Ponieważ firmy chcą uzyskać jak największą wartość ze swoich danych, inwestycje w infrastrukturę chmurową, od systemów zarządzania relacjami z klientami (CRM) po pocztę elektroniczną i punkty sprzedaży, mogą pomóc w zwiększeniu dostępności danych i wzmocnieniu innowacji, mówi Anil, dyrektor ds. Nagaraj i dyrektor Microsoft ds. zarządzania produktami Azure Synapse Analytics i Power BI, Kim Manis.

Przytłoczone przestarzałymi systemami i szybko rosnącymi wolumenami danych, wiele firm zaczęło migrować do infrastruktury chmurowej, aby zmodernizować swoją platformę. Według Manisa, najbardziej oczywistymi korzyściami płynącymi z przejścia do chmury są szybkość i czas wprowadzania produktów na rynek, ponieważ platformy chmurowe pozwalają firmom skupić się na podstawowych potrzebach i klientach, a nie na infrastrukturze i integracji.

Chociaż migracja do chmury może pomóc firmom skoncentrować się na ich podstawowych kompetencjach, udostępnienie danych jest kluczem do tego, by stać się opartym na danych.

„Najważniejszą rzeczą jest budowanie tej kultury danych” — mówi Manis. „Osoby podejmujące codziennie decyzje w Twojej firmie faktycznie korzystają z tych danych. Nie ma więc znaczenia, ile masz danych ani ile metryk jest śledzonych gdzieś w niektórych arkuszach kalkulacyjnych, jeśli nikt tak naprawdę nie używa ich do podejmowania decyzji”.

Wiodące w branży praktyki wzmacniania kultury danych i podejmowania decyzji w czasie rzeczywistym, mówi Nagaraj, obejmują wspieranie zespołów w całym przedsiębiorstwie danymi, tworzenie kultury otwartości i przejrzystości oraz zachęcanie do nowych innowacji z wykorzystaniem zoptymalizowanych danych.

„Myślę, że musimy przełamać te bariery, aby upewnić się, że dane są naprawdę dostępne dla końcowych użytkowników biznesowych dzięki wielu doświadczeniom, które możesz zapewnić” — mówi Nagaraj.

Technologie takie jak sztuczna inteligencja i uczenie maszynowe mogą pomóc w tworzeniu nowych innowacji biznesowych i poprawie umiejętności korzystania z danych bez pośrednictwa analityków danych. Jednak poza utrzymaniem interoperacyjności między powstającymi technologiami z migracją do chmury firmy, zwłaszcza z sektora finansów i opieki zdrowotnej, powinny również skupić się na zarządzaniu danymi.

„Myślę, że aby te możliwości sztucznej inteligencji działały, wszystko sprowadza się do tego, aby dane były przede wszystkim zaufane i miały odpowiednią strukturę” — mówi Manis. „Nikt nie zaufa nowym funkcjom sztucznej inteligencji, jeśli nie ufa danym. I tu właśnie pojawia się element zarządzania”.

Patrząc w przyszłość, Nagaraj prognozuje, że wspólne dane między branżami i klientami mogą pomóc w podejmowaniu krytycznych decyzji.

Ten odcinek Business Lab jest produkowany we współpracy z PwC.

  Pełny transkrypcja

Laurel Ruma: Nazywam się Laurel Ruma z MIT Technology Review, a to jest Business Lab, program, który pomaga liderom biznesu zrozumieć nowe technologie wychodzące z laboratorium i wprowadzane na rynek.

Naszym dzisiejszym tematem jest modernizacja danych w chmurze. W miarę rozpadu silosów danych i otwierania się przepływu informacji, przetwarzanie w chmurze staje się kluczowym czynnikiem umożliwiającym podejmowanie decyzji w back office i front office. Dane i rozwiązania analityczne oparte na chmurze mogą pobudzić innowacje i wzbogacić inteligencję w całym przedsiębiorstwie.

Dwa słowa dla Ciebie: zasilane danymi.

Moimi gośćmi są Anil Nagaraj i Kim Manis. Anil jest dyrektorem w dziale analitycznym w PwC. Kim jest dyrektorem ds. zarządzania produktami w usłudze Azure Synapse Analytics i Power BI w firmie Microsoft.

Ten podcast jest sponsorowany przez PwC. PwC i Microsoft wspólnie pomagają firmom zidentyfikować biznesowe uzasadnienie transformacji. Aby dowiedzieć się więcej, odwiedź pwc.com/us/microsoftanalytics.

Witamy, Kim i Anil.

Kim Manis: Dzięki. Cieszę się że tu jestem.

Anil Nagaraj: Dziękuję. Wspaniale jest być częścią tego podcastu.

Laur: Więc Anil, zacznijmy od ciebie. Mówiąc o modernizacji danych w chmurze, czy mógłbyś opisać, jak mogłaby wyglądać migracja do platformy chmurowej? Powiedzmy, że typowa firma z wieloma starszymi systemami i danymi oraz silosem przenosi się na tę nowoczesną platformę, aby tworzyć analizy i podejmować decyzje w czasie rzeczywistym.

Anil: To świetne pytanie. W rzeczywistości wielu naszych klientów ma podobne pytanie. Rozmawialiśmy z wieloma z nich w podobnych kwestiach. Pozwól mi to rozbić. Klienci od wielu lat zmagają się z rozproszonymi danymi w różnych technologiach, przeszli przez fuzje i już mieli duży bałagan, jak wykorzystać dane do podejmowania decyzji. A potem nastąpiła wielka fala migracji, a nie modernizacji, powiedziałbym, że migracja skupiała się głównie na oszczędnościach kosztowych dzięki drogim platformom on-premise lub była również wyzwalana przez niektóre scenariusze końca życia drogich MPP on-premise systemy [przetwarzania masowo równoległego], jeśli wolisz. Tak więc pierwsza fala migracji już się wydarzyła, a klienci boleśnie zdali sobie sprawę, że tak naprawdę nie rozwiązało to scenariuszy biznesowych pod względem odpowiadania na ich pytania, dając im możliwości generowania spostrzeżeń w celu dalszego rozwoju ich działalności. I właśnie tam naprawdę postrzegamy przejście od migracji do modernizacji jako podróż samą w sobie.

Modernizacja naprawdę polega na skupieniu się na potrzebach biznesowych, a my jesteśmy w trakcie dużych operacji łańcucha dostaw finansowych, transformacji związanych z podatkami z wykorzystaniem danych cyfrowych i podejściem analitycznym. Te programy transformacji zawsze opierają się na platformie chmurowej, takiej jak Microsoft Azure, która pomaga w generowaniu korzyści biznesowych w czasie rzeczywistym, w kierunku których naprawdę pomagamy naszym klientom w modernizacji. Odpowiada na pytania biznesowe, a ekosystem analityczny cieszy się zaufaniem firm i jest odpowiednio dobrany pod względem technologii w zależności od potrzeb. Tak bym to ujął. Z punktu widzenia korzyści biznesowych przechodzimy od podejścia migracyjnego do podejścia modernizacyjnego.

Laurel: I Kim, pracowałeś nad wszelkiego rodzaju produktami, od oprogramowania, przez sieci społecznościowe, po sprzedaż online. W jaki sposób przejście do chmury może pomóc firmom i pracownikom w opracowywaniu nowych produktów i zachęcaniu do tego rodzaju innowacji?

Kim: Wszystko zależy od szybkości i czasu wprowadzenia na rynek. W każdej firmie chcesz spędzać czas na swoich kluczowych kompetencjach, chcesz spędzać czas na swoich klientach. Nie chcesz spędzać czasu na infrastrukturze lub integracji. Tak więc przejście do chmury naprawdę oferuje możliwość odciążenia wielu rzeczy, które nie są kluczowe dla Twojej firmy, i pozwala działać szybciej, a także pozwala wypróbować nowe rzeczy, aby uzyskać najnowsze i najlepsze innowacje, ponieważ chmura jest miejscem, w którym wszystko to nadchodzi. Dla mnie najbardziej oczywistą zaletą chmury jest po prostu szybkość i czas wprowadzenia produktu na rynek.

Laurel: Anil mówił trochę więcej o tych danych i ich bałaganie oraz silosach danych, ale także o fuzjach i przejęciach oraz innych rodzajach funkcji biznesowych, które dają przedsiębiorstwom tę pulę danych, która może nie być w najlepszym stanie, jakiego by sobie życzyli. Co tu się dzieje? W jaki sposób pomaga to firmie znaleźć się w lepszym miejscu i uciec od tego rodzaju rzeczy, które, jak powiedziałeś, nie są kluczowe dla biznesu?

Kim: Tak. Mam na myśli to, że wszystko opiera się na danych. A najważniejszą rzeczą tutaj jest budowanie kultury danych, praca z danymi, używanie danych. Ze wszystkich stron napływa mnóstwo danych. Można śledzić miliard metryk w lewo iw prawo, ale jeśli nikt tego nie używa, czy drzewo upadające w lesie wydaje dźwięk? Najważniejszą rzeczą jest budowanie tej kultury danych. Osoby podejmujące codziennie decyzje w Twojej firmie faktycznie korzystają z tych danych. Nie ma więc znaczenia, ile masz danych ani ile metryk jest śledzonych gdzieś w niektórych arkuszach kalkulacyjnych, jeśli nikt tak naprawdę nie używa ich do podejmowania decyzji.

Laurel: Budowanie kultury danych jest więc bardzo ważne. Ale jakie są niektóre z tych trudnych rzeczy, które mogą stanowić wyzwanie w budowaniu tej kultury danych, aby stała się oparta na danych?

Kim: Myślę, że naprawdę trudną i ważną częścią jest upewnienie się, że zgadzasz się co do tego, jakie kluczowe wskaźniki mają być śledzone, zarówno zgadzając się, czym one są, jak i zgadzając się, czym nie są. Możesz także śledzić tysiące różnych wskaźników, co również nie jest pomocne. Upewnienie się, że wszyscy w organizacji, od najwyższego do najniższego szczebla, od dyrektora generalnego po pracownika pierwszej linii, wszyscy wiedzą, jakie są nasze cele w zakresie tych danych. I znowu, mają do tego dostęp i mają do niego dostęp tam, gdzie wykonują swoją pracę. Pracuję w Power BI i jednym z przykładów jest to, że mamy aplikacje mobilne i wielu klientów detalicznych, w przypadku których ludzie zaopatrują półki w firmie detalicznej i muszą spojrzeć na te dane, aby zrozumieć, co powinno znaleźć się na górze półka kontra dolna półka? Kiedy powinienem go uzupełnić? O której porze dnia? O której porze tygodnia? Więc wszystkie te rzeczy, które dane muszą wykorzystać i muszą zostać wykorzystane w kontekście, gdzie te decyzje są podejmowane.

Laurel: Anil, co sądzisz o tej potrzebie zmiany kultury w organizacji? Jakie są niektóre z tych najlepszych praktyk dla liderów, którzy chcą, aby ich organizacje były bardziej oparte na danych, a które faktycznie wzmocnią zdolność podejmowania decyzji w czasie rzeczywistym?

Indygo: To świetne pytanie. Ponieważ uważamy, że zmiana kulturowa nie jest czymś po fakcie, gdy IT wdrożyło platformę, a następnie biznes musi zrozumieć, czym są zmiany i się do nich dostosować. To nie jest podejście, które zwykle przyjmujemy w PwC. Stosujemy metodologię zwaną BXT, która łączy biznes, doświadczenie i technologię, aby zapewnić wyjątkowe wrażenia. W ramach naszych centrów doświadczeń prowadzimy warsztaty, które wprowadzają biznes dużo wcześniej. Kiedy wyobrażasz sobie program transformacji, pomaga to… przedstawić kilka wielkich pomysłów na to, jak naprawdę możesz zmienić biznes, kilka sesji myślenia projektowego, które mogą przynieść innowacje, a także naprawdę zaangażować zespoły biznesowe i techniczne z wyprzedzeniem, aby wspólnie planowali i byli świadomi wszystkich nadchodzących zmian. A duża część tego umożliwia zespołom biznesowym umiejętność korzystania z danych.

Jak wykorzystać dane do podjęcia najważniejszej decyzji? Może to być bardzo taktyczne, jak wspomniał Kim, na hali produkcyjnej. Jakie spostrzeżenia możesz uzyskać bezpośrednio w hali produkcyjnej lub może to być bardzo strategiczna decyzja, mówiąca o tym, jak możesz planować nowe produkty? Jak możesz wprowadzić nowe innowacje do samej firmy? Tak więc z perspektywy najlepszych praktyk chcę zwrócić uwagę na trzy rzeczy. Myślę, że Kim wspomniała o tym wcześniej: wzmacnianie zespołów dzięki danym. Nawet teraz widzimy duże przedsiębiorstwa, w których organizacje są odizolowane. To jednostki biznesowe, podziały geograficzne i zespoły IT w tle. Myślę, że musimy przełamać te bariery, aby upewnić się, że dane są naprawdę dostępne dla końcowych użytkowników biznesowych dzięki wielu doświadczeniom, które możesz zapewnić. Ale wszyscy pamiętając o pewnych przepisach, które są również specyficzne dla niektórych branż. Tak więc usługi finansowe, usługi zdrowotne są bardzo regulowane. Musimy o nich pamiętać. To pierwsza rzecz, którą chciałbym zawołać: wzmocnienie pozycji zespołów dzięki danym.

Drugim jest zachęcanie do kultury przejrzystości i otwartości. Jeśli ktoś przeprowadził eksperyment, może przechowywać dane, których użył, i algorytm, którego użył, prawdziwie demokratyzując nie tylko dane, ale także ich analityczną eksplozję, aby wszystko to było wspólne na platformie, którą inni mogą wykorzystać . To druga rzecz, którą bym nazwał. I wreszcie, musimy zachęcać do innowacji, ponieważ ludzie są ograniczeni tym, jakie dane mają i myślą z perspektywy biznesowej, ale jeśli otworzymy ich i umożliwimy im korzystanie nie tylko z danych dostępnych w przedsiębiorstwie, ale także z danych zewnętrznych o których nie są w stanie nawet pomyśleć. Czy dane stają się obecnie bardzo powszechne w użyciu w zakresie przewidywania łańcucha dostaw, w zakresie przewidywania zamówień na produkty i tak dalej, i tak dalej. Tak więc umożliwienie innowacyjnego myślenia i eksperymentowania w branży IT sprzyja dużej umiejętności korzystania z danych, której również nie można sobie wyobrazić. Powiedziałbym więc, że są to trzy ważne rzeczy: wzmacnianie zespołów dzięki danym, zachęcanie do kultury przejrzystości, otwartości i zachęcanie do innowacji.

Laurel: Kim, jak te trzy rzeczy brzmią dla ciebie jako podstawa budowania tego rodzaju kultury danych, która pozwala firmom stać się lepszymi niż były?

Kim: Całkowicie się zgadzam, zwłaszcza jeśli chodzi o przejrzystość. Przejrzystość danych, umożliwienie ludziom pracy z nimi, zadawania pytań, formułowania własnych hipotez, samodzielnego testowania rzeczy, myślę, że to też jest kluczowe, ponieważ trzeba zbudować to zaufanie, a część tego zaufania pozwala ludziom zadawać własne pytania.

Laurel: Tak bardzo, jak potrzebujemy, aby biznes stał się biegły w posługiwaniu się danymi, trzeba również powiedzieć, że technolodzy muszą również stać się biegli w biznesie i rozumieć cele biznesowe. Jak patrzysz na to równanie upewnienia się, że wszyscy naprawdę rozumieją cele tutaj?

Kim: Tak. Chodzi mi o to, że kluczem do wszystkiego, co robisz z danymi, jest dlaczego. Dlaczego to budujesz? Kto w biznesie będzie z tego korzystał? Jakie decyzje z nim podejmą? I to jest pytanie, które chcesz zadać na jak najwcześniejszym etapie procesu, ponieważ technolog może pracować z tymi wszystkimi danymi i umieścić je w zbiorze danych potoku, z którego będą mogli korzystać ludzie. Ale jeśli nie rozwiązuje problemów biznesowych, jeśli nie odpowiada na pytania biznesowe, nie służy w pełni swojemu celowi. Więc myślę, że zawsze uziemiając się, co zrobię z tymi danymi? Jakie pytania będę zadawał i jakie decyzje podejmę, jeśli liczby będą rosły lub spadały?

Laurel: Mamy więc dane, ale co teraz? W jaki sposób technologie, takie jak sztuczna inteligencja i uczenie maszynowe, przyczyniają się do przejścia na chmurę? Co widzisz u swoich klientów? Niektóre przedsiębiorstwa mogą być na wczesnym etapie, ale inne mogą być na dalszych etapach.

Kim: Tak. To jest naprawdę niesamowite w chmurze, ponieważ gdy wszystkie dane już tam są, można z nimi zrobić niesamowite rzeczy, a innowacje dzieją się jak szalone. Widzimy to teraz, gdy wszystko dzieje się z OpenAI i ChatGPT i tym wszystkim. A w usłudze Power BI udostępniliśmy na platformie szereg funkcji sztucznej inteligencji. Ważnym aspektem możliwości sztucznej inteligencji, które były naprawdę przydatne, są te, z których mogą korzystać użytkownicy biznesowi. Na przykład zapytania w języku naturalnym, w których można zadać pytanie i uzyskać odpowiedź w postaci wykresu, lub analizę kluczowych czynników wpływających, w której można zadać systemowi pytanie: „Hej, co wpływa na moje odwołania? Jakie środki mają na to wpływ?” Nawet dzięki naszej najnowszej funkcji sztucznej inteligencji faktycznie używamy GPT-3 do generowania kodu dla użytkowników biznesowych w celu zapisania miar w ich zbiorze danych. Dzięki temu mogą łatwo generować kod do obliczania obliczeń rok do roku lub nawet bardziej złożonych obliczeń za pomocą języka naturalnego.

To naprawdę pozwala użytkownikom biznesowym zagłębiać się w dane, jak nigdy wcześniej, po prostu pracować z danymi i budować wiedzę, której nigdy wcześniej nie mieli. Jednym z naszych największych klientów jest firma zajmująca się handlem detalicznym, z którą współpracujemy, a 40% jej użytkowników regularnie korzysta z tych funkcji. Więc masz ludzi, którzy po prostu otwierali raport, zdobywali numer i przechodzili dalej. Teraz mogą zrobić z nim o wiele więcej i sami mogą zadawać te pytania. Oba sprawiają, że firma jest oczywiście bardziej wydajna, ponieważ nie potrzebują analityków danych wykonujących tę pracę. Użytkownik biznesowy może to zrobić samodzielnie, ale człowieku, to sprawia, że użytkownicy biznesowi i cała branża otwierają cały zestaw możliwości, których nigdy wcześniej nie mieli.

Laurel: I to jest naprawdę świetna uwaga. Anil, niekoniecznie musisz mieć analityków danych do pomocy przy tego rodzaju wglądach, które uzyskałeś z danych. Wspomniałeś więc o szeregu operacji zaplecza, takich jak podatki i ERP lub planowanie zasobów przedsiębiorstwa. Więc jak inaczej postrzegasz ludzi, którzy są uprawnieni do podejmowania decyzji i nie tylko spędzają mniej czasu być może w czeluściach arkuszy kalkulacyjnych, ale także wprowadzają innowacje i zmieniają sposób, w jaki oferują towary i usługi?

Aniel: Zdecydowanie. To świetne pytanie. A komentarz Kima na temat OpenAI i ChatGPT wprowadza wiele zróżnicowanych sposobów myślenia i możliwości, zmieniając w ramach tego role samych użytkowników biznesowych i analityków danych. To, jak patrzymy na niektóre zespoły funkcyjne, które wdrażają te technologie, jest podejściem wielorakim, prawda? Po pierwsze, widzimy ścisłą współpracę z dostawcami usług w chmurze, takimi jak Microsoft, gdzie innowacyjność i możliwości sztucznej inteligencji, uczenia maszynowego, na przykład eksploracja tekstu. A proste rzeczy, takie jak eksploracja tekstu, były wcześniej eksperymentem z zakresu data science, kiedy wychodziliśmy z hipotezą, szczególnie w służbie zdrowia. Jeśli ktoś chce wziąć strumień tekstu i dowiedzieć się: „Hej, co to jest choroba? Co to jest recepta, a co diagnoza? Wszystko to było kiedyś modelem uczenia maszynowego, który to robił.

Ale Microsoft ma otwarte lub zastosowane możliwości sztucznej inteligencji, możesz po prostu wysłać ten strumień tekstu, a on automatycznie wyświetli dane wyjściowe w postaci: „Hej, co to jest choroba?” kategoryzacja choroby kontra objaw kontra lek kontra lekarz, gotowa klasa klasyfikuje to dla ciebie. To prosta innowacja, nie mówię nawet o OpenAI ani niczym podobnym. Jeśli musisz korzystać z niektórych z tych możliwości, musisz utrzymywać bliskie kontakty z dostawcami hiperskalerów, takimi jak Microsoft Azure, którzy inwestują wiele w innowacje i udostępnianie tych możliwości. Tych forów technicznych jest bardzo dużo. Może to być forum CDO [Chief Data Officer], jest to forum innowacji technologicznych, to dyskusje w grupach fokusowych, które przynoszą innowacyjne możliwości, które można uruchomić na dowolnym hyperscalerze. To kolejne miejsce, z którym musimy utrzymywać kontakt. I jeszcze jedną rzecz, którą chciałbym powiedzieć, jest taktyczna, kiedy zalecamy architekturę zaprojektowaną dla klientów, zalecamy stworzenie bardzo modułowej architektury, aby zmiana możliwości była łatwiejsza. Na przykład zmiana silników OCR lub silników tłumaczeń językowych lub kilka przykładów, w których rzeczy stale dojrzewają.

Jeśli zbudujesz swoją architekturę w taki sposób, że jest ona bardzo modułowa, to ta zmiana również byłaby bardzo łatwa. I ostatecznie wszystko sprowadza się do bardzo zróżnicowanego zespołu, który zapewnia te możliwości. Zachęcanie do szkolenia, zaawansowane szkolenie i posiadanie tej różnorodnej mieszanki umiejętności w biznesie technologicznym, o której mówiłeś, i mieszanie tego, oczywiście wnosi nowe myślenie do samego zespołu, a tym samym będziemy mogli zaadoptować niektóre z tych innowacji i możliwości, które nadejdą poza samym rynkiem. Tak więc patrzę na to, jak wpływa to na niektóre duże transformacje ERP lub back-office, takie jak operacje, a nawet podatki. Na pewno możemy tam wykorzystać niektóre z tych możliwości. Na przykład podatek. Jeśli chodzi o podatki, istnieje cały duży strumień danych, który pochodzi z nieustrukturyzowanych danych, są to dokumenty PDF, niesformatowane fragmenty dokumentów, które otrzymujemy. Jak to zrozumieć? Istnieje całe mnóstwo możliwości sztucznej inteligencji, które można podłączyć i które mogą przekształcić dane w ustrukturyzowany format, w który uwierzą również organy regulacyjne. Więc całkiem spory wpływ.

Laurel: To dobry przykład tego, co jest możliwe w zapleczu przy tak wielu operacjach teraz, gdy hiperskalery platformy chmurowej, takie jak Microsoft Azure, oferują szereg takich możliwości. W jaki sposób firmy tworzą zatem możliwości interoperacyjności między platformą chmurową a najnowszymi pojawiającymi się technologiami, a także koncentrują się na zarządzaniu danymi, zwłaszcza w branżach o wysokim stopniu regulacji, takich jak finanse i opieka zdrowotna?

Anil: Widzisz, większość przedsiębiorstw ma dobry system zarządzania danymi, w którym definicje są uzgodnione, i to w sferze przepisów, które ta branża już obsługuje. Na przykład, jeśli spojrzysz na branżę kredytów hipotecznych, ktoś przychodzi i prosi cię o pożyczkę, są pewne elementy tego klienta, które możesz ujawnić innym częściom organizacji, są pewne elementy, których nie możesz ujawnić. Tak więc zarządzanie jest dobrze skonfigurowane z perspektywy danych. Jeśli chodzi o stosowane usługi sztucznej inteligencji, Microsoft Azure i inne platformy już teraz uwzględniają niektóre etyczne aspekty sztucznej inteligencji. Co możemy zrobić z analityką z perspektywy przewidywania? Czego nie możemy? Więc jesteśmy objęci z tego punktu widzenia.

Firmy muszą być edukowane w zakresie możliwości usług AI. Więc tego rodzaju klienci już zaczynają się integrować. Jeśli chodzi o nowe możliwości, które wprowadza rynek, myślę, że właśnie tam wymagana jest należyta staranność, aby upewnić się, że usługi są niezawodne. Jest to sprawdzone i zgodne z niektórymi przepisami rynkowymi. Dlatego właśnie potrzeba wielu eksperymentów z wieloma weryfikacjami samych modeli prognostycznych, aby udowodniły pewne scenariusze i nie odbiegały od normy samej etyki. Więc jestem pewien, że Kim też ma pewne perspektywy. Kim, chcesz to skomentować?

Kim: Tak. To znaczy, myślę, że wszystko sprowadza się do tego, aby dane były przede wszystkim zaufane i miały odpowiednią strukturę, aby te możliwości AI działały. Nikt nie zaufa nowym funkcjom sztucznej inteligencji, jeśli nie ufa danym. I tu właśnie pojawia się element zarządzania. Tak więc posiadanie silnej kultury danych, silnej organizacji i umiejętności testowania danych. I wracając do tego punktu przejrzystości, naprawdę w to uwierz, wtedy masz szansę uwierzyć w sztuczną inteligencję, która z tego pochodzi. Myślę więc, że nadal stanowi to wyzwanie, bez względu na to, jak zaawansowane są jego możliwości.

Laur: Wróćmy więc do tej całej idei, że technologia jest łatwa, ale ludzie są trudni. Wracamy więc do kultury, na której skupiamy się tutaj najbardziej. Więc Kim, aby zostać z tobą przez chwilę, biorąc pod uwagę następne trzy do pięciu lat, czego szukasz w danych i sztucznej inteligencji, co jest po prostu naprawdę ekscytujące, i jak to wszystko stworzy lepsze doświadczenia dla ludzi, niezależnie od tego, czy jest to w pracy czy w zabawie?

Kim: Tak. Chodzi mi o to, że te wszystkie nowe innowacje AI i przejście do chmury dają użytkownikom biznesowym możliwość zrobienia o wiele więcej. I tu pojawia się idea niskiego kodu. Rzeczy, o których użytkownicy biznesowi nie mogli marzyć dziesięć lat temu, są teraz na wyciągnięcie ręki. I nawet kiedy myślę o branży BI, 10 lat temu trzeba było złożyć zgłoszenie, a ktoś z zespołu IT szedł i opracowywał raport, który być może dostałbyś kilka miesięcy później. A potem, jeśli ci się to nie podobało, musiałbyś zgłosić błąd, a ktoś naprawiłby błąd i zajęłoby to tygodnie. A teraz Power BI jest tym darmowym narzędziem, które możesz pobrać, a każdy użytkownik biznesowy może połączyć się ze swoimi danymi i utworzyć raport w ciągu kilku minut. Widzieliśmy więc, jak wiele zmieniło się w samej przestrzeni BI, jak przeszliśmy od tego wszystkiego do bycia za ścianą pewnej grupy ludzi, którzy rozumieją, jak robić różne rzeczy, do dosłownie każdego, kto może skorzystać z danych i pracować z tym.

I będziemy to widzieć coraz częściej w każdej branży. Kiedy widzimy, że sztuczna inteligencja staje się coraz bardziej zaawansowana, rzeczy, które uważaliśmy za niemożliwe, z wyjątkiem wybranego widoku, to się zmieni i naprawdę ekscytujące jest obserwowanie, jak zmieniają się firmy, jak zmieniają się kariery ludzi dzięki tej innowacji.

Laurel: Anil, co cię ekscytuje w ciągu najbliższych trzech do pięciu lat w zakresie danych, chmury i możliwych innowacji?

Anil: Powiedziałbym, że trzy do pięciu lat to długi czas w technologii. Myślę, że więcej zmian nastąpi raczej wcześniej niż później. OpenAI zostanie przyjęte bardzo szybko. Widzieliśmy już rekordowe liczby adopcji. Powiedziałbym cztery rzeczy. Jednym z nich jest to, że podejmowanie krytycznych decyzji będzie w większym stopniu oparte na wspólnych danych. Kiedy mówię, że jest to oparte na współdzielonych danych, to jest międzybranżowe, międzyklientalne. Ludzie dzielą się ze sobą danymi, aby móc lepiej przewidywać, kto jest ich kupującym, czego szukają i jak wyglądają ich wzorce zakupowe. Widzieliśmy, jak wielu klientów usług finansowych udostępnia dane detalistom i vice versa, dzięki czemu mogą się wzajemnie inteligentować. Tak więc krytyczne podejmowanie decyzji będzie opierać się na udostępnionych danych.

Po drugie, według mnie dane i sztuczna inteligencja nie będą dwiema rzeczami, będą używane zamiennie. Nie ma spostrzeżeń bez danych, nie ma danych bez spostrzeżeń. Więc zawsze będzie, oto nowy wgląd, który znalazłem, a nie, oto nowy fragment danych, który może być dla ciebie przydatny. Tak więc dane i sztuczna inteligencja będą używane zamiennie. A potem jesteśmy w epoce informacyjnej połączonego świata. Wszystko jest połączone. Urządzenia IoT połączone z zarządzaniem, unikalnymi doświadczeniami, takimi jak marketplace, dzięki którym dane będą dostępne na wyciągnięcie ręki, na Twoim urządzeniu mobilnym, gdzie możemy uruchomić model i tak dalej. To będzie bardzo połączony świat.

I ostatni, o którym powiedziałbym, to ten wirtualny świat. Istnieje wirtualny świat, który znajduje się w metawszechświecie i będzie połączony ze światem fizycznym. Możesz grać w grę wideo, spojrzeć na konkretny przedmiot, który chcesz kupić, i będziesz mógł złożyć zamówienie na ten przedmiot w sklepie detalicznym, który byłby połączony z prawdziwym łańcuchem dostaw, który może go zdobyć dla ciebie i wysłać go do domu. Istnieje więc prawdziwy związek między światem fizycznym, który może się wydarzyć jako doświadczenie z twojej gry, z twoim życiem zawodowym. Nadchodzą więc pewne ekscytujące rzeczy, a wszystkie są możliwe dzięki danym i sztucznej inteligencji. Myślę więc, że następne, nie trzy, pięć lat, ale kilka następnych lat będzie bardzo, bardzo ekscytujące.

Laurel: Cóż, doskonałe miejsce na przerwanie. Anil i Kim, bardzo dziękujemy za dołączenie do nas dzisiaj w Business Lab.

Kim: Wspaniale jest tu być. Dzięki.

Anil: To przyjemność być tutaj. Dziękuję.

Laurel: To był Anil Nagaraj z PwC i Kim Manis z Microsoftu, z którym rozmawiałem z Cambridge w stanie Massachusetts, siedziby MIT i MIT Technology Review z widokiem na rzekę Charles.

To tyle w tym odcinku Business Lab. Jestem twoim gospodarzem, Laurel Ruma. Jestem globalnym dyrektorem Insights, działu custom publishing w MIT Technology Review. Zostaliśmy założeni w 1899 roku w Massachusetts Institute of Technology i każdego roku można nas znaleźć w formie drukowanej w Internecie oraz podczas wydarzeń na całym świecie. Aby uzyskać więcej informacji o nas i programie, odwiedź naszą stronę internetową technologyreview.com.

Ten program jest dostępny wszędzie tam, gdzie masz podcasty. Jeśli podobał Ci się ten odcinek, mamy nadzieję, że poświęcisz chwilę, aby nas ocenić i zrecenzować. Business Lab to produkcja MIT Technology Review. Ten odcinek został wyprodukowany przez Giro Studios. Dziękuję za słuchanie.

Ta treść została wyprodukowana przez Insights, dział zajmujący się niestandardowymi treściami MIT Technology Review. Nie został napisany przez redakcję MIT Technology Review.