Արհեստական բանականության ներդրումների արդյունքը հաճախ սխալ են չափում, նշում են ոլորտում
Արհեստական բանականության ոլորտում խոշոր ներդրումների պայմաններում բազմաթիվ ընկերություններ դեռևս դժվարանում են հստակ գնահատել այդ միջոցների գործնական արդյունքը։ Microsoft-ի հետ աշխատող մասնագետների գնահատմամբ՝ խնդիրը հաճախ ոչ թե տեխնածին սահմանափակումների, այլ արդյունքի չափման ընտրած եղանակի մեջ է. ղեկավարները չափազանց մեծ ուշադրություն են դարձնում աշխատուժի ծախսերի կրճատմանը և ուշ են նկատում այլ օգուտները։ Նյութը կարևոր է նաև հայկական բիզնեսի ու տեխնոլոգիական համայնքի համար, քանի որ այն վերաբերում է այն հարցին, թե ինչպիսի չափորոշիչներով գնահատել արհեստական բանականության կիրառման իրական ազդեցությունը։
Արհեստական բանականության կիրառման շուրջ համաշխարհային բիզնեսում գլխավոր հարցերից մեկը մնում է նույնը՝ որտեղ է ներդրումների շոշափելի արդյունքը։ Ոլորտի մասնագետների դիտարկմամբ՝ բազմաթիվ կազմակերպություններ արդեն զգալի միջոցներ են ուղղել նոր համակարգերի փորձարկմանն ու ներդրմանը, սակայն ղեկավար կազմը հաճախ չի կարողանում նույն հստակությամբ ներկայացնել, թե ինչ օգուտ է ստացել բիզնեսը։ Խնդիրը, ըստ այդ գնահատականների, ավելի շատ կապված է արդյունքը չափելու եղանակի, քան հենց տեխնոլոգիայի արդյունավետության հետ։
Հեղինակային վերլուծության մեջ նշվում է, որ ղեկավարների զգալի մասը շարունակում է առաջնահերթորեն որոնել արտադրողականության աճ և աշխատուժի ծախսերի կրճատում։ Երբ այդ ցուցիչները արագ չեն երևում, նախաձեռնությունները դանդաղում են և հաճախ մնում են փորձնական փուլի սահմաններում։ Մինչդեռ արհեստական բանականության առաջին ազդեցությունը հաճախ դրսևորվում է այլ ոլորտներում՝ ավելի ճշգրիտ վերլուծության, կանխատեսման, որոշումների նախապատրաստման և աշխատողների հմտությունների ուժեղացման միջոցով։
Արդյունքը՝ ոչ միայն ծախսերի կրճատումով
Փորձագետները շեշտում են, որ ընկերությունները նախ պետք է հստակ ձևակերպեն, թե ինչ արդյունք են ցանկանում ստանալ, և միայն հետո որոշեն, թե որտեղ կիրառել արհեստական բանականությունը։ Այդ արդյունքը կարող է լինել վաճառքների աճը, հաճախորդների պահպանման բարելավումը, արտադրանքի մշակման արագացումը կամ ռիսկերի նվազեցումը։ Այս մոտեցումն օգնում է խուսափել այն իրավիճակից, երբ կազմակերպությունը շատ գործիքներ է փորձարկում, բայց չի կարողանում դրանք կապել իր հիմնական բիզնես նպատակների հետ։
Նյութում բերված օրինակներով՝ որոշ թիմեր արհեստական բանականությունն օգտագործում են ռիսկերը նախօրոք հայտնաբերելու, խոցելիությունները վաղ փուլում նկատելու կամ հաճախորդների կարիքները կանխատեսելու համար։ Այսպիսի ազդեցությունը միշտ չէ, որ անմիջապես վերածվում է հաշվապահական պարզ խնայողության, սակայն երկարաժամկետում կարող է մեծացնել ընկերության մրցունակությունը։ Հենց այս պատճառով մասնագետները կոչ են անում կենտրոնանալ ոչ թե գործիքի առանձին կիրառման, այլ բիզնես կարողությունների ընդլայնման վրա։
Գործածումը դեռևս հաջողության ապացույց չէ
Վերլուծության առանցքային միտքներից մեկն այն է, որ արհեստական բանականության գործածման ծավալը դեռևս չի նշանակում իրական արդյունք։ Այն, թե քանի աշխատակից է օգտվում տվյալ համակարգից կամ որքան հաճախ է այն բացվում, ընդամենը ակտիվության ցուցիչ է։ Ավելի կարևոր է հասկանալ, թե արդյոք փոխվել է աշխատանքի ընթացքը, արդյոք աշխատակիցներն ավելի շատ ժամանակ են հատկացնում հիմնական խնդիրներին, և արդյոք այդ փոփոխությունները հետագայում արտացոլվում են բիզնեսի ցուցանիշների վրա։
Այս քննարկումը կարևոր է նաև Հայաստանի համար, որտեղ տեխնոլոգիական ընկերությունները, բանկային համակարգը, հեռահաղորդակցական և ծառայությունների ոլորտները աստիճանաբար ընդլայնում են արհեստական բանականության կիրառությունը։ Տեղական շուկայի համար հատկապես նշանակալի է այն հետևությունը, որ հաջող ներդրման չափանիշը միայն ծախսերի կրճատումը չէ. հաճախ ավելի արժեքավոր են որոշումների որակի բարձրացումը, հաճախորդների հետ աշխատանքի կատարելագործումը և նոր հնարավորությունների ստեղծումը։
Աղբյուր՝ Time Magazine