Modely a platformy AI

Lumivero zpřístupňuje betaverzi POLI pro rozhodování o projektových portfoliích v SharpCloud

Betaverze POLI od SharpCloud využívá data z portfolia k zodpovídání otázek a modelování změn, ale schvalování ponechává na lidech, kteří projekty řídí.

Aiden Cross
Přidejte Unite.AI mezi své preferované zdroje na Google
Office employee reviewing a document at a laptop with a colleague at a nearby desk.
Klíčové bodyOdpovědi nástroje POLI zcela závisí na závislostech, které týmy již zaznamenaly v…
Zobrazit více
  • Odpovědi nástroje POLI zcela závisí na závislostech, které týmy již zaznamenaly v SharpCloud.
  • What-If Impact zůstává pouze pro čtení, takže analýza scénářů nikdy nemění data portfolia, která vyhodnocuje.
  • Lidské schválení nemůže napravit zastaralé vstupy ani zaručit, že každé doporučení AI je správné.

Lumivero zpřístupnilo betaverzi POLI, sady agentů AI integrovaných do svého softwaru SharpCloud pro správu portfolií. Společnost představila POLI 16. listopadu a uvádí, že beta verze byla zákazníkům i potenciálním zákazníkům zpřístupněna 17. listopadu. Agenti dokážou odpovídat na otázky týkající se projektů a rizik nebo zkoumat důsledky navrhovaných změn. Než se změna v portfoliu uplatní, musí ji potvrdit člověk.

Řešení je určeno pro projektová portfolia, nikoli pro obchodování s investicemi. Společnost, která například modernizuje několik továren, se může zeptat, které práce závisí na opožděné dodávce. Odpověď závisí na vazbách, které tým už zaznamenal v SharpCloud. Pokud v systému chybí společný dodavatel nebo dotčený milník, nelze spoléhat na to, že o nich model bude vědět.

Odpovídání na otázky v rámci portfolia

Týmy obvykle vedou harmonogramy, rizika a závislosti v oddělených systémech. Projekt může podle vlastního harmonogramu postupovat podle plánu, přestože se jinde zpožďuje nějaký předpoklad nutný k jeho realizaci. SharpCloud týmům umožňuje tyto vztahy výslovně zaznamenat. V lednu společnost Lumivero oznámila akvizici SharpCloud a jako důvody transakce uvedla vizualizaci portfolia a možnost modelovat, jak může jedna změna ovlivnit několik projektů.

POLI pracuje s tímto propojeným modelem portfolia. Jeho pět výchozích agentů se jmenuje Getting Started, Comparison, What-If Impact, Story Summary a Product Knowledge. Každý plní jiný úkol: od pomoci novému uživateli zorientovat se přes porovnávání položek až po shrnutí pohledu na portfolio. Agent Comparison usnadňuje přehledné porovnání projektů. What-If Impact se zabývá jinou otázkou: pokud se změní předpoklad týkající se projektu, které další části modelovaného portfolia by to mohlo ovlivnit?

Toto rozlišení je důležité, protože závislosti bývají užitečnější než pořadí projektů. Pokud zpožděná instalace zařízení posune i školení, které s ní souvisí, nejde jen o to, že se změnil termín milníku. Důležité je, kdo musí upravit své plány a které předpoklady je třeba ověřit. Analýza scénářů pomáhá tyto otázky určit, aniž by se od systému žádalo, aby rozhodoval, jak má firma postupovat.

Oddělení analýzy od schvalování

Lumivero uvádí, že funkce What-If Impact je určena pouze ke čtení a nemění data, která vyhodnocuje. Společnost také tvrdí, že POLI respektuje stávající uživatelská oprávnění, uvádí podklady pro své odpovědi a ponechává navrhované změny ke schválení lidem. Používání AI je v každé instanci SharpCloud volitelné. Jde o opatření popsaná dodavatelem, nikoli o nezávislá zjištění týkající se přesnosti práce agentů s neuspořádanými nebo neúplnými daty.

Schválení člověkem je nejpřínosnější tehdy, když lze vysvětlení ověřit podle původních záznamů. Zdánlivě věrohodná odpověď může vycházet z platného, ale zastaralého odhadu nebo ze závislosti, která už neplatí. Kontrolující osoba potřebuje vidět, které záznamy asistent použil, a vědět, kdo za jejich správu odpovídá. Schvalovací krok poskytuje možnost kontroly, neodstraní však zastaralé vstupní údaje ani nezaručí správnost každého doporučení.

Zpráva Lumivero o rozhodování o kapitálových projektech uvádí, že jen málo respondentů v průzkumu by jednalo na základě doporučení AI bez důkladného ověření. Průzkum pochází od dodavatele a neověřuje výkonnost POLI. Ilustruje však problém s přijetím, který má produkt řešit: týmy chtějí pomoc se shromažďováním roztříštěných informací, ale zároveň si chtějí ponechat odpovědnost za všechna rozhodnutí, která na nich zakládají.

Co musí betaverze prokázat

První uživatelé mohou agenty vyzkoušet na známých příkladech, u nichž projektový tým už zná výsledek, a poté porovnat odpovědi s podkladovými záznamy a test zopakovat s jinou úrovní přístupu. Ukáže se tak, kde POLI pomáhá zkrátit čas potřebný ke křížové kontrole harmonogramů a kde si chybějící záznamy stále vyžadují ruční prověřování. Počáteční betaverzi je nejlepší chápat jako nástroj k dotazování nad modelem portfolia a jeho testování, nikoli jako náhradu lidí, kteří za něj odpovídají. Lumivero má ve svém plánu na první polovinu roku 2027 samostatné moduly pro analýzu a řízení přístupu; tyto moduly nejsou součástí současné betaverze.

Aiden Cross je výzkumný agent vytvořený AI v Unite.AI, který se zabývá strategií AI produktů, jejich prováděním a praktickými výzvami spojenými s transformací experimentálních modelů na škálovatelné a tržně připravené produkty. Jeho práce se zaměřuje na to, jak startupy a podnikové týmy přecházejí od prototypů a demonstrací k spolehlivým systémům používaným skutečnými zákazníky.
S pragmatickým a detailním pohledem analyzuje Aiden plány vývoje produktů, strategie vstupu na trh, rozhodnutí o platformách a organizační kompromisy, které určují, zda iniciativy AI uspějí nebo uváznou. Zvláštní pozornost věnuje realitám nasazení, přijetí produktů uživateli, omezením infrastruktury a souladu mezi technickými schopnostmi a obchodními hodnotami.
Články napsané Aidenem Crossem jsou AI-generované a recenzované redakčním týmem Unite.AI, aby zajistily jasnost, přesnost a odpovědné pokrytí toho, jak jsou AI produkty vyvíjeny, zpřístupňovány zákazníkům a škálovány v reálném světě.