Novinky ze světa AI, BI a chatbotů

Asociace za lepší ICT řešení přináší pravidelné shrnutí zajímavých článků z odborného tisku a specializovaných webů za první čtvrtletí roku 2022 z oblasti AI, BI a chatbotů - zaměřeno na budoucnost business intelligence, těžbu firemních procesů a testování softwaru s využitím virtualizace.

Jak bude vypadat budoucnost Business Intelligence

Firmy se v současné době snaží o demokratizaci dat, neboli o odstranění překážek, které brání přístupu k datům a jejich interpretaci v reálném čase. Je to nutné z důvodu toho, že s daty bude v budoucnosti pracovat stále více lidí. Budou vznikat multifunkční týmy, které se zaměří na zlepšení analytických dovedností, správu a kvalitu dat.

Analytika se postupně přesune do cloudů, a to kvůli uspokojení vyšších nároků na zpracovávaný objem dat a poskytnutí pokročilých funkcí. Podniky také budou hledat rovnováhu mezi flexibilitou a správou svých dat. Díky kompozitní analytice nakonec získají obojí.

V budoucnosti se také změní distribuce práce mezi a IT oddělením a běžnými firemními uživateli. Základním problémem demokratizace dat je zachování jejich konzistence neboli jak mít jediný správný zdroj pravdy pro celou organizaci. Firmy, které to zvládnou, získají obrovskou konkurenční výhodu.

Se sblížením světa analytiků a běžných uživatelů pomáhá nový přístup, kompozitní datová analytika, která je propojena s otevřenou formou Business Intelligence, tzv. headless BI.

Headless BI zajistí, že všichni koncoví uživatelé budou pracovat s jednoduchými daty, a přitom poskytne každému přesně to co potřebuje, díky jedinému zdroji metrik a sdílenému sémantickém modelu.

Všechny analytické výstupy tak pracují se stejnými výpočty a datovými sadami.

Virtualizace urychluje testování softwaru

Pokud společnost vyvíjí aplikace, které se připojují k více mikroslužbám, rozhraní API pro SaaS, zastaralým systémům nebo k dalším službám třetích stran, může být obtížné vytvořit robustní testovací prostředí. Platforma pro virtualizaci služeb a rozhraní API se snaží tyto složitosti vyřešit vytvořením a simulováním rozhraní API a koncových bodů služby.

Namísto spuštění testovacího prostředí slouží platforma virtualizace služeb jako koncové body pro testování závislých aplikací a kompozitních služeb a reaguje na požadavky a transakce připojující se aplikace či služby.

Virtualizace služeb pomáhá při primárním využití ke zlepšení spolupráce mezi hlavními a závislými systémy. Aktualizace jsou okamžité a dodávky je možné výrazně zrychlit. Výsledkem je dobře vytvořený systém a rychlejší uvádění aktualizací na trh.

Výhodou použití platformy virtualizace služeb je to, že virtualizace služeb je přirozeným rozšířením vývoje testovacích jednotek a zavádění průběžného testování pro mikroslužby.

Další výhodou je to, že vrstvy virtualizace služeb zjednoduší testování vůči více verzím rozhraní API zpřístupněním koncových bodů pro všechny podporované verze.

Virtualizaci služeb lze i balíčkovat se sadami testovacích dat a používat k validaci transakcí a při provozu v cloudu mohou virtualizační platformy zvyšovat nebo snižovat kapacitu na základě testovacího objemu.

Jak vypadá těžba firemních procesů

Umělá inteligence doposud fungovala jako nástroj, který může vyplnit mezery ve velkém schématu automatizace. Protože zaměstnanci často při některých úkolech procházejí mezi systémy, nebo dokončí akci, kterou je obtížné digitálně zachytit, blokuje to schopnost umělé inteligence plně pochopit proces ve všech jeho částech.

Identifikace všech úloh a jejich propojení do pracovního toku se nazývá těžba procesu. Jakmile se firemní proces identifikuje a vytěží, může následně systém monitorovat a řešit problémy u jednotlivých instancí takového procesu, nebo procesy doladit na základě průběžné zpětné vazby.

Najít a uspořádat všechny protokoly procesů zůstává časově náročným manuálním procesem. Společnosti které začaly používat RPA (Robotic Process Automation - robotická procesní automatizace), mají stále velký problém s úlohami mimo základní systémy.

Náhradní metody jako je extrakce obsahu webu nebo OCR jsou jen dočasnými řešeními.

AI pro těžbu procesů a automatizaci pracovních toků je stále tedy v raných fázích. Hlavní dodavatelé RPA ale vytvářejí nebo kupují funkce těžby procesu a investují do AI.

Podobně posilují i firmy jako IBM, SAP nebo Microsoft.