Πάρης Καραγιάννης
Senior Manager, Συμβουλευτικό Τμήμα, KPMG
Η γνωριμία με τον κόσμο της τεχνητής νοημοσύνης (Artificial Intelligence, AI) ξεκινά υιοθετώντας νέα στρατηγικά μοντέλα, που αγκαλιάζουν την τεχνολογία, τους ανθρώπους, τις διαδικασίες και τις δομές της επιχείρησης.
Πώς ορίζεται η έννοια της τεχνητής νοημοσύνης
Τεχνητή νοημοσύνη είναι η μέθοδος με την οποία ο άνθρωπος εκπαιδεύει υπολογιστές προκειμένου να μπορούν να λαμβάνουν αποφάσεις που οδηγούν την ανάπτυξη και την κερδοφορία της επιχείρησης. Η μέθοδος χρησιμοποιεί αλγορίθμους και εξελιγμένες τεχνικές ανάλυσης δεδομένων, προκειμένου να αξιολογεί στοιχεία διαφορετικής δομής που λαμβάνονται από πληθώρα πηγών.
Στην KPMG αντιμετωπίζουμε την τεχνητή νοημοσύνη ως ένα οικοσύστημα που «ξεκλειδώνει» την αξία ενός οργανισμού, επιταχύνοντας, αυτοματοποιώντας και βελτιώνοντας τις αποφάσεις που λαμβάνονται από πλευράς συστημάτων. Παράλληλα, συμβάλλει σημαντικά στον ψηφιακό μετασχηματισμό του οργανισμού, εφαρμόζοντας τεχνολογίες αιχμής και επιτυγχάνοντας μείωση του κόστους εργασίας και αύξηση της ποιότητας και της αξίας του παραγόμενου προϊόντος ή της υπηρεσίας.
Ο άνθρωπος στο επίκεντρο των λύσεων τεχνητής νοημοσύνης
Το όραμα της επέκτασης της ανθρώπινης γνώσης με συστήματα και υπολογιστές μπορεί να επιτευχθεί μόνο όταν η τεχνολογία συνδυάζεται άρρηκτα με καταρτισμένους επιστήμονες δεδομένων (Data Scientists) και μηχανικούς εξόρυξης στοιχείων και πληροφοριών. Ο άνθρωπος, σε αντίθεση με τις μηχανές, πάντα θα διαθέτει την «κοινή λογική» προκειμένου να σχεδιάσει και να εκπαιδεύσει αλγορίθμους που λαμβάνουν αποφάσεις και επιλύουν επιχειρησιακά προβλήματα.
Το Ignite της KPMG ως ολοκληρωμένη πλατφόρμα Artificial Intelligence
Συνειδητοποιώντας πως η τεχνητή νοημοσύνη δεν βασίζεται μόνο στην τεχνολογία αλλά και στους ανθρώπους, τις διαδικασίες, τα αξιόπιστα δεδομένα και τη βαθιά γνώση του εκάστοτε επαγγελματικού κλάδου, η KPMG δημιούργησε το οικοσύστημα του KPMG Ignite. Πρόκειται για την πλατφόρμα που αποτελεί τον συνδετικό κρίκο όλων των παραπάνω, με σκοπό να εκπαιδεύσει τα συστήματα των οργανισμών, έτσι ώστε να διενεργούν προβλέψεις και να λαμβάνουν αποφάσεις.
Η ικανότητά των ανθρώπων της KPMG να γνωρίζουν τις καλές πρακτικές του εκάστοτε κλάδου επιτρέπει τον σχεδιασμό λύσεων τεχνητής νοημοσύνης προσαρμοσμένων στα πιο σύνθετα επιχειρησιακά προβλήματα. Η πελατοκεντρική προσέγγιση βρίσκεται στον πυρήνα. Η λύση ξεκινά με τον καθορισμό του επιχειρηματικού προβλήματος ή της ανάγκης και είναι πάντα έντονα επικεντρωμένη στη βελτίωση της αποτελεσματικότητας, του χρόνου λήψης αποφάσεων και της ανάληψης δράσης.
Βασικά συστατικά του KPMG Ignite
Αποτελεί ένα σύνολο από μεθοδολογίες, εργαλεία και πόρους, που στόχο έχουν τη βελτίωση του τρόπου λήψης αποφάσεων. Το χαρτοφυλάκιο συμπληρώνεται από εξειδικευμένους επαγγελματίες, με εμπειρία στον εκάστοτε κλάδο, ικανούς να καινοτομούν με αναδυόμενες τεχνολογίες. Οι λύσεις που υλοποιούνται αποκτούν πρόσβαση και διαβάζουν έγγραφα, εικόνες, βάσεις δεδομένων, αρχεία φωνής και βίντεο, πραγματοποιούν αναλύσεις, εντοπίζουν πρότυπα (patterns) και μαθαίνουν. Παράλληλα, ενσωματώνουν ανθρώπινες συμπεριφορές, με τελικό στόχο την εξαγωγή συμπερασμάτων και τη λήψη αποφάσεων για λογαριασμό της επιχείρησης.
Αναλυτικότερα, η πλατφόρμα KPMG Ignite μπορεί να αναλύσει μεγάλο όγκο εγγράφων (συμβόλαια ή τίτλους συμβολαίων, συμβάσεις χρηματοδοτικής μίσθωσης και επενδύσεων), να εξαγάγει συμπεράσματα και να επιβεβαιώσει τη συμμόρφωσή τους σε ρυθμιστικούς κανόνες. Μπορεί να μετατρέψει τις κλήσεις πελατών σε μη δομημένο κείμενο, να χρησιμοποιήσει τεχνικές επεξεργασίας φυσικής γλώσσας και να εξαγάγει συμπεράσματα χρήσιμα για την επιχείρηση. Συγκεκριμένα, συνδυάζοντας το εξαγόμενο κείμενο με μετρήσεις κλήσεων και εφαρμόζοντας τεχνικές μηχανικής μάθησης, μπορεί να εκτιμήσει τη συναισθηματική φόρτιση των πελατών ή να προβλέψει μελλοντικές τάσεις. Το KPMG Ignite μπορεί να διαμορφώσει εικονικούς βοηθούς (Virtual Assistants) φωνής ή κειμένου, αναβαθμίζοντας τις υπηρεσίες εξυπηρέτησης πελατών. Επιπλέον, μπορεί να εκπαιδεύσει συστήματα και εξοπλισμούς ώστε να αναγνωρίζουν αυτόματα αντικείμενα σε δημόσιους χώρους, να υπολογίσουν τη φθορά αυτών στο πέρασμα του χρόνου και να εκτιμούν κινδύνους αξιολογώντας ασυνήθιστες συμπεριφορές.
Παράδειγμα χρήσης (Use Case): Υλοποίηση λύσης για τη βελτιστοποίηση των προβλέψεων απόδοσης καταστημάτων μεγάλης εταιρείας λιανικής
Όταν μεγάλη εταιρεία λιανικής θέλησε να βελτιώσει την ακρίβεια των προβλέψεων ανά προϊόν και ανά κατάστημα σε καθημερινή βάση, συνειδητοποίησε ότι χρειαζόταν καλύτερη ενημέρωση από δεδομένα τόσο ενδοεταιρικών συστημάτων όσο και εξωτερικών πηγών. Η εταιρεία ήθελε:
➜ Να δημιουργήσει το μοναδικό αποτύπωμα κάθε καταστήματος και να χαρακτηρίσει αποτελεσματικότερα την τοπική αγορά.
➜ Να αξιολογήσει την εκάστοτε περιοχή και να προβλέψει αναμενόμενα έσοδα του κάθε καταστήματος σε εβδομαδιαία βάση.
➜ Να βελτιώσει τον ανεφοδιασμό των καταστημάτων βασιζόμενη στις τοπικές προβλέψεις.
Η λύση
Οι σύμβουλοι της KPMG εργάστηκαν με τον έμπορο λιανικής για να αναπτύξουν ένα μοναδικό μοντέλο προβλέψεων:
– Συλλέχθηκαν από εσωτερικές και εξωτερικές πηγές δεδομένα της τοπικής αγοράς και ζήτησης, καθώς και δείκτες απόδοσης των σημείων πώλησης.
➜ Τα δεδομένα αξιολογήθηκαν και συνδέθηκαν προκειμένου να εντοπιστούν οι βασικότεροι παράγοντες πώλησης.
➜ Πραγματοποιήθηκε πρόβλεψη της απόδοσης κάθε καταστήματος ανά ημέρα, κατηγορία προϊόντων και περίοδο.
➜ Το υπάρχον σύστημα κατηγοριοποίησης πελατών βελτιώθηκε μέσω της ανάλυσης «μεγάλων δεδομένων» (Big Data) και των προηγμένων τεχνικών κατάτμησης πελατειακής βάσης.
➜ Υλοποιήθηκαν πίνακες αποτελεσμάτων (Dashboards) και ενσωματώθηκαν στα υπάρχοντα επιχειρησιακά συστήματα προκειμένου να καταστήσουν εφικτή την άμεση λήψη αποφάσεων.
Το αποτέλεσμα
➜ Η συνολική ακρίβεια του μοντέλου βελτίωσε τις εκτιμήσεις του πελάτη κατά 200% σε σχέση με την παλαιότερη υποδομή του.
➜ Ο ανεφοδιασμός καταστημάτων και ο προγραμματισμός εργασιών πραγματοποιείται σε επίπεδο ημέρας με βάση την τοπική ζήτηση και την απόδοση των σημείων πώλησης.