Ano, víme, jsme s tou AI otravní. Jenže zvažte toto: Accenture v nedávné zprávě uvádí, že společnosti integrující AI do svých procesů dosahují 2,5krát vyššího růstu příjmů, 2,4krát vyšší produktivity a 3,3krát většího úspěchu při škálování AI ve srovnání s organizacemi, které tak nečiní.
Jistě, podobnými prohlášeními si konzultanti chtějí přihřívat především svůj vlastní eintopf. Možná se ale v některé oblasti, například datové analytice a podpoře rozhodování, můžete posunout pomocí AI kupředu i svépomocí – tedy za předpokladu že máte v týmu osoby znalé Pythonu (nebo si je externě najmete).
Možnost číst ve firemních datech a rozhodovat se na základě nich pohání podnikové IT už dob jeho zrodu před víc než padesáti lety (a vlastně ještě déle, vezmeme-li v úvahu více než stoletý příběh děrnoštítkových strojů). Současný boom AI ale práci s velkými objemy podnikových dat umožňuje zásadně proměnit díky práci s přirozeným jazykem, kterým lze poprvé skutečně překlenout světy lidí a strojů. Zajímavě o tomto propojení mluví Stephen Wolfram v TedTalku.
Tento trend jde v ruku v ruce se stoupající popularitou Jupyter notebooků – tebového rozhraní pro psaní kódu a textu s integrovaným python shellem. Ty nejsou vyloženě žhavou novinkou – objevily se už před desetilety (s jejich pomocí byl zachycen například první obrázek černé díry nebo detekovány gravitační vlny). Pro úplnost ale přece jen připomeneme, o co se jedná: Jupyter Notebook je open‑source webová aplikace, která umožňuje vývojářům, datovým analytikům a vědcům pracovat s kódem, poznámkami, vizualizacemi a dokumentací v jednom přehledném prostředí. Je to nástroj hojně využívaný ve světě datové vědy, strojového učení a analýz, avšak uplatnění najde i v řadě dalších oblastí IT.
Jupyter Notebooks zosobňují plynulou hranici mezi světem lidským a strojovým snad nejlépe. Obzvlášť v kombinaci s AI modely, které umí stále spolehlivěji překlápět lidské myšlenky do řeči strojů (dejme tomu pythonoštiny) – zejména pokud je člověk naladěný na stejné “frekvenci”. Tedy respektuje-li zákony logiky a úkol pro AI rozkládá do sekvenčních, atomárních kroků. Právě to nazývá Stephen Wolfram “computational thinking”.
Pro IT lídry, kteří mají za úkol orientovat se ve složitém prostředí IT, je tato schopnost počítačového řešení klíčová. Proces začíná představou požadovaného řešení – strategické vize sladěné s cíli organizace; jde tedy v prvé řadě o transformaci vnitřní, mentální. S využitím výpočetních nástrojů, včetně pokročilé umělé inteligence, mohou ředitelé IT svoji vizi převést do přesných a realizovatelných výsledků; pokud tedy společnost nezaspala předešlou IT revoluci digitalizace jádra pracovních procesů. Jupyter Notebook není omezen pouze na Python. Podporuje i další programovací jazyky (např. R, Julia, Scala či SQL).
Jste-li tedy stále dostatečně blízko světu kódování, zkuste Jupyter Notebook sami a jsou-li podobné věci mimo váš záběr, ujistěte se že si s ním a s výpočetním myšlením ve vaší organizací “hrají” ti, kteří by měli.
P.S. Slibujeme že příště to nebude jen o AI. Vrátíme se k tématům podzimní konferenční sezóny, konkrétně k top 10 technologickým trendům Gartneru (to ovšem znamená, že o AI to opět z nemalé části bude).