمینان را به خوبی مدیریت می کرد، اما برای دسترسی یا اقدامات گسترده ساخته نشده بود. ادغام هوش مصنوعی مولد و هوش زمینه ای مبتنی بر مرورگر یا برنامه کاربردی، آن را تغییر می دهد.
هوش زمینه ای چیست؟ این توانایی ارائه اطلاعات مرتبط در زمینه کاری است که کاربر در حال حاضر انجام می دهد، صرف نظر از اینکه از چه سیستم یا نوع دستگاهی استفاده می کند. به عبارت دقیق، برنامه‌ای را به تصویر بکشید که در آن به سادگی روی هر کلمه کلیدی روی صفحه نمایش می‌روید – مانند نام مشتری، SKU محصولات و کدهای حسابداری – و فوراً داده‌های تحلیلی مرتبط در مورد آن اشیاء را در یک پنجره مشاهده می‌کنید. این به تنهایی یک قابلیت قدرتمند است، اما با افزودن هوش مصنوعی مولد، کارمندان می‌توانند با استفاده از زبان طبیعی سؤالاتی درباره آنچه می‌بینند بپرسند تا به بینش عمیق‌تری دست یابند.
برای نشان دادن، یک نماینده فروش را در نظر بگیرید که برای تماس با مشتری آماده می شود، که می خواهد مطمئن شود که از نقش مخاطب، سفارشات تاریخی، شرایط قرارداد و بلیط های پشتیبانی آگاه است. معمولاً این کار به سی دقیقه یا بیشتر نیاز به جابجایی بین برنامه ها و کپی دستی داده ها از یک سیستم به سیستم دیگر یا یک دفترچه یادداشت دارد.
با BI مدرن و متنی، برای مشاهده اطلاعات نمایه CRM، نشانگر را روی نام مشتری قرار دهید، سپس مکان نما را به یک نام محصول ببرید تا سفارشات خرید سه ماهه از سیستم ERP را ببینید، سپس روی یک شماره حادثه نگه دارید تا آخرین پشتیبانی را ببینید. بلیط وارد شده در سیستم میز کمک. اگر این بینش ها کافی نباشد، هر اطلاعات اضافی که نماینده فروش نیاز دارد را می توان با تایپ کردن سؤالات آنها در جعبه چت با استفاده از هوش مصنوعی مولد، فوراً بازیابی کرد.
در واقع، دنیای جدید هوش مصنوعی مبتنی بر هوش مصنوعی از قانون 80/20 پیروی می کند و 80 درصد از ارزش پروژه یکپارچه سازی داده در سطح سازمانی را با 20 درصد هزینه و تلاش ارائه می دهد. نیاز به مدیریت جامع داده‌ها همیشه مهم خواهد بود و تحول دیجیتال مزایای زیادی دارد، اما CIOها نیازی ندارند پروژه‌های هوش مصنوعی مولد را تا تکمیل یک تلاش غول‌پیکر متمرکزسازی داده‌ها به تأخیر بیندازند.
با اتخاذ رویکردی انعطاف‌پذیرتر که شامل هوش مصنوعی مولد و نسل بعدی ابزارهای BI متنی است، کسب‌وکارها می‌توانند پیچیدگی‌های اکوسیستم‌های داده مدرن را در حین پیشبرد نوآوری و حفظ مزیت رقابتی در دنیای مبتنی بر هوش مصنوعی هدایت کنند.