Sammenfaldet mellem analyse og kunstig intelligens (AI) har dybtgående konsekvenser på tværs af forskellige domæner. Som ledere inden for dataanalyse er det afgørende at forstå AI’s virkning på analyse, data science-økosystemer, brugernes adfærd, roller og beslutningstagning. Ved at omfavne nye muligheder og adressere potentielle risici kan organisationer udnytte AI til at opnå en konkurrencefordel.
Traditionelt set har regneark været det foretrukne værktøj til dataanalyse på grund af deres enkelhed og brede anvendelse. Men fremkomsten af web- og app-baserede selvstændige GenAI-chatbots har ændret måden, brugerne analyserer regnearksdata på. Disse chatbots muliggør intuitiv og let analyse og lukker kløften mellem traditionel dataindtastning og sofistikeret analyse.
En af de vigtigste fordele ved GenAI-chatbots er, at de eliminerer behovet for specialiseret analytics og forretningsintelligens (ABI) og data science og machine learning (DSML) software, hvilket gør dataanalyse mere tilgængelig for en bredere brugergruppe. Brugerne kan nu analysere data inden for deres forretningsprocesser uden begrænsningerne fra traditionel analytics-software.
Den øgede tilgængelighed har ført til en stigning i data- og analysearbejde, der udføres uden for ABI-platforme, analytics-sandkasser eller sikkerhedspolitikker. Selvom denne hurtige implementering af AI-drevne funktioner tilbyder betydelige fordele, skaber den også styringsmæssige udfordringer. Gode styringspraksisser kan omgås med vilje eller utilsigtet, hvilket resulterer i potentielle risici.
Gartner forudser, at inden 2025 vil 40% af ABI-platformbrugere omgå styringsprocesser ved at bruge generative AI-aktiverede chatbots til at dele analytisk indhold, der er oprettet fra regneark. Regneark, der ofte omtales som “analyseværktøjets kakerlak,” har vist sig at være robuste på trods af forstyrrende markedstendenser. Med muligheden for at analysere regneark direkte gennem chatbots, forventes det, at brugen af spreadmarts (genererende datalagre) vil vokse.
På sigt forudser Gartner, at mere end 70% af uafhængige softwareleverandører (ISVs) inden 2026 vil integrere GenAI-evner i deres virksomhedsapplikationer. Dette repræsenterer en betydelig stigning fra den nuværende vedtagelsesrate på mindre end 1%. Bekvemmeligheden ved AI-aktiveret naturligt sprogspørgsmål (NLQ) uden behov for en ABI-platform udgør en risiko for traditionelle leverandører og investeringer foretaget af data- og analyseledere.
Anbefalinger til ledere, der styrer analyser
For at navigere i det skiftende landskab af AI-aktiverede analyser bør D&A-ledere overveje følgende anbefalinger:
Fokusér på AI-uddannelse og opkvalificering: Udvikl træningsmoduler for forretningsanalytikere og augmented analytics-forbrugere for fuldt ud at udnytte fordelene ved GenAI. Dette vil lette en sikker og effektiv udnyttelse af AI-værktøjer til dataanalyse.
Anvend strategisk planlægning for AI-aktiverede analyser: Inddrag brugen af NLQ-chatbots uden for ABI-platforme som en teknologisk katalysator i organisationens strategi og driftsmodel. Dette vil være afgørende for at fremtidssikre dataanalytiske arbejdsgange.
Sikre at integrationsindsatsen fremmer komponerbarhed: ABI-platforme bør integrere med store sprogmodeller (LLM) for at forblive relevante på et marked, hvor brugerne foretrækker embedded analytics i deres naturlige arbejdsgange. Købere bør vurdere tilgængelige LLM-integrationsmuligheder som plug-ins til tredjepartsapplikationer.
Fremme kollektiv intelligens gennem analyse-samarbejde: Opfordr til deling af analyticsindsigter genereret fra GenAI-chatbots for at fremme en kultur af samarbejde og fælles læring. Implementer tilpasningsdygtige styringsmekanismer for at adressere hallucinationer fra AI-chatbots og forbedre fortolkeligheden.
Gartner-analytikere vil drøfte de bedste praksisser for AI for analytics-brugere på den kommende Gartner Data & Analytics Summit i Mumbai, Indien, den 24.-25. april.
For at holde trit med den hastigt udviklende analyse-teknologi og det digitale landskab er det afgørende for D&A-ledere og organisationer at holde sig opdateret om de seneste fremskridt inden for AI-aktiveret NLQ og chatbot-teknologi. Manglende opdatering kan resultere i at sakke agterud og mulige overtrædelser af data- og analysestyringspolitikker.
Forfatter: Mike Fang, Sr. Director Analyst hos Gartner
FAQ
Hvad er ABI?
ABI står for analyse og forretningsintelligens. Det inkluderer software og værktøjer, der muliggør organisationer at analysere og fortolke data for at træffe informerede forretningsbeslutninger.
Hvad er DSML?
DSML står for data science og machine learning. Det involverer brugen af algoritmer og statistiske modeller til at udtrække indsigter og mønstre fra data.
Hvad er GenAI-chatbots?
GenAI-chatbots er selvstændige web- og app-baserede værktøjer, der udnytter kunstig intelligens til at muliggøre brugerne at analysere regnearksdata uden behov for specialiseret analytics-software.
Hvad er spreadmarts?
Spreadmarts henviser til genererende datalagre skabt gennem analysen af regneark ved hjælp af GenAI-chatbots. De muliggør, at brugerne kan udføre dataanalyse uden for traditionelle analytics-platforme.
The source of the article is from the blog japan-pc.jp