V 3-5 letih razcvet umetne inteligence
»V naslednjih treh do petih letih lahko pričakujemo razcvet uporabe umetne inteligence (UI) praktično na vseh področjih – v turizmu, finančni industriji, storitvenih podjetjih, spletnih in klasičnih trgovinah ter praktično vseh napravah, ki jih uporabljamo vsak dan,« našteva Blaž Strle, direktor podjetja Be-terna, ki ponuja napredne poslovne rešitve.
»Ogromno umetne inteligence se že uporablja pri trženju in prodaji, in sicer za napovedovanje prodaje, načrtovanje trženjskih kampanj, izdelavo kreativnih vsebin in ponujanje izdelkov pri spletnem nakupovanju,« dodaja Klemen Rizman, direktor podjetja CREApro.
Na dolgi rok Strle največji vpliv vidi v šolstvu (demokratizacija vsebin in prilagoditev vsebin glede na predhodno znanje ter kapacitete učenca), preventivni medicini, avtonomnih vozilih in osebnih asistentih.
Strle povzame, da najvišjo rast umetne inteligence (UI) v naslednjih 3 do 5 letih pričakujemo v podjetjih:
a) ki že imajo zbrane podatke v strukturirani obliki,
b) kjer kompleksnost obdelave podatkov (količina, število atributov) presega človeške kapacitete,
c) kjer rezultati algoritmov lahko avtomatsko izvedejo korake v procesu in
d) ki so izčrpala druge možnosti optimizacije oziroma hitre rasti.
Konkretne rešitve UI glede na panogo
Energetika:
Pametni števci. Pametni števci omogočajo merjenje porabe energije v realnem času.
Rešitve distributerjem že omogočajo, da z integracijo, obdelavo in analizo velikih količin podatkov preprečujejo izpade, zmanjšujejo izgube in kraje energije v omrežju, preprečujejo nezaželena nihanja v napetosti in na splošno bolje razumejo celostno sliko delovanja omrežja.
Isti podatki omogočajo boljši nadzor nad porabo energije in so že podlaga za razvoj pametnih rešitev, ki tako posameznikom kot podjetjem omogočajo nadzor nad porabo; to lahko prilagodijo potrebam in tako optimizirajo stroške.
Telemetrija in zunanji podatki. »Kombinacija podatkov telemetrije z zunanjimi podatki (vreme, delež električnih vozil, obnovljivi viri energije in podobno) je prednost, saj lahko z UI simuliramo stanja v omrežju ter predvidimo prihodnje trende porabe in z masovnimi simulacijami lociramo ozka grla v omrežju.
Tako lahko lociramo kritične točke omrežja in s tem določimo prioritete investiranja v omrežje. To, da danes vemo, kakšen bo potencialen vpliv višjega deleža električnih vozil in vklopa novih virov energije na del omrežja (na primer sončne elektrarne), lahko odločilno vpliva na obvladovanje tveganj, povezanih s spremembami v rabi energije,« pojasnujejo iz podjetja ADD, ki se ukvarja s poslovno analitiko.
Proizvodnja:
Implementacija digitalnih dvojčkov. »Omogoča povezavo naprav in sistemov v omrežje za boljši nadzor nad proizvodnimi procesi.
Podjetja ob pomoči senzorjev in drugih naprav zbirajo podatke o različnih parametrih, kot so hitrost, moč, navor, tresljaji, temperatura, vlaga in pritisk. Zajem in prikaz teh podatkov v kombinaciji s podatki iz delovnih nalogov (kaj kdo dela) v vizualni obliki omogoča celovito spremljanje proizvodnega procesa v realnem času in pravočasno ukrepanje v primeru morebitnih odstopanj (bolje preprečevati kot sanirati),« nadaljujejo v ADD. »Dodatno digitalni dvojčki, kot virtualne kopije dejanskih proizvodnih sistemov, podjetjem omogočajo, da simulirajo različne scenarije in predvidijo potencialne težave v proizvodnem procesu. Tako podjetja uporabijo podatke za optimizacijo proizvodnega procesa in zmanjšanje stroškov.«
Analiza podatkov v proizvodnem procesu. »V proizvodnji se zbira ogromna količina podatkov, proces proizvodnje pa je visoko robotiziran.
UI pomaga identificirati optimalne nastavitve proizvodne linije glede na vhodne surovine, trenutno stanje proizvodnje ter izdelka, da se doseže želena kvaliteta, zmanjša izmet in podobno. Na višji ravni UI optimizira celotno dobavno verigo od napovedovanja prodanih količin do optimalnega naročanja glede na predvideno prodajo, proizvodne kapacitete ter stanja zalog v skladišču,« našteva Strle in dodaja, da je podoben scenarij aplikativen tudi v distribucijskih podjetjih.
Marketing & prodaja:
Proces napovedi prodaje. »Tako lahko bolje načrtujete prihodnja naročila, odkrijete prihodnjo rast ali upad prodaje in optimizirate proizvodnjo ter z njo povezane vire, od materiala in strojev do človeških virov in kooperacije.
Gre za optimizacijo celotne verige procesov, ki vplivajo na prodajno realizacijo,« prednosti izpostavlja Rizman in navaja primere:
- načrtovanje proizvodnje z namenom zmanjšanja motenj na proizvodni liniji,
- optimizacija zalog z namenom sproščanja dragega skladiščnega prostora in kapitala,
- vezanega v zaloge,
- spremljanje zalog glede na zunanje dogodke (vreme, sezonski vpliv, trendi …), ki bi lahko vplivali na pomanjkanje ali presežek zalog, teh pa ne bi mogli uporabiti v proizvodnji oziroma prodati,
- optimizacija nabavnega postopka, vključno z optimizacijo logistike (prava količina za pravo
- ceno na pravem mestu in ob pravem času),
- avtomatizacija upravljanja zalog (na primer, da se sproži proizvodni ali nabavni proces glede
- na povpraševanje v spletni trgovini oziroma glede na stanje zalog v skladišču).
Digitalizacija tržnokomunikacijskih kanalov. »Tako zberemo ogromne količine podatkov o dejavnostih potrošnikov, njihovih nakupnih navadah ter demografskih in vedenjskih lastnostih.
Umetna inteligenca lahko pri trženju pripomore k povečanju uspešnosti kampanj in izbiri najboljšega načina komunikacije ter naslavljanja vsebine za posamezne segmente, in to celo na ravni posamezne osebe.
Zelo se obnese pri priporočanju produktov ali storitev, kar je ključno za uspešno nadgradno prodajo (upsell) in uspešnost navzkrižne prodaje (cross-sell). Prav tako ponuja vpogled v priložnosti na trgih in napredno primerjavo s konkurenco ter analizo mnenja uporabnikov o naših storitvah in produktih na podlagi tekstovnih komentarjev,« poudarja Rizman.
Infrastruktura:
Preventivno vzdrževanje opreme. Infrastrukturna podjetja, ki delujejo na področjih distribucije elektrike, vode in plina ter telekomunikacij, zbirajo podatke o stanju opreme na terenu. UI pa napove, kdaj bo določena naprava odpovedala oziroma kdaj je potrebno preventivno vzdrževanje,« pravi Strle.
Upravljanje prometa in mobilnost. »Mesta se širijo. Urbanizacija bo vse obsežnejša in vse pogostejša. Pomanjkanje virov zahteva uporabo UI, ki podatke preračunava neprimerljivo hitreje kot človek in lahko določeno odločitev ponudi v nekaj sekundah.
Pametna mesta bodo tako uporabljala sisteme za upravljanje prometa, zmanjšanje zastojev, optimizacijo pretoka, povečanje varnosti in zagotavljanje zanesljivega urnika.
Sistem izkorišča potencial zbranih zgodovinskih podatkov za izdelavo natančnih napovedi, upošteva pa tudi tekoče podatke, od vremenske napovedi do družbenih dogodkov, kot so premični prazniki. Vključeval bo celo optimizacijo razporeda del na cestah, ki se bodo izvajala, ko bodo ceste najmanj zasedene in uporabljane.
Posamezniki bomo svoja potovanja lažje načrtovali vnaprej, bodisi počitnice bodisi vsakodnevne vožnje v službo. Podobno bo veljalo za optimizacijo prog in zmanjšanje gneče pri javnem prometu, tako pri cestnih kot železniških prevozih, kar bo omogočilo optimalno mobilnost za vse ljudi,« razlaga Rizman.
Splošna raba:
Sistemi za podporo odločanju. »Vse od sistemov za poslovno poročanje in poslovne analitike do odločanja na operativni ravni. Uporablja se tudi pri obdelavi dokumentov in pri upravljanju poslovnih procesov,« pravi Rizman.
Kibernetska varnost. »Rešitve že danes vsebujejo algoritme, ki pripomorejo k prepoznavanju varnostnih tveganj in so sposobne samodejno preprečiti ali vsaj zaznati neželeni potek dogodkov, ki ima lahko za posledico varnosti incident.
V primerjavi s prvotnimi strojnimi modeli učenja danes sodobne varnostne rešitve temeljijo na globokem učenju (angl. ‘deep learning’), saj morajo preprečiti številne variante različnih groženj, ki se lahko spreminjajo izjemno frekventno, in napade ničelnega dne (angl. ‘zero-day threats’),« pojasnjujejo v ADD.
Generativna umetna inteligenca. »Združuje moč strojnega učenja, globokega učenja in umetne inteligence za ustvarjanje besedila, videoposnetkov, zvoka, kode in slik.
V naslednjih letih bo vplivala na vsakodnevna opravila vsakega izmed nas, saj so s predstavitvijo generativnih jezikovnih modelov (Chat GPT, LLama, Bart) kot generativnih slikovnih modelov (Dall-E, Midjourney) tehnologije prihodnosti postale dostopne vsakemu posamezniku. S temi tehnologijami in znanji je mogoče izboljšati izkušnjo strank na različnih prodajnih kanalih, proces podpore strankam ter razumevanje njihovega vedenja in preferenc,« naprej naštevajo v ADD.
Pred kratkim so velikemu tujemu trgovcu z več kot 20 tisoč zaposlenimi pomagali bolje razumeti utrip in težave njihovih zaposlenih. »Naše analize slikovnih gradiv so že del prakse tudi pri zaznavi anomalij na posnetkih dronov, ki preverjajo stanje opreme na terenu,« dodajajo.
Sorodni prispevki
