Archiwum bloga onpoint.pl

Uczenie maszynowe w automatyzacji procesów biznesowych

„Właściwa informacja do właściwej osoby we właściwym czasie”.

To zasada które przyświeca tym przedsiębiorstwom, które potrafią tak ustawić swoje procesy biznesowe aby osiągać ponad przeciętne zyski.

Jesteśmy świadkami szybkiego rozwoju technologii sztucznej inteligencji, w tym jednej z jej części – uczenia maszynowego. Ilość dostępnych informacji w formie zdigitalizowanych danych wewnątrz oraz na zewnątrz firmy szybko rośnie. To właśnie do ich przetworzenia, analizy i przygotowania właściwych wniosków idealnie nadaje się uczenie maszynowe.

Jak zatem zrobić pierwszy krok i wykorzystać obecny poziom zaawansowania uczenia maszynowego w naszych przedsiębiorstwach?

Po pierwsze, opisz swój proces biznesowy.

Poszukaj procedur i decyzji, które są powtarzalne. Upewnij się, że zbierasz wszystkie informacje i dane, które są niezbędne do podejmowania decyzji. Ważne jest także aby posiadać historię podejmowania wcześniejszych decyzji, tzn. dane i na ich podstawie decyzje jakie zostały podjęte. Posłuży to jako zbiór uczący do przygotowania modelu uczenia maszynowego.

Po drugie, skup się na prostych problemach.

Automatyzacja i uczenie maszynowe będzie działać dobrze tam gdzie problem jest dobrze zdefiniowany, zrozumiany i przede wszystkim tam gdzie dostępne dane zawierają informacje niezbędne do podjęcia decyzji.

Po trzecie, wybierz odpowiednią metodę.

Gdy mamy już wybrany właściwy problem musimy przystąpić do wyboru metody. Uczenie maszynowe obejmuje bardzo wiele różnych metod. Od prostych drzew decyzyjnych przez modele probabilistyczne do skomplikowanych sztucznych sieci neuronowych. Dobór właściwej metody przyczyni się do uzyskania odpowiednich wyników jak również pozwoli nam zaoszczędzić czas niezbędny na przygotowanie modelu.

I najważniejsze, po czwarte dobierz odpowiedni zespół do realizacji tego zadania.

Aby właściwie zrealizować projekt wdrożenia uczenia maszynowego niezbędny jest zespół o interdyscyplinarnych kwalifikacjach. Z jednej strony muszą to być osoby doskonale poruszające się w technikach uczenia maszynowego i technologii IT, z drugiej znające zagadnienia merytoryczne dziedziny w której działają procesy. Odpowiednio dobrany zespół będzie swobodnie poruszał się w świecie baz danych, ingerował w oprogramowanie, wyszukiwał z różnych miejsc informacje, analizował je i na tej podstawie budował wnioski.

Kiedy nie stosować uczenia maszynowego?

  1. Nie używaj uczenia maszynowego tam gdzie zwykła logika biznesowa jest wystarczająca.

Uczenie maszynowe jest użyteczne tam gdzie zbiór zasad jest niejasny lub pełen skomplikowanych, nieliniowych zależności. Jeśli szukasz transparentności i niezgodności wykorzystaj najprostsze możliwe podejście, które spełni wymagane kryteria.

  1. Tam gdzie proces jest skomplikowany, wykorzystaj uczenie maszynowe do stworzenia systemu wspierającego podejmowanie decyzji.

Jeśli cel jest zbyt rozmyty (niejasny) do zdefiniowania, spróbuj stworzyć pośrednie rozwiązania aby pomóc pracownikom być bardziej efektywnym poprzez skorzystanie z nowoczesnych narzędzi wspierających proces podejmowania decyzji. Pomyśl o uczeniu maszynowym jako o części skomplikowanej ścieżki decyzyjnej. Pomoże to także w lepszym zrozumieniu problemu w przyszłości.

Czy jestem gotowy by zostać technologicznym pionierem?

Jim Collins w swojej książce „Od dobrego do wielkiego” zauważył, że wielkie przedsiębiorstwa nie postrzegają roli technologii jako podstawowego środka rozpoczynającego proces transformacji od dobrego do wielkiego. A mimo to, paradoksalnie, bardzo często są pionierami we wprowadzaniu nowych, starannie wybranych rozwiązań technologicznych.

Dlatego dzisiaj, sztuczna inteligencja nie jest na tyle zaawansowana by samodzielnie przemienić zły proces biznesowy w dobry, ale przy odpowiednim podejściu może przyczynić się do przejścia z dobrego procesu w wielki.

Za 5 do 10 lat największe sukcesy osiągną przedsiębiorstwa, które będą potrafiły wykorzystać technologie uczenia maszynowego.