Važno obaveštenje  •  Adacta je sada BE-terna! • Pročitajte više o tome na linku
Razotkrivamo veštačku inteligenciju i mašinsko učenje
Blog

Razotkrivamo veštačku inteligenciju i mašinsko učenje

8 min read May 07, 2020

Neki opisuju veštačku inteligenciju (eng. artificial intelligence) kao novu generaciju softvera koji mogu samostalno da donose odluke, uče i napreduju, bez ljudske intervencije. AI tehnologija može predvideti ono što ljudski mozak ne može, i u tome mnogi vide najveći potencijal ove tehnologije - AI prevazilazi ljudsko rezonovanje. S druge strane, uverenje da je tehnologija sama po sebi dovoljna, jedan je od razloga što većina AI projekata propada. Prave koristi se dobijaju kada su AI rezultati kombinovani sa ljudskim iskustvom i odlukama. 

Mašinsko učenje je već uzdrmalo svakodnevni život i donosi velika obećanja poslovanju. U ovom intervjuu pitali smo Milana Listeša, Customer Landing Manager iz kompanije BE-terna, o svim velikim pogodnostima koje preduzeća mogu da očekuju od korišćenja AI, o aktuelnim AI projektima u BE-terni i važnosti dijagnostike podataka koja može pomoći u predviđanju ishoda AI projekata. 

Zašto je mašinsko učenje danas tako popularno? 

Jedno od pitanja koje danas često čujem u vezi AI je „Zašto sada?“. Po mom mišljenju, jedan od ključnih faktora je popularizacija cloud” poslovanja koja je doprinela unapređenju ove oblasti. Pomenuto je omogućilo kompanijama da budu prilično isplative dok sprovode različita rešenja i isprobavaju različite pristupe na svojim podacima. Dalje, prikupljanje podataka nas je dovelo u situaciju da imamo puno podataka i da te količine ne mogu biti adekvatno analizirane putem standardnih alata za izveštavanje i analitiku. Međutim, u ovu situaciju nas nije dovelo samo prikupljanje podataka, nego je problem i u tome što su mnogi trenutni problemi rešeni putem mašinskog učenja previše kompleksni da bi se (pravilno i optimalno) ručno rešavali. Čak i problemi srednje složenosti, kao što je optimalno naručivanje artikala u jednoj kompaniji za distribuciju, uključuju veliki broj inputa i ograničenja tako da postaje teško za jednu osobu da sa svim podacima rukuje. Tipičan primer za to jeste osoba koja je odgovorna za poručivanje 100 artikala.

Koji termini se povezuju sa veštačkom inteligencijom (eng. Artificial Intelligence) i mašinskim učenjem (eng. Machine Learning)? Kako kompanije ostvaruju benefite od korišćenja veštačke inteligencije?

Mnogo je reči u ovoj oblasti za koje se može reći da su „buzzword“, ali je bitno da preduzeća stave rešavanje poslovnih problema u prvi plan, a da se terminima pozabave nakon pronalaženja rešenja poslovnih problema. Uopšteno, u svakoj industriji postoji nekoliko izazova koji zahtevaju obradu velike količine podataka. Teško je da se svi ti problemi stave pod isti „kišobran“, ali oni bi obuhvatali: predviđanje/estimaciju, optimizaciju, detekciju/prepoznavanju, i personalizaciju. To ne treba posmatrati iz čisto tehničke perspektive, jer veštačka inteligencija nije rešenje za sve probleme, a neki problemi se mogu rešiti jednostavnije, npr. kroz unapređenje izveštavanja, analitike ili kroz unapređenje poslovnih procesa. Iz tog razloga, pomenute izazove treba sagledavati kao poslovne izazove koji mogu biti primenjeni u različitim industrijama.

Saznajte kako se veštačka inteligencija primenjuje na našem tržištu

Veštačka inteligencija je stigla!

Pročitajte više...

Da li neke industrije ostvaruju više benefita od mašinskog učenja u odnosu na ostale industrije?

Budućnost je već stigla – AI donosi korenite promene u sve industrije i sve poslovne procese. Veštačka inteligencija poseduje veliki potencijal da promeni, ne samo naše poslovanje, već i naše živote – od načina na koji provodimo odmore, naručujemo hranu ili upravljamo vozilima. Veštačka inteligencija ima veliki potencijal da pokrene revoluciju ekonomije, a ja se radujem da saznam kako će budućnost izgledati.

Kada razmatramo koje industrije će da ostvare najviše benefita od veštačke inteligencije, postoje industrije koje istražuju potencijalne benefite više od ostalih. Možemo prvo pomenuti sve industrije koje su fokusirane na korisnike, zbog trenda personalizacije koji zahteva obradu velike količine podataka, zajedno sa finansijskim uslugama koje će u narednim godinama u velikoj meri da zavise od personalizovanog targetiranja korisnika, i, takođe, celi lanci snabdevanja – proizvođači, distribucije i maliprodaje. Ako pogledamo procene potencijalnih benefita date od strane konsultantske kuće McKinsey (1) videćemo da, u zavisnosti od industrije, potencijalni benefiti iznose od 30% do 40% u prepoznavanju slika i u nekim drugim algoritmima deep learning-a koji su veće kompleksnosti.

Mašinsko učenje ML

Slika 1. Neke industrije u većoj meri istražuju benefite veštačke inteligencije

Da li možete da opišete tipične primere primene mašinskog učenja?

Primena mašinskog učenja sa kojom se trenutno najviše susrećemo jeste predviđanje tražnje i optimizacija zaliha. Ovakva primena je savršena za ostvarivanje benefita od veštačke inteligencije i analitike. Ključni izazov u ovoj poslovnoj oblasti su pokušaji da se predvidi tražnja za različite tipove artikala, na primer, za sezonske artikle, artikle koji imaju stabilnu prodaju, nove proizvode, promotivne artikle i tako dalje. Predviđanje tražnje je deo problema koji se rešava korišćenjem mašinskog učenja, dok se drugi deo problema, preporuka narudžbina, rešava primenom višekriterijumske optimizacije. Rezultat je skoro optimalna količina naručivanja za svaki posmatrani artikal. Proces donosi dva glavna benefita – najpre, sprečava se nestašica zaliha (eng. stockout) koja bi dovela do izgubljenih prodaja, a drugi benefit je minimizacija pojave viška zaliha (eng. overstock) koji bi se loše odrazio na novčani tok (eng. cash flow). Dodatno, kako se preporuke automatski generišu, sektor nabavke može da se fokusira na kritične artikle koji često nisu deo predviđanja (na primer, skupi artikli). Očigledno, ovakav scenario se može primeniti u svakom preduzeću gde skladište i optimizacija zaliha igraju ključnu ulogu u uspehu, proizvodnji distribuciji, maloprodaji i tako dalje.

Da li su projekti vezani za mašinsko učenje znatno drugačiji od drugih IT projekata (CRM, ERP, BI)? Kako kompanije mogu da započnu korišćenje mašinskog učenja?

Najpre, bitno je da se sagleda kako se ovi projekti poziciniraju iz perspektive IT investicija. Projekti poput ERP-a, CRM-a i BI-a u većini slučejava (ali ne i u svim) su deo donjih kvadranata (3) koji se nazivaju tehnologijama koje su „Ključne za operacije“ ili „Podrška“ što znači da su oni čvrsta osnova na kojoj je izgrađen svaki biznis, ali to što takva osnova postoji to je dovoljno samo da se izbegne nepovoljan položaj na tržištu. Na primer, ako se bavite preprodajom avionskih karata i nemate svoj veb-sajt, to je skoro isto kao i da ne postojite na tržištu. Ova rešenja moraju da budu ugrađena i integrisana u IT portfolio vaše kompanije.

Sa druge strane, AI projekti koji su dobro ugrađeni u poslovne procese donose kompaniji prednost na tržištu i omogućavaju kompaniji da transformiše svoje poslovanje i kreira dodatu vrednost za svoje korisnike. Međutim, u početnom trenutku, kada kompanije tek počinju da razmišljaju o ovakvim projektima, pozicioniraju ih kao takozvane „Visoki potencijal“ projekte koji mogu voditi ka uspehu u budućnosti, ali je krajnji ishod još uvek neizvesan. Ovo često znači da će kompanije želeti da, najpre, brzo sagledaju potencijal ovakvih projekata uz minimalno uloženih resursa. U kompanije BE-terna se za te svrhe koristi pristup „Data Diagnostics“, koji je zapravo faza koja okvirno traje 1-2 meseca i tokom koje detaljno analiziramo potencijal podataka koje klijent ima. Ako potencijal postoji, klijent ima mnogo jasniju sliku benefita koje bi stvarni projekat mogao da donese kao i najverovatniju vrednost povraćaja na investicije (eng. Return on Investment).

Na kraju, otpočinjanje celokupnog projekta je malo drugačije nego kod tradicionalnih projekata na koje smo navikli. Jedna analiza koju je sprovela konsultantska kuća McKinsey pokazuje da se ključna razlika između uspešnih projekata vezanih za veštačku inteligenciju i onih projekata koji ostanu zarobljeni u pilot fazi ogleda u vremenu i novcu koji se uloži u poslednje korake projekta, odnosno, u investicijama u proces redizajna i edukacije. Naš projekat „Hyper Care“ se pokazuje kao, možda, i najbitnija faza projekata tokom koje usko sarađujemo sa korisnicima, dodatno poboljšavamo rešenje i pomažemo korisnicima da razviju poverenje u rešenje.

Nove tehnologije kao izvor konkurentske prednosti

(1) Potential total annual value of AI an analytics across industries; McKinsey & Company; McKinsey Analytics
(2) IEDC |Digital Transformation Program: Digital Strategy Seminar; Portfolio Management of Digital Investments; Dr. Joe Peppard, Principal Research Scientist, MIT Sloan CISR; april 2019
(3) Breaking away: The secrets to scaling analytics; By Peter Bisson, Bryce Hall, Brian McCarthy, and Khaled Rifai;up McKinsey & Company, McKinsey Analytics; maj 2018 

Kako vidite budućnost veštačke inteligencije?

Uopšteno, sada su vidljiva dva pravca koja će igrati bitnu ulogu u budućnosti. Jedna su podaci trećih strana koji se spajaju sa transakcionim podacima preduzeća kako bi se izvukle kontekstualne informacije o različitim aspektima poslovanja, i koji će se koristiti za predviđanje/estimaciju i preciznije prepoznavanje bitnih događaja. Drugo, bitnu ulogu će imati i načini da se uspostavi idealna veza između ljudi i tehnologije, jer u mnogim industrijama znanje ljudi (ili mudrost) je i dalje od izuzetnog značaja i biće kombinovano sa rezultatima koje dobijamo iz sistema veštačke inteligencije.

Veštačka inteligencija i napredna analitika

Da li ste spremni da oslobodite potencijal veštačke inteligencije?

Istražite mogućnosti

Svideo vam se sadržaj koji ste pročitali?

Prijavite se na naš newsletter i budite u toku sa najnovijim informacijama ...