Data science

ธุรกิจที่ชาญฉลาดยิ่งขึ้น – การควบคุมปัญญาประดิษฐ์

“ในพระเจ้าที่เราวางใจ คนอื่นๆ ทั้งหมดต้องนำข้อมูลมาด้วย” – W. Edwards Deming Genesis “การประหยัดข้อมูล” มีการดำเนินการมาเป็นเวลาสองทศวรรษแล้ว โดยที่ข้อมูลได้รับการยอมรับว่าเป็นสินทรัพย์ที่สำคัญต่อธุรกิจ เมื่อเวลาผ่านไป องค์กรต่างๆ ได้พัฒนากระบวนการ นโยบาย องค์กร และแพลตฟอร์มที่แข็งแกร่งเพื่อจัดการ ตรวจสอบ และวัดคุณภาพ ความเกี่ยวข้อง และความพร้อมใช้งานของข้อมูลสำหรับความต้องการทางธุรกิจในทุกขั้นตอนของวงจรชีวิตของข้อมูล ในยุคปัจจุบัน “เศรษฐศาสตร์ของปัญญาประดิษฐ์ (AI)” คือสิ่งที่ปฏิวัติธุรกิจในปัจจุบัน อาจใช้ AI ได้ดีที่สุดเมื่อเข้ามาแทนที่สติปัญญาของมนุษย์ ยิ่งไปกว่านั้น ไม่มีที่ไหนที่เกี่ยวข้องมากไปกว่าในขอบเขตของการเอาท์ซอร์สกระบวนการทางธุรกิจ (BPO) ที่เจริญเติบโตในการดำเนินการข้อมูลและการวิเคราะห์ โมเดลเริ่มต้นอาศัย “การเก็งกำไรจากแรงงาน” โดยใช้พนักงานที่มีความรู้ที่ถูกกว่าทั่วโลกเพื่อดำเนินการข้อมูลและกระแสงานการวิเคราะห์ ในทศวรรษหน้า มีการปรับให้เหมาะสมโดยการออกแบบ “การเก็งกำไรของกระบวนการ” ที่จะปรับกระบวนการให้เหมาะสม สร้างกระบวนการอัตโนมัติของกระบวนการหุ่นยนต์ (RPA) และใช้กรอบการกำกับดูแลข้อมูลที่มีระเบียบวินัย เพื่อดึงประสิทธิภาพเพิ่มเติม ทุกวันนี้ ด้วยการใช้วิทยาศาสตร์ทางปัญญาอย่างชาญฉลาด ความเป็นไปได้ในทางปฏิบัติในการกำจัดมนุษย์ออกจากห่วงโซ่กระบวนการทางธุรกิจนั้นไม่มีที่สิ้นสุด ดังนั้นจึงนำเข้าสู่ยุคของ “การเก็งกำไรในการตัดสินใจ” สามารถใช้ประโยชน์จาก AI ได้หลายวิธี เช่น ในการประสานข้อมูลด้วยตนเอง การปรับกระบวนการให้เหมาะสมผ่านมนุษย์ไบโอนิค การกำจัดกระบวนการผ่านการตัดสินใจด้วยตนเอง และการแทนที่มนุษย์ด้วยการประยุกต์ใช้ความรู้ความเข้าใจ และอื่นๆ อีกมากมาย การผกผันต้นทุน ในขณะที่แบบจำลองกระบวนการอัตโนมัติแบบดั้งเดิมและการกำกับดูแลสามารถรับประกันการปรับปรุง 7-8 เปอร์เซ็นต์ในข้อตกลงระดับบริการ (SLA) การดำเนินการข้อมูลองค์ความรู้มีศักยภาพที่จะว่างขึ้น 60-70 เปอร์เซ็นต์ของต้นทุนมนุษย์ ช่วยเพิ่มทุนโดยการจัดการค่าใช้จ่ายเชิงกลยุทธ์ที่ผกผันในการใช้จ่ายทางธุรกิจในการดำเนินงาน ซึ่งสามารถนำมาใช้เพื่อพัฒนารูปแบบการก่อกวนและสร้างความสามารถในการแข่งขันที่ไม่เคยมีมาก่อน ดังนั้นด้วย AI มนุษย์จึงสามารถยกเลิกการตัดสินใจในการปฏิบัติงานกับเครื่องที่รับรู้ได้ ในขณะที่พวกเขามุ่งเน้นไปที่การพัฒนารูปแบบธุรกิจใหม่และการจับตลาดใหม่ จำลองการดำเนินธุรกิจด้วย AI ประยุกต์ แม้ว่าการดำเนินธุรกิจหลายอย่างที่เน้นข้อมูลเป็นศูนย์กลางหรือการวิเคราะห์ที่ขับเคลื่อนด้วยสามารถจัดโครงสร้างใหม่ได้โดยใช้ AI ต่อไปนี้คือตัวอย่างบางส่วนที่นำไปใช้ได้โดยใช้ความก้าวหน้าทางเทคโนโลยีในปัจจุบัน การตัดสินใจในนามของมนุษย์ การกำจัดบทบาทของผู้มีอำนาจตัดสินใจ เช่น สจ๊วต ออกจากกระบวนการกำกับดูแลข้อมูล สามารถปรับปรุง ROA (ผลตอบแทนจากสินทรัพย์) ของข้อมูลได้อย่างมีนัยสำคัญ การเพิ่มทุนนั้นจะช่วยปรับปรุงคุณภาพของรายได้สำหรับธุรกิจใดๆ ก็ตาม โดยไม่สูญเสียมูลค่าของทรัพย์สินหลักที่สูญเสียไป นั่นคือข้อมูล สายรัดที่สร้างขึ้นด้วยความสามารถของ AI สามารถใช้วิทยาศาสตร์ความรู้ความเข้าใจกับงานต่างๆ เช่น การแก้ไขบันทึกอัตโนมัติ การค้นพบกฎคุณภาพข้อมูลและการดำเนินการจากรูปแบบข้อมูล การตรวจจับและการแก้ไขค่าผิดปกติ คำแนะนำข้อมูลที่ดีที่สุด การค้นพบแคตตาล็อกข้อมูลอัตโนมัติ การค้นพบสายเลือด และอื่นๆ อีกจำนวนมาก งานของมนุษย์ที่สามารถยกเลิกให้กับหุ่นยนต์ได้ Cloud-Data Angle By 2025 49% ของข้อมูลที่เก็บไว้ทั่วโลกจะอยู่ในสภาพแวดล้อมคลาวด์สาธารณะ (ไอดีซี ดาต้าเอจ, 2025). เมื่ออุตสาหกรรมเติบโตเต็มที่เพื่อใช้ระบบนิเวศของโครงสร้างพื้นฐานที่เชื่อมต่อกับการออกแบบและแพลตฟอร์มที่ใช้ระบบคลาวด์ ธุรกิจที่สามารถควบคุมพลังของระบบนิเวศข้อมูลที่เชื่อมต่อและทำงานร่วมกันได้นี้จะมีความได้เปรียบในการแข่งขันที่ชัดเจน การใช้รูปแบบการออกแบบ AI หลัก โซลูชันที่เกี่ยวข้องกับความเป็นส่วนตัวของข้อมูล การสร้างความสับสนของข้อมูล การจัดการชื่อเสียง การกำจัดฝูงชนที่เป็นอันตราย การตรวจสอบและยืนยันแหล่งสัญญาณ แหล่งที่มาของข้อมูล การละเมิดข้อมูลและการป้องกันการรั่วไหล และอีกมากมาย จะกลายเป็นแกนนำของบริษัทที่ขัดขวาง สภาพที่เป็นอยู่ ธุรกิจการค้า-การเงิน ต้นทุนของการเงินการค้าขายสูงมาก นำไปสู่ผู้เล่นหลักสามราย ได้แก่ HSBC, Citi และธนาคารสแตนดาร์ดชาร์เตอร์ดที่ครองตลาด ค่าใช้จ่ายสูงเกิดจากการประมวลผลเอกสารแบบใช้กระดาษด้วยตนเองและการตรวจสอบกฎที่กำหนดเองที่ซับซ้อนเป็นรายบุคคล การทำให้ธุรกิจนี้เป็นแบบอัตโนมัติด้วย STP (ผ่านการประมวลผลโดยตรง) สามารถหักค่าใช้จ่ายได้เป็นจำนวนมาก ดังนั้นจึงทำให้มีความว่องไวสำหรับการหยุดชะงักและการผูกขาด การประมวลผลกฎแบบดั้งเดิมและการแปลงกระดาษเป็นดิจิทัลนั้นอาศัยมนุษย์ในการกำหนดตรรกะ รหัส การแก้ไข และการกระทบยอด ซึ่งทำงานเมื่อ ตัวแปรมีจำกัดและสามารถสรุปได้ อย่างไรก็ตาม ในด้านการเงินการค้า ความซับซ้อน ปริมาณ และลักษณะเฉพาะของกระบวนการทำให้กระบวนการนี้เอื้อต่อ AI สามารถจำลองได้โดยแพลตฟอร์มการเรียนรู้ที่ต้องการการป้อนข้อมูลของมนุษย์ขั้นต่ำ รู้จักลูกค้าของคุณ แม้ว่ากระบวนการ KYC เป็นข้อกำหนดการปฏิบัติตามข้อกำหนดที่สำคัญในระหว่างกระบวนการปฐมนิเทศ แต่วิธีการปัจจุบันที่ธุรกิจใช้นั้นไม่มีประสิทธิภาพ ใช้เวลานาน และเกิดข้อผิดพลาดได้ง่าย AI สามารถช่วยลดความซับซ้อนของกระบวนการปฐมนิเทศได้หลายวิธี หนึ่ง สามารถช่วยทำให้กระบวนการตรวจสอบเอกสารและการตรวจสอบคุณภาพของภาพเป็นไปโดยอัตโนมัติ นอกจากนี้ยังสามารถตรวจจับธุรกรรมที่เป็นการฉ้อโกงและลดโอกาสในการฉ้อโกง นอกจากนี้ยังช่วยให้สามารถแปลงเอกสารทางกายภาพให้เป็นดิจิทัลได้ง่ายขึ้นด้วยเครื่องมือต่างๆ เช่น (Optical Character Recognition) OCR ที่ดึงข้อมูลที่จำเป็น Digitizing Paper แม้จะมีความก้าวหน้าอย่างมากในด้านเทคโนโลยี แต่ฟังก์ชันทางธุรกิจจำนวนหนึ่งยังคงอาศัยกระดาษและการตรวจสอบด้วยตนเองสำหรับการเก็บบันทึก ความรับผิด การควบคุม และความเหลื่อมล้ำในช่องทางต่างๆ การเปลี่ยนกระดาษเป็นบันทึกดิจิทัล กระบวนการแบบแมนนวลเป็นฟังก์ชันอัตโนมัติ การรักษาความปลอดภัยและการตรวจสอบย้อนกลับไปยัง Digital Vault จะช่วยลดต้นทุนการดำเนินงาน ช่วยเพิ่มทุนอันมีค่าเพื่อขัดขวางรูปแบบการทำตลาด สาขาวิชาของ AI เช่น อัลกอริธึมการเรียนรู้เชิงลึกช่วยเพิ่มความแม่นยำของ OCR อย่างน่าอัศจรรย์ ระบบชื่อเสียงสร้าง “ทนายความออนไลน์” เพื่อตรวจสอบเอกสาร การรู้จำพฤติกรรมสร้างการเข้าถึงที่ชาญฉลาดใน Digital Vault และการประมวลผลภาพ เสียงและวิดีโอสร้างการรับรองความถูกต้องทางไบโอเมตริกซ์ ความต้องการ “ลายเซ็น” New Normal เมื่อใช้เศรษฐศาสตร์ของ AI แนวความคิดใหม่ของ “การดำเนินการข้อมูล” จะสร้างมูลค่าการดำเนินงานที่สูงขึ้นสำหรับธุรกิจ บริษัทที่สามารถสร้างสรรค์นวัตกรรมจากกระบวนการทางธุรกิจที่พัฒนาขึ้นจากการปฏิวัติ .com และปรับการมีส่วนร่วมของมนุษย์ในกิจกรรมการตัดสินใจโดยละทิ้งความรับผิดชอบเหล่านั้นต่อบอทที่มีความรู้สึก รับรู้ และเป็นอิสระ จะเป็นผู้นำอุตสาหกรรมแห่งอนาคต เกี่ยวกับผู้เขียน Gary Bhattacharjee เป็นหัวหน้าฝ่าย Global Practice for AI ที่อินโฟซิส ซึ่งช่วยให้ธุรกิจต่างๆ มีโซลูชันที่นำโดย AI Gary เริ่มต้นที่ IBM Australia ซึ่งเป็นผู้นำด้านการพัฒนาผลิตภัณฑ์สำหรับ CoreBank© ที่ Citi เขาเป็นผู้นำในการพัฒนาแพลตฟอร์ม Corporate Banking ที่ปรึกษาด้านบริการทางการเงินชั้นนำของ HP เขาได้พัฒนาโซลูชันเชิงกลยุทธ์ที่หลากหลายสำหรับอุตสาหกรรม ที่ Morgan Stanley เขาเป็นผู้นำด้านกลยุทธ์และการวิเคราะห์สำหรับการบริหารความมั่งคั่ง โดยบรรลุเป้าหมายทางธุรกิจผ่าน AI เมื่อเร็ว ๆ นี้เขาได้ร่วมก่อตั้งบริษัท FinTech ซึ่งเขาได้สร้างแพลตฟอร์มที่เป็นอิสระเพื่อแปลงการดำเนินการทางกระดาษด้วยตนเองของ Trade Finance โดยใช้การเรียนรู้ของเครื่องและบล็อกเชน แกรี่จบการศึกษาจากสถาบันเทคโนโลยีแห่งอินเดีย (IIT) ด้วยปริญญาตรีสาขาอิเล็กทรอนิกส์ เขามีสิทธิบัตรด้านการจัดการข้อมูลด้วยวิธีการและระบบสหกรณ์ ซึ่งเป็นแนวทางที่ใช้วิกิสำหรับการจัดการข้อมูลที่มีโครงสร้าง ลงทะเบียนเพื่อรับจดหมายข่าว InsideBIGDATA ฟรี เข้าร่วมกับเราบน Twitter: @InsideBigData1 – https://twitter.com/InsideBigData1

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button