Разработчики программного обеспечения уже сейчас извлекают немалую выгоду из генеративного ИИ, который помогает им быстрее решать трудоемкие задачи, изучать новые языки и фреймворки и повышать общую производительность труда. При этом эффективность искусственного интеллекта начинает ощущаться и в сфере анализа данных.
Изменение роли аналитика данных
Внедрение больших языковых моделей позволяет значительно расширить возможности аналитиков. Выполнение рутинных операций (включая генерацию программного кода, написание SQL-запросов и построение диаграмм) упрощается и ускоряется. Специалисты по обработке данных могут сосредоточиться на более сложных задачах и задачах, имеющих стратегическое значение. А это в свою очередь упрощает и ускоряет рабочие процессы всей компании. Раньше аналитикам приходилось часами писать код и рыскать в поисках документации на конкретные библиотеки. Искусственный интеллект ускоряет выполнение обеих этих задач, позволяя брать за основу сгенерированный им код с последующей его правкой в случае возникновения такой необходимости.
Меняется сама роль аналитиков. Они будут уделять больше времени потребностям бизнеса – правильному формулированию целей исследования и оптимизации – и меньше рутинным подготовительным операциям. Впрочем, забегать вперед не стоит. Навыки программирования по-прежнему нужны, и без них пока не обойтись. Но в простых ситуациях ИИ вполне способен самостоятельно генерировать требуемый код и обобщать полученные результаты. В перспективе можно ожидать дальнейшего снижения потребностей в программировании и переключения аналитиков на решение задач бизнеса.
Изменение инструментария
Влияние искусственного интеллекта распространяется также на инструменты, используемые аналитиками в своей работе, например, на интерактивный блокнот Jupyter Notebook и совместимые решения. Формат блокнота никуда не исчезнет. Скорее всего, в дальнейшем блокноты станут более гибкими, позволяя сохранять ячейки с кодом и различные выходные данные. Блокнот будет больше похож на ChatGPT, поскольку у него имеется доступ к вашим данным и соответствующим инструментам. Уже одно только существенно расширит круг потенциальных аналитиков. Платформы для анализа данных будут играть значительно более важную роль и с точки зрения обмена результатами, что является ключевой частью работы аналитика. Одно дело – найти в данных некие сведения, и совсем другое – убедить остальных в правильности ваших утверждений. Обладая информацией о целях исследования и целевой аудитории, платформы для анализа смогут создавать отчеты, используемые при обмене данными. Инструменты, основанные на искусственном интеллекте, упорядочат ячейки в соответствии с целями и целевой аудиторией. При этом процесс останется интерактивным. На определенных этапах в него будут вовлечены помощники с искусственным интеллектом, а некоторые задачи ИИ сможет решать автономно. Но в более сложных ситуациях все равно понадобится вмешательство человека.
Важность семантического уровня
Преобразование необработанных данных в значимую бизнес-информацию осуществляется главным образом на семантическом уровне. Здесь бизнес-термины связываются с базовыми данными, обеспечивая согласованность определений в организации. В компаниях, где используется несколько систем хранения и множество различных инструментов для построения запросов и визуализации, семантический уровень играет объединяющую роль. Такая согласованность имеет жизненно важное значение для финансового, маркетингового и ИТ-отделов, а также для подразделений, которые часто хранят данные на разных платформах и обращаются к разным инструментам. Унификация данных организации на семантическом уровне упрощает их представление в общепринятых бизнес-терминах. Фактически он выполняет функцию переводчика между исходными данными и бизнес-приложениями, придавая данным бизнес-контекст. Моделирование с четко определенными значениями и параметрами позволяет получать результаты более высокого уровня, вычисляя в том числе и ключевые показатели эффективности.
На семантическом уровне разрыв между исходными данными и бизнес-анализом устраняется, обеспечивая согласованную интерпретацию данных и составление единообразных отчетов в рамках всей организации. Фактически он становится краеугольным камнем аналитических инструментов и всего информационного ландшафта в целом.
Развитие аналитики, основанной на искусственном интеллекте
Если разработчики получают от ИИ сгенерированный код, то аналитики и бизнес-пользователи смогут находить с его помощью ответы на вопросы об отчетах. Со временем искусственный интеллект будет обрабатывать все больше и больше данных из хранилищ организаций, в том числе данных систем CRM, систем технической поддержки и ERP-систем. Платформы для анализа смогут использовать базы знаний компании, включая информацию о ее клиентах и финансовых показателях, а также сведения, полученные из внешних источников (данные фондовых бирж, новостные ленты и анализ рыночной ситуации). Платформы на базе ИИ, анализирующие огромные объемы накопленных данных, будут способствовать повышению эффективности взаимодействия бизнес-подразделений.
При этом ответственность за результаты процессов ИИ по-прежнему лежит на человеке. Поскольку результаты, генерируемые ИИ, непосредственно влияют на принимаемые решения, человек должен уметь их объяснить. Этапы, составляющие последовательность анализа, никуда не исчезнут – возрастет лишь уровень их автоматизации. А поскольку последовательность шагов, приводящая аналитика к определенному выводу, остается понятной и прослеживаемой, преимущества искусственного интеллекта позволят существенно повысить эффективность анализа данных.
/13258812/i_144.jpg)
