Ο κάτοχος μιας σύγχρονης φορητής συσκευής αξιοποιεί καθημερινά σχεδόν τις εφαρμογές της τεχνητής νοημοσύνης, μια επιχείρηση όμως δεν είναι απαραίτητο να κάνει το ίδιο.
Κάναμε δύο αναζητήσεις με παράμετρο “business intelligence” και “artificial intelligence” και μας έδωσαν αντίστοιχα 428 εκατομμύρια και 300 εκατομμύρια links. Μια τρίτη αναζήτηση με παράμετρο “business analytics” μας έδωσε 817 εκατομμύρια links. Τα αποτελέσματα αφορούν το διάστημα από την “αρχή του κόσμου” από τότε δηλαδή που άρχισε να δημιουργεί εγγραφές η μηχανή αναζήτησης.
Στη συνέχεια προσπαθήσαμε να έχουμε αποτελέσματα μόνο για “το προηγούμενο έτος”, όμως σε αυτή την περίπτωση η μηχανή δεν δίνει τον αριθμό των links. Οπότε, πειραματικά δεν μπορέσαμε να στηρίξουμε τη θεωρία ότι τους περασμένους 12 μήνες, ο όρος artificial intelligence, παρά το γεγονός ότι είναι σαφώς λιγότερο ορισμένος από τον όρο “business intelligence” συζητιέται και προβάλλεται πολύ περισσότερο.
Υπάρχουν περιστατικά με διευθυντές επιχειρήσεων που έχουν ζητήσει από το τμήμα πληροφορικής να εντάξει την τεχνητή νοημοσύνη στο πρόγραμμα ανάπτυξης, θεωρώντας ότι όταν το έργο θα έχει ολοκληρωθεί, ο HAL θα δέχεται ερωτήσεις και θα δίνει απαντήσεις επί παντός θέματος. Η πραγματικότητα απέχει κατά πολύ από αυτήν την προσδοκία, δεδομένου ότι το σύνολο σχεδόν της επιστημονικής κοινότητας θεωρεί ότι η ανάπτυξη μιας γενικευμένης τεχνητής νοημοσύνης είναι ένα έργο πολύ δύσκολο ίσως και αδύνατο.
Επομένως, γιατί μια επιχείρηση, η οποία έχει επενδύσει ήδη σε business intelligence χρειάζεται τώρα να επενδύσει σε artificial intelligence; Η απάντηση είναι ότι “δεν είναι απαραίτητο”. Τα χρήματα που έχουν επενδυθεί για την εφαρμογή του business intelligence, εφόσον η υλοποίηση έχει γίνει σωστά, προσφέρουν ήδη σημαντικά οφέλη στην επιχείρηση. Οι αλγόριθμοι που χρησιμοποιούν αυτές οι εφαρμογές και βασίζονται κατά κύριο λόγο στη στατιστική ανάλυση, είναι πιθανό ότι κάνουν πολύ καλά τη δουλειά για την οποία τους πληρώσαμε.
Αν βέβαια θα θέλαμε ένα εργαλείο που θα μπορούσε να εντοπίζει αγοραστές στο κατάστημα μας, οι οποίοι έχουν μανία με συγκεκριμένα προϊόντα ή να δημιουργεί το προφίλ ενός ατόμου που καλεί για πληροφορίες στο call center της επιχείρησής μας, τότε μάλλον θα χρειαζόμασταν μια εφαρμογή που χρησιμοποιεί αλγόριθμους deep learning, δηλαδή μια εφαρμογή που είναι μια υποκατηγορία του ορισμού “Artificial Intelligence”.
Θα μπορούσαμε λοιπόν να πούμε ότι μια αρκετά σαφής διαφορά ανάμεσα σε μια εφαρμογή business intelligence και artificial intelligence, είναι ότι η πρώτη χρησιμοποιεί “δύσκολα” μαθηματικά για να κάνει κάποιες προβλέψεις και να ανακαλύψει μοτίβα μέσα από το χάος των δεδομένων, ενώ η δεύτερη κάνει το ίδιο για να μιμηθεί τον τρόπο λειτουργίας του ανθρώπινου εγκεφάλου και να πάρει αποφάσεις.
Μέσα από αυτήν την απλοϊκή ομολογουμένως ματιά, ένα bot που κάνει chat με τους χρήστες μιας υπηρεσίας, είναι επίσης μια εφαρμογή τεχνητής νοημοσύνης, κοστίζει φθηνά και ικανοποιεί την απαίτηση του διευθυντή μας να εντάξουμε την τεχνητή νοημοσύνη στο πρόγραμμα ανάπτυξης της επιχείρησης. Αυτό ωστόσο δεν ισχύει αν εργαζόμαστε για μια εταιρεία που προσφέρει υπηρεσίες ασφάλειας και πρέπει να ελέγχει φυσικούς χώρους για εισβολή ανεπιθύμητων ατόμων ή μια εταιρεία που παρέχει συμβουλευτικές υπηρεσίες σε αγρότες ή το τμήμα θεραπείας καρκίνου ενός ιατρικού κέντρου. Σε αυτές τις περιπτώσεις χρειαζόμαστε αρκετά ακριβότερες εφαρμογές, δεδομένου ότι οι αλγόριθμοι που έχουν σχεδιάσει διάφορες εταιρείες είναι κλειστοί και αυτούς πρακτικά πουλάνε, για να μπορέσουμε να κάνουμε εργασίες που θα ήταν δύσκολο να κάνει ένας άνθρωπος ή ακόμα και μια ομάδα ανθρώπων.
Επομένως μια σωστή επένδυση σε εφαρμογές business intelligence θα μπορούσε να αποτελέσει το θεμέλιο λίθο, πάνω στον οποίο θα χτιστεί το οικοδόμημα των εφαρμογών artificial intelligence. Σύμφωνα με τον Michael F. Gorman, καθηγητή operations management και decision science στο πανεπιστήμιο Dayton στο Οχάιο, “οι εφαρμογές business intelligence δε σου λένε τι να κάνεις, αλλά τι ήταν και τι είναι”. Δηλαδή μετατρέπουν δεδομένα που έχουν πολύ “θόρυβο” σε αξιόλογες πληροφορίες, αλλά δεν προσφέρουν ξεκάθαρες συμβουλές για το πως αυτές οι πληροφορίες μπορούν να αξιοποιηθούν στη λήψη αποφάσεων.