Pasaulio Ekonomikos Forumo apklausos duomenimis, 77 proc. įmonių vadovų mano, kad COVID-19 krizė paskatins jų įmones skaitmeninei transformacijai. Apklausos rezultatai taip pat atskleidė, kad 48 proc. darbuotojų liks dirbti nuotoliniu būdu ir po COVID-19 krizės.
Būtent dėl šių tendencijų ir sparčios skaitmenizacijos ateityje ir toliau išliks didelis poreikis specialistų, išmanančių, kaip diegti konkrečius DI sprendimus, bei turinčių įgūdžių, reikalingų šių procesų koordinavimui.
Diegiant DI sprendimus svarbu suprasti verslo procesus ir turėti techninių įgūdžių. Abi šios sritys reikalauja pakankamai patirties ir suvokimo. Šių kompetencijų įgijimui galimos dvi prieigos.
Pirmoji – komandinis darbas ir profesinių kompetencijų derinimas. Kita galimybė yra kurti naujas technologijas, leidžiančias efektyviau diegti DI sprendimus. Kuriant dirbtinio intelekto algoritmus populiaru naudoti „Python“, „R“, „Scala“ ar kitas programavimo kalbas.
Tačiau yra ir alternatyvūs sprendimai, kurie leidžia naudoti dirbtinio intelekto algoritmus su minimaliomis programavimo žiniomis. Ši prieiga labiau paremta vartotojo sąsaja ir leidžia realizuoti dirbtinio intelekto algoritmo etapus, nurodant tam tikrus parametrus, architektūrą ir duomenis.
Dirbtinio intelekto taikymas – be programavimo žinių
Šiuo metu mokslininkai kuria ir dar pažangesnes priemones, kurios leistų be programavimo įgūdžių pritaikyti dirbtinio intelekto algoritmus. Pavyzdžiui, 2020 „OpenAI“ išleistas GPT-3 kalbos modelis, kurio dėka galima iš žodžių generuoti programos kodą.
Tokia technologija galėtų automatizuoti jaunesniojo analitiko darbo poziciją: šie specialistai įprastai atlieka bendras analizes, tarkim, nagrinėja tam tikro laikotarpio pardavimų tendencijas, matematiškai paaiškina jų pokytį.
Kita populiarėjanti prieiga yra „Auto ML“. Ši technologija leidžia automatiškai ištestuoti įvairius algoritmus – reikia tik susitvarkyti pradinius duomenis. Būtent tokio tipo technologijų naudojimas leidžia integruoti dirbtinio intelekto sprendimus su mažesniais DI taikymo įgūdžiais.
Nors kai kurių problemų sprendimui tinka ir standartizuoti programavimo sprendimai, tačiau tam tikroms užduotims būtina mokėti atlikti programines modifikacijas. Be to, programavimo pagrindų žinojimas bet kokiu atveju yra naudingas, nesvarbu, ar specialistas programuoja pats, ar naudojasi dalinai automatizuotais sprendimais.
DI paklausa – įvairiose srityse
Dirbtinio intelekto sprendimų diegimas reikalauja pakankamai patirties ir suvokimo DI srityje. Todėl DI žinių turintys specialistai šiuolaikinėje visuomenėje vis labiau bus reikalingi, nes DI panaudojimas gali būti taikomas labai įvairiose srityse.
Gamyboje DI gali apimti anomalijas, pavyzdžiui, panaudojant vaizdų apdorojimo technologijas identifikuoti broką ar atlikti pateikti prognostines tikimybes siekiant jų išvengti gamybos procese.
Logistikos procesų kontekste DI gali būti panaudojamas planuojant prekių paklausą, tokiu būdu lengviau valdant sandėlių užpildymo lygį. Planuojant produktų pristatymą, ypač e.prekyboje, pasinaudojant DI galima atlikti prognozes apie pristatymo sėkmingumą, kuris dažnai gali priklausyti nuo eismo ar oro sąlygų. Remiantis šiomis prognozėmis, patogu planuoti pristatymo maršrutų logistiką.
DI panaudojamas žemės ūkyje yra ne mažiau aktualus, pavyzdžiui, stebint gyvūnų sveikatos būklę ar augalų kokybę, vėliau pagal tai koreguojant mikroklimatą.
DI diegiamas verslo procesuose turi bene didžiausią potencialą, nors tokių problemų sprendimas priklauso ir nuo verslo skaitmenizavimo lygio. Tarkim, klientų aptarnavimo procesai įprastai yra stipriai susiję su informacinėmis sistemomis. Šiose sistemose saugojama įvairi informacija, kuri susijusi su paslaugos teikimo kokybe. Šie mikro lygmens procesai gali būti analizuojami ir tobulinami pagal poreikį. Tokios informacijos analizė gali atskleisti, kokie paslaugos teikimo etapai ne tokie efektyvūs kaip tikimąsi ir galėtų būti tobulinami.
DI gali būti diegiamas ne tik bendruose verslo procesuose, bet ir specifinėse srityse. Medicinoje išmaniųjų dėvimų įrenginių pagalba galima rinkti informaciją ir stebėti pacientų sveikatos būklę bei prognozuoti tam tikrų ligų būsenos dinamiką. Pavyzdžiui, specialiu įrenginiu fiksuojant vyresnio amžiaus žmonių elgseną ir įpročius galima identifikuoti nuokrypius nuo įprastos elgsenos. Turint tokią informaciją, galima įspėti pacientą apie potencialius sveikatos sutrikimus ir automatiškai iškviesti greitąją pagalbą.
Medicinoje išmaniųjų dėvimų įrenginių pagalba galima rinkti informaciją ir stebėti pacientų sveikatos būklę.
Rinkai reikalingi tarpdisciplininių žinių turintys specialistai
Diegiant dirbtinio intelekto sprendimus tarpdisciplininio profilio specialistai įmonėms yra žymiai naudingesni nei tik aukštos kompetencijos IT specialistai. Algoritmų diegimą ir testavimą įprastai atlieka IT ar gamtos mokslų krypties mokslininkai. Tačiau reikalingi ir specialistai, paruošiantys IT infrastruktūrą (pavyzdžiui, sistemos administratorius) ar užtikrinantys duomenų srautą (pavyzdžiui, duomenų inžinierius) – šie specialistai įprastai ruošiami informatikos ar elektros inžinerijos srities studijose.
Dirbtinio intelekto sprendimų diegimui reikalingi ir verslo proceso analitikai, verslo analitikai bei projektų vadovai. Šie specialistai atsakingi už verslo proceso analizę, poreikių įsigilinimą ir koordinavimą.
Norint sėkmingai integruoti DI į verslo procesus labai svarbios tarpdisciplininės žinios, DI galimybių bei diegimo proceso suvokimas.
