„Podstatou strojového učení je mapování dat za účelem hledání odpovědí na některé klíčové otázky byznysu – například kolik výrobků bude prodáno nebo zda zákazník zruší kontrakt,” vysvětloval viceprezident výzkumu Gartner Alexander Linden při zahájení Dne umělé inteligence a strojového učení v Praze.
„Výstupem je často prostá odpověď ano či ne, 0 nebo 1. Proces, kterým se strojové učení využívající neuronové sítě k této odpovědi dostane, může být založen na řadě abstrakčních vrstev a algoritmů – a z pohledu byznysu se může zdát obtížně pochopitelným a cizím.“
Potenciálně cizí či nepochopitelná povaha strojového učení je jednou ze čtyř hlavních překážek umělé inteligence, na něž Alexander Linden ve své přednášce upozornil. Tři zbývající jsou extrémně rychlé tempo inovací, závažný nedostatek odborníků a konečně řada konkrétních úskalí jako nedostatek dat, neschopnost vysvětlit, jak došla AI k určitému rozhodnutí, nebo problémy s předpojatostí AI (jež obvykle vzniká ve fázi „učení“).
Umělá inteligence podle Lindena nepromění většinu odvětví k nepoznání – přinejmenším ne v dohledné době. Podniky z ní ale budou profitovat celou řadou způsobů v oblastech jako je marketing a prodej díky zlepšení postupů, jak získávat nové a udržet stávající zákazníky, v oblasti cenotvorby a uživatelských rozhraní, zákaznických služeb a podpory.
Ve výrobě bude AI využívána k omezení neplánovaných či zkrácení plánovaných odstávek, zvýšení míry automatizace a pro systémy včasného varování či prediktivní údržbu. AI také znatelně zvýší produktivitu zaměstnanců, zlepší předpovědi poptávky nebo přesnost systémů detekujících podvody. Stručně řečeno: umělá inteligence pomůže podnikům zlepšit obchodní výsledky na výnosové i nákladové straně výsledovky.
PŘEDPLATNÉ
ČLÁNKY DO MAILU