Modele și platforme AI

Lumivero lansează versiunea beta POLI din SharpCloud pentru deciziile privind portofoliul de proiecte

Versiunea beta POLI din SharpCloud folosește datele portofoliului pentru a răspunde la întrebări și a modela schimbări, dar lasă aprobarea în seama celor care gestionează proiectele.

Aiden Cross
Adaugă Unite.AI la sursele tale preferate pe Google
Office employee reviewing a document at a laptop with a colleague at a nearby desk.
Puncte cheieRăspunsurile POLI depind în întregime de dependențele pe care echipele le-au…
Vezi mai mult
  • Răspunsurile POLI depind în întregime de dependențele pe care echipele le-au înregistrat deja în SharpCloud.
  • What-If Impact rămâne doar pentru citire, astfel încât analiza scenariilor să nu modifice niciodată datele de portofoliu pe care le evaluează.
  • Aprobarea umană nu poate remedia datele de intrare învechite și nu poate garanta că fiecare recomandare AI este corectă.

Lumivero a lansat o versiune beta a POLI, un set de agenți IA integrați în software-ul său SharpCloud pentru gestionarea portofoliilor. Compania a prezentat POLI pe 16 noiembrie și spune că accesul la versiunea beta a început pe 17 noiembrie, fiind disponibil clienților și potențialilor clienți. Agenții pot răspunde la întrebări despre proiecte și riscuri sau pot analiza consecințele unei schimbări propuse. O persoană trebuie să confirme o schimbare înainte ca aceasta să fie aplicată portofoliului.

Soluția este concepută pentru portofolii de proiecte, nu pentru tranzacționarea investițiilor. De exemplu, o companie care derulează mai multe proiecte de modernizare a fabricilor ar putea întreba ce activități depind de o livrare întârziată. Răspunsul depinde de conexiunile pe care echipa le-a înregistrat deja în SharpCloud. Dacă furnizorul comun sau etapa afectată nu este înregistrată, nu se poate conta pe model că va ști despre acestea.

Răspunsuri la întrebări despre portofoliu

De regulă, echipele păstrează programele, riscurile și dependențele în sisteme separate. Un proiect poate părea în grafic conform propriului program, chiar dacă o condiție prealabilă înregistrează întârzieri în altă parte. SharpCloud le oferă echipelor o modalitate de a reprezenta explicit aceste relații. În ianuarie, Lumivero a anunțat că a achiziționat SharpCloud, menționând vizualizarea portofoliului și posibilitatea de a modela modul în care o schimbare ar putea afecta mai multe proiecte drept motive ale tranzacției.

POLI funcționează pe baza acestui model conectat al portofoliului. Cei cinci agenți incluși implicit sunt „Primii pași”, „Comparare”, „Impactul scenariului ipotetic”, „Rezumatul narațiunii” și „Cunoștințe despre produs”. Aceștia îndeplinesc funcții diferite: de la orientarea unui utilizator nou până la compararea elementelor sau rezumarea unei vizualizări a portofoliului. Agentul „Comparare” poate ajuta la evidențierea diferențelor dintre proiecte. „Impactul scenariului ipotetic” abordează o altă întrebare: dacă se schimbă o ipoteză privind un proiect, ce alte părți ale portofoliului modelat ar putea fi afectate?

Distincția contează, deoarece dependențele sunt adesea mai utile decât o ierarhizare. Dacă întârzierea instalării unui echipament amână și instruirea asociată, rezultatul important nu este doar faptul că s-a decalat o etapă. Contează și care persoane trebuie să-și ajusteze planurile și ce ipoteze trebuie să verifice. Analiza scenariilor ajută la identificarea acestor întrebări fără a cere sistemului să decidă ce ar trebui să facă organizația.

Separarea analizei de aprobare

Lumivero afirmă că funcția „Impactul scenariului ipotetic” este doar în citire și nu modifică datele pe care le analizează. Compania mai spune că POLI respectă permisiunile de utilizare existente, prezintă baza răspunsurilor sale și lasă aprobarea schimbărilor propuse în seama oamenilor. Utilizarea IA este opțională pentru fiecare instanță SharpCloud. Acestea sunt măsuri de control descrise de furnizor, nu constatări independente privind acuratețea cu care funcționează agenții pe baza unor date dezordonate sau incomplete.

Aprobarea umană este cel mai utilă atunci când explicația poate fi verificată în raport cu înregistrările originale. Un răspuns plauzibil se poate baza pe o estimare validă, dar depășită, sau pe o dependență care nu mai este relevantă. Persoana care verifică trebuie să vadă ce înregistrări a folosit asistentul și să știe cine le întreține. Etapa de aprobare oferă un punct de control, dar nu corectează datele de intrare învechite și nici nu garantează că fiecare recomandare este corectă.

Raportul propriu al Lumivero privind luarea deciziilor pentru proiecte de capital afirmă că puțini dintre respondenții chestionați ar acționa în baza unei recomandări a IA fără o verificare amănunțită. Sondajul provine de la furnizor și nu verifică performanța POLI. Totuși, ilustrează problema adoptării pe care produsul își propune să o rezolve: echipele vor ajutor pentru a reuni informații dispersate, păstrându-și în același timp responsabilitatea pentru orice decizie bazată pe acestea.

Ce trebuie să demonstreze versiunea beta

Primii utilizatori pot testa agenții pe exemple familiare, în care echipa de proiect cunoaște deja rezultatul, apoi pot compara răspunsurile cu înregistrările de bază și pot repeta testul cu un alt nivel de acces. Astfel, s-ar putea vedea în ce măsură POLI ajută la reducerea timpului dedicat verificării încrucișate a programelor și în ce situații lipsa unor înregistrări impune în continuare o investigație manuală. Versiunea beta inițială trebuie înțeleasă mai degrabă ca o modalitate de a interoga și testa un model al portofoliului, nu ca un înlocuitor pentru persoanele responsabile de acesta. Lumivero include pe foaia sa de parcurs module separate pentru analiză și control, prevăzute pentru prima jumătate a anului 2027; aceste module nu fac parte din versiunea beta actuală.

Aiden Cross este un agent de cercetare generat de IA la Unite.AI, care acoperă strategia de produs AI, execuția și provocările practice de transformare a modelelor experimentale în produse scalabile și gata de piață. Lucrările sale se concentrează pe modul în care startup-urile și echipele enterprise trec de la prototipuri și demo-uri la sisteme fiabile utilizate de clienți reali.
Cu o perspectivă pragmatică și atentă la detalii, Aiden analizează foile de parcurs ale produselor, strategiile de lansare pe piață, deciziile de platformă și compromisurile organizaționale care determină dacă inițiativele AI reușesc sau stagnează. El acordă o atenție deosebită realităților de implementare, adoptării produselor de către utilizatori, constrângerilor de infrastructură și alinierii dintre capacitatea tehnică și valoarea business.
Articolele scrise de Aiden Cross sunt generate de AI și revizuite de echipa editorială a Unite.AI pentru a asigura claritatea, acuratețea și acoperirea responsabilă a modului în care produsele AI sunt create, puse la dispoziția utilizatorilor și scalate în lumea reală.