των Κωνσταντίνου Ζοπουνίδη και Άγγελου Κωστή*
Η Τεχνητή Νοημοσύνη (ΤΝ) αποτελεί κατά πολλούς έναν τομέα που θα αλλάξει ριζικά τον τρόπο με τον οποίο οι επιχειρήσεις θα δημιουργούν και θα λαμβάνουν αξία στο εγγύς μέλλον. Όπως αναφέραμε σε προηγούμενα άρθρα μας,η ΤΝ, που συχνά ορίζεται ως η επιστήμη που καθιστά υπολογιστικές μηχανές να πραγματοποιούν διαδικασίες που παραδοσιακά απαιτου?σαν ανθρώπινη παρέμβαση και νοημοσύνη, προσφέρει ευκαιρίες σε επιχειρήσεις που δραστηριοποιούνται σε μια πληθώρα βιομηχανιών, αλλά ο τρόπος με τον οποίο μπορούν να επωφεληθούν αυτής παραμένει γρίφος για τις περισσότερες και ιδιαίτερα για μικρομεσαίες επιχειρήσεις. Στο πλαίσιο αυτό, έχουμε αναφερθεί στην ανάγκη για διαχείριση του θορύβου που είναι αναπόσπαστος παράγοντας της δημιουργίας αξίας μέσω ΤΝ όπως επίσης και για την ανάγκη για καλλιέργεια ενός ΑΙ mindset.
Στο παρόν άρθρο εστιάζουμε σε ένα άλλο ζήτημα που σχετίζεται με το πώς οι επιχειρήσεις μπορούν να αξιολογήσουν την ετοιμότητά τους όσον αφορά την εισαγωγή λύσεων τεχνητής νοημοσύνης και να αξιοποιήσουν τις ευκαιρίες που παρέχονται. Συγκεκριμένα, βασισμένοι σε έρευνα που διενεργείται στο AI Lab του Πανεπιστημίου του Ούμεο και σε πρόσφατο άρθρο του Καθηγητή Jonny Holmstrom (βλ. J. Holmstrom, (2022). From AI to digital transformation: The AI readiness framework. Business Horizons, 65(3), 329-339), εστιάζουμε στο τι σημαίνει ετοιμότητα για ΤΝ και πώς αυτή μπορεί να αξιολογηθεί. Επιπλέον των τεσσάρων βασικών πυλώνων αξιολόγησης της ετοιμότητας μιας επιχείρησης για ΤΝ, υπογραμμίζουμε ότι η ετοιμότητα για ΤΝ θα πρέπει να περιλαμβάνει και μια συστηματική αναγνώριση και αντιμετώπιση βασικών προκλήσεων που σχετίζονται με τη διαχείριση δεδομένων (data management challenges). Αυτό κρίνεται ως σημαντικό μιας και τα δεδομένα που κατέχει ή μπορεί να συλλέξει μια επιχείρηση αποτελούν τον κινητήριο μοχλό κάθε μοντέλου ΤΝ και ο ρόλος τους είναι ιδιαιτέρως σημαντικός για τη δημιουργία και εκμάθηση πληροφοριακών συστημάτων που βασίζονται σε deep learning. Όπως αναφέρεται σε πρόσφατη έρευνα: «Η διαχείριση δεδομένων είναι μια από τις πιο σημαντικές προκλήσεις που σχετίζονται με τη DL. Τα μοντέλα DL απαιτούν δεδομένα υψηλής ποιότητας».
Βάσει των παραπάνω, αναφέρουμε ότι υπάρχουν πέντε βασικοί πυλώνες πάνω στους οποίους μπορεί να πραγματοποιηθεί αξιολόγηση της ετοιμότητας για ΤΝ και έτσι να δομηθεί μια στρατηγική TN που θα εστιάζει στα επόμενα βήματα που πρέπει να πραγματοποιηθούν ώστε η επιχείρηση να δημιουργήσει και να αντλήσει αξία με τη χρήση ΤΝ. Οι τέσσερις πρώτοι πυλώνες εστιάζουν στις βασικές διαστάσεις του ψηφιακού μετασχηματισμού. Όπως υπογραμμίζεται: «Το πλαίσιο εξετάζει τις τρέχουσες καταστάσεις και τις μελλοντικές προσδοκίες σε σχέση με αυτούς τους πυλώνες. Ο πέμπτος πυλώνας που προσθέτουμε δίνει έμφαση στις προκλήσεις που εμπλέκονται στη διαχείριση δεδομένων που μπορούν να χρησιμοποιηθούν για ΤΝ. Έτσι δημιουργείται ένα AI scorecard βάσει του οποίου μπορεί να δομηθεί μια στρατηγική ΤΝ που θα αναγνωρίζει την πολυδιάστατη φύση του ψηφιακού μετασχηματισμού και πόσο μάλλον την πληθώρα των παραγόντων που πρέπει να λαμβάνονται υπόψιν για την επιτυχή προσθήκη ΤΝ σε μια επιχείρηση. Το συγκεκριμένο εργαλείο προτείνει στις επιχειρήσεις να αξιολογήσουν την ετοιμότητά τους για ΤΝ βάσει συγκεκριμένων ερωτήσεων που στοχεύουν να αποκαλύψουν την υπάρχουσα κατάσταση του οργανισμού σε σχέση με:
1.Τεχνολογίες
Ο πυλώνας αυτός του εργαλείου αξιολόγησης ετοιμότητας ΤΝ αναφέρεται στις τεχνολογίες ΤΝ που χρησιμοποιεί σήμερα ο οργανισμός (το τρέχον χαρτοφυλάκιο τεχνολογιών ΤΝ) και την αξία που προσθέτουν στην επιχείρηση, όπως αυτή εκλαμβάνεται από τους ίδιους. Παραδείγματα τέτοιων τεχνολογιών περιλαμβάνουν λειτουργίες chat-bot και ανάλυσης δεδομένων με βάση το TensorFlow και το Tableau. Απαντώντας στις ερωτήσεις που αφορούν τον πυλώνα «τεχνολογίες», οι επιχειρήσεις είναι σε θέση να βαθμολογήσουν την κατάσταση του υπάρχοντος χαρτοφυλακίου αλλά επίσης και του μελλοντικού χαρτοφυλακίου μιας και αξιολογείται τόσο ο προγραμματισμός που υπάρχει σε σχέση με την επέκταση της λειτουργικότητας υπαρχουσών τεχνολογιών και όσο και η στρατηγική για τη χρήση περαιτέρω τεχνολογίας ΤΝ.
2.Δραστηριότητες
Στον πυλώνα αυτόν υπάρχουν ερωτήσεις βάσει των οποίων αξιολογείται η τρέχουσα κατάσταση σε σχέση με το ποιες είναι οι διαδικασίες στις οποίες βασίζεται η επιχείρηση για τη δημιουργία αξίας για τους πελάτες της μέσω ΤΝ και κατά πόσο οι τρέχουσες βασικές δραστηριότητες της επιχείρησης υποστηρίζονται από την ΤΝ με τρόπους που προσθέτουν αξία. Όπως και στον προηγούμενο πυλώνα, οι ερωτήσεις σχετίζονται τόσο με την υπάρχουσα κατάσταση όσο και με τη στρατηγική που υπάρχει για τέτοιου είδους διαδικασίες στο μέλλον. Συγκεκριμένα, γίνεται ενδελεχής αξιολόγηση της ύπαρξης κατάλληλης στρατηγικής για μελλοντική χρήση της ΤΝ για την υποστήριξη βασικών δραστηριοτήτων με τρόπους που προσθέτουν αξία στην επιχείρηση.
3.Όρια
Τρίτον, με τη χρήση αυτού του εργαλείου γίνεται αξιολόγηση του κατά πόσο τα όρια της επιχείρησης διευρύνονται μέσω της χρήσης ΤΝ και ποια είναι η στρατηγική σε σχέση με τη δυνατότητα χρήσης τεχνολογιών ΤΝ στο εγγύς μέλλον ώστε να ανοίξουν τα επιχειρησιακά τους σύνορα και να δημιουργήσουν συνεργασίες με άλλες επιχειρήσεις. Οι ερωτήσεις που περιλαμβάνονται εστιάζουν λοιπόν στο κατά πόσο τα υπάρχοντα οργανωσιακά όρια διευρύνονται από τη χρήση ΤΝ με τρόπους που προσθέτουν αξία και στο αν υπάρχει στρατηγική για τη χρήση της ΤΝ για να αλλάξουν τα οργανωσιακά όρια με τρόπους που προσθέτουν περαιτέρω αξία στην επιχείρηση.
4.Στόχοι
Τέταρτον, η χρήση αυτού του διερευνητικού αναλυτικού εργαλείου επιτρέπει την αξιολόγηση της ετοιμότητας για ΤΝ σε σχέση με την υποστήριξη που παρέχει η χρήση ΤΝ σήμερα για την υλοποίηση των ευρύτερων στόχων της επιχείρησης. Επιπλέον, ερωτήσεις ωθούν τις επιχειρήσεις να επανεξετάσουν τους στόχους τους και να καινοτομήσουν μέσα από αλλαγές στον τρόπο που γίνεται χρήση ΤΝ, μιας και γίνεται ανάλυση του κατά πόσο υπάρχει στρατηγική για τη χρήση της τεχνητής νοημοσύνης για την υποστήριξη των στόχων της επιχείρησης στο μέλλον, με τρόπους που προσθέτουν αξία.
5.Δεδομένα
Τέλος, στο παρόν άρθρο προσθέτουμε έναν επιπλέον πυλώνα: συστηματική αναγνώριση και αντιμετώπιση βασικών προκλήσεων που σχετίζονται με τη διαχείριση δεδομένων (στον οποίο θα επανέλθουμε λεπτομερώς σε επόμενο άρθρο). Συνοπτικά, ο πυλώνας αυτός δομεί μια καλύτερη κατανόηση της θέσης της επιχείρησης όσον αφορά συγκεκριμένες διαδικασίες που ακολουθούνται για την αντιμετώπιση προκλήσεων στις επιμέρους φάσεις του κύκλου ζωής των δεδομένων . Ερωτήσεις αφορούν διαδικασίες όσον αφορά τη συλλογή και εξερεύνηση δεδομένων, προεπεξεργασία, προετοιμασία του training dataset που χρησιμοποιείται για την εκμάθηση, δοκιμές δεδομένων, ανάπτυξη του μοντέλου και post-deployment αντιμετώπιση προκλήσεων σε σχέση με τα δεδομένα και τις πηγές τους.
Συμπερασματικά, θα θέλαμε να υπογραμμίσουμε ότι οι επιχειρήσεις που επιθυμούν να εισάγουν τεχνολογίες ΤΝ θα πρέπει λάβουν υπόψιν μια πληθώρα παραγόντων και να πραγματοποιήσουν μια συστηματική ανάλυση της ετοιμότητάς τους που θα επιτρέψει την κατανόηση της υφιστάμενης στρατηγικής ΤΝ για το εγγύς μέλλον. Τέλος, η ΤΝ δεν είναι silver να δίνεται έμφαση στις πολύπλοκες κοινωνικοτεχνικές διαδικασίες που πρέπει να λαμβάνουν χώρα ώστε να επιτυγχάνεται αυτό που συχνά αναφέρουμε ως «keep the human in the loop».
*Ακαδημαϊκός και Δρ.
Από: Athanase Papandropoulos
