Uvod v umetno inteligenco, ki ga vaše podjetje ne sme zamuditi

Zgodovina AI

Alan Turing velja za botra AI. V petdesetih letih je ustvaril zamisel o inteligentnih strojih in zasnoval šahovski računalnik Turochamp. Vendar pa računalniki takrat še niso bili dovolj zmogljivi saj niso imeli sposobnost vzpostavljanja povezav ali uporabe pametnih tehnik. Leta 1997 je računalnik prvič premagal slavnega šahista Garryja Kasparova. Leta 2016 pa je računalnik AlphaGo premagal svetovnega prvaka igre Go. Slednja ima ravno zaradi svoje kompleksnosti sloves najzahtevnejše klasične igre za AI. Prav to pa je bila tudi prelomnica pri razvoju umetne inteligence.

Raziskovanje AI sistemov

Vizija umetne inteligence je vedno bila, da bi računalniki razmišljali in se odzivali kot ljudje. Drugače povedano, gre za ustvarjanje programske opreme, ki posnema vedenje in sposobnosti ljudi. Z razvojem tehnologije so nastali različni AI sistemi, od strojnega učenja (ang. Machine Learning) do generativne AI (glej spodnjo sliko).

V prvem koraku, ki se imenuje AI, sistemu posredujete podatke in ga naučite, kako naj te podatke obdeluje in razlaga. S tem se ustvarijo modeli, ki pomagajo razlagati nove vhodne podatke. Sistem to stori tako, da nov vhodni podatek primerja s tistim, kar se je naučil na začetku. Dobro znan primer je prepoznavanje računov in pridobivanje potrebnih podatkov iz prejetih računov.

Globoko učenje (ang. Deep Learning) je oblika strojnega učenja, v katerem se ustvarjajo nevronske mreže, ki sistemu omogočajo, da se uči sam in sprejema odločitve. Zahteva veliko več podatkov kot klasično strojno učenje, kot tudi veliko več računalniške zmogljivosti. Pomembna razlika je tudi v tem, da klasično strojno učenje zahteva posredovanje človeka, ki sistemu v primeru nejasnosti pomaga pri sprejemanju končnih odločitev. Pri globokem učenju takšno posredovanje ni potrebno.

Generativna AI gre še korak dlje in poleg interpretiranja podatkov in sprejemanja odločitev, ustvarja celo vsebine. Namesto vas lahko pripravi na primer osnutek predstavitve.

Generativni AI sistemi temeljijo na velikih jezikovnih modelih (ang. Large Language Models oz. LLM), zasnovanih za razumevanje in ustvarjanje vsebine. To poveča učinkovitost zaposlenih in deluje kot "sovoznik" vsakega zaposlenega. Na podlagi vhodnih podatkov lahko ustvari besedila, slike ali celo novo celotno nadzorno ploščo Power BI. Rezultat je enako dober kot vhodni podatki. Poskrbeti morate le, da podrobno pojasnite kaj točno želite. V postavljanje dobrih vprašanj AI se bomo poglobili v enem od naslednjih člankov.

Izbira pravega pristopa (zadostuje strojno učenje) in modela za vašo nalogo je ključnega pomena. Nekateri modeli so bolj osredotočeni na besedilo, drugi na slike. Zato ima vsaka rešitev AI svoje prednosti in slabosti, odvisno od tega, za kakšen namen jo želite uporabiti.

Izkoriščanje potenciala podatkov

Za usposabljanje algoritmov AI so potrebne ogromne količine visoko-kakovostnih podatkov. Platforma IOT (ang. Internet of Things), kot je na primer PTC-jev ThingWorx, se osredotoča na IOT in je kot taka lahko vir podatkov. Zanesljiv vir so lahko tudi sistemi ERP (ang. Enterprise Resource Planning), ki imajo veliko zgodovinskih podatkov. Vse je odvisno od posameznega primera, ki ga želite optimizirati/avtomatizirati z uporabo AI.

Predstavljajte si, da se vaše naprave naključno kvarijo, te podatke pa zajame ThingWorx. V tem primeru lahko AI poišče razloge in napove morebitne okvare v prihodnosti. Za vaše podatke ni potrebno, da so shranjeni v oblaku, vseeno pa upoštevajte, da so zmožnosti spletnega računalništva veliko večje od lokalnega.

Vpliv AI na različnih področjih

Nekatera področja, kot sta optimizacija poslovnih procesov ali podpora delavcem na terenu, ne potrebujejo nujno uporabe AI, vseeno pa imajo lahko od nje veliko koristi.

Vzemimo za primer Process Mining (Orodje 9A za poslovno analitiko) s katerim na podlagi podatkov analiziramo procese v organizaciji. Spremljamo lahko na primer katere obrazce je uporabnik odprl, kako je prešel na drug obrazec in koliko časa to traja v primerjavi z drugimi uporabniki. Z AI je mogoče ta postopek avtomatizirati in celo predlagati optimizacijo.

Še bolj zanimivo je na primeru podpore delavcem na terenu. AI programska oprema lahko delavcem na terenu zagotovi potrebne informacije o postopku popravila. Tehnik lahko le vpraša: "Kako naj zamenjam olje?" in Copilot mu poda strukturirana navodila, ki jih pridobi iz kombinacije različnih virov, ki so na voljo v vaši organizaciji. Tako lahko taka servisna intervencija poteka bistveno hitreje.

Microsoftov pristop k AI

Poglejmo še en primer. Ste razvijalec, ki želi razviti aplikacijo. Začnete iz nič, tako da pripravite osnovno postavitev in ji dodate logiko. Koliko časa vam to vzame? Predstavljajte si, da lahko prosite AI: "Ustvari aplikacijo za spremljanje mojih stroškov. Ta aplikacija mi mora omogočati, da dodam porabljen znesek, ga sam poveže s projektom in doda sliko potrdila o plačilu." Kot odgovor na to zahtevo Copilot v Power Platform nariše osnovni obrazec s potrebnimi polji. Ni nujno, da bo popoln, ampak tukaj nastopite vi. Monotono delo je opravljeno, vi pa ga lahko izboljšate, da bo vrhunsko!

Prav to je tudi cilj Microsofta - opolnomočiti uporabnike. Microsoft Dynamics 365 Copilot vam s svojim pomočnikom, ki ga poganja AI, zagotavlja prednost. Omogoča vam, da ste pri delu učinkovitejši, ustvarjalnejši in se osredotočite na resnično dodano vrednost.

Če potegnemo vzporednice z revolucionarnim vplivom parnega stroja v času industrijske revolucije, ta tehnologija simbolizira močan napredek v smeri večje produktivnosti.

Opomba: Vse rešitve Copilot niso na voljo v vseh regijah.

Microsoftove rešitve:

Copilot v Dynamics 365 Field Service

Testirali smo prejeto e-pošto za podporo strankam.

V nadaljevanju vam predstavljamo seznam ukrepov, za katere lahko danes poskrbi AI, ko se stranka pritoži zaradi pokvarjene naprave:

• Copilot ugotovi stopnjo vznemirjenosti stranke in ji, glede na vsebino sporočila, lahko dodeli ustrezno prednostno obravnavo. Je celo dovolj pameten, da razume narečja ali slovnične nepravilnosti.
• Samodejno ustvari delovni nalog, ki ga mora nato pregledati le še agent za podporo strankam.
• Stranka prejme potrditev in podatek o terminu prihoda serviserja, ki bo napravo popravil.
• Serviser je seznanjen s podrobnostmi načrtovanega obisk.