By Podaci su bili u drugom planu u odnosu na informacije i znanje sve do početka sustavne afirmacije umjetne inteligencije početkom drugoga desetljeća 21. stoljeća. Nešto ranije, započinje se uspostavljati nova ekonomska paradigma koja se zasniva na nematerijalnim resursima, kao ključnim generatorima vrijednosti. Tijekom 1990-ih godina artikuliraju se novi menadžerski modeli kao što su, primjerice, intelektualni kapital, poslovni reinženjering i upravljanje znanjem.
Skandinavski menadžeri u prvoj polovici 1990-ih godina prednjačili su u afirmaciji nematerijalnih resursa u poslovanju. Tako je finski znanstvenik Karl Erik Sveiby, među prvima, artikulirao definiciju upravljanja znanjem koja glasi :“To je umijeće stvaranja vrijednosti korištenjem nematerijalnih resursa.“ Konzultantska tvrtka Gartner Group kreirala objašnjenje tog ekonomskog fenomena na sljedeći način :“Upravljanje znanjem je disciplina koja promovira integrirani pristup u identificiranju, upravljanju i dijeljenju svih informacijskih resursa u poduzeću. Ti informacijski resursi uključuju baze podataka, dokumente, politike i procedure kao i neformalizirane ekspertize i iskustva pojedinih radnika.“ U vrijeme kada su nastale navedene definicije radilo se o značajnim inovacijama u ekonomskoj literaturi.
Profitabilnost i kvaliteta podataka
Porastu važnosti podataka i znanja u značajnoj mjeri doprinio je razvoj računalne i informacijske tehnologije. Napredne računalne, informacijske i telekomunikacijske tehnologije omogućile su artikulaciju novih menadžerskih modela i djelotvorno korištenje podataka u svakodnevnoj provedbi poslovnih strategija. Brojne kompanije nastale u digitalno doba koriste, primjerice, platforme odnosno baze podataka kao ključni segment poslovanja.
U današnje vrijeme računalne performanse nadopunjene srodnim tehnologijama omogućavaju procesuiranje golemih količina podataka. Bez obzira na revolucionarne tehničke odnosno tehnološke iskorake, još uvijek je potrebna ljudska intervencija u pogledu osiguravanja što kvalitetnijih podataka, prilikom njihova prikupljanja. Valja podsjetiti kako i učinkovito funkcioniranje umjetne inteligencije također ovisi o kvalitetnim podacima. Stoga je nužno sustavno i stručno manipuliranje podacima kao polazišne točke generiranje vrijednosti u kognitivnim poduzećima.
Društvene mreže odnosno internet, video nadzor, trgovine, knjižare, kulturna i sportska događanja samo su neka od izvorišta podataka koji se u današnje vrijeme mogu uspješno komercijalizirati. Pri tome, pametni telefoni kontinuirano emitiraju mnoštvo raznovrsnih podataka o svom korisniku. Ujedno senzorske tehnologije integrirane u strojeve, vozila i kućanske aparate te druge naprave omogućavaju detaljne uvide u njihovo funkcioniranje. Ta je napredna tehnologija poznata kao Internet stvari (Internet of Things – IoT). Prikupljeni podaci polazište su za kreiranje različitih spoznaja koje se kreću u rasponu, od profiliranja potreba konkretnog potrošača, do predviđanja kvarova na strojevima, to jest, tehničkim uređajima.
Korporacije kao što su, na primjer, Cummins Engine, Boeing, Caterpillar i Robert Bosch sustavno prikupljaju podatke iz senzora ugrađenih u njihove proizvode koje su prodali, te su u upotrebi. Ti podaci obično tvore vremenske nizove. Kada se povežu obilježeni podaci vezani uz ispravne strojeve s onima koji se odnose na one u kvaru, relativno je lako kreirati model prediktivnog održavanja. čija je specifičnost točno određivanje trenutka budućega kvara. To je prediktivno održavanje koje znatno smanjuje troškove i povećava produktivnost rada.
Platforme i startupovi
Podsjećam kako podatkovna profitabilnost, do prije nešto više od desetak godina, nije bila predmet osobite pozornosti državnih administracija, a ni šire javnosti. Njihov poslovni potencijal vješto su koristile tehno korporacije poput Googlea, Facebooka i Ubera. Konkretno govoreći, pet od današnjih deset tržišno najvrjednijih korporacija na svijetu – Apple, Alphabet, Amazon, Meta (Facebook) i Microsoft – ostvaruje većinu svoje vrijednosti uz pomoć svojih (podatkovnih) platformi.
Neke su platforme koje nude samo usluge postale vrjednije od vodećih kompanija u svojoj branši, pa je tako, primjerice, Airbnb tržišno vrjedniji od Marriotta, vodećeg svjetskog hotelskoga lanca. Očevidno je kako su platforme okosnica novoga poslovnog modela primjerenog za poslovanje u digitalnoj ekonomiji. Taj novi poslovni model je, na neki način, prirođen tvrtkama nastalim u digitalnom okruženju, te ga je znatno teže razviti u tradicionalnim poduzećima.
Uber je osmislio opsežnu platformu strojnog učenja kao servisa koja pruža modelska predviđanja raznim Uberovim servisima integriranim unutar čitavoga poduzeća. Takav način poslovanja iziskuje digitalnu inovativnost i dobro poznavanje potreba i životnih stilova, prvenstveno mlađe generacije. U Lyftu, na primjer, strojno se učenje koristi u algoritmima usmjeravanja vozača, naplati i pronalasku vozača, pri čemu se prva dva segmenta algoritama koristi i u dijeljenju autonomnih vožnji.
Novi poslovni model zasniva se na akumuliranju i procesuiranju podataka uz pomoć umjetne inteligencije. Digitalno poslovno okruženje sastoji se od niza novih specifičnosti i mogućnosti u odnosu na analognu ekonomiju. To uključuje, primjerice, novi način zarade novca ili opsluživanja kupaca, drugačiji pristup pružanja postojećih proizvoda i usluga, kao i novi način dizajniranja distribucijskih kanala, pa i poslovnog eko sustava u cjelini.
Napredne tehnologije imaju veliki potencijal za poboljšavanje poslovanja i podizanja kvalitete života pojedinaca. Jedna od mogućnosti unaprjeđenje kvalitete života je upotreba umjetne inteligencije u proizvodima, koji određuju uzimaju li pacijenti ispravne lijekove. Tom metodom pospješuje se liječenje i smanjuju državni, to jest, proračunski troškovi na medikamente.
Primjerice, organizacija za upravljanje povlasticama za ljekarne Express Scripts Holding Company ugrađuje senzore i umjetnu inteligenciju u inhalatore za astmatičare, koji potom prate pacijentovu upotrebu toga uređaja i uspoređuju s poviješću bolesti. Temeljem toga izdaju se preporuke o djelotvornijoj primjeni lijekova za astmu. Tako se uz pomoć naprednih tehnologija ostvaruju značajna poboljšanja u liječenju i uštedi financijskih sredstava
Komercijalizaciju podataka tehnološkim divovima znatno je olakšala zamagljeno i nedefinirano vlasništvo nad podacima. Podsjećam kako tradicionalnim poduzećima podaci nisu bili od prevelike važnosti zbog ograničenih tehnoloških mogućnosti njihova procesuiranja, te nemogućnosti njihovog djelotvornog manipuliranja u svakodnevnom poslovanju. Ujedno, organizacijska arhitektura tradicionalnih poslovnih organizacija nije primjerena za djelovanje u okolnostima, kada su podaci jedan od ključnih poslovnih resursa.
Općenito govoreći, digitalna tehnologija u mnogim djelatnostima zamagljuje vlasničke odnose. Taj proces je najvidljiviji u narušavanju autorskih prava u glazbi, filmu, softverskoj industriji i drugim kreativnim djelatnostima. Stoljećima se privatno vlasništvo, u pravilu, vezivalo uz materijalne resurse koji su, pri tome, bili generator vrijednosti. Stoga potrošači (i javna uprava) nisu shvaćali kako podaci o njihovim navikama predstavljaju osnovu za komercijalizaciju pojedinim tvrtkama. One su to prakticirale bez njihove dozvole i znanja.
U novonastalim ekonomskim okolnostima, u kojima dominiraju radikalno nove visoke tehnologije, najbolje se snalaze tehno startupovi. Oni se počinju ubrzano osnivati od druge polovice 1990-ih godina. Njihovi pokretači su mahom mladi matematičari, fizičari, inženjeri elektrotehnike i strojarstva, kao i eksperti iz drugih srodnih područja. U velikom broju slučajeva radi se o serijskim inovatorima koji osnivaju nekoliko startupova.
Poduzetnici u tehnološkim startupovima nisu opterećeni modelima poslovanja koji su se prakticirali u analognoj ekonomiji. Oni su svjesni važnosti podataka i potrebe uspostave prilagodljive strukture koja će omogućiti talentiranim djelatnicima kreativan radni angažman. Cijeni se znanje, inovativnost, timski duh i sposobnost preuzimanja rizika. Pri tome su ustrajni i prakticiraju učenje iz počinjenih grešaka. Za startup poduzetnike korištenje umjetne inteligencije je uobičajeno.
Mladi poduzetnici u agilnim tehno startupovima dobro znaju kako je umjetna inteligencija podložna pogreškama koje, u pravilu, nastaju kao posljedica nekvalitetnih podataka. Provjera podataka odnosno njihovo svojevrsno čišćenje postalo je specijalizirani posao. Startupovi poput, na primjer, Mighty AI i Figure Eight (prije CrowdFlower) razvili su softverske programe koji drastično ubrzavaju taj proces.
Podaci su u novom gospodarskom konceptu nedvojbeno jedan od ključnih generatora nove dodane vrijednosti. Taj se novi model u Europi često naziva Industrija 4.0, a u sjevernoj Americi je uobičajeniji pojam Internet of Things. Tim se novim trendovima uspješno prilagođavaju i neke tradicionalno kompanije, poput Siemensa, koji koristi umjetnu inteligenciju, odnosno analitiku golemih količina podataka, za nadzor i upravljanje industrijskim procesima.
Na taj način nastoje konkurirati digitalnim tvrtkama koje sebe opisuju kao kompanije koje imaju strojno učenje u svom genetskom kodu. Primjerice, razvojni inženjeri Ubera kreirali su svoj interni sustav strojnog učenja koji su nazvali Michelangelo, kao ključni algoritamski upravljački alat. Takav način poslovanja pospješuje potrošačko zadovoljstvo, ali treba upozoriti kako se time automatski ne poboljšava kvaliteta radnih odnosa.
Mr.sc. Marinko Kovačić
Comments