W ostatnich tygodniach po
raz kolejny rozgorzała dyskusja o sztucznej inteligencji. Jej inspiratorem
był Microsoft, a bohaterem chatbot Tay. Choć może należałoby powiedzieć,
że bohaterów było więcej, bo obok Tay pewną rolę odegrali złośliwi,
a czasem niekulturalni internauci. Amerykański producent oprogramowania
i sprzętu umieścił w sieci profil będący pewną formą AI. Chatbot
funkcjonował na internetowych forach i rozmawiał z innymi
użytkownikami. Naszego świata uczył się m.in. na Twitterze. Po 24 godzinach Tay
stała się (bo to w gruncie rzeczy „chatbotka”) agresywna, rasistowska
i radykalna. Odbierała życiowe lekcje od internautów, z których wielu
na pewno testowało jej reakcje. Ale też wypada zakładać, że część poglądów Tay
przejęła od osób faktycznie w ten sposób myślących. W rezultacie
zaczęła publikować wpisy nienawistne wobec 
feministek, Żydów i Meksykanów, natomiast chwaliła… Hitlera. Nic
dziwnego, że Microsoft odłączył chatbot i poinformował, że miał to być
eksperyment nie tylko technologiczny, ale też społeczny i kulturowy.
Niestety, Tay została przez krnąbrnych rozmówców sprowadzona na złą drogę.

Czy fakt, że nie poradziła sobie w Internecie, tzn.
zbyt łatwo dała sobą sterować i manipulować, automatycznie oznacza, że nie
była naprawdę inteligentna? Bo przecież Stanisław Lem, gdyby żył, mógłby
z nią porozmawiać o wierszach Herberta albo Heaneya. Nie tak jak
z pralką. Ale chyba nie byłby z tych rozmów zadowolony, bo szybko
zauważyłby, że rozmówczyni nie ma własnych poglądów ani osobistej wrażliwości,
tylko kompiluje to, co dostaje z zewnątrz. No właśnie, może błąd tkwi
w założeniu. Może sztuczna inteligencja musi pozostać sztuczną? Będzie
więc miała tylko takie cechy, jakie sami stworzymy. W końcu specjaliści od
AI zaznaczają, że technologie komputerowe, którymi dysponujemy, potrafią
policzyć tylko to, co jest policzalne. A nasz mózg – wzór dla
sztucznej inteligencji – umie wygenerować wyniki, których nie dałoby się
obliczyć.

To może oznaczać, że mamy dwie drogi. Pierwsza wiąże się
z budową systemów, które będą zaawansowane i pomocne, ale nie będą
rywalizować z człowiekiem przez swoje ograniczenie „policzalności”. Drugą
drogą jest szukanie technologii i materiałów, dzięki którym uda się
stworzyć kopię ludzkiego mózgu, a ściślej to samo, czym jest mózg. Ale czy
istnieje algorytm, za pomocą którego dałoby się uznać tę wizję za
prawdopodobną?

Autor jest
dziennikarzem Programu 3 Polskiego Radia (m.in. prowadzi audycję „Cyber Trójka”
oraz „Puls Trójki”).

Artykuł Sztuczna czy prawdziwa? pochodzi z serwisu CRN.

Nie dziwią zatem prognozy analityków Gartnera, którzy
przewidują, że platformy BI oraz Big Data przez dłuższy okres pozostaną jednym
z najszybciej rosnących rynków oprogramowania. Do 2017 r. globalna,
skumulowana roczna stopa wzrostu CAGR tego sektora ma wynosić 7 proc. Do
tego czasu cały światowy rynek analityki biznesowej ma – zdaniem IDC –
osiągnąć wartość 125 mld dol.

W ciągu kilku ostatnich lat wzrosło zastosowanie
Business Intelligence w takich branżach, jak handel, sektor finansowy czy
telekomunikacja. W tego typu narzędzia intensywniej zaczęli inwestować
przedstawiciele różnych gałęzi przemysłu, w tym dostawcy energii
i innych mediów. Te przedsiębiorstwa, które wcześniej zainwestowały
w systemy ERP, chcą teraz bardziej wnikliwie analizować zachowania
klientów.

Piotr Krzysztoporski

dyrektor ds. konsultingu Epicor Software Poland

Zainteresowanie polskich firm rozwiązaniami Business
Intelligence jest w mojej ocenie większe niż kilka lat temu. BI przyczynia
się do uzyskania pełniejszej i bardziej uporządkowanej wiedzy o tym,
co zwiększy efektywność biznesową, ale również o tym, co może przynieść szkodę.

– Potrzebę zaawansowanych analiz finansowych ma zarówno
sektor komercyjny, jak i publiczny. Działające w nich
przedsiębiorstwa odczuwają presję na coraz dokładniejsze ewidencjonowanie
kosztów i lepsze planowanie wydatków na projekty, które często podlegają
kontroli unijnej – twierdzi Rafał Wnorowski, wiceprezes zarządu Simple.

Integratorzy mają więc duże szanse na nawiązanie z nimi
długotrwałych i zyskownych relacji na wielu poziomach: począwszy od dostaw
infrastruktury sprzętowej przez sprzedaż licencji na oprogramowanie po
dostarczanie różnego rodzaju usług. W ostatecznym rachunku te ostatnie
stanowią zwykle większość dochodu z wdrożonego projektu BI. Obejmują
usługi wdrożeniowe i utrzymaniowe oraz analizę danych. Co ważne, tego
rodzaju projekty na długo przywiązują klienta do dostawcy, a integrator
komunikuje się nie tylko z działem informatycznym klienta, ale przede
wszystkim z zarządem i menedżerami z działów sprzedażowych.

Większe możliwości i bogatsza funkcjonalność Business
Intelligence sprawiły, że grupa stosująca te rozwiązania poszerzyła się
o klientów z małych i średnich przedsiębiorstw. Wcześniej
oprogramowanie BI znajdowało się w kręgu zainteresowań największych
korporacji, bo wymagało dużych umiejętności, długiego czasu wdrażania
i (co nie zaskakuje)wiązało się z dużymi kosztami. Teraz rynek BI
bardziej się zdemokratyzował, bo mniejsze firmy także zaczynają postrzegać te
narzędzia jako istotny element swojej strategii biznesowej.

In-memory i samoobsługa

Ponieważ szybkość
działania staje się kluczowa w biznesie, dostawcy zaczęli oferować
rozwiązania, które – integrując informacje z wielu źródeł
– przeprowadzają ich analizę w locie. Do dużych klientów są kierowane
takie sprzętowo-programowe platformy jak SAP HANA czy Oracle Exalytics, które
działając w trybie in-memory (wykorzystując szybką pamięć podręczną),
umożliwiają analizowanie danych w czasie rzeczywistym. Oczywiście
technologie in-memory nie ograniczają się tylko do BI i znajdują
zastosowanie tam, gdzie wykorzystanie aplikacji bazodanowych lub hurtowni
danych nie może być obciążone opóźnieniami „zawinionymi” przez dyskowe pamięci
masowe. Co ciekawe, twórcy tego typu narzędzi, które powstały z myślą o
największych firmach, tworzą ostatnio wersje przeznaczone dla mniejszych
klientów, czego przykładem jest SAP LUMIRA for Teams.

Sławomir Karpiński

Sales Manager w Connect Distribution

Technologie opracowane dla dużych organizacji
i przeznaczone do analizy ogromnych zbiorów danych zaczynają być stosowane
również przez mniejsze firmy. Te co prawda nie mają tak dużych ilości
informacji jak korporacje, ale odkrywają potrzebę, aby jak najpełniej
wykorzystywać wszystkie dostępne źródła danych, niezależnie od ich
umiejscowienia i formatu. Przyrost informacji do analizy jest często tak
szybki, że firmy, które do niedawna nie miały problemu z analizą swoich
danych za pomocą tradycyjnych narzędzi, teraz stają przed prawdziwym wyzwaniem.

Naturalnie nie tylko
szybkość się liczy. Klienci, którzy inwestują w projekty automatyzacji
swoich procesów biznesowych, chcą, by związana z tym analityka była
bardziej proaktywna i komunikatywna. Prowadzi to do rosnącej popularności
samoobsługowych narzędzi BI. Pozwalają one wdrażającym je przedsiębiorstwom
objąć zasięgiem Business Intelligence jak największą grupę pracowników.
Samoobsługowe narzędzia umożliwiają szybszą reakcję na zmiany
i samodzielne tworzenie zapytań (także w języku naturalnym). Unika się
w ten sposób długich czasów oczekiwania na wynik, typowych dla operacji
przeprowadzanych w sposób tradycyjny. Zmiany w nowych wersjach
produktów BI dotyczą głównie automatyzacji i usprawnień
w zarządzaniu. W rezultacie klienci coraz rzadziej oczekują wsparcia
ze strony działu IT. Przekłada się to na wzrost zainteresowania rozwiązaniami
typu SaaS i bazującymi na chmurze obliczeniowej.

Chmura i mobilność

Ale chmura to nie tylko większa automatyzacja narzędzi.
Projekty BI oraz Big Data wymagają dużych nakładów finansowych na
infrastrukturę IT. Cloud computing umożliwia ograniczenie tych kosztów przez
przejście na system abonamentowy. Nowe wdrożenia zaczynają więc coraz częściej
opierać się na modelu hybrydowym – instalacji on-premise (lokalnie u klienta)
i chmury publicznej.

W przypadku małych firm cloud computing może stać się wręcz
jedynym dostępnym rozwiązaniem. Oczywiście chmura publiczna budzi jeszcze sporo
obaw, głównie związanych z bezpieczeństwem danych, ale to nastawienie się
zmienia. Wpływ na to mają operatorzy, którzy stale ulepszają swoje usługi,
także pod kątem obsługi baz danych i analityki. Partnerzy wykorzystujący
infrastrukturę dostawcy chmury, dostarczaną w modelu Platform as
a Service (PaaS), mogą więc łatwiej docierać do klientów ze swoimi
usługami. Chmura ma też tę przewagę, że wdrożenie BI oparte na infrastrukturze
klienta może zabrać sporo czasu, natomiast dostarczenie usługi z chmury
przebiegnie niemal błyskawicznie.

Rafał Wnorowski

wiceprezes zarządu Simple

Jak wynika z raportu DiS, ponad 19 tys. polskich przedsiębiorstw ma wdrożony system klasy ERP,
automatyzujący procesy biznesowe firmy. Niestety, często sam standardowy system
ERP nie jest w stanie zapewnić istotnej przewagi konkurencyjnej. System BI
umożliwia uzyskanie szybkiej odpowiedzi na zasadnicze pytania, np.:
w jakim stopniu jest realizowana strategia przedsiębiorstwa, które
produkty przynoszą mu największe zyski, utrzymanie których klientów jest
nieopłacalne, jak reagować na zmieniające się warunki otoczenia.

Klienci nie tylko poszukują szybkich i interaktywnych
narzędzi analitycznych, ale chcą jeszcze, żeby można z nich było korzystać
na urządzeniach przenośnych (co w efekcie jeszcze bardziej kieruje ich
w stronę chmury). Mobilne BI ma służyć np. do analizowania na bieżąco
zachowań konsumentów, dlatego największe zainteresowanie takimi narzędziami
dotyczy procesów sprzedaży. Takie rozwiązanie staje się też popularne
w odniesieniu do usług wykonywanych w terenie – serwisowych,
logistycznych itp. Mobilna analityka biznesowa umożliwia dostarczanie treści na
urządzenia przenośne w trybie odczytu bądź interaktywnie
i wykorzystuje w tym celu ekran dotykowy, funkcje lokalizacji,
polecenia głosowe czy wbudowany aparat fotograficzny. Coraz lepsza jakość
i funkcjonalność smartfonów i tabletów pociąga za sobą rosnące zapotrzebowanie
także na mobilne kokpity menedżerskie.

Big Data i Internet rzeczy

Przez chmurę i mobilność wiedzie prosta droga do
najmodniejszych ostatnio pojęć w IT, czyli Big Data i Internetu
rzeczy (albo nawet „wszechrzeczy”, jak chce Cisco). Analityka biznesowa jest
kluczowym elementem obu. Jak przewiduje IDC, ilość danych na całym świecie
w roku 2020 będzie 300 razy większa niż dekadę temu – i urośnie
w ciągu tych 15 lat ze 130 do 40 tys. eksabajtów. Napływ takiej masy
danych ze źródeł wewnętrznych i zewnętrznych będzie skutkował wręcz
koniecznością stosowania przez firmy nowych technologii BI oraz Big Data.
Zdaniem IDC tylko pod tym warunkiem będą one mogły liczyć na przewagę rynkową,
zapewnianą przez analizy historyczne i predykcyjne. IDC ocenia, że
w 2020 roku nawet 33 proc. danych „cyfrowego wszechświata” będzie
zawierało informacje wartościowe dla biznesu (o ile zostaną one
przeanalizowane). Dla porównania: obecnie jest to 25 proc. Według
analityków nowe narzędzia będą się przyczyniały nie tylko do poprawy funkcjonowania
biznesu, ale także administracji publicznej i aglomeracji miejskich. Dla
dostawców tego typu rozwiązań powinno to oznaczać długie lata dobrej
koniunktury.

Z kolei Gartner zwraca
uwagę, że w nadchodzącej dekadzie rynek BI będą napędzać inwestycje
w aplikacje wykorzystujące Internet rzeczy. Najszybszy przyrost danych
dotyczyć będzie rozmaitych przekazów na żywo, najróżniejszego typu sensorów i urządzeń dołączonych do
sieci oraz transakcyjnych systemów biznesowych. Nowoczesne aplikacje
w połączeniu z możliwościami wglądu w nowe rodzaje
„wielostrukturowych” danych – wraz z innowacyjnymi narzędziami
analitycznymi – mają wygenerować kolejną falę inwestycji w analitykę
biznesową.

Artykuł Dane potrzebują inteligencji pochodzi z serwisu CRN.