Μοντέλα και πλατφόρμες AI

Η Lumivero ανοίγει τη beta του SharpCloud POLI για τη λήψη αποφάσεων σχετικά με χαρτοφυλάκια έργων

Η beta έκδοση του POLI της SharpCloud χρησιμοποιεί δεδομένα χαρτοφυλακίου για να απαντά σε ερωτήσεις και να μοντελοποιεί αλλαγές, αλλά αφήνει την έγκριση στους ανθρώπους που διαχειρίζονται τα έργα.

Aiden Cross
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Office employee reviewing a document at a laptop with a colleague at a nearby desk.
Βασικά σημείαΟι απαντήσεις του POLI εξαρτώνται εξ ολοκλήρου από τις εξαρτήσεις που έχουν ήδη…
Δείτε περισσότερα
  • Οι απαντήσεις του POLI εξαρτώνται εξ ολοκλήρου από τις εξαρτήσεις που έχουν ήδη καταγράψει οι ομάδες στο SharpCloud.
  • Το What-If Impact παραμένει μόνο για ανάγνωση, ώστε η ανάλυση σεναρίων να μην αλλοιώνει ποτέ τα δεδομένα χαρτοφυλακίου που αξιολογεί.
  • Η ανθρώπινη έγκριση δεν μπορεί να διορθώσει παρωχημένες εισόδους ούτε να εγγυηθεί ότι κάθε σύσταση AI είναι σωστή.

Η Lumivero άνοιξε τη beta έκδοση του POLI, ενός συνόλου πρακτόρων τεχνητής νοημοσύνης ενσωματωμένων στο λογισμικό διαχείρισης χαρτοφυλακίων SharpCloud. Η εταιρεία παρουσίασε το POLI στις 16 Νοεμβρίου και αναφέρει ότι η πρόσβαση στη beta ξεκίνησε στις 17 Νοεμβρίου για πελάτες και υποψήφιους πελάτες. Οι πράκτορες μπορούν να απαντούν σε ερωτήσεις σχετικά με έργα και κινδύνους ή να διερευνούν τις συνέπειες μιας προτεινόμενης αλλαγής. Για να εφαρμοστεί μια αλλαγή στο χαρτοφυλάκιο, πρέπει πρώτα να την εγκρίνει κάποιος.

Το σύστημα έχει σχεδιαστεί για χαρτοφυλάκια έργων και όχι για επενδυτικές συναλλαγές. Για παράδειγμα, μια εταιρεία που εκτελεί αναβαθμίσεις σε διάφορα εργοστάσια θα μπορούσε να ρωτήσει ποιες εργασίες εξαρτώνται από μια καθυστερημένη παράδοση. Η απάντηση εξαρτάται από τις συνδέσεις που έχει ήδη καταγράψει η ομάδα στο SharpCloud. Αν δεν έχουν καταχωριστεί ο κοινός προμηθευτής ή το ορόσημο που επηρεάζεται, δεν μπορεί κανείς να βασιστεί στο μοντέλο ότι θα γνωρίζει αυτά τα στοιχεία.

Απαντήσεις σε ερωτήσεις μέσα στο χαρτοφυλάκιο

Οι ομάδες συνήθως τηρούν τα χρονοδιαγράμματα, τους κινδύνους και τις εξαρτήσεις σε διαφορετικά συστήματα. Ένα έργο μπορεί να φαίνεται ότι προχωρά σύμφωνα με το χρονοδιάγραμμά του, παρότι κάποια προϋπόθεση καθυστερεί αλλού. Το SharpCloud δίνει στις ομάδες τη δυνατότητα να αποτυπώνουν ρητά αυτές τις σχέσεις. Τον Ιανουάριο, η Lumivero ανακοίνωσε την εξαγορά της SharpCloud, επισημαίνοντας ως λόγους της συμφωνίας την οπτικοποίηση χαρτοφυλακίων και τη δυνατότητα μοντελοποίησης του τρόπου με τον οποίο μια αλλαγή θα μπορούσε να επηρεάσει πολλαπλά έργα.

Το POLI λειτουργεί πάνω σε αυτό το διασυνδεδεμένο μοντέλο χαρτοφυλακίου. Οι πέντε προεπιλεγμένοι πράκτορές του είναι οι Getting Started, Comparison, What-If Impact, Story Summary και Product Knowledge. Καλύπτουν διαφορετικές ανάγκες: από το να βοηθούν έναν νέο χρήστη να εξοικειωθεί με το σύστημα έως τη σύγκριση στοιχείων ή τη σύνοψη μιας προβολής χαρτοφυλακίου. Ο Comparison μπορεί να διευκολύνει τον εντοπισμό των διαφορών μεταξύ έργων. Ο What-If Impact θέτει ένα διαφορετικό ερώτημα: αν αλλάξει μια παραδοχή για κάποιο έργο, ποια άλλα μέρη του μοντελοποιημένου χαρτοφυλακίου ενδέχεται να επηρεαστούν;

Η διάκριση έχει σημασία, επειδή οι εξαρτήσεις είναι συχνά πιο χρήσιμες από μια κατάταξη. Αν η καθυστερημένη εγκατάσταση εξοπλισμού μεταθέσει την εκπαίδευση που συνδέεται με αυτήν, το σημαντικό δεν είναι απλώς ότι μετακινήθηκε ένα ορόσημο. Σημασία έχει ποιοι πρέπει να προσαρμόσουν τα σχέδιά τους και ποιες παραδοχές πρέπει να επαληθεύσουν. Η ανάλυση σεναρίων βοηθά στον εντοπισμό αυτών των ερωτημάτων, χωρίς να ζητά από το σύστημα να αποφασίσει τι πρέπει να κάνει η επιχείρηση.

Διαχωρισμός της ανάλυσης από την έγκριση

Η Lumivero αναφέρει ότι το What-If Impact λειτουργεί μόνο για ανάγνωση και δεν αλλάζει τα δεδομένα που αξιολογεί. Η εταιρεία αναφέρει επίσης ότι το POLI τηρεί τα υφιστάμενα δικαιώματα πρόσβασης των χρηστών, παρουσιάζει τη βάση των απαντήσεών του και αφήνει τις προτεινόμενες αλλαγές προς έγκριση από τους ανθρώπους. Η χρήση τεχνητής νοημοσύνης ενεργοποιείται προαιρετικά για κάθε εγκατάσταση του SharpCloud. Πρόκειται για ελέγχους όπως τους περιγράφει ο προμηθευτής και όχι για ανεξάρτητα ευρήματα σχετικά με την ακρίβεια λειτουργίας των πρακτόρων σε δεδομένα με ασυνέπειες ή ελλείψεις.

Η ανθρώπινη έγκριση είναι πιο χρήσιμη όταν μια εξήγηση μπορεί να ελεγχθεί με βάση τα αρχικά αρχεία. Μια εύλογη απάντηση μπορεί να βασίζεται σε μια έγκυρη αλλά παρωχημένη εκτίμηση ή σε μια εξάρτηση που δεν ισχύει πλέον. Ο ελεγκτής χρειάζεται να βλέπει ποια αρχεία χρησιμοποίησε ο βοηθός και να γνωρίζει ποιος είναι υπεύθυνος για τη συντήρησή τους. Το βήμα της έγκρισης προσφέρει ένα σημείο ελέγχου, αλλά δεν διορθώνει παρωχημένα δεδομένα εισόδου ούτε διασφαλίζει ότι κάθε σύσταση είναι σωστή.

Η ίδια η Lumivero αναφέρει στην έκθεσή της για τη λήψη αποφάσεων σε κεφαλαιουχικά έργα ότι λίγοι από τους ερωτηθέντες στην έρευνα θα ενεργούσαν βάσει μιας σύστασης τεχνητής νοημοσύνης χωρίς ουσιαστικό έλεγχο. Η έρευνα προέρχεται από τον προμηθευτή και δεν επαληθεύει τις επιδόσεις του POLI. Ωστόσο, αναδεικνύει το πρόβλημα υιοθέτησης που επιδιώκει να αντιμετωπίσει το προϊόν: οι ομάδες θέλουν βοήθεια για να συγκεντρώνουν διάσπαρτες πληροφορίες, διατηρώντας παράλληλα την ευθύνη για κάθε απόφαση που βασίζεται σε αυτές.

Τι πρέπει να αποδείξει η beta

Οι πρώτοι χρήστες μπορούν να δοκιμάσουν τους πράκτορες σε οικεία παραδείγματα, για τα οποία η ομάδα έργου γνωρίζει ήδη την έκβαση, και στη συνέχεια να συγκρίνουν τις απαντήσεις με τα υποκείμενα αρχεία και να επαναλάβουν τη δοκιμή με διαφορετικό επίπεδο πρόσβασης. Έτσι θα φανεί πού το POLI βοηθά να μειωθεί ο χρόνος που απαιτείται για τη διασταύρωση χρονοδιαγραμμάτων και πού τα αρχεία που λείπουν εξακολουθούν να απαιτούν χειροκίνητη διερεύνηση. Η αρχική beta είναι προτιμότερο να θεωρηθεί ένας τρόπος υποβολής ερωτημάτων σε ένα μοντέλο χαρτοφυλακίου και δοκιμής του, όχι αντικατάσταση των ανθρώπων που είναι υπεύθυνοι γι’ αυτό. Η Lumivero περιλαμβάνει στον οδικό της χάρτη ξεχωριστές ενότητες ανάλυσης και ελέγχων για το πρώτο εξάμηνο του 2027· αυτές οι ενότητες δεν αποτελούν μέρος της τρέχουσας beta.

Aiden Cross είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στην Unite.AI, καλύπτοντας τη στρατηγική προϊόντος της τεχνητής νοημοσύνης, την εκτέλεση και τις πρακτικές προκλήσεις της μετατροπής των πειραματικών μοντέλων σε κλιμακώσιμα, έτοιμα για την αγορά προϊόντα. Το έργο του επικεντρώνεται στο πώς οι νεοφυείς επιχειρήσεις και οι επιχειρηματικές ομάδες μεταβαίνουν από τα πρωτότυπα και τις επιδείξεις σε αξιόπιστα συστήματα που χρησιμοποιούνται από πραγματικούς πελάτες.
Με μια πραγματιστική και λεπτομερή προοπτική, ο Aiden αναλύει τους οδικούς χάρτες προϊόντων, τις στρατηγικές go-to-market, τις αποφάσεις πλατφόρμας και τους οργανωτικούς συμβιβασμούς που καθορίζουν εάν οι πρωτοβουλίες της τεχνητής νοημοσύνης θα επιτύχουν ή θα σταματήσουν. Ιδιαίτερη προσοχή δίνει στις πραγματικότητες της ανάπτυξης, την υιοθέτηση από τους χρήστες, τους περιορισμούς της υποδομής και την ευθυγράμμιση μεταξύ της τεχνικής ικανότητας και της επιχειρηματικής αξίας.
Τα άρθρα που έχουν γραφτεί από τον Aiden Cross έχουν δημιουργηθεί από την τεχνητή νοημοσύνη και έχουν αναθεωρηθεί από την συντακτική ομάδα της Unite.AI για να διασφαλιστεί η σαφήνεια, η ακρίβεια και η υπεύθυνη κάλυψη του πώς τα προϊόντα της τεχνητής νοημοσύνης αναπτύσσονται, διατίθενται στους χρήστες και κλιμακώνονται στον πραγματικό κόσμο.