De samensmelting van analyse en kunstmatige intelligentie (AI) heeft diepgaande implicaties voor verschillende domeinen. Als leiders op het gebied van data en analyse is het cruciaal om de effecten van AI op analyse, datawetenschapsecosystemen, gebruikersgedrag, rollen en besluitvorming te begrijpen. Door nieuwe mogelijkheden te omarmen en potentiële risico’s aan te pakken, kunnen organisaties AI benutten om een concurrentievoordeel te behalen.
Traditioneel waren spreadsheets het handige gereedschap voor gegevensanalyse vanwege hun eenvoud en wijdverbreid gebruik. Echter, de opkomst van op zichzelf staande GenAI-chatbots voor web en apps hebben de manier waarop gebruikers gegevens uit spreadsheets analyseren getransformeerd. Deze chatbots maken intuïtieve en eenvoudige analyse mogelijk en overbruggen de kloof tussen traditionele gegevensinvoer en geavanceerde analyse.
Een van de belangrijkste voordelen van GenAI-chatbots is dat ze de noodzaak voor gespecialiseerde analyse- en business intelligence (ABI) en datawetenschap- en machineleersoftware (DSML) wegnemen, waardoor gegevensanalyse toegankelijker wordt voor een breder publiek. Gebruikers kunnen nu gegevens analyseren binnen hun bedrijfsprocessen zonder de beperkingen die traditionele analyse software oplegt.
Deze toegenomen toegankelijkheid heeft geleid tot een stijging in gegevens- en analysewerk buiten ABI-platforms, analysezandbakken of beveiligingsbeleid. Hoewel deze snelle implementatie van op AI gebaseerde mogelijkheden aanzienlijke voordelen biedt, brengt het ook beheersuitdagingen met zich mee. Goede beheerspraktijken kunnen worden omzeild, opzettelijk of onopzettelijk, met als gevolg potentiële risico’s.
Gartner voorspelt dat tegen 2025, 40% van de gebruikers van ABI-platforms beheersprocessen zal omzeilen door generatieve AI-geactiveerde chatbots te gebruiken om analytische inhoud te delen die is gemaakt van spreadsheets. Spreadsheets, vaak aangeduid als “de kakkerlak van analysetools”, hebben zich bewezen veerkrachtig te zijn ondanks verstorende markttrends. Met de mogelijkheid om spreadsheets rechtstreeks te analyseren via chatbots, wordt verwacht dat het gebruik van spreadmarts (generatieve gegevenssilo’s) zal toenemen.
Vooruitkijkend voorspelt Gartner dat tegen 2026 meer dan 70% van de onafhankelijke softwareleveranciers (ISV’s) GenAI-capaciteiten zullen integreren in hun bedrijfstoepassingen. Dit vertegenwoordigt een aanzienlijke toename ten opzichte van de huidige adoptiesnelheid van minder dan 1%. Het gemak van AI-geactiveerde natuurlijke taalvraag (NLQ) zonder de noodzaak van een ABI-platform vormt een risico voor traditionele leveranciers en investeringen van data- en analyseleiders.
Aanbevelingen voor Leiders in Analysebeheer
Om te navigeren door het evoluerende landschap van AI-geactiveerde analyse zouden D&A-leiders de volgende aanbevelingen in overweging moeten nemen:
– Focus op AI-training en bijscholing: Ontwikkel trainingsmodules voor bedrijfsanalisten en augmented analytics-consumenten om ten volle te profiteren van de voordelen van GenAI. Dit zal een veilig en effectief gebruik van AI-tools voor gegevensanalyses vergemakkelijken.
– Gebruik strategische planning voor AI-geactiveerde analyse: Neem het gebruik van NLQ-chatbots buiten ABI-platforms als technologische katalysator op in de strategie en bedrijfsmodel van de organisatie. Dit zal cruciaal zijn om data-analyseworkflows toekomstbestendig te maken.
– Zorg ervoor dat integratie-inspanningen de samenstelbaarheid bevorderen: ABI-platforms moeten integreren met grote taalmodellen (LLM’s) om relevant te blijven in een markt waar gebruikers de voorkeur geven aan ingebedde analyse in hun natuurlijke workflows. Kopers moeten de beschikbare LLM-integratie-opties beoordelen als plug-ins voor toepassingen van derden.
– Bevorder collectieve intelligentie door samenwerking in analyse: Moedig het delen van analytische inzichten die zijn gegenereerd door GenAI-chatbots aan om een cultuur van samenwerking en gedeeld leren te stimuleren. Implementeer adaptieve bestuursmechanismen om hallucinaties van AI-chatbots aan te pakken en de interpreteerbaarheid te verbeteren.
Gartner-analisten zullen best practices op het gebied van AI bespreken met gebruikers van analyse tijdens de aankomende Gartner Data & Analytics Summit in Mumbai, India op 24-25 april.
Om voorop te blijven lopen in de evoluerende analysetechnologieën en digitale landschappen, is het cruciaal voor D&A-leiders en organisaties om op de hoogte te blijven van de nieuwste ontwikkelingen in AI-geactiveerde NLQ- en chatbot-technologie. Het niet doen kan resulteren in achterblijven en mogelijke schendingen van gegevens- en analysebestuursbeleid.
Auteur: Mike Fang, Senior Director Analyst bij Gartner
FAQ
Wat is ABI?
ABI staat voor analyse en business intelligence. Het omvat software en tools die organisaties in staat stellen gegevens te analyseren en interpreteren om geïnformeerde zakelijke beslissingen te nemen.
Wat is DSML?
DSML staat voor data science en machine learning. Het omvat het gebruik van algoritmes en statistische modellen om inzichten en patronen uit gegevens te extraheren.
Wat zijn GenAI-chatbots?
GenAI-chatbots zijn op zichzelf staande web- en app-gebaseerde tools die kunstmatige intelligentie gebruiken om gebruikers in staat te stellen spreadsheetgegevens te analyseren zonder dat gespecialiseerde analyse-software nodig is.
Wat zijn spreadmarts?
Spreadmarts verwijzen naar generatieve gegevenssilo’s die zijn gemaakt door de analyse van spreadsheets met behulp van GenAI-chatbots. Ze stellen gebruikers in staat om gegevensanalyse uit te voeren buiten traditionele analyseplatforms.
The source of the article is from the blog portaldoriograndense.com