Расширенная аналитика (augmented analytics) получила свое название от добавления искусственного интеллекта к человеческому анализу данных. Генеративный ИИ (GenAI) открывает эру разговорной аналитики. Опрошенные порталом InformationWeek эксперты рассказывают, как развивается эта сфера.

Платформы аналитики и бизнес-аналитики (analytics and business intelligence, ABI) продолжают развиваться во многих направлениях, например, расширяя круг людей, которые могут их использовать, ускоряя процесс получения инсайтов, повышая точность и ценность результатов. В последние несколько лет современные ABI-платформы называют «расширенной аналитикой», поскольку производители добавляют в свои продукты ИИ, чтобы люди могли дополнять свой анализ с его помощью.

До появления генеративного ИИ (GenAI) платформы ABI уже использовали обработку естественного языка и машинное обучение для понимания запросов и объяснения результатов анализа. С тех пор в ABI-платформах появились возможности GenAI, хотя они, как правило, различаются по уровню зрелости ИИ и GenAI.

В конечном итоге цель одна: предоставить своевременные и точные инсайты большему числу пользователей.

Изменения, которые обеспечивает GenAI

GenAI позволяет организациям делать больше с помощью ABI-платформ, например, генерировать свои истории, основанные на данных, метаданные и код; создавать резюме и раскадровки; предоставлять автоматизированные аналитические инсайты на основе ИИ, с приборной панелью или без нее. Кроме того, GenAI можно использовать для опроса данных. Эти достижения стали возможны благодаря использованию собственных и сторонних больших языковых моделей (LLM). Поставщики платформ также продолжают приобретать точечные решения, которые делают ABI-предложения более комплексными, в их число теперь входят и продукты GenAI-компаний.

В итоге организации могут делать больше с данными, и не в последнюю очередь это касается поддержания разговора с сохранением контекста.

«Расширенная аналитика — один из основных способов применения ИИ. Мы держимся подальше от использования GenAI для создания контента или общения, но считаем, что ИИ может быть фантастическим инструментом для анализа данных, — говорит Эдвард Тян, генеральный директор компании GPTZero, которая обнаруживает GenAI в письменном контенте. — Особенно важно то, что он генерирует действительно ценные инсайты. Он может находить закономерности и использовать алгоритмы для выявления таких моментов, которые мы сами могли бы и не заметить, и это помогает нам принимать наиболее обоснованные решения».

Доморощенные решения также приносят пользу

Платформа для кредитования малого и среднего бизнеса Credibly смогла успешно дополнить свою внутреннюю аналитику с помощью GenAI. Компания экспериментировала с векторными базами данных и генерацией с расширенным поиском, чтобы разработать более надежные бизнес-профили своих приложений. По словам Райана Розетта, одного из генеральных директоров и основателя компании, подобная продвинутая благодаря сочетанию GenAI и контролируемых моделей аналитика позволила сократить время одобрения кредита, повысить точность оценки рисков и глубже понять клиента. «GenAI выводит нашу внутреннюю бизнес-аналитику на новый уровень», — говорит он.

Самым важным нововведением для Credibly стало обнаружение реальных сценариев использования, в которых GenAI и контролируемые модели сочетаются для получения более точных результатов. «Мы не вскочили в вагон ИИ и не стали набрасываться на всевозможные сценарии использования, чтобы посмотреть, что из них получится. Мы постоянно экспериментируем, сравниваем результаты и выясняем, как GenAI может работать с существующими моделями и как они могут сделать друг друга лучше», — говорит Розетт.

Как кредитная платформа, Credibly должна уметь быстро и точно оценивать риски владельцев бизнеса, желающих получить финансирование. Для этого компания разработала методику корректировки рисков на основе внешних данных, создала собственную поисковую систему с использованием GenAI, которая быстро получает и обобщает метаданные из внешних и внутренних источников, и объединила ее с автоматизированными моделями машинного обучения, чтобы обеспечить более точные, скорректированные по рискам определения для использования при андеррайтинге.

«Одним из главных преимуществ стало повышение скорости и точности, а также устранение затрат, связанных с ручным анализом, чтобы наши андеррайтеры могли работать более продуктивно. Производительность труда и доход на одного сотрудника увеличились, когда мы подключили несколько сценариев использования, — говорит Розетт. — В одном из примеров мы смогли снизить сложность с нескольких тысяч отборов до менее чем ста, а время поиска благодаря автоматизации улучшилось с нескольких минут на сделку до менее чем 30 секунд. В другом случае мы смогли сократить количество наших офшорных заказов, вернув работу местным сотрудникам за счет исключения ручного этапа процесса и использования модели GenAI для выдачи рекомендаций на рассмотрение».

Конечно, на этом пути не все было так радужно. Смягчение галлюцинаций, принятие недетерминизма и GenAI пользователями могут быть сложными задачами. «Важно, чтобы пользователи были вовлечены в процесс внедрения моделей GenAI, потому что обучение требует больших усилий, — говорит Розетт. — Использование существующих баз данных и контролируемых моделей для ранжирования ответов также помогает уменьшить проблемы, связанные со смягчением галлюцинаций и недетерминизмом».

Итог

GenAI пробивает себе дорогу во все типы приложений, включая аналитику и BI. Его добавление позволяет расширить возможности естественного языка, что приносит пользу аналитикам и специалистам в области науки о данных, как профессиональным, так и гражданским.

Возможности GenAI и степень их использования варьируются от вендора к вендора и внутри предприятий, но дело движется быстро. GenAI может выглядеть временным конкурентным преимуществом, но вскоре он станет таким же общим местом в сфере ABI, как предиктивная аналитика, визуализация данных и информационные панели.