Zmiany w zarządzaniu danymi: wspiera je generatywna sztuczna inteligencja

W czasie zaawansowanej cyfrowej transformacji i epoki „AI everywhere” przedsiębiorstwa na całym świecie są zalewane ogromną ilością  danych. Taki nadmiar informacji to miecz obosieczny. Z jednej strony oferuje bezprecedensowe możliwości błyskawicznego wglądu w wiedzę i know-how sprzyjające kreowaniu innowacji, rozwijaniu produktu czy usługi. Z drugiej, stanowi poważne wyzwanie w zarządzaniu takim zasobem informacji w celu nadania im sensu i wygenerowaniu wartości dla firmy.

W miarę jak biznes w coraz większym stopniu digitalizuje swoje operacje, staje w obliczu stale rosnącego strumienia danych. Te mogą obejmować np. wiadomości e-mail, dokumenty, wyniki finansowe i transakcje, istotne informacje dot. logistyki i łańcucha dostaw produktów, dane wyjściowe urządzeń IoT i wiele, wiele innych.

IDC prognozuje, że do 2025 r. ich globalny obieg wzrośnie do zdumiewających 175 zettabajtów. Dla lepszego zobrazowania tej skali, wyobraźmy sobie, że każdy człowiek na Ziemi otrzymuje ponad 21 miliardów 64-gigabajtowych kart pamięci. Gdybyśmy ułożyli te karty, jedna po drugiej, ich stos miałby wysokość kilkudziesięciu milionów kilometrów – ponad 100 razy więcej niż odległość z naszej planety do Księżyca!

Konsekwencje braku skutecznego wykorzystania danych są znaczące. Bez odpowiednich systemów zarządzania wiedzą, przedsiębiorstwa ryzykują nie tylko straty finansowe, ale także niewykorzystane możliwości i spadek konkurencyjności. Poczucie przeciążenia informacjami może także mieć negatywne konsekwencje dla utrzymania motywacji i poczucia przynależności do organizacji przez zespół. Gartner już dzisiaj wskazuje, że 27 proc. pracowników i 38 proc. menedżerów czuje się przytłoczonych natłokiem otrzymywanych danych.

– Wraz z dokonującą się transformacją napędzaną nowymi technologiami w przedsiębiorstwach, organizacje na całym świecie muszą porzucić powszechne myślenie o sztucznej inteligencji w kategoriach jej użycia w roli modelu churn, chatbota czy procesora tekstu. AI ma o wiele większy potencjał, pomaga łączyć silosy biznesowe i generować holistyczne doświadczenia, w ramach których wszystkie punkty styku i kanały przechwytują, udostępniają i łączą gromadzone zasoby danych i informacji – wyjaśnia Tomasz Rogucki, współzałożyciel Lingaro, jednego z polskich liderów branży Business Intelligence i Big Data.

GenAI jest jednym z najbardziej ekscytujących współczesnych osiągnięć, które może zrewolucjonizować inżynierię danych poprzez automatyzację żmudnych zadań i zwiększenie wydajności procesów. Technologia ta może usprawnić działalność operacyjną w różnorodnych branżach – od FMCG i TSL, po farmaceutykę, bankowość czy finanse.  

Jak konkretnie działa GenAI? Wykorzystuje ona dane do tworzenia nowych pomysłów, których nie brano jeszcze pod uwagę, dzięki czemu sprawdza się w realizacji kreatywnych zadań lub rozwiązywaniu problemów, w których klasyczne metody są ograniczone. Technologia sprawdza się też w generowaniu bardziej powtarzalnych rozwiązań.

Mówiąc jeszcze prościej – wyobraźmy sobie pracę asystenta w bardzo dużej bibliotece, która przechowuje miliony książek i dokumentów, a my potrzebujemy szybko znaleźć informacje na dany temat. Bez asystenta musielibyśmy samodzielnie przeszukiwać katalogi, chodzić między półkami, przeglądać indeksy i szukać potrzebnych materiałów. Może to zająć wiele godzin, a nawet dni, a przy tym łatwo przegapić coś ważnego lub zgubić się w szumie informacyjnym. Z GenAI zyskujemy natomiast niezwykle skutecznego pomocnika, który nie tylko znajdzie to, o co go poprosimy, ale dobierze także najbardziej adekwatne do naszego zapytania źródła. Co więcej, w przeciwieństwie do tradycyjnej AI, która analizuje i przetwarza istniejące informacje, taki asystent zrozumie kontekst pytań, co pozwoli mu przewidywać nasze potrzeby i sugerować pozycje, o których nie myśleliśmy w kategoriach przydatnych.

– Pełny potencjał generatywnej sztucznej inteligencji polega nie tylko na tworzeniu nowych i przetworzonych treści. Ważne jest zrozumienie jej zdolności do automatyzacji i usprawnienia procesów zarządzania danymi, co znacznie skróci czas i wysiłek wymagany do przekształcenia surowych danych w przydatne spostrzeżenia, prognozy i rekomendacje – przekonuje Tomasz Rogucki.

W czasach, gdy ilość danych gwałtownie rośnie, GenAI staje się niezbędna do automatyzacji procesów zbierania i analizy informacji, Korzystając z uczenia maszynowego, GenAI może znajdować wzorce, segmentować dane, znacznie pomagając w podejmowaniu decyzji przez organizacje. Dzięki tej technologii pracownicy mogą np. podsumowywać wielogodzinne spotkania, grupować posiadaną wiedzę i źródła, przekształcając je w gotowe opracowania, edytować lub tworzyć więcej dokumentów czy tłumaczyć notatki na różne języki. Z GenAI powstanie także zupełnie nowy tekst, czy obraz czy plik dźwiękowy, a my nie będziemy musieli szkolić się ze znajomości skomplikowanych, specjalistycznych narzędzi.

Technologia ta może mieć jednocześnie różnorodne zastosowanie w wielu sektorach gospodarki. I tak np. w branży CPG może być odpowiedzią na wyzwanie usprawnienia i przyspieszenia operacji związanych z tworzeniem etykiet produktów i projektów opakowań. GenAI oferuje rozwiązanie, ucząc się na brandbooku danej organizacji w celu stworzenia własnych koncepcji. W rezultacie mogą powstać opakowania z gotowymi grafikami i tekstem, oparte na wybranych obrazach, informacjach o produkcie, opisach tekstowych pomysłów, atrybutów i stylów.

Z kolei w sektorze farmaceutycznym GenAI może znacząco przyspieszyć proces badań i rozwoju nowych leków. Analizując ogromne zbiory danych medycznych i genetycznych, GenAI jest w stanie znaleźć wzorce i korelacje, które mogą prowadzić do odkrycia nowych terapii i leków. Ponadto GenAI może być także wykorzystana w automatyzacji procesu wypełniania dokumentacji medycznej czy szukania informacji we właściwych dokumentach z obszaru zdrowia.

Jeśli konkretna firma zamierza eksperymentować z GenAI, powinno to dotyczyć kluczowych aspektów jej działalności. Aby generatywna sztuczna inteligencja była naprawdę wartościowa dla przedsiębiorstw, muszą one dostosować modele językowe lub graficzne dostawców do własnych danych i wykonać wewnętrzną pracę, aby przygotować swoje dane do tej integracji.

- Nieustrukturyzowane dane wykorzystywane przez generatywną sztuczną inteligencję muszą być dobrze wyselekcjonowane pod kątem dokładności, aktualności, unikalności i innych atrybutów, jeśli wykorzystujące je modele GenAI mają wyróżniać się wysokim poziomem użyteczności. Słabej jakości dane wewnętrzne przyniosą słabej jakości odpowiedzi z modeli GenAI – wyjaśnia Sebastian Stygar, drugi ze współzałożycieli Lingaro.

Większość CDO nie zaczęła jednak wprowadzać potrzebnych zmian w swoich planach dotyczących danych. Jak pokazało badanie przeprowadzone przez Amazon Web Services, podczas gdy 93 proc. ankietowanych zgodziło się, że strategia w obszarze zarządzania, integracji i  wykorzystywania danych ma kluczowe znaczenie dla uzyskania wartości ze sztucznej inteligencji, 57 proc. osób stwierdziło, że do tej pory nie wprowadziło żadnych zmian w tym obszarze w swojej organizacji. Z kolei 37 proc. badanych zgodziło się, że ich firmy mają odpowiednie podstawy do przeprowadzenia tej transformacji.

Jak twierdzą autorzy badania, liderzy, którzy zaczęli wprowadzać zmiany, skupili się na kilku konkretnych zadaniach. Integracja lub czyszczenie zbiorów danych jest podejmowane przez jedną czwartą organizacji. Osiemnaście procent z nich bada dane, które mogą wspierać wykorzystanie GenAI. Jeden procent mniej zajmuje się natomiast dokumentami lub tekstem, aby przygotować je do modeli GenAI specyficznych dla danej domeny.