نقش هوش مصنوعي در هوش تجاري
پريسا حاجي‌محمدي
ابزارهاي هوش مصنوعي در حال تبديل شدن به بخش كليدي سيستم‌هاي هوش تجاري هستند، هم براي افزودن قابليت‌هاي جديد تجزيه و تحليل و هم ساده كردن وظايف كاربرد خواهند داشت. هوش تجاري به يك جزو حياتي در تصميم‌گيري سازماني تبديل شده است. سيستم‌هاي Business intelligence ياBI اگر به عنوان داشبوردهاي متمركز ساخته شده توسط تيم‌هاي IT و BI يا حتي اگر به عنوان برنامه‌هاي كاربردي مستقر شوند، يك ابزار استاندارد براي كاربران تجاري و مديران كسب و كارها هستند. با اين حال، هوش مصنوعي رابطه بين تصميم‌گيرندگان و داده‌هاي تجاري تجزيه و تحليل شده در سيستم‌هاي برنامه‌ريزي هوش تجاري را متزلزل مي‌كند.
هوش مصنوعي مزاياي بالقوه زيادي در كسب و كارها و كاربردهاي بسيار متنوعي دارد، برخي مكمل هوش تجاري و برخي ديگر در تضاد با آن عمل مي‌كنند. مي‌خواهيم بدانيم هوش مصنوعي چگونه مي‌تواند ارزش جديدي را هنگام ادغام با هوش تجاري در كسب و كارمان به ارمغان بياورد و با ادامه روند تركيب آنها به دنبال چه چيزي باشيم. مهم‌ترين سوال اين است كه بدانيم نقش هوش مصنوعي در هوش تجاري چيست؟ برنامه‌هاي كاربردي هوش تجاري، مانند داشبوردهاي BI و گزارش‌هاي تعاملي، بيشتر به جمع‌آوري و تجزيه و تحليل داده‌هاي قبلي به همراه اطلاعات فعلي براي دريافت تصويري از عمليات تجاري مربوط مي‌شوند كه به عنوان تجزيه و تحليل توصيفي شناخته مي‌شود يعني در واقع ما وضعيت كسب و كار را در حال حاضر و در گذشته توصيف مي‌كنيم. با اين حال، اين تنها نيمي از داستاني است كه بسياري از كاربران تجاري از داده‌هاي خود مي‌خواهند. آنها همچنين سيستم‌هاي تجزيه و تحليل داده‌ها را اينچنين مي‌خواهند كه به آنها بگويد چه اتفاقي ممكن است در آينده بيفتد يعني نياز به تجزيه و تحليل پيش‌بيني‌كننده دارند و در مورد ادامه مسير كسب و كار چه روند و چه كاري بايد انجام دهند، رويكردي كه گاهي اوقات آن را تجزيه و تحليل تجويزي مي‌نامند. در گذشته، مانع بزرگي براي استقرار موفقيت‌آميز چنين سيستم‌هايي وجود داشت: ساختن آنها و اغلب اوقات درك و عمل كردن به آنها پيچيده است.
هوش مصنوعي با قدرت تحليلي و تجربيات كاربر ساده شده مبتني بر پردازش زبان مي‌تواند به تغيير از رويكردهاي توصيفي به رويكردهاي پيش‌بيني‌كننده و در نهايت تجويزي كمك كند. اين امر به كسب و كارها امكان مي‌دهد تا روندها را پيش‌بيني كرده و اقدامات پيشگيرانه انجام بدهند. سيستم‌هاي هوش مصنوعي همچنين تجزيه و تحليل داده‌هاي فوري را فعال مي‌كنند كه ديدگاه به‌روزتري را در اختيار تصميم‌گيرندگان قرار مي‌دهد. علاوه بر اين، ادغام هوش مصنوعي در هوش تجاري مي‌تواند اتوماسيون فرآيندهاي كسب و كار را به ويژه براي كارهاي ساده يا معمولي تسهيل كند. انجام اين كار باعث ذخيره انرژي و بهبود كارايي كلي در شركت‌ها مي‌شود.
يكي از مزاياي استفاده از هوش مصنوعي در برنامه‌هاي كاربردي تجاري احتمالا توسط توسعه‌دهندگان و تحليلگران بررسي خواهد شد. اما برخي روندها در حال حاضر در حال ظهور هستند. به‌طور خاص مي‌توانيم به چهار مزيت زير اشاره كنيم:
٭ توانايي هوش مصنوعي براي خودكارسازي فرآيندها با حداقل مداخله انساني يك مزيت اقتصادي مهم است. بيشتر كار در تجارت شامل آماده‌سازي داده است كه مي‌تواند كاملا تكراري يا خروجي‌هاي مشخصي داشته باشد كه مورد نياز هر كسب و كاري است. هوش مصنوعي مي‌تواند هم آماده‌سازي داده‌ها و هم تجزيه و تحليل داده‌ها را به‌طور موثري خودكار كند و به كاربران تجاري در محيط‌هاي تجاري اين امكان را مي‌دهد تا بر وظايف استراتژيك كه به تجربه و دانش تجاري آنها نياز دارد، تمركز كنند. اين كار بهره‌وري كلي كسب و كار و روند آتي آن عملكرد استراتژيك سازمان را نيز بهبود مي‌بخشد.
٭ افزايش مسيرهاي تصميم‌گيري از تنوع‌هاي هوش مصنوعي است كه مي‌تواند الگوهاي پيچيده را حتي در حجم وسيعي از داده‌ها شناسايي كند و راهكار جديد بسازد. شركت‌ها مي‌توانند از الگوريتم‌هاي ماشين براي اجراي آزمايش‌هاي تحليلي، بررسي و كاوش سناريوهاي مختلف، روي پيچيده‌ترين مجموعه داده‌ها استفاده كنند و نتيجه يك رويكرد دقيق‌تر، تكرارپذيرتر و اغلب روشنگرتر است كه به تصميم‌گيري‌هاي تجاري بهتر كمك مي‌كند.
٭ چابكي كسب و كار از طريق اعمال قدرت عملياتي در زمان واقعي از توانايي‌هاي مشهود هوش مصنوعي با توجه به تجزيه و تحليل سريع داده‌هاست و كسب‌وكارها را قادر مي‌سازد تا به سرعت به تغييرات بازار واكنش نشان بدهند، در نتيجه تجزيه و تحليل‌ها بايد نسبتا ساده نگه داشته شوند تا جريان داده‌ها بيش از حد پيچيده نشود. هوش مصنوعي مديريت پيچيده‌تر داده‌ها را با عملكرد بالاتر امكان‌پذير و هوش تجاري در زمان واقعي اجراي عمليات را بسيار موثرتر مي‌كند.
٭ رابط‌هاي جست‌وجو كه توسط ابزارهاي هوش مصنوعي جديدتر پشتيباني مي‌شوند، تجربه بسيار ساده‌تري را براي كاربران تجاري كه با داده‌هاي BI كار مي‌كنند، فراهم مي‌كند. آنها ديگر نيازي به يادگيري زبان ماشين يا حتي نحوه استفاده از ابزارهاي تجسم داده ندارند. با هوش مصنوعي كاربران مي‌توانند با استفاده از واژگان تجاري خود با سيستم BI به زبان طبيعي صحبت كنند. همچنين درك نتايج تجزيه و تحليل آسان‌تر است و ويژگي‌هاي تجزيه و تحليل مبتني بر هوش مصنوعي مي‌توانند تجسم‌سازي ايجاد كنند و كد بنويسند تا تجزيه و تحليل‌هاي بيشتر انجام شود. اين افزايش دسترسي به قابليت‌هاي تجزيه و تحليل براي كاربران غيرفني مي‌تواند به توسعه يك فرهنگ واقعي در يك سازمان كمك كند.
دكتري كسب و كار حرفه‌اي DBA