Inteligenciju odlučivanja (engl. decision intelligence ili DI) analitičari uglednih kompanija proglasili su jednom od najvažnijih tehnologija za uspješno poslovanje ove godine, no usput se objašnjava kako to i nije tehnologija, nego disciplina. S pomoću nje tvrtke postaju agilne, a i zaposlenici odlučni i poduzetni. Nasumična anketa po domaćim tvrtkama pokazala je da se o njoj, a ni o procesima odlučivanja, ne želi govoriti
Ove godine menadžeri kompanija treniraju novu disciplinu – inteligenciju odlučivanja, DI (engl. decision intelligence). Trend je to u menadžmentu i područje koje obuhvaća niz metoda za lakše donošenje kvalitetnijih odluka. Inteligencija odlučivanja utemeljena je na algoritmima strojnog učenja i prilagođena organizacijskom odlučivanju.
Kombinira različite tehnike odlučivanja koje ujedinjuju umjetnu inteligenciju (AI), automatizaciju, poslovnu inteligenciju i kreativnost u donošenju odluka (posljednje se odnosi na ljudske potencijale) kako bi se naprednim odlukama utemeljenima na djelotvornim (odabranim) podacima postigao što bolji poslovni uspjeh.
Otkrivanje savršena profila
Kompanijama koje žele nadići zastarjela izvješća inteligencija odlučivanja omogućuje obradu velikih količina podataka sofisticiranom kombinacijom alata kao što su umjetna inteligencija i strojno učenje za transformaciju nadzornih ploča podataka i poslovne analitike u sveobuhvatnije platforme za potporu odlučivanju. Sustavi inteligencije odlučivanja pomažu tvrtkama gledati u budućnost s većom lakoćom i samopouzdanjem, a DI platforme otkriti rizike te dati konkretne preporuke za provedbu radnji kako bi se izbjegle štetne posljedice.
Primjerice, ako nešto poremeti opskrbni lanac, DI platforma može poslužiti za uspješno rješavanje problema u stvarnom vremenu. Upotrebom inteligencije odlučivanja može se upravljati svim dionicama u poslovnom procesu s predvidljivijim uspjehom. DI tehnologija izvrsna je u predviđanju, primjerice, kad će proizvodi postati traženiji, je li marža dosegnula ili nije točku u kojoj mijenjanje zaliha ima smisla te na drugi način sinkronizirati ponudu s potražnjom potrošača.
Inteligencija odlučivanja eliminira potrebu za dugim razgovorima, a s pomoću DI platforme menadžerski je tim povezan i dostupni su mu podaci kojima može vjerovati jer su nepristrani, točni i pouzdani, što omogućuje brže djelovanje i smanjuje neslaganje unutar tima. Osim toga, rješenja digitalne inteligencije kao što je strojno učenje mogu izvoditi algoritme na klijentovim podacima prikupljenima u obliku skupova podataka.
Tako se otkriva savršen profil korisnika i uspoređuje se s podacima treće strane kako bi se stvorio ciljni popis potencijalnih kupaca koji će poslužiti marketingu za provedbu kampanja. Strategija pomaže identificirati specifične preferencije kupaca i dopuniti njihove potrebe.
Dubinsko razumijevanje
Međutim, nije ovo tako jednostavno kao što se čini jer uspješne strategije odlučivanja zahtijevaju razumijevanje načina na koji se donose organizacijske odluke, kao i predanost evaluaciji ishoda te upravljanju i poboljšanju odlučivanja uz povratne informacije.
– To nije tehnologija, nego disciplina koja se sastoji od mnogo različitih tehnologija – kaže Gartnerov analitičar Erick Brethenoux.
Prema toj konzultantskoj tvrtki, inteligencija odlučivanja jedan je od glavnih ovogodišnjih strateških tehnoloških trendova, a očekuje se da će više od trećine velikih organizacija prakticirati tu disciplinu do 2023. Trend se razvija u vrijeme kad organizacije moraju odlučivati brže nego ikad, i to u razmjerima koji još nisu viđeni.
Prema Brethenouxovim riječima, inteligencija odlučivanja pomaže osigurati automatizirano donošenje odluka, što može pomoći tvrtkama da ostanu konkurentne i udovoljiti tržišnim zahtjevima. Ali za to treba duboko razumjeti procese odlučivanja, rizike i nagrade koje donosi svaka odluka te prihvatljive granice pogreške i biti sposoban shvaćati koliko bi se trebalo biti sigurno u bilo koju odluku koju nude automatizirani procesi odlučivanja.
Uvođenje inteligencije odlučivanja u korporacijsku praksu znači započeti proces koji je izvrsno definiran, niskorizičan i ima veliku zbirku primjera. To nije jednokratan proces, zbog čega se pristup mora stalno prilagođavati u skladu s povratnim informacijama.
Točnije procjene rizika
Mnoge tvrtke već imaju takve procese, ali nisu svi još potpuno automatizirani.
– Tvrtke koje su prezauzete svakodnevnim poslovima možda neće primijetiti da propuštaju te prilike. Poslije će se pitati zašto konkurenti rade bolje, ali bit će prekasno. Čak i kad je proces već automatiziran, dodavanje više čimbenika u mehanizam odlučivanja može poboljšati točnost – kaže Ray Wang, glavni analitičar i osnivač Constellation Researcha.
Primjerice, odluka o ocjenjivanju rizika može se poboljšati uzimajući u obzir doba dana ili korisnikovu lokaciju. Što se proces češće ponavlja i što su rezultati jasniji, to će tvrtka imati više mogućnosti da ga poboljša.
Primjerice, LexisNexis koristi se svojim proizvodom ThreatMetrixom za donošenje 300 milijuna odluka na dan povezanih s prijevarama, a iako one nisu posve savršene, kupcima nude golemu vrijednost jer su u 99 posto slučajeva ispravne. LexisNexis primjenjuje algoritme strojnog učenja za sortiranje transakcija u profile ponašanja kako bi predvidio je li neka transakcija lažna ili sumnjiva.
Automatizacija i mjerenje učinka
U tradicionalnom odlučivanju bodovanje rizika uključuje niz odluka 'ako – onda', ali sustavi strojnog učenja, osim što mogu brzo donositi odluke utemeljene na skupovima podataka, mogu umanjiti ili posve isključiti rizik. Za donošenje što kvalitetnije odluke u tom složenom procesu treba posebno obratiti pozornost na prikupljene podatke.
Ako su faze u odlučivanju nejasno definirane, rezultati odluka nejasniji su ili postoje veći rizici od pogrešnih odluka jer inteligentni sustavi ne mogu potpuno zamijeniti ljude u odlučivanju, ali mogu znatno povećati kvalitetu odluke.
– Automatizacija inteligencije odlučivanja može se pojaviti tijekom faze prikupljanja podataka pri odlučivanju, no ne mora donositi konačne zaključke, nego se može upotrebljavati za izradu izvješća ili generiranje trendova i korelacija. Stari način, ručno prikupljanje podataka i izrada izvješća, danas nije dobra ideja; korisnije je imati automatski prikupljene i obrađene podatke u stvarnom vremenu kako bi se donijela konačna odluka – kaže Wang.
Pritom je nužno koristiti se velikim skupovima podataka kako bi inteligencija odlučivanja doista bila učinkovita jer na manjim skupovima podataka može biti vrlo teško utvrditi je li odluka bila dobra.
– Kvaliteta ishoda i kvaliteta odluka nisu isto. Katkad imate sjajan špil karata i donosite ispravne odluke, ali i dalje gubite. Nažalost, kad su u pitanju komplicirane i rijetke odluke, kompanije najčešće nemaju uspostavljene mehanizme za mjerenje njihova učinka. Ali rješavanje tog problema nije tehnologija – prvi je korak formalizirati odlučivanje u kompaniji pa zatim razmišljati o dodavanju softvera kao potporu tom procesu. Međutim, teško je prikupiti rezultate tih odluka i povezati ih s procesom donošenja odluka. Trenutačno su u tomu najvještiji marketingaši – kaže Amaresh Tripathy, globalni voditelj analitike u Genpactu.
Poslovna tajna
Kompanije sve više prihvaćaju tehnologije s umjetnom inteligencijom kako bi se pozabavile postojećim i novim problemima u poslovnom ekosustavu, zadovoljile promjenjive tržišne zahtjeve i postigle što bolje poslovne rezultate, rast prihoda i utjecaj na tržištu. No jedan od problema u inteligenciji odlučivanja može biti i pristranost podataka jer su odluke dobre onoliko koliko su dobri podaci na kojima se temelje.
Ljudi proizvode podatke koji se često zasnivaju na pristranosti, te će i oni koji odlučuju tražiti podatke koji podupiru njihovu pristranost. Primjerice, ako menadžer misli da kompanija treba više ljudi u nekom sektoru, može vrlo lako pronaći podatke koji to podupiru, što može navesti na pogrešne zaključke. Rješenje je upravljati pristranošću učeći iz pogrešaka u prošlosti.
Inovacije, uključujući umjetnu inteligenciju, računalni vid, inteligenciju odlučivanja i strojno učenje, imat će veliki transformacijski utjecaj na tržište u idućim godinama, zbog čega će inteligencija odlučivanja postati nužan mehanizam u poslovnom procesu.
Ipak, u hrvatskim tvrtkama nerado govore o primjeni inteligencije odlučivanja u odlučivanju. Pitanja o tome na temelju čega donose odluke i koje procese pritom primjenjuju bila su upućena velikim tvrtkama: jedne su odgovorile da je to poslovna tajna, druge da se u manjem dijelu koriste umjetnom inteligencijom, a treće još ne razmišljaju o odlučivanju utemeljenom na mehanizmima i alatima koje DI nudi.