Цифровая трансформация до недавнего времени была в центре внимания компаний – все они стремились стать «цифровым бизнесом», создавая ценности благодаря технологиям. Эра цифрового бизнеса наступила, и теперь компании ищут новые источники прибыли, оцифровывая операции для дальнейшего сокращения издержек и повышения эффективности процессов, а реальный спрос на цифровой опыт со стороны клиентов, сотрудников, партнеров и поставщиков превратился в настойчивое требование. Сочетание возможностей прогнозной аналитики, машинного зрения, генеративного ИИ и пр., а также предоставление услуг с помощью цифровых экосистем сулят компаниям выход на новый уровень.
Сегодня на рынке имеется множество систем, позиционируемых как платформы low-code, однако термин настолько «широк», что, по сути, любую систему с визуальными инструментами разработки уже можно считать low-code. Какие имеются виды систем low-code, за счет чего снижается стоимость разработки, а на примере платформы Gravitonum разберемся, насколько быстрее происходит вывод новых решений на рынок и можно ли совсем обойтись без разработчиков?
К 2050 году население Земли подойдет к отметке в 10 млрд; невозможно будет накормить всех без использования передовых технологий точного и умного земледелия. Большие надежды при решении задач планирования, прогнозирования, мониторинга, анализа и оптимизации сегодня возлагаются на искусственный интеллект как основы создания точного и умного земледелия.
Сегодня каждый врач практикует по одной из медицинских специальностей, ориентированных на конкретную область. Доверие между врачами разных профилей основывается на признании результатов работы коллег и доверительном использовании полученных выводов – врачи обычно не проверяют заново все доказательства, которые были уже проведены коллегами. Вместе с тем в медицинском сообществе отсутствует подобное безусловное доверие к медицинским записям, образующим медицинскую карту пациента, – наличие неконтролируемых рисков искажения медицинской информации способно инициировать ошибки при принятии врачебных решений. Особенно остро эта проблема обострится при масштабном использовании во врачебной практике систем ИИ, решения в которых принимаются исключительно на основе данных.
Бизнес заинтересован сегодня в прогнозировании поведения своих клиентов, а также в повышении эффективности работы сотрудников и в прозрачной системе мониторинга их деятельности. Предприниматели готовы инвестировать в соответствующие ИИ-решения, например аналитику коммуникаций – одну из наиболее динамично развивающихся сегодня сфер применения искусственного интеллекта, особенности применения которого иллюстрирует работа сервиса WordPulse компании MTS AI.
Сегодня многие российские компании и предприятия задумались об использовании решений для управления данными. На рынке имеется множество готовых коммерческих и открытых решений, поддерживающих разные процессы. Однако любые системы автоматизации не решают проблему, а лишь облегчают ее решение, — успех зависит от того, правильно ли на предприятии выстроены процессы. Если они еще не достигли определенного уровня зрелости, внедрение системы управления данными ожидаемых плодов не принесет.
При планировании трансформации компании гуру стратегического управления и консультанты обычно предлагают отталкиваться от сути компании, ее назначения, миссии и опираться на представлении о ее ключевых Capabilities. Что реально стоит за этим термином и почему использование такого подхода часто сопряжено с трудностями и не всегда приводит к ожидаемым результатам?
Отслеживание и оценка клиентского опыта — важная часть работы компаний на конкурентных рынках. С помощью технологий машинного обучения в «Альфа-Банке» была оптимизирована работа с отзывами клиентов и реализован полный цикл бизнес-процесса управления клиентским опытом.
Сегодня при создании телекоммуникационных систем для описания структуры сети используется множество моделей, каждая из которых характеризует лишь какой-либо один из аспектов сети. Однако на практике таких моделей оказывается недостаточно – их использование не позволяет комплексно оценивать состояние и поведение сети. Единая модель отсутствует. Графы знаний, построенные на основе онтологий, позволяют объединить отдельные модели в семантически связанный граф, что позволяет построить единую модель, содержащую данные о всех элементах сети и их взаимосвязях.