Rešerše: AI/BI/chatbot (2Q 2020)

Přinášíme vám pravidelné shrnutí zajímavých článků z odborného tisku a specializovaných webů. Pro členy Asociace máme k dispozici podrobnější rozbor obsahu. Přihlášení zde.


IT může zlepšit zákaznickou zkušenost

CIO Business World 03/2020, Bob Violino, str. 10-11

Cílem všech firem je neustálé zlepšování interakcí s klienty, poskytování lepších služeb, informací a lepší řešení požadavků klientů. Jak zlepšit CX (zákaznickou zkušenost)? Jednou z věcí je zlepšení fungování technologií, speciálně těch, které slouží k interakci se zákazníky. Sem patří například zkrácení čekací doby před přepojením na operátora nebo správné údaje o klientovi na objednávce. S tím souvisí i to aby zaměstnanci, kteří přicházejí se zákazníky do styku, uměli nové technologie používat a být tak schopní zákazníkovi poradit. Aby to tak bylo možné, je důležité zaměstnance školit. Může se stát, že zákazník potřebuje řešit svůj požadavek s více lidmi ve firmě. Zde může být velkou pomocí AI, strojové učení nebo CRM, které podporují sdílení informací uvnitř firmy pro lepší CX. Zpracování zákaznických požadavků a to, za jak dlouho bude požadavek vyřešen, může urychlit jak využití cloudových služeb, tak robotická automatizace procesů (RPA). RPA je schopná provést standardní úkony v příslušných systémech a aplikacích automatizovaně, rychle a bez chyb. Velkou pomocí pro CX může být také založení on-line komunity, kde si mohou zákazníci nejen sdělit svoje zkušenosti ale také nalézt novinky nebo návody k firemním produktům. K celkovému zlepšení CX přispěje nejen zapojení nových informačních technologií, ale také úzká spolupráce s marketingem, prodejem, servisem a dalšími odděleními ve firmě.


Není robot jako robot

CIO Business World 03/2020, Ľuboslav Lacko, str. 24-25

Jak je definován autonomní robot? Aby byl robot považován za autonomního, musí mít implementovaný systém aktivního sběru a zpracování informací o svém okolí, musí mít řídící inteligenci, která robota koordinuje, aby splnil nebo dlouhodobě plnil určitou roli. Robot musí být schopný dlouhodobě fungovat bez asistence nebo časté intervence člověka. Zároveň se musí umět bezpečně přesouvat v prostoru, vyhýbat se situacím, které by vedly k poškození zdraví člověka, majetku nebo samotného robota. Robot by měl být také schopný vyřešit všechny nebo většinu nepředvídaných situací (jako se třeba vyhnout se pádu), musí se z nepředvídané situace dostat a pokračovat v úkolech, pro které je určený. Laik si pod pojmem autonomní robot dnes představí autonomní auto nebo robotický vysavač. Dříve si lidé pod tímto pojmem představili humanoidní zařízení jako je robot Pepper. Klíčovou podmínkou autonomie je schopnost robota poradit si v nestandardní situaci, jako je uvíznutí nebo pád. Časté pády a těžkopádnost je pro humanoidní roboty charakteristická. Existují také roboti na kolech, kteří využívají tři principy manévrování. Dnešní roboti se snaží například napodobit lidskou mechaniku chůze. To kam se svět robotů posunul lze vidět na fotbalové soutěži RoboCup, kde hráči – roboti nejsou řízení na dálku a jsou zcela nezávislí. Svoje pohyby řídí podle senzorů a kamer.


Pohovor vede počítač

COMPUTERWORLD 04/2020, James A. Martin, str. 6-7

Počátky pokusů o rozpoznání emocí z řeči jsou datovány do roku 2001, kdy americké ministerstvo pro vnitřní bezpečnost požádalo po útocích na Světové obchodní centrum informatičku Julii Hirschbergrovou o práci na analýze hlasu. V této analýze měl být systém schopný rozpoznat, kdy dotyčný lže a kdy říká pravdu. Člověk v rozpoznání zda někdo lže či ne není úspěšný z toho důvodu, že lhaní neprovází jednoznačné znaky. Někteří při lhaní hlas zvyšují, jiní ho snižují, někdo mluví při lhaní hlasitěji, jiný ne. Umělá inteligence v tomto obrovském množství kombinací dokáže najít vzorec. Problémem tohoto systému je ale získání reálných dat v reálných situacích, protože většina výzkumů se dělá v laboratoři, kde je předem určeno kdo bude lhát a kdo ne. Reálné využití analýzy hlasu se teď objevuje u počítače vytvořeného v Německu, který zjišťuje jaké vlastnosti má člověk sedící před ním. Systém potřebuje 15 minut hlasového materiálu, beru v úvahu tón hlasu, způsob tvoření hlásek nebo to, zda dotyčný mluví nahlas nebo potichu. Poté umělá inteligence rozhodne, které z tisíců faktorů ukazují na povahové vlastnosti dotyčného. Tento systém by měl být používán jako doplněk pohovoru uchazeče o práci. Dalším příkladem praktického využití analýzy hlasu je možnost diagnostiky z rozboru hlasu, zda má pacient Parkinsonovu chorobu, na kterém pracuje výzkumník z Velké Británie. Je to proto, že tato nemoc mění hlasový projev. Ale i u tohoto výzkumu je nutné vyvinout dostatečně obecný systém a způsob jak data označovat. Českým zástupcem je projekt tvořený v Brně, který se zabývá analýzou hovorů z call center a který má za cíl odhalit podvodníky, kteří si na falešné identity chtějí pořídit půjčky.


Buďme v kontaktu díky technologiím

COMPUTERWORLD 04/2020, Vít Petrjanoš, str. 8-12

Nástroje a služby pro sjednocenou podnikovou komunikaci UC (Unified Communications) se stále rozšiřují, jsou rozmanitější a umožňují jak komunikaci, tak spolupráci. Komunikace probíhá přes hlas, video nebo zprávy a je na každé organizaci, která z těchto technologií je pro ní nejvhodnější ať už z hlediska IT oddělení, tak uživatelů. Technologie UC obvykle integrují různé komunikační aplikace pracující ve více režimech a nabízejí tak konzistentní komunikační podmínky napříč různými sítěmi a koncovými body. Napomáhají růstu efektivity ať jednotlivců tak týmů. Hlavní nástroje, které firmy využívají, jsou RTM/IM (Real-Time-Messaging/Instant Messaging), nástroje pro sdílení a ukládání souborů a nástroje pro správu sociálních médií a sítí. Jak vybrat vhodné UC řešení? Záleží na velikosti organizace, jaké potřeby je třeba pokrýt a v jakém rozsahu. Existují kompletní nástroje, které nabízí pouze několik prodejců, tyto platformy obvykle obsahují IP telefonii, serverové platformy a aplikace a služby pro koncové uživatele jako jsou softwarové telefony, správce hovorů, nástroje pro rychlé zasílání zpráv nebo nástroje pro prezenci. Výhodou tohoto řešení je úspora nákladů díky slevám na hardwaru, softwaru, služeb a technické podpory. Nevýhodou řešení od jediného dodavatele může být komplikace při přechodu k jinému dodavateli, nebo možnost rozšíření alternativních služeb. I do UC technologií vstupují cloudové a hosting služby. Cloudová a hostovaná řešení pro vnitropodnikovou komunikaci se uplatní především tam, kde jsou sítě WAN nebo internetová připojení dostatečně odolné, aby v nich nedocházelo k výpadkům. Výhodami cloudového řešení jsou to, že správcovská odpovědnost přechází na poskytovatele služeb, problémy se řeší škálovatelností, dají se čekat lepší podmínky pro aktualizace a zabezpečení a neustálý vývoj podle trhu. Také lze tyto služby využívat ve více lokalitách. V případě architektur provozovaných na on-premise řešení dodavatelé podporují virtualizační prostředí, jako jsou Hyper-V a VMware. Umělá inteligence se v UC řešeních projevuje v oblastech předpovídání a automatizace, propojování a interakce, upozornění a doporučení a nakonec vyhodnocování a organizování. AI je také používáno ve virtuálních konferenčních místnostech. Nejnovější technologie pro konferenční místnosti jsou zaměřené především na spolupráci a produktivitu. Patří sem technologie hlasové analytiky, hlasoví roboti, počítačové vidění a zlepšení kvality zobrazení a zvuku.


Nejvhodnější strategie pro AI

COMPUTERWORLD 05/2020, příloha Umělá inteligence ve firemním prostředí, Maria Korolov, str. II-III

V dnešní době má mnoho firem tendenci zavádět jednotlivé AI technologie bez daného konceptu. Tím se firmy mohou dostat do změti nekompatibilních systémů, neslučitelných datových center, do problémů s náklady, duplicitním úsilím nebo do problémů se zabezpečením dat. Je tedy dobré přejít na kompaktní strategii pro celopodnikovou transformaci založenou na AI. Na začátku by se měli vedoucí manažeři a vedení zamyslet nad tím, jaké jsou ve společnosti nejdůležitější příležitosti, jaké má společnost před sebou nejvýznamnější úkoly a jaká jsou její největší rizika. Společnosti by se také měly vyvarovat projektů, u kterých by nebyla dostatečně rychlá návratnost investic. Je to proto, že nějakou dobu trvá, než se získají data, zaučí se nový systém a také to, než projekt přinese přínos. Organizace by tedy měly zvažovat dlouhodobý typ projektů. Celopodnikové nasazení AI vyžaduje nasazení do cloudu, což přináší výhodu v podobě snadnější manipulace s velkými datovými jezery, lepší integraci s externími zdroji dat a nástroji a také snadný přístup k nejnovějším technologiím AI. Pro přechod do cloudu je potřeba si stanovit datovou strategii. Komplexní strategie správy dat pokrývá nejen shromažďování, organizování a analýzu dat, ale také jejich obohacování o smysl a kontext. Také to znamená existenci plánu pro odstraňování předpojatosti. Při využívání strojového učení a umělé inteligence se všem poskytuje jeden souhrnný pohled, který nabízí informace ze všech oblastí. Do integrace strategie se také doporučuje zaintegrovat odborníky na právo, dodržování předpisů, rizik a další. Zvláště je to nutné pokud má firma kontakt se zákazníky. Škálovatelnost strategie AI se týká jak výběru vhodné cloudové platformy pro ekonomický růst, tak výběru personálu a vhodných obchodních partnerů.


Výhledy pro využítí umělé inteligence

COMPUTERWORLD 05/2020, příloha Umělá inteligence ve firemním prostředí, James Kobielus, str. IV-V

Jaké změny lze čekat v nadcházejícím roce v hlavních oblastech využití AI (nástrojích, metodách, platformách, standardech)? Za prvé, grafické procesory budou nadále dominovat akceleraci AI. Je to díky jejich ústřední roli v prostředích pro nasazení kombinací cloudu a hraničních zařízení (cloud-to-edge). Za druhé, konkurenčním bojištěm budou průmyslově standardizované benchmarky pro AI. Benchmarky pro AI se stanou kriticky důležitou strategií pro uvádění na trh tam, kde poroste komoditizace. Za třetí, frameworky modelování AI budou konvergovat. Tyto frameworky jsou základní prostředí, ve kterém datoví vědci vytvářejí a trénují statisticky řízené výpočetní grafy. Většina datových vědců bude pravděpodobně používat kombinaci platforem TensorFlow a PyTorch. Během dekády pak rozdíly mezi těmito frameworky zmizí a to díky tomu jak budou datoví vědci upřednostňovat funkční analogii před výraznou funkční rozdílností. Dojde také k akceleraci šíření otevřených modelovacích platforem AI. Za čtvrté, AI na bázi SaaS sníží podnikovou poptávku po datových vědcích. Do konce letošního roku se poskytovatelé SaaS zřejmě stanou převažujícími dodavateli zpracování přirozeného jazyka, prediktivní analýzy a dalších aplikací AI. Nebude tedy potřeba udržovat vlastní týmy pro oblast datové vědy. Za páté, podniková AI se posune směrem k nepřetržitým experimentům v reálném světě. Do konce roku zahájí většina podniků experimenty v reálném světě ve všech procesech, tedy v kontaktu se zákazníkem i v nosné infrastruktuře firmy. Za šesté, AI zautomatizuje základní modelovací funkci vývojářů AI. Srdcem moderní AI jsou neuronové sítě, v roce 2020 by se měla metodika řízená umělou inteligencí NAS (Neural Architecture Search) dostat do pracovních nástrojů podnikových datových vědců za účelem automatizace tvorby a optimalizace neuronových sítí. Za sedmé, konverzační uživatelská rozhraní založená na AI odstraní potřebu ručního ovládání aplikací, bude se přecházet na hlasové ovládání. A za osmé, ředitelé právních oddělení budou požadovat kompletní transparentnost AI a to z důvodu narůstajícího počtu soudních sporů ze strany uživatelů a zákazníků.


IPA: Ještě chytřejší RPA

COMPUTERWORLD 05/2020, Maria Korolov, str. 17-19

Intelligent process Automation, neboli inteligentní automatizace procesů vzniká spojením umělé inteligence a RPA (robotické automatizace procesů). Kromě RPA a algoritmů strojového učení obsahuje také software pro řízení procesů, zpracování a tvorbu přirozeného jazyka a kognitivní agenty nebo boty. IPA přináší lepší efektivitu o 20-35%, zkrácení doby zpracování o 50-60% a několikanásobnou návratnost investic. IPA řešení je stále v začátcích, zatím neexistují žádné případy použití úplného komplexního automatizovaného procesu. Většina firem začíná svoji cestu k inteligentní automatizaci jedním inteligentním botem, například chatbotem, který zodpovídá často opakující se dotazy. Jakmile se většina kroků firemního procesu zautomatizuje, může přijít na řadu použití nové úrovně inteligence, tedy inteligence, která se týká samotného procesu. Je dobré chtít platformu, která se bude umět učit, ale zároveň bude chráněná před nechtěnými důsledky. Kontrolu chyb můžou zajistit vrstvy podpory pro správu, řízení a jazyk jako je vrstva SNAP nebo přidání inteligentních rozhodovacích bodů. Rozhodovací body lze například využít pro určení, kam mají směřovat e-maily zaslané zákazníky. Oblastí, kde lze uplatnit IPA je také těžba procesů ve firmě. Strojové učení k těžbě procesů pomáhá lidem ve firmě získat přehled o tom, co se aktuálně děje. Firemní proces lze zobrazit ve formě schémat, například diagramů. To přispívá k vyšší efektivitě a také k vyššímu zisku. Kolik dat je na IPA potřeba? Systémy AI vyžadují miliony datových bodů, aby mohly poskytovat použitelné předpovědi. Takové množství dat má ale jen pár společností. Proto je dobré využít historická data. Někteří dodavatelé informačních systémů jako EPR a CRM začínají integrovat nástroje pro inteligentní automatizaci procesů, která pomůže data získat. Těží z AI vytrénované na datových sadách všech zákazníků těchto dodavatelů. V dalších případech budou moci společnosti koupit předem naučené modely a vyladit je podle svých vlastních potřeb. Kromě toho lze podniková data rozšířit o externí data, jako třeba údaje o počasí, nebo data z finančních trhů. Celý firemní proces není nutné automatizovat, aby bylo možné inteligenci využít, některé podnikové nástroje ani nemají digitální rozhraní nebo rozhraní API.


Virtuální robot jako lék na přetížené zdravotnictví

IT Systems 4/2020, Viktória Lukáčová Bracjunová, str. 16-17

V současné době, kdy svět bojuje s nákazou koronaviru, mohou zdravotníkům ulehčit práci roboti. A to nejen ti, kteří pomáhají třeba v laboratořích s manipulací s testovanými vzorky. Pomoci mohou i softwaroví roboti (RPA), kteří mohou účinně automatizovat procesy související s testováním nebo s administrativními úkoly. Nejsou to tedy roboti z kovu a plastu, ale roboti, kteří žijí ve výkonných serverech. Hlavní výhodou softwarových robotů je jednoduchá a rychlá integrace do jakýchkoliv stávajících firemních systémů a díky tomu i rychlá návratnost nasazení. RPA dokáže zvládnout mnoho rutinních procesů, přičemž jejím cílem je doplnit člověka v jeho práci a ne ho nahradit. Také může pomoci s automatizací procesů ve firmě, aniž by k tomu potřebovala API. Je to proto, že technologie RPA je naprogramována tak, že si provede úkoly obdobně jako by to udělala obsluha. Tedy na pozadí pracuje přímo v různých aplikacích, provádí validace, kopírování informací, vkládání a přepis dat, otevírá e-maily včetně příloh, reportuje a to přesně podle nadefinovaného scénáře. IT správci mohou nastavit RPA platformu pro řešení reklamací, faktur nebo onboardingu (příchod a odchod zaměstnanců). Pokud zaměstnanci nemusí řešit rutinní procesy, mohou se věnovat jiným efektivnějším činnostem. V době koronaviru jsou ministerstva zahlcena žádostmi (např. na ošetřování člena rodiny). Tyto administrativní úkony by mohl řešit softwarový robot. Pokud by žádost byla odeslána na e-mail dané instituce, po jejím přijetí by ji robot vyhodnotil dle přesně stanovených pravidel a rozhodl, zda žádost odeslat na schválení. Tak by byly člověkem zpracovávány pouze žádosti, které splňují daná kritéria. Dalším příkladem možnosti nasazení RPA je automatizace procesů související s testováním pacientů. Například v USA jedna z nemocnic nasadila RPA na tuto činnost a robot byl schopný najít záznam pacienta za 16 vteřin. Člověku to trvalo až tři minuty. RPA tedy dokáže pomoci jak s ušetřením času, tak s možným nedostatkem pracovníků nebo s neplánovaným zvýšením objemu různých procesních úkonů.


Robotizace a kognitivní automatizace dokumentů Díl první: Robotizace je pouze začátkem na vaší cestě k inteligentní automatizaci

IT Systems 5/2020, Tomáš Dolejš, str. 50-51

Využití softwarových robotů (RPA) umožňuje firmám získat efektivní a snadný přístup k datům v různých systémech a tato data tak nezůstávají bez povšimnutí v interních systémech nebo externích zdrojích. Dnes softwaroví roboti pracují v kancelářích kde v administrativě, v odděleních styku se zákazníkem, v zákaznických centrech nebo v projektovém managementu pomáhají zvládat přidělené úkoly. Jednoduchým způsobem plní požadavky na integraci dat zdánlivě nesourodých systémů. Výhodou softwarového robota je i rychlost jeho vytvoření, díky tomu, že se učí z příkladu, mohou být rychle nasazeni do provozu. Většinou je nasazení záležitostí několika týdnů. Počáteční investice do robota je také velmi atraktivní, z důvodu její rychlé návratnosti. Robot neonemocní a pracuje bez přestávek. Pro lidi ve firmě pak robot není konkurencí, ale umožní jim věnovat se jiným důležitějším činnostem namísto manuálních a opakujících se činností, které lidem zabírají mnoho času. Robotizace je i vhodným prostředkem pro interakci s obsahem na webu, různými podnikovými aplikacemi či portály nebo pro snadný přístup a získání dat z různých úložišť a databází. Jak se softwaroví roboti uplatní v práci s dokumenty? Typický zaměstnanec každoročně použije 10 000 listů kopírovacího papíru a tráví 30-40% svého času hledáním informací v e-mailech nebo papírových šanonech. Neflexibilní systém má za následek zvýšené provozní náklady s dopadem na reakční dobu. Řešením je zefektivnění těchto procesů, založené na práci s dokumenty, při jejich získávání, porozumění jejich obsahu a následné integraci dokumentů a nestrukturovaných informací v nich obsažených pomocí automatizace. CDA neboli kognitivní automatizace dokumentů funguje společně s multikanálovým snímáním dokumentů, což uživatelům umožňuje rychle a přesně získat a zpracovat jakýkoli dokument. K takovým dokumentům patří daňové formuláře, hypoteční balíčky nebo faktury. CDA je o porozumění tomu, o čem je obsah dokumentu nebo e-mailu, jaké informace obsahuje a co s nimi dělat. RPA a CDA pak společně automatizují všechny procesy náročné na dokumenty a elektronická data a urychlují služby zákazníkům.


Dobře zvolený směr na cestě k inteligentní automatizaci procesů

IT Systems 6/2020, Tomáš Dolejš, str. 30-31

Správný klíč k bráně skutečné inteligentní automatizace je kombinace technologií robotizace RPA a orchestrace procesů pomocí workflow s technologií BPM. Proč tomu tak je? RPA dnes obsahuje mnoho funkcí včetně účinných integračních schopností, OCR vytěžování dat, funkcí využívajících umělou inteligenci a mnoho dalších. Tím zasahují do možností automatizace procesu, jehož základem je modelovaný proces v rámci BPM nástroje, kde pomocí workflow celkových procesů tak dochází k orchestraci práce mezi roboty a lidmi dle předem definovaných business pravidel. Tím dochází k rychlejší a efektivnější práci na procesech a zároveň i menšímu počtu řešení výjimek ve zpracování, protože si nelze jednoduše dělat práci po svém. Zároveň existuje mnoho procesů, kde lze vhodnou kombinací orchestrace procesů (BPM) a robotizace (RPA) dosáhnout plně automatizovaných procesů. Orchestrace neboli řízení procesu od začátku do konce a možnost zpětného sledování průběhu procesu a práce s daty uvnitř procesu je cesta k bezpečné automatizaci vnitrofiremních procesů. Technologie BPM a RPA mají společný cíl a to optimalizovat obchodní i firemní procesy a zvyšovat produktivitu a efektivitu lidí tak, aby firemní zákazníci byli se službami společnosti spokojeni a odnesli si ty nejlepší zkušenosti. Obě technologie pracují na dosažení cíle jiným způsobem, ale i přesto jsou kompatibilní. BPM umožňuje úplnou automatizaci procesů, která přepracovává a digitalizuje podnikové procesy typu end-to-end. Složitý proces, jako je například poskytování hypotéky nebo zpracování pojistných událostí, se může okamžitě stát rychlejším, efektivnějším a snáze proveditelným pro zaměstnance a v konečném důsledku i pro zákazníky. RPA robot zase pomáhá s nedostatky mezi většinou automatizovaným a digitalizovaným obchodním procesem a manuálními úkoly, které musí být nevyhnutelně provedeny, aby byl systém záznamů aktuální. Softwaroví roboti spadají do dvou širokých kategorií, kde řeší a automatizují dříve manuální úkoly. První kategorie se nazývá „bezobslužná robotizace“, ve které roboti snadno automatizují opakující se úkoly bez zásahu člověka. Robot se například může přihlásit k různým webovým portálům a načíst informace o faktuře a přiřadit je do systému ERP k platbě. Druhou kategorií je „asistované RPA“. Někdy roboti automatizují pouze část úkolu a jsou lidem k ruce, aby automatizovali určitou část jejich celkového úkolu. Se vznikem robotů neboli digitálních pracovníků a postupným rozvojem umělé inteligence (AI) společnosti rozpoznávají, že jejich lidé se mohou soustředit na práci s vyšší hodnotou, být více zapojeni do práce, která je v procesech baví, a tím zvýšit celkovou produktivitu pracovní síly v rámci své organizace.


Budoucnost BI je vizuální se samostatnými uživateli

IT Systems 6/2020, Kamil Mahdal, str. 34-35

Řízení i malé firmy se dnes neobejde bez podnikového IT řešení, označovaného jako Business Intelligence (BI), které může zahrnovat sadu procesů, technologií a systémů. BI systémy jsou využitelné od výroby, přes služby až po státní správu. Všude pomáhají efektivním řízením rozvíjet danou činnost, zvyšovat výkony, šetřit náklady. Shromažďuje a analyzuje data, ze kterých získává obchodní poznatky potřebné pro rozhodování a strategické plánování. Automatizuje maximum procesů, sleduje a koordinuje výrobní, servisní a obchodní aktivity, aby byly co nejefektivnější. Na trhu je řada různých softwarů a je na každé firmě vybrat ten nejlepší, který vyhoví potřebám uživatelů, a přitom bude splňovat kritérium maximálního výkonu za příznivou cenu. Pro výběr BI neplatí žádná jednoduchá poučka. Neexistuje univerzální software s jednotnou šablonou implementace. Dobře navržený systém BI se liší i podle oborů. Pro zajištění úspěchu projektu BI je nutné zmapovat firemní procesy, identifikovat potřeby všech oddělení a seřadit je podle oblastí podnikání do logické struktury. Tím by se měly odhalit odlišné požadavky zúčastněných stran. Samotné nasazení systému by mělo probíhat postupně podle oblastí, které zajišťují nejdůležitější funkce systému BI a mají největší dopad na podnikání firmy. Jednotlivé kroky by mezi sebou měly mít dostatek času na ověření funkčnosti procesů, integritu dat a na řešení případných chyb. Důležité je také nepodcenit proškolení uživatelů, aby pochopili výhody nového systému a přijali ho za svůj. Pro maximální využití potenciálu BI je nutné jej zpřístupnit co nejširšímu počtu pracovníků. Rozhraní musí být uzpůsobeno jejich schopnostem a potřebám práce, tak aby jim skutečně pomáhalo a minimálně je zatěžovalo. Jednotliví uživatelé musí být schopni obsloužit svoje pracovní úkony sami. Pro uživatelský komfort mají analytické nástroje samoobslužného BI systému jako primární prostředek interakce grafická rozhraní s vizualizací dat. Jejich ovládání je intuitivní a nabízí uživatelům pracovat s daty, jak potřebují. Zajišťují jasnou interpretaci poznatků z dat, co do hloubky, rozsahu a formy zobrazovaných výsledků, snadno pochopitelných pro různé publikum. Firmy v současnosti preferují účinné systémy BI, které pracují na bázi neuronových sítí s prvky umělé inteligence. Pokročilá analytika je nezbytná pro real-time data maining, marketing, řízení rizik, rozpoznání textu a obrazu, predikce nebo simulace. Kromě analýz minulých a současných událostí mají firmy stále větší zájem o prediktivní analýzy pro modelování scénářů typu „co kdyby.“ Pro názornější interpretaci analytických výsledků je stále žádanější rozšířit údaje o polohy na mapách. Vizualizace map je pro většinu lidí snadno srozumitelná. Až 80% podnikových dat obsahuje informaci o umístění. A o každém místu lze snadno získat mnoho poznatků, které je možné kontextově využít pro BI. Přechod na nové technologie s pokročilou analytikou je třeba uchopit jako příležitost, jak významněji zmapovat a přeskupit stávající zákazníky a získat nové. Díky přesnému poznání  jejich potřeb a způsobu využívání produktů a služeb lze rozvíjet a utvářet produkty na míru. Firma, která úspěšně nasadí moderní BI a dokáže důsledně a detailně zpracovávat a vyhodnocovat všechna dostupná data, získává velkou konkurenční výhodu.


Mladí lidé nechtějí s firmami telefonovat, ale chatovat

ictrevue.ihned.cz, 18.06.2020, Zuzana Keményová

Firmy dnes disponují obrovským množstvím dat o svých zákaznících. Jenže téměř 60 procent evropských společností neumí tato data propojit se svým podnikáním a přizpůsobit podle nich svou nabídku. Firma by měla vystupovat jednotně a synchronizovaně napříč všemi komunikačními kanály. Zákazníky v dnešní době nejvíce frustruje, pokud jsou nuceni už sdělené informace opakovat stále dokola. Pro vynikající zákaznickou zkušenost je nutné počínat si konzistentně a propojovat získaná data. Především současná mladá generace v komunikaci s firmami preferuje chat před voláním. Jde ovšem o to, aby technologie chatování byla zároveň „lidská“ a aby si zákazník i při komunikaci s chatbotem připadal, že se jeho problém skutečně řeší. Aktuálním trendem, především u mladší generace zákazníků, je zmíněná komunikace přes chatové aplikace v mobilu, jako je WhatsApp, Facebook Messenger nebo v případě iPhonu Apple Business Chat. Například mobilní aplikaci WhatsApp, kde si lidé posílají zprávy a mohou také sdílet fotky nebo dokumenty, začíná i v Česku pro komunikaci se zákazníky využívat stále více firem. Facebook, pod nějž WhatsApp patří, minulý rok uvolnil aplikaci pro komunikaci s firmami. To znamená, že firma může zákazníka přes WhatsApp kontaktovat, pokud jí k tomu dá předchozí svolení. Zákazníci, a to i ti čeští, tento způsob komunikace vítají a je to na trhu stále více využívané. Znamená to velkou konkurenční výhodu pro firmy, které v komunikaci se zákazníkem využívají umělou inteligenci a pokročilé třídění dat. V praxi to vypadá tak, že například z komunikace přes chatbot počítač citlivě rozpozná, jaký problém zákazník řeší. Vyhledá k tomu dostatek informací a spojí zákazníka s relevantním operátorem, který je specialistou na dané téma a dokáže mu poradit. Člověk tak nemusí své otázky odříkávat několikrát, než se dostane k někomu, kdo problém vyřeší. Umělá inteligence většinou třídí data na základě klíčových informací zachycených během komunikace. Toto třídění dat, jichž v případě velkých firem chodí od mnoha tisíc zákazníků obrovské objemy, zvládne počítač za několik vteřin. V Česku je skutečná umělá inteligence ve spojení s tématem zákaznické zkušenosti v úplném začátku a umí ji zde využívat jen málo firem. Technologie na ní založené se v tuzemsku teprve zabydlují, ale patří jim budoucnost.

Novinky, Sekce AI/BI/chatbot
Košík