Podczas ostatnich wizyt na konferencjach klientów w Londynie dwóch czołowych dyrektorów Oracle przedstawiło wszechobecność GenAI jako przewodni motyw oferty aplikacji biznesowych dostawcy.
Niedawno Evan Goldberg, wiceprezes wykonawczy Oracle NetSuite, powiedział, że nadal znajdujemy się na etapie początek ery sztucznej inteligencji„nigdzie w pobliżu południa”.
W wywiadzie udzielonym mi w SuiteConnect London powiedział, że chociaż NetSuite „klienci wyrazili pewne obawy dotyczące GenAI, ogólnie rzecz biorąc, korzystanie z tych narzędzi, wypróbowywanie ich i eksperymentowanie z nimi jest po prostu ekscytujące”.
Goldberg podzielił się również informacją, że pracownicy wsparcia dostawcy zgłaszają korzyści związane z oszczędnością czasu i produktywnością wynikające ze stosowania GenAI. „Robią więcej, mogą poświęcić czas na poznanie nowych możliwości NetSuite. Czasami trzeba to zredagować, ale to i tak lepsze niż pisanie całości”.
A szerszy obraz jest taki, powiedział: „nie ma głupiej wersji NetSuite”. GenAI wszędzie jest refrenem dostawcy. „Dodatkowo będzie szybciej i taniej. Daleko nam do maksymalnego wykorzystania pojemności naszego centrum danych w przypadku osób korzystających z NetSuite”.
Przyznaje, że jest zaskoczony tym, jak dobre jest GenAI, o czym sam się przekonał, gdy musiał napisać scenariusz wspierający korzystanie przez firmę jego żony z NetSuite. Najpierw zrobił to ręcznie, potem użył narzędzia GenAI – „i udało się”.
Zwrócił jednak uwagę na obecnie mało zrozumiałe ograniczenie generatywnej sztucznej inteligencji – niemożność zrozumienia danych biznesowych jako takich: liczb.
Poszukiwanie modelu wielkoliczbowego
Znowu Golberg i warto go tu dosłownie zacytować:
„Myślę, że rzeczą, której tak naprawdę jeszcze nie widzieliśmy, a która będzie rewolucyjną zmianą, będzie analiza danych biznesowych i wykorzystanie danych biznesowych, ponieważ nie skupiano się na tym aż tak bardzo.
„I staramy się skupić na tym większą uwagę [at NetSuite]. Przeszukujemy krajobraz w poszukiwaniu badań i małych firm, które robią interesujące rzeczy z danymi biznesowymi do prognozowania i automatyzacji, a także rzeczy, które nas niepokoją. Współpracujemy z firmami takimi jak Cohere, aby zastanowić się, jakie jest najlepsze miejsce na zastosowanie ich technologii w biznesie, gdzie liczą się liczby. Duże modele językowe z definicji dotyczą języka.
„Powiedziałbym, że potrzebujemy modelu wielkoliczbowego. Potrzebujemy modeli i technologii AI, które poradzą sobie ze skomplikowanymi danymi biznesowymi. Harmonizacja danych biznesowych to coś, na co zawsze chcieliśmy mieć możliwość zbiorczej analizy naszych klientów, a także umożliwienia im umieszczania swoich danych w anonimowej puli i wyciągania na ich temat wniosków. Jednak dane każdej firmy są nieco inne. Wygląda na to, że sztuczna inteligencja ma wiele możliwości zharmonizowania tego i wyciągnięcia inteligencji z zagregowanych danych”.
Wprowadzanie GenAI do Fuzji
Steve Miranda, wiceprezes wykonawczy ds. rozwoju produktów Oracle Applications, w przeddzień wydarzenia Oracle CloudWorld w Londynie, które miało miejsce wcześniej w 2024 r., podzielił się ze mną swoimi przemyśleniami na temat sytuacji IT przedsiębiorstw w odniesieniu do GenAI.
Najpierw stwierdził, że pakiet aplikacji Oracle Fusion zawiera już wiele funkcji sztucznej inteligencji „od planowania łańcucha dostaw po optymalizację produktów. Ale uwaga skupiona jest na Dodaliśmy około 50 funkcji GenAI [in late 2023/early 2024]. Są to niezwykle popularne funkcje wśród naszych klientów”. Przytoczył ulepszenia obsługi klienta, lepsze często zadawane pytania, a także wykorzystanie wyszukiwania wektorowego w celu porównania podobieństw zgłoszeń serwisowych i ich ulepszenia.
Pełna lista Możliwości GenAI ogłoszone przez firmę Oracle w połowie marca 2024 r uzupełnia szczegółowo to, o czym Miranda mówiła w tym wywiadzie.
W rozmowie postawiłem mu dość popularna teza branży IT w biznesie że choć rok 2023 był rokiem przełomowym dla generatywnej sztucznej inteligencji, to rok 2024 będzie rokiem, w którym udowodni ona swoją wartość biznesową. Powiedział: „To wydaje się słuszne. Moje jedyne wątpliwości to to, że w pełni oczekuję, że w tym roku dokonamy iteracji zarówno w zakresie silników GenAI, jak i przypadków użycia, gdy nasi klienci dostaną je w swoje ręce i zyskają pewne pomysły. A potem adoptujemy, dostosowujemy i idziemy dalej.
„Ale powiedziałbym, że jeśli chodzi o same stanowiska pracy, sztuczna inteligencja pokolenia radzi sobie równie dobrze, a może nawet lepiej, niż ludzie mogliby wykonać w ułamku czasu. Zatem zdecydowanie mamy tu do czynienia ze wzrostem produktywności. Myślę, że w tym roku i w przyszłości będziemy coraz bardziej zagłębiać się w tę wartość.
„Wszystko opiera się na przypadkach użycia. Istnieją przypadki użycia, w których sztuczna inteligencja Gen jest bardzo dobra. Istnieją przypadki użycia, w których inne nauczanie maszynowe algorytmy są bardzo dobre. Zatem jedną częścią jest znalezienie odpowiedniego przypadku użycia. I wtedy jest [a matter of] dojrzałość modeli. I znowu dokładność modeli i to, jak bardzo można na nich polegać. Im dokładniejszy i lepszy, wiesz, tym większą automatyzację uzyskasz. Dlatego wybraliśmy przykłady, które zrobiliśmy, pomagając w rekrutacji, pomagając w odpowiadaniu na pytania serwisowe, sporządzając raporty narracyjne. GenAI jest bardzo dobry, jak sama nazwa wskazuje, w generowaniu języka. To właśnie tam nastąpiło największe przyspieszenie w zeszłym roku.
GenAI w BI
Najnowsze badanie przeprowadzone przez Grupę ds. Strategii Przedsiębiorstw TechTarget: „Stan platform analitycznych i Business Intelligence” zdaje się potwierdzać tę historię o tym, że generatywna sztuczna inteligencja nie straciła swojego blasku i osiąga stały postęp w firmach w Ameryce Północnej – choć zawsze możemy spodziewać się szybkiego naśladowania w Wielkiej Brytanii i Europie kontynentalnej.
W szczególności badanie przeprowadzone przez mojego kolegę Mike’a Leone, głównego analityka,
AI Software and Services, Enterprise Strategy Group odkryła, że 39% ankietowanych organizacji wykorzystuje generatywną sztuczną inteligencję do celów analitycznych i BI, a 41% korzysta rozszerzona analityka – ogólnie rzecz biorąc, wspomagane przez uczenie maszynowe. Stwierdzono, że wykorzystanie GenAI gwałtownie rośnie, a przypadki użycia GenAI w zarządzaniu danymi i poszerzaniu analityki, od wizualizacji danych (obecnie w użyciu, 40%), poprzez generowanie kodu (38%), po podsumowanie wyników (35%) i inne przypadki użycia.
Punkt widzenia
To, co dzieje się z dużymi modelami językowymi, jest zdumiewające, ale Golberg wyraźnie zauważa, że dane biznesowe wymagają innego podejścia, a nie generującego język. Być może jest to efekt sceptycyzmu zrodzonego podczas mojej kariery dziennikarskiej, ale nadal jestem ostrożny wobec wspomagania GenAI, przynajmniej w odniesieniu do IT dla przedsiębiorstw. Może się jednak zdarzyć, że GenAI stanie się jedynie technologią wspomagającą, taką jak przetwarzanie tekstu lub arkusze kalkulacyjne lub automatyczna korekta wiadomości tekstowych: co jest ledwie niezwykłe. A może jesteśmy, jak sugeruje Evan Goldberg, dopiero u progu nowej, wspaniałej ery GenAI?