AI-mallit ja alustat

Lumivero avaa SharpCloudin POLI-betaversion projektisalkun päätöksentekoon

SharpCloudin POLI-beetaversio käyttää projektisalkun tietoja kysymyksiin vastaamiseen ja muutosten mallintamiseen, mutta jättää hyväksynnän projekteista vastaaville ihmisille.

Aiden Cross
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Office employee reviewing a document at a laptop with a colleague at a nearby desk.
Keskeiset kohdatPOLI:n vastaukset riippuvat täysin riippuvuuksista, jotka tiimit ovat jo kirjanneet…
Näytä lisää
  • POLI:n vastaukset riippuvat täysin riippuvuuksista, jotka tiimit ovat jo kirjanneet SharpCloudiin.
  • What-If Impact pysyy vain lukumuodossa, joten skenaarioanalyysi ei koskaan muuta arvioimaansa portfolioaineistoa.
  • Ihmisen hyväksyntä ei voi korjata vanhentuneita syötteitä eikä taata, että jokainen tekoälyn suositus on oikein.

Lumivero on avannut beetaversion POLIsta, joka on sen SharpCloud-projektisalkunhallintaohjelmistoon sisältyvä tekoälyagenttien kokonaisuus. Yhtiö esitteli POLIn 16. marraskuuta ja kertoo beetaversion tulleen asiakkaiden ja mahdollisten asiakkaiden käyttöön 17. marraskuuta. Agentit voivat vastata projekteja ja riskejä koskeviin kysymyksiin tai tarkastella ehdotetun muutoksen seurauksia. Ihmisen on vahvistettava muutos ennen kuin se otetaan käyttöön projektisalkussa.

Ratkaisu on suunniteltu projektisalkkujen hallintaan, ei sijoituskaupankäyntiin. Esimerkiksi useita tehdaspäivityksiä toteuttava yritys voisi kysyä, mitkä työt riippuvat viivästyneestä toimituksesta. Vastaus riippuu yhteyksistä, jotka tiimi on jo kirjannut SharpCloudiin. Jos yhteinen toimittaja tai vaikutuksen kohteena oleva välitavoite puuttuu, mallin ei voi olettaa tietävän siitä.

Kysymyksiin vastaaminen projektisalkun sisällä

Tiimit pitävät aikatauluja, riskejä ja riippuvuuksia tavallisesti erillisissä järjestelmissä. Projekti voi näyttää oman aikataulunsa mukaan olevan suunnitelmassa, vaikka sen edellytyksenä oleva työ viivästyisi muualla. SharpCloud tarjoaa tiimeille tavan kuvata nämä yhteydet selkeästi. Tammikuussa Lumivero ilmoitti hankkineensa SharpCloudin ja mainitsi kaupan syiksi projektisalkkujen visualisoinnin sekä mahdollisuuden mallintaa, miten yksi muutos voisi vaikuttaa useisiin projekteihin.

POLI toimii tämän toisiinsa kytketyn projektisalkkumallin pohjalta. Sen viisi oletusagenttia ovat Getting Started, Comparison, What-If Impact, Story Summary ja Product Knowledge. Ne palvelevat eri tarkoituksia uuden käyttäjän perehdyttämisestä kohteiden vertailuun ja projektisalkkunäkymän yhteenvetoon. Comparison-agentti voi helpottaa projektien välisten erojen hahmottamista. What-If Impact esittää toisenlaisen kysymyksen: jos projektia koskeva oletus muuttuu, mihin muihin mallinnetun projektisalkun osiin muutos voisi vaikuttaa?

Ero on tärkeä, sillä riippuvuudet ovat usein hyödyllisempiä kuin paremmuusjärjestys. Jos laitteiston asennuksen viivästyminen siirtää siihen liittyvää koulutusta, tärkeintä ei ole vain tieto välitavoitteen siirtymisestä. Olennaista on, keiden on mukautettava suunnitelmiaan ja mitkä oletukset on tarkistettava. Skenaarioanalyysi auttaa tunnistamaan nämä kysymykset pyytämättä järjestelmää päättämään, mitä yrityksen pitäisi tehdä.

Analyysin ja hyväksynnän pitäminen erillään

Lumiveron mukaan What-If Impact on vain luku -toiminto eikä muuta arvioimiaan tietoja. Yhtiö kertoo myös, että POLI noudattaa käyttäjien nykyisiä käyttöoikeuksia, näyttää vastaustensa perustelut ja jättää ehdotettujen muutosten hyväksymisen ihmisille. Tekoälyn käyttö on valinnaista kussakin SharpCloud-instanssissa. Nämä ovat toimittajan kuvaamia hallintakeinoja, eivät riippumattomia havaintoja siitä, miten tarkasti agentit toimivat epäsiistillä tai puutteellisella datalla.

Ihmisen tekemä hyväksyntä on hyödyllisimmillään silloin, kun selityksen voi tarkistaa alkuperäisistä tiedoista. Uskottava vastaus voi perustua pätevään mutta vanhentuneeseen arvioon tai riippuvuuteen, joka ei enää päde. Tarkastajan on nähtävä, mitä tietueita avustaja käytti, ja tiedettävä, kuka ylläpitää niitä. Hyväksyntävaihe tarjoaa mahdollisuuden valvoa toimintaa, mutta se ei korjaa vanhentuneita lähtötietoja eikä takaa, että kaikki suositukset ovat oikeita.

Lumiveron oma pääomahankkeiden päätöksentekoa käsittelevä raportti kertoo, että vain harvat kyselyyn vastanneista toimisivat tekoälyn suosituksen perusteella ilman perusteellista arviointia. Kyselyn on toteuttanut toimittaja, eikä se vahvista POLIn suorituskykyä. Se kuitenkin havainnollistaa ongelmaa, johon tuotteella pyritään vastaamaan: tiimit haluavat apua hajallaan olevan tiedon kokoamiseen mutta haluavat silti säilyttää vastuun sen perusteella tehdyistä päätöksistä.

Mitä beetaversion on osoitettava

Varhaiset käyttäjät voivat testata agentteja tutuilla esimerkeillä, joiden lopputuloksen projektitiimi jo tietää, verrata vastauksia taustalla oleviin tietoihin ja toistaa testin toisella käyttöoikeustasolla. Näin voidaan selvittää, missä POLI auttaa vähentämään aikataulujen ristiintarkistamiseen kuluvaa aikaa ja missä puuttuvien tietueiden selvittäminen vaatii edelleen manuaalista työtä. Alkuvaiheen beetaversio kannattaa nähdä keinona kysellä projektisalkkumallilta ja testata sitä, ei korvaajana siitä vastuussa oleville ihmisille. Lumivero on ilmoittanut suunnittelevansa erillisiä analyysi- ja ohjausmoduuleja vuoden 2027 ensimmäiselle puoliskolle; nämä moduulit eivät kuulu nykyiseen beetaversioon.

Aiden Cross on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka kattaa tekoälytuotteiden strategian, toteutuksen ja käytännön haasteet, joita liittyy kokeellisten mallien muuttamiseen skaalattaviksi, markkinoille valmiiksi tuotteiksi. Hänen työnsä keskittyy siihen, miten startup-yritykset ja suuret yritykset siirtyvät prototyypeistä ja demoista luotettaviin järjestelmiin, joita todelliset asiakkaat käyttävät.
Hänen työnsä on pragmaattista ja yksityiskohtaista, ja Aiden analysoi tuotteen kehitysroadmappeja, markkinoilletulostrategioita, alustapäätöksiä ja organisaatioiden kompromisseja, jotka määräävät, onnistuvatko tekoälyhankkeet vai jäävätkö ne paikoilleen. Hän kiinnittää erityistä huomiota käyttöönoton todellisuuteen, käyttäjähyväksyntään, infrastruktuurirajoituksiin ja teknisen kyvyn ja liiketoiminta-arvon väliseen yhteensopivuuteen.
Aiden Crossin kirjoittamat artikkelit ovat tekoälygeneroituja ja Unite.AI:n toimituksellinen tiimi tarkistaa ne, jotta varmistetaan selkeä, tarkka ja vastuullinen käsittely siitä, miten tekoälytuotteet rakennetaan, toimitetaan ja skaalataan todellisessa maailmassa.