Máme AI i data. Proč pořád nevíme dost?

Problém často není v nedostatku informací. Naopak. Informací je příliš mnoho a jsou rozptýlené v desítkách systémů, databází, dokumentů, e-mailů nebo specializovaných aplikací. Každý systém přitom ukazuje pouze část reality. Teprve jejich propojením může vzniknout obraz, který dává smysl.

A právě tady začíná být důležitý kontext.

Správná odpověď nemusí být správným rozhodnutím

Představme si jednoduchou situaci. AI dostane dotaz týkající se konkrétního zákazníka. V jedné databázi najde aktuální smlouvu, v jiné historii komunikace, několik relevantních dokumentů a informace o předchozích událostech.

Každá jednotlivá informace může být správná. Pokud je ale AI neumí spojit a zasadit do souvislostí, může vytvořit odpověď, která bude fakticky přesná, ale pro rozhodování zavádějící. Čím přesvědčivěji AI odpovídá, tím důležitější je vědět, z jakých informací její odpověď vychází a jaké souvislosti při tom zohledňuje.

Budoucnost proto nebude stát pouze na tom, kdo má více dat nebo výkonnější model. Rozhodující bude schopnost připravit pro AI kvalitní informační prostředí, ve kterém dokáže rozlišit, co spolu souvisí, co je aktuální, co je pouze historické a které informace jsou pro konkrétní otázku skutečně relevantní.

Data bez souvislostí zůstávají jen daty

Ve firmách se o datech často uvažuje především z pohledu jejich ukládání, bezpečnosti a dostupnosti. To jsou samozřejmě základní předpoklady. Pro skutečné využití dat je ale stejně důležité umět mezi nimi hledat vztahy.

Může jít o zdánlivě nesouvisející informace, které teprve ve vzájemném propojení odhalí důležitou skutečnost. Nestačí proto pouze „najít dokument“. Potřebujeme vědět, co dalšího s nalezenou informací souvisí, odkud pochází, jak se změnila v čase a jak zapadá do širšího obrazu.

Tento posun je významný i pro práci analytiků. Jejich úkolem už není jen procházet stále větší množství materiálů. Hodnota jejich práce vzniká především ve chvíli, kdy dokážou z množství informací oddělit podstatné od nepodstatného, odhalit souvislosti a vytvořit z nich podklad pro rozhodnutí. AI může tuto práci výrazně urychlit. Nemůže ale nahradit kvalitní kontext, který nemá k dispozici.

AI proto nezačíná u modelu

Při zavádění AI se pozornost zpravidla soustředí na výběr modelu, technologii nebo samotnou aplikaci. Důležitá otázka ale zní: z jakých informací bude AI vycházet?

Pokud jsou podniková data izolovaná, nekonzistentní nebo bez vzájemných vazeb, nepomůže ani velmi výkonný model. AI může zpracovat pouze to, co jí dokážeme relevantně zpřístupnit a co umí správně zasadit do kontextu.

Proto se do popředí dostává schopnost propojovat strukturovaná i nestrukturovaná data, pracovat s jejich významem a hledat vztahy napříč různými zdroji. Nejde přitom o další datové skladiště. Důležitá je vrstva, která umožní nad existujícími informacemi hledat souvislosti a pracovat s nimi podle konkrétního úkolu.

Právě tady se potkává svět klasické analytiky s umělou inteligencí.

Od hledání informací k jejich pochopení

Technologie pro vyhledávání a analýzu informací existují desítky let. AI jejich význam nezrušila. Naopak ukázala, jak zásadní je mít kvalitní informace připravené v podobě, se kterou lze skutečně pracovat.

Vývoj tak podle všeho nesměřuje od vyhledávání k AI, ale spíše od vyhledávání přes analýzu až k porozumění souvislostem. To mění i způsob, jak bychom měli o podnikových datech přemýšlet.

Nestačí mít co nejvíce dat ani pouze položit AI otázku a dostat okamžitou odpověď. Skutečnou hodnotou je schopnost dát správným informacím správný kontext a umožnit člověku i AI vidět souvislosti, které by jinak zůstaly skryté.

AI tedy nepotřebuje jen data. Potřebuje vědět, co znamenají, jak spolu souvisejí a proč jsou důležitá.

V tom může být rozdíl mezi AI, která pouze odpovídá, a AI, jež skutečně pomáhá rozhodovat.