Make Better Decisions with Generative AI-driven Answers from Unstructured Data

В рамках своей инициативы по трансформации AI-adoption в предприятиях, Qlik анонсировал Qlik Answers - умного knowledge-ассистента, предоставляющего персонализированные ответы на вопросы о неструктурированных данных в реальном времени. Qlik Answers позволяет бизнес-юзерам воспользоваться всей мощью GenAI и RAG (Retrieval Augmented Generation) "вшитых" в платформу по анализу данных.

Ассистент обеспечивает предоставление надежных и качественных ответов из частных, курируемых источников компаний, таких как библиотеки знаний и репозитории документов, гарантируя мгновенные и релевантные инсайты. Полная объяснимость ответов от Qlik Answers, в виде отсылок к реальным используемым данным, позволяет пользователям знать источники ответов умного ассистента и валидировать их прозрачность.

Data and AI are Helping to Get Medicines to Patients Faster

ГО применении данных, AI и суперкомпьютеров в медицине на практике Pfizer, где инновации ускоряют процессы от исследований и разработки до производства и коммерциализации.
- На примере с PAXLOVID, препаратом Pfizer по лечению COVID-19, суперкомпьютеры помогли оптимизировать поиск молекул, что позволило пациентам принимать препарат дома. Это, в свою очередь, значительно расширило доступ к лечению для миллионов людей во всем мире.

- ИИ и машинное обучение сократили время анализа данных клинических испытаний на 50% и используются в более чем половине клинических испытаний Pfizer. Для оптимизации производства PAXLOVID использовались данные и ИИ для анализа цепочек поставок, что привело к сокращению времени производственного цикла на 67% и увеличению выпуска на 20 000 доз за партию.

- На этапе доставки лекарств Pfizer применяла передовую аналитику для анализа данных сточных вод в США, выявив, что реальные показатели заражения COVID-19 были намного выше официальных данных. Эти данные помогли поддержать инициативы, такие как мобильные тестовые пункты и разрешение лицензированным фармацевтам назначать лечение.

Эти усилия позволили Pfizer не только быстрее разрабатывать инновации, такие как PAXLOVID, но и значительно улучшить доступ пациентов к необходимому лечению.

Как найти возможности для применения AI в вашем продукте

На примере работы комплаенс-менеджера SME-банка, статья разбирает фреймворк для выявления возможностей создания бизнес-ценности с помощью ИИ и помогает понять, можно ли (и нужно ли) применять ИИ в конкретных задачах, автоматизируя их частично.
Фреймворк рассматривает три основных шага на пути к оценке применения AI в организации:

1. Определение основных задач работы
Чтобы понять основные задачи, лучше всего провести несколько часов (или дней) со специалистами, которые выполняют эту работу, чтобы наблюдать за их типичными действиями и задавать вопросы.
2. Анализ задач для выявления потенциала ИИ
- Оценка потенциальных решений на основе ИИ: стоит использовать все доступные источники, такие как статьи по соответствующим темам, предыдущий опыт AI-команды, мозговой штурм с командой и т. д.
- Оценка экономических выгод: полезно четко сформулировать, как решение создает ценность для бизнеса и пользователей (увеличение дохода, снижение затрат, уменьшение времени на выполнение задачи и так далее).
- Оценка рисков: используйте приблизительные грейды низкий/средний/высокий с кратким объяснением выбора.
3. Валидация достижения максимальной бизнес-ценности от ИИ
Необходимо понять:
- Как менеджер будет получать доступ к результатам AI-решения?
- Как эти результаты будут представлены в интерфейсе?
- Как будет включен в рабочий процесс фидбек менеджера о результатах, сгенерированных AI?

В дополнение, читайте документ от Gartner о четырех ключевых элементах (Vision, Value, Adoption, Risks) любой стратегии ИИ, чтобы:
- Установить цели, преимущества и показатели успеха GenAI
- Связать свое видение GenAI с влиянием на бизнес
- Оценить и смягчить основные риски ИИ
- Приоритизировать инициативы GenAI

Artificial Intelligence at Procter & Gamble

AI-анализ в Procter & Gamble показал, что среднее время чистки зубов составляет всего 47 секунд, хотя пользователи заявляли, что чистят зубы в среднем две минуты или о том, насколько важен точный анализ поведения потребителей.

Традиционные методы сбора данных, такие как опросы и фокус-группы, оказались неточными в рамках юз-кейсов компании. Чтобы преодолеть этот разрыв, команда R&D P&G использует искусственный интеллект (AI) для анализа данных о реальном времени использования смарт-продуктов, таких как зубная щетка Oral BiO, освежитель воздуха Febreze NEW-AIRIA и другие.

AI и машинное обучение обрабатывают данные с сенсоров продуктов компании, собирая реальные поведенческие инсайты. Эти данные используются для создания новых продуктов и кастомизации существующих, и предоставляют обратную связь для инженеров и улучшенное понимание потребителей.

Иной ключевой областью применения AI в P&G является оптимизация цепочки поставок. Компания использует платформу KNIME для прогнозирования спроса и предложения, где анализируются данные о 5000 продуктах и 22000 компонентах.

В результате интеграции данных, анализа отчетов, и прогнозирования спроса, удалось сократить время на проверку данных с участием более 10 экспертов до нуля, а также уменьшить время ответа на запросы цепочки поставок с более двух часов до "немедленного" результата. Консолидация множества региональных встреч в одну глобальную также стала возможной благодаря использованию AI.