Zebra Technologies apeluje do firm, aby dokładnie analizowały dane generowane w codziennej pracy operacyjnej pracowników pierwszej linii. To właśnie te dane mogą być odpowiedzią na problem malejącej dostępności wysokiej jakości materiałów do trenowania AI i rozwijania modeli.
Wyczerpywanie się źródeł danych publicznych
Według raportów i analiz branżowych, zasoby publicznie dostępnych treści online, które są niezbędne do trenowania modeli AI, wyczerpują się. Od kwietnia 2023 do kwietnia 2024 r. dostęp do 25 proc. materiałów z najbardziej wartościowych domen został ograniczony. Część ekspertów prognozuje wyczerpanie tych zasobów nawet przed 2030 r.
– Jakość danych stanowi kolejne wyzwanie dla generatywnej sztucznej inteligencji i rozwiązań wykorzystujących głębokie uczenie. Niedokładności, błędy systematyczne czy niewystarczająca różnorodność danych, w związku z czym nie można odzwierciedlić rzeczywistych scenariuszy zastosowań, doprowadzą do powstania nieskutecznych modeli AI. W efekcie nie będą one wspierać rozwoju biznesowego, inteligentnej automatyzacji ani lepszej łączności pracowników pierwszej linii – mówi Stuart Hubbard, dyrektor ds. AI i rozwoju zaawansowanych technologii w Zebra Technologies.
Niewykorzystany potencjał danych z pierwszej linii
Jednym z kluczowych, a dotąd niewystarczająco wykorzystywanych źródeł informacji są dane generowane przez pracowników pierwszej linii w czasie rzeczywistym. Dane te powstają w ramach przepływów pracy, na urządzeniach mobilnych i w systemach technologii przemysłowej. Zebra Technologies wskazuje, że ich potencjał jest ogromny, zwłaszcza w takich sektorach jak handel detaliczny, logistyka i produkcja.
Przykłady danych z pierwszej linii? Poziom zapełnienia półek i zmiany cen w sklepach, wielkość i kształt paczek w logistyce czy jakość komponentów i opakowań w produkcji. Informacje te mogą stać się bogatym zasobem do trenowania modeli AI, zwłaszcza że zbiera się je w środowiskach rzeczywistych i w sposób ciągły.
Nowe technologie w służbie danych
– Liderzy branży IT i rozwoju AI powinni skoncentrować się na danych generowanych w wyniku pracy pracowników pierwszej linii – mówi Hubbard. Technologie takie jak mobilne komputery z systemami wizyjnymi, agentowa sztuczna inteligencja, rozpoznawanie głosu, inteligentne kamery, czujniki i algorytmy deep learning pozwalają z tych danych wyciągać praktyczne wnioski i przekształcać je w wartość biznesową.
Zebra Technologies podkreśla także rolę powszechnie znanych rozwiązań, takich jak RFID, które umożliwiają szybkie gromadzenie dużych ilości precyzyjnych danych. Dane te mogą być następnie wykorzystywane do szkolenia modeli AI, analizy jakości, optymalizacji procesów. Oprócz tego znajdą zastosowanie także w tworzeniu cyfrowych bliźniaków i planowaniu scenariuszy biznesowych.
Dane z pierwszej linii źródłem przewagi konkurencyjnej
Postępująca cyfryzacja środowisk pracy sprawia, że urządzenia mobilne i brzegowe mogą samodzielnie gromadzić dane, które dostarczają informacji o wydajności procesów i wykorzystaniu zasobów. Wzorce interakcji użytkowników oraz dane kontekstowe pozwalają lepiej zrozumieć pracę operacyjną i umożliwiają np. wdrażanie konserwacji predykcyjnej.
Co jest kluczem do odpowiedzialnego rozwoju sztucznej inteligencji w firmach? Zebra Technologies jest zdania, że to integracja danych operacyjnych i kontekstowych, w połączeniu z zasadami etycznymi i ramami prawnymi. Dzięki temu firmy mogą wzmocnić swoją pozycję konkurencyjną. Jednocześnie mogą zapewnić dokładniejsze, bardziej efektywne i zgodne z rzeczywistością operacyjną rozwiązania AI.
Polecamy także:
- Toksyczna sztuczna biżuteria pod lupą UOKiK i KAS. Wyniki kontroli zaskakują
- Gorączka AI napędza rynek IT. Ofert pracy przybywa, juniorzy walczą o wejście do branży
- Hollywood kontra sztuczna inteligencja. Disney i Universal pozywają Midjourney
- Generatywna AI zmienia polskie miejsca pracy. Pracownicy szybsi, ale niepewni
