"Būtent todėl vienas startuolis siekia panaudoti dirbtinį intelektą ir „žinių grafą“ [1], kad automatizuotų šias kasdienes IT užduotis, kurdamas tai, ką jis vadina „intelekto sistema“ [2], kuri gali sujungti kelias duomenų sistemas ir pateikti išsamią įmonės IT skyriaus veiklos apžvalgą.
„XperiencOps“, startuolis, dar žinomas kaip XOPS, kuris iš „Activant Capital“ ir „FPV Ventures“ pritraukė beveik 40 mln. USD, yra naujos technologijų tiekėjų ir rizikos kapitalistų bangos dalis, kuri tiki, kad IT gali būti labai supaprastinta naudojant dirbtinį intelektą ir kitas technologijas.
Platesnėje IT automatizavimo įrankių rinkoje šiuo metu dominuoja tokie tiekėjai kaip „ServiceNow“, IBM ir „Cisco“ „Splunk“, teigia analitikai. IT tyrimų ir konsultacijų įmonė „Gartner“ prognozuoja, kad iki kitų metų 30 % įmonių automatizuos daugiau nei pusę savo tinklo veiklos – tai yra daugiau nei 10 % įmonių 2013 m. 2023 m. vidurys.
Taip yra todėl, kad IT skyriai tradiciškai turi fragmentiškus duomenis įvairiose sistemose, todėl darbuotojams sunku atsekti, kurie darbuotojai turi prieigą prie kurių nešiojamųjų kompiuterių ir programinės įrangos, kas turėtų būti tinkamas atnaujinimams, kas turėtų turėti teisę į prieigą keliaujant – sąrašas tęsiasi.
XOPS idėja yra ta, kad „žmogiškoji tarpinė programinė įranga“ arba įmonės IT personalo nariai, kurie rankiniu būdu jungia duomenis tarp skirtingų sistemų, atlieka daug paprasto darbo, kurio neturėtų atlikti, sakė Mayan Mathen, XOPS įkūrėjas ir generalinis direktorius.
„O kas, jei sukurtume programinės įrangos robotus, kurie atliktų darbą, kurio neturėtų atlikti žmonės?“ – sakė Mathen.
XOPS, kuri naudoja programinės įrangos robotus įmonės IT politikai valdyti, pirmiausia sukuria vadinamąjį žinių grafą iš įvairių duomenų šaltinių, tokių kaip programinės įrangos sistemos, duomenų bazės ir duomenų centrai. Šis žinių grafikas yra tarsi duomenų bazė, kurioje informacija pateikiama panašiai kaip žemėlapiuose ir gali būti rodomi ryšiai tarp žmonių, idėjų ir dokumentų.
Stanley Toh, „Broadcom“ įmonių galutinių vartotojų paslaugų ir patirties vadovas, teigė, kad lustų milžinė... „Broadcom“ dirba apie 40 IT darbuotojų, kurie aptarnauja maždaug 50 000 darbuotojų. Tai reiškia, kad jai reikia technologinio sprendimo, kuris padidintų darbuotojų galimybes, sakė jis.
Kad XOPS sistema veiktų, „Broadcom“ suteikė jai 17 duomenų šaltinių, iš kurių buvo galima sukurti žinių grafiką, įskaitant mobiliojo ryšio sąskaitas, duomenų centro stebėjimo ir informacijos saugumo duomenis. Iš viso XOPS sukūrė kiekvieno „Broadcom“ įrenginio profilį, todėl IT darbuotojui buvo lengva sekti kiekvieną darbuotojo nešiojamojo kompiuterio ar telefono pakeitimą.
Pasak Toho, „Broadcom“ naudoja XOPS, kad automatiškai valdytų visą darbuotojo nešiojamojo kompiuterio „gyvavimo ciklą“, pakeisdama tai, kas anksčiau buvo rankinis procesas, kuriame IT darbuotojai dalyvaudavo kiekviename žingsnyje – nuo darbuotojo nešiojamojo kompiuterio pasirinkimo ir pristatymo iki aptarnavimo ir grąžinimo, kai darbuotojas išeina iš įmonės.
„Vienintelis kartas, kai man reikia žmogaus, yra įdėti nešiojamąjį kompiuterį į dėžę, užklijuoti siuntimo etiketę ir nuvežti jį į priimančią parduotuvę, kad jis būtų išsiųstas“, – sakė Tohas. „Kitas kartas – kai nešiojamasis kompiuteris grąžinamas, jie jį patikrina.“ „in.“
Toh teigė, kad XOPS privalumas yra sutrumpėjęs „Broadcom“ inžinierių, kurie negali atlikti darbo be veikiančio nešiojamojo kompiuterio, prastovų laikas. XOPS taip pat leidžia „Broadcom“ panaikinti nenaudojamų nešiojamųjų kompiuterių kiekį sandėliuose, taip pat sumažinti darbuotojų nenaudojamų programinės įrangos licencijų skaičių.
Pasak Toh, panaikinus šias išlaidas programinei įrangai, kasmet sutaupoma milijonai dolerių sąnaudų.
XOPS nėra vienintelė įmonė, bandanti taikyti naujus metodus įmonių IT srityje. Ankstesnės dirbtinio intelekto bangos paskatino „AIOps for IT“ arba „dirbtinio intelekto IT operacijoms“ koncepciją – idėją, kad mašininį mokymąsi galima panaudoti stebint išsibarsčiusias, išsklaidytas technologijų sistemas.
Vienas iš dabartinių skirtumų yra tas, kad šiandieninės dirbtinio intelekto sistemos yra daug galingesnės nei praeities mašininio mokymosi modeliai – jos geba „samprotauti“ arba mąstyti sudėtingomis temomis, o „agentinės“ sistemos gali imtis veiksmų žmonių vardu, teigė Arun Chandrasekaran, žymus „Gartner“ viceprezidentas ir analitikas.
Tačiau problemos, kurios egzistavo prieš daugiau nei dešimtmetį lieka.
Įmonės ir vyriausieji informacijos pareigūnai turi atidžiai stebėti savo įmonės duomenis, kad juos galėtų įsisavinti DI, o IT darbuotojai turi būti apmokyti kartu, kad nebijotų darbo perėmimo ir pasitikėtų technologija, pridūrė Chandrasekaranas.
„Yra daug baimės, kad susiduriame su itin svarbiomis misijai ir verslui sistemomis“, – sakė jis, – „ir net jei DI sistemos gali organizuoti kai kuriuos iš jų, žmonės dar nepasitiki, kad DI gali tai padaryti labai efektyviai.“
---
Belle Lin rašo „WSJ Pro CIO Journal“. [3]
1. Žinių grafikas yra struktūrizuotas būdas pateikti informaciją apie realų pasaulį, naudojant objektus ir ryšius faktams ir sąvokoms sujungti. Iš esmės tai duomenų bazė, kurioje duomenys organizuojami į tarpusavyje sujungtų mazgų (objektų) ir briaunų (ryšių) tinklą. Ši struktūra leidžia atlikti sudėtingesnę duomenų analizę, gauti geresnius paieškos rezultatus ir atskleisti paslėptus ryšius tarp duomenų taškų.
Štai išsamesnis suskirstymas:
Pagrindiniai komponentai:
Objektai:
Tai objektai, žmonės, vietos ar sąvokos žinių grafike. Pavyzdžiui, grafike apie filmus objektai gali būti „The Shawshank Redemption“, „Frank Darabont“ ir „Drama“.
Ryšiai:
Jie apibrėžia, kaip objektai yra sujungti. Filmo pavyzdyje ryšys galėtų būti „režisuotas“ (jungiantis Frank Darabont su „The Shawshank Redemption“) arba „žanras“ (jungiantis „The Shawshank Redemption“ su drama).
Tvarkymo principai:
Tai taisyklės ir kategorijos, kurios suteikia žinių grafikui kontekstą ir struktūrą. Tai gali būti ontologijos (Dirbtinio intelekto kontekste ontologija yra formalus žinių, kaip sąvokų rinkinio ir šių sąvokų ryšių konkrečioje srityje, vaizdavimas), semantiniai sluoksniai (Semantinis sluoksnis veikia kaip tiltas tarp techninių duomenų ir verslo vartotojų, versdamas sudėtingus duomenų modelius į pažįstamus verslo terminus) arba konkrečios srities žinios (konkrečios srities žinios reiškia specializuotą patirtį ir informaciją konkrečioje srityje ar dalyko srityje, o ne bendrąsias žinias).
Kaip tai veikia:
1. Duomenų rinkimas:
Žinių grafikai pradedami nuo duomenų iš įvairių šaltinių, įskaitant struktūrizuotas duomenų bazes, tekstinius dokumentus ir net nestruktūrizuotą informaciją.
2. Objektų išskyrimas ir susiejimas:
Duomenys apdorojami siekiant identifikuoti objektus ir jų ryšius. Naudojami tokie metodai kaip įvardytų objektų atpažinimas ir ryšių išskyrimas.
3. Grafų sudarymas:
Išskirti objektai ir ryšiai tada organizuojami į grafų struktūrą grafų duomenų bazėje.
4. Užklausos ir analizė:
Vartotojai gali pateikti užklausas žinių grafui, kad rastų konkrečią informaciją, ištirtų ryšius ir atrastų naujų įžvalgų.
Pavyzdžiai:
„Google“ žinių grafikas:
.
„Google“ naudoja žinių grafiką paieškos rezultatams pagerinti, pateikdama išsamesnę, kontekstualesnę informaciją kartu su paieškos rezultatais.
„Amazon“ produktų grafikas:
.
„Amazon“ naudoja žinių grafiką savo didžiuliam produktų katalogui tvarkyti, kad būtų lengviau atrasti produktus ir teikti rekomendacijas.
„DBpedia“, „Wikidata“, „WordNet“:
.
Tai atviri žinių grafikai, teikiantys struktūrizuotą informaciją įvairiomis temomis, kurią gali naudoti kiti.
Privalumai:
Patobulinta paieška:
Žinių grafikai leidžia gauti tikslesnius ir aktualesnius paieškos rezultatus, suprantant paieškos užklausų reikšmę ir ryšius tarp subjektų.
Duomenų integravimas:
Žinių grafikai gali integruoti duomenis iš skirtingų šaltinių, suskaidyti duomenų silosus ir pateikti vieningą informacijos vaizdą.
Patobulinta analizė:
Jie palengvina gilesnę duomenų analizę, atskleisdami paslėptus ryšius ir modelius.
Dirbtinio intelekto programos:
Žinių grafikai yra labai svarbūs įvairioms dirbtinio intelekto programoms, įskaitant natūralios kalbos apdorojimą, rekomendacijų sistemas ir klausimų atsakymų sistemas, valdyti.
2. Intelekto sistema – tai modernus požiūris į įmonės programinę įrangą, kuri integruoja duomenis, analizę ir dirbtinį intelektą, kad sukurtų intelektualias sistemas, galinčias priimti duomenimis pagrįstus sprendimus ir automatizuoti veiksmus. Ji sujungia tradicines įrašų sistemas (pvz., duomenų bazes ir ERP sistemas) su realaus laiko analize ir dirbtiniu intelektu, kad pateiktų įžvalgų ir sudarytų sąlygas labiau pagrįstai ir proaktyviai verslo veiklai.
Štai išsamesnis suskirstymas:
Pagrindinės sąvokos:
Integracija:
Intelekto sistemos integruoja įvairius duomenų šaltinius, įskaitant tradicines įrašų sistemas, ir naudoja pažangią analizę bei dirbtinį intelektą, kad pateiktų holistinį verslo operacijų vaizdą.
Įžvalgos realiuoju laiku:
Jų tikslas – teikti realaus laiko arba beveik realaus laiko įžvalgas iš duomenų, leidžiančias greičiau ir labiau pagrįstai priimti sprendimus.
DI valdomi veiksmai:
Šios sistemos gali automatizuoti veiksmus, inicijuoti darbo eigas ir teikti rekomendacijas, pagrįstas duomenų analize, pereidamos nuo paprasto ataskaitų teikimo prie proaktyvios žvalgybos.
Skaitmeninė transformacija:
Jos laikomos pagrindiniu skaitmeninės transformacijos veiksniu, padedančiu organizacijoms tapti lankstesnėmis, reaguojančiomis į poreikius ir labiau duomenimis pagrįstomis.
Pagrindiniai komponentai:
Duomenys:
Intelekto sistemos remiasi tvirtu duomenų pagrindu, įskaitant struktūrizuotus ir nestruktūrizuotus duomenis iš įvairių šaltinių.
Dirbtinis intelektas ir mašininis mokymasis:
Dirbtinis intelektas ir mašininio mokymosi algoritmai naudojami duomenims analizuoti, modeliams nustatyti ir prognozėms ar rekomendacijoms pateikti.
Pažangi analizė:
Šios sistemos apima pažangius analizės metodus, įskaitant nuspėjamąją ir norminę analizę, kad iš duomenų būtų galima išgauti vertingų įžvalgų.
Natūralios kalbos apdorojimas (NLP) ir kompiuterinė rega:
NLP ir kompiuterinės regos galimybės leidžia sistemoms suprasti ir apdoroti žmonių kalbą bei vaizdinę informaciją, pagerindamos jų gebėjimą bendrauti su vartotojais ir išgauti įžvalgas iš įvairių duomenų šaltinių.
Orkestravimas:
Intelekto sistemos dažnai apima orkestravimo sluoksnius, kurie koordinuoja įvairius komponentus ir darbo eigas, siekiant konkrečių tikslų.
Privalumai:
Pagerintas sprendimų priėmimas:
Pateikdamos savalaikes ir aktualias įžvalgas, intelekto sistemos suteikia vartotojams galimybę priimti labiau pagrįstus sprendimus.
Didesnis efektyvumas:
Automatizavimas ir supaprastinti darbo eigos gali pagerinti veiklos efektyvumą ir sumažinti rankinį darbą.
Pagerinta klientų patirtis:
Suprasdamos klientų elgesį ir pageidavimus, organizacijos gali suasmeninti sąveiką ir pagerinti klientų pasitenkinimą.
Konkurencinis pranašumas:
Intelekto sistemos leidžia organizacijoms išsiskirti, pasitelkiant duomenis inovacijoms ir prisitaikymui prie kintančių rinkos sąlygų.
Iš esmės intelekto sistemos atspindi perėjimą nuo tradicinių įrašų sistemų prie dinamiškesnių ir intelektualesnių sistemų, kurios gali aktyviai didinti verslo vertę pasitelkdamos duomenis ir dirbtinį intelektą.
3. IT Departments Are Overloaded With Busy Work. Can AI Change That? Lin, Belle. Wall Street Journal, Eastern edition; New York, N.Y.. 18 Aug 2025: B4.
Komentarų nėra:
Rašyti komentarą