OpenText Aviator: Unikalne wsparcie dla zastosowania AI w realnych scenariuszach biznesowych

Z Andrzejem Gibasem, dyrektorem sprzedaży na Polskę w firmie OpenText rozmawiamy o wyzwaniach stojących na drodze do sukcesów w zakresie wykorzystania sztucznej inteligencji w biznesie, problematyce uporządkowania danych w obliczu ich rosnącej skali i różnorodności, o możliwościach i charakterystyce platformy OpenText Aviator, a także o znaczeniu podejścia wywodzącego się ze środowisk ECM dla powodzenia opartych na sztucznej inteligencji inicjatyw biznesowych.

Jaki jest szerszy kontekst rozmów o projektach AI w Polsce?

Dyskusje o sztucznej inteligencji są dziś powszechne w wielu kręgach. Jeśli jednak popatrzeć na to zagadnienie od strony praktycznej, to dla biznesu kluczowe są scenariusze użycia AI oraz zwrot z inwestycji w takie rozwiązania. Innymi słowy, biznes szuka odpowiedzi na dwa proste pytania: Po co mi to? I ile na tym zarobię?

Odpowiedź na tak postawione pytania nie jest trywialna. Co więcej, wiele firm rozwijających technologię ma z tym zagadnieniem spore wyzwanie. W naszym przypadku jest inaczej. Firma OpenText, ze względu na swoją historię, jest w idealnej pozycji, aby dostarczać klientom rozwiązania odpowiadające na konkretne potrzeby – i takie rozwiązania dostarcza.

Od lat zajmujemy się rozwojem systemów do zarządzania dokumentami, a dzisiaj szerzej mówimy o zarządzaniu treścią i informacją. Repozytoria dokumentów i treści są naturalnym obszarem do stosowania algorytmów sztucznej inteligencji, a także dużych modeli językowych. Na to nakładają się też możliwości powiązane z technologiami – przejętej w 2023 roku przez OpenText – firmy MicroFocus. Mam tu na myśli, przykładowo, obszar ITSM, gdzie zaawansowana analityka wykorzystująca możliwości sztucznej inteligencji oraz GenAI ma szerokie pole do popisu. Nie mniej istotny jest też fakt, że OpenText projektuje swoje rozwiązania właśnie pod kątem wykorzystania możliwości AI na potrzeby automatyzacji przepływów pracy oraz ułatwienia dostępu do zgromadzonych w organizacji danych.

Jaka jest zatem charakterystyka platformy OpenText Aviator?

W istocie Aviator to wieloelementowe środowisko, które może w kompleksowy sposób wspierać organizacje i konkretnych użytkowników w pracy z danymi. Jest to odpowiedź firmy OpenText na potrzeby rynkowe w zakresie wykorzystania dostępnych dziś możliwości sztucznej inteligencji w firmach i instytucjach publicznych. Nasza platforma wprowadza do świata AI podejście oparte na wieloletnich doświadczeniach w zakresie bezpiecznego zarządzania danymi korporacyjnymi. Zapewnia unikalne możliwości efektywnego wdrażania rozwiązań AI działających na bazie firmowych danych i szereg narzędzi wspierających efektywne użycie sztucznej inteligencji w różnego rodzaju procesach.

W praktyce, OpenText Aviator to zestaw rozwiązań, które można zaadoptować do specyficznych potrzeb biznesowych. Z jednej strony mamy rozwiązanie Content Aviator, które na bazie możliwości generatywnej sztucznej inteligencji pomaga analizować firmowe dokumenty i zbiory danych, aby wydobywać z nich istotną treść. Z drugiej, mamy również rozwiązanie myAviator, które pełni rolę osobistego asystenta dla użytkowników i dostosowuje się do roli, jaką pełnią w organizacji. Dostępne są też ustandaryzowane, predefinowane pakiety rozwiązań odpowiadające wymaganiom procesów typowych dla branż, takich jak: energetyka, sektor finansowy, handel detaliczny czy przemysł.

Co nie mniej istotne, platforma Aviator bazuje na sprawdzonych technologiach i dobrych praktykach w obszarze zarządzania i kategoryzacji danych. Centralnym punktem naszych rozwiązań jest treść, a więc dane – także nieustrukturyzowane – oraz ich kontekst. Analogicznie jest także w przypadku platformy Aviator. Operujemy na różnego rodzaju dokumentach i treściach powszechnie wykorzystywanych w zastosowaniach biznesowych.

Czy to znaczy, że Aviator rozwija dotychczasowe możliwości rozwiązań OpenText w obszarze zarządzania treścią o dedykowane rozwiązania oparte na AI?

Dokładnie tak. Koncepcyjnie platforma Aviator wywodzi się z systemów zarządzania treścią klasy ECM (Enterprise Content Management) uzupełnionych o obsługę niestandardowych źródeł i zbiorów danych. Efekt jest taki, że nasza platforma łączy świat danych strukturalnych i nieustrukturyzowanych. Jest to o tyle istotne, że dane ustrukturyzowane są najczęściej powiązane z konkretnymi aplikacjami i dotyczą konkretnych procesów biznesowych. Z kolei dane nieporządkowane są zwykle specyficzne dla danej organizacji i znajdują się w różnego rodzaju notatkach, arkuszach kalkulacyjnych czy wiadomościach email.

Umiejętna integracja takich danych w ramach naszej platformy otwiera nowe możliwości interpretacji i operacjonalizacji istniejących informacji. Za sprawą Aviatora jesteśmy w stanie w sposób całościowy pokazać cały proces biznesowy wraz z jego kontekstem i szczegółami poszczególnych operacji. Użytkownik naszego rozwiązania zyskuje, przykładowo, scentralizowany dostęp do wszystkich informacji o relacjach z danym klientem, danych o dotychczasowych transakcjach zaczerpniętych z systemu SAP i korespondencji czy spotkaniach w środowisku Microsoft Office365.

Jak już wspomniałem, ofertę OpenText uzupełniają też rozwiązania wspierające wymianę danych pomiędzy różnymi organizacjami, a także związane m.in. z obszarem ITSM. Chodzi m.in. o narzędzia wspierające utrzymanie, rozwiązywanie problemów, analizę efektywności infrastruktury, orkiestrację zasobów czy zarządzanie środowiskami wielochmurowymi. Tu również jesteśmy w stanie na wiele sposobów wykorzystać potencjał AI.

Tego typu integracja i centralizacja wiedzy o przebiegu konkretnych procesów otwiera szerokie możliwości optymalizacyjne i transformacyjne. Dostęp do twardych danych uzupełnionych o kontekst codziennych działań biznesowych pozwala m.in. na uporządkowanie i zwiększenie efektywności procesów poprzez eliminację wąskich gardeł czy zbędnych kroków, a także ujednolicenie warstwy informacyjnej poszczególnych operacji. Efektem jest, przykładowo, uspójnienie procesów sprzedaży czy obsługi klienta i zapewnienie właściwego kontekstu oraz przejrzystości niezbędnych do skutecznej integracji procesów i poprawy doświadczeń klienta.

Jakim potrzebom biznesowym odpowiada platforma Aviator?

Nasze rozwiązania całościowo wspierają potrzeby biznesowe związane z chęcią integracji oraz zapewnienia łatwego dostępu do danych, niezależnie od rodzaju i przy zachowaniu ich kontekstu, także na poziomie niezbędnych działań zespołów IT. Platforma OpenText Aviator daje możliwość uzupełnienia wszystkich tych czynności funkcjami AI. To sprawia, że nasza oferta stanowi odpowiedź także na potrzeby w zakresie automatyzacji procesów oraz zapewnienia użytkownikom wsparcia w postaci dedykowanych asystentów AI. Przykładowo, użytkownikom biznesowym możemy zapewnić asystentów ułatwiających wyszukiwanie informacji, ocenę kontekstu, czy zautomatyzowanie powtarzalnych operacji. Podobnie, zespołom IT możemy dostarczyć narzędzia automatyzujące obsługę zgłoszeń serwisowych, wykrywanie anomalii w działaniu infrastruktury czy tworzenie lub zarządzanie instancjami chmurowymi.

Obszarami, w których możemy wykorzystać platformę Aviator są procesy związane z tworzeniem i testowaniem oprogramowania, a także domena cyberbezpieczeństwa. W kontekście rozwiązań cybersec oferujemy dedykowaną, wchodzącą w skład oferty Aviator, platformę klasy SIEM – OpenText Enterprise Security Manager, dawniej ArcSight. Jej rolą jest m.in. łączenie logów systemowych na potrzeby scentralizowanego wykrywania potencjalnych zagrożeń.

Nasza platforma zapewnia analogiczne możliwości także w kontekście automatyzacji procesów biznesowych. Poszczególnym kategoriom potrzeb biznesowych odpowiadają konkretne, zróżnicowane pod kątem funkcjonalności i rezultatów działania, grupy produktowe z oferty OpenText Aviator. Scenariusze użycia opierają się tu przede wszystkim na możliwości efektywnego wykorzystania dostępnych danych.

Dlaczego warto postawić na OpenText Aviator?

Dlatego, że jest to rozwiązanie w pełni funkcjonalne, a jednocześnie dojrzałe pod względem specyfiki potrzeb biznesowych. Poza fundamentem w postaci uporządkowanego, wywodzącego się z rozwiązań klasy ECM podejścia do danych, a także dedykowanych i ustandaryzowanych pakietów rozwiązań dostosowanych do konkretnych zastosowań, platformę Aviator wyróżnia też sposób połączenia zaawansowanych możliwości AI z najwyższymi standardami w zakresie bezpieczeństwa danych.

Co ważne w kontekście bezpieczeństwa, ale też reguł Governance oraz zapewnienia zgodności z regulacjami, platforma OpenText Aviator dysponuje zaszytymi mechanizmami kontroli uprawnień użytkowników w zakresie dostępu do określonych rodzajów i zbiorów danych. Model weryfikacji uprawnień gwarantuje, że nieuprawnione osoby nie otrzymają dostępu do wyników działania modeli AI operujących na chronionych zasobach danych. Takie rozwiązanie, oparte na funkcjach wywodzących się ze środowiska ECM, eliminuje typowe ryzyka w zakresie poufności danych. OpenText Aviator w analogiczny sposób zapewnia też wyjaśnialność wniosków AI.

Co nie mniej istotne, platforma OpenText Aviator zapewnia możliwość wykorzystania szerokiej gamy modeli AI – także na poziomie konkretnych zadań i zastosowań. Jednocześnie, przetwarzanie odbywa się w środowisku prywatnej chmury obliczeniowej i przy zachowaniu pełnej kontroli na danymi oraz ich przetwarzaniem. Dane klientów nie są również wykorzystywane do trenowania modeli AI. Korzystamy z dużych modeli językowych wytrenowanych, dostosowanych i udostępnionych przez firmę Google w ramach usług Vertex. Zastosowanie tego rozwiązania gwarantuje pełną kontrolę nad danymi. Do modeli AI działającego w ramach środowiska Google Vertex wysyłamy wstępnie uporządkowaną bazę wektorową, a więc pewien agregat, zbiór stanowiący reprezentację faktycznych danych. Dzięki temu mamy gwarancję, że konkretne dane nie są nigdzie przechowywane, ani wykorzystywane do trenowania modeli AI, a sam model korzysta tylko z informacji, które mu dostarczyliśmy.

Możliwe jest też wykorzystanie rozwiązania OpenText Private Cloud Aviator, które zapewnia wariant przetwarzania firmowych danych w bezpiecznym środowisku prywatnej chmury obliczeniowej i przy wykorzystaniu dowolnych, kontrolowalnych modeli AI.

Jakie są dziś główne bariery stojące na drodze do wykorzystania AI na szerszą skalę?

Jeśli mówimy o zastosowaniach biznesowych, to powszechnym problemem jest konieczność zidentyfikowania tych obszarów, w których wdrożenie rozwiązań opartych na sztucznej inteligencji przyniesie realną wartość i mierzalny zwrot z inwestycji. Z drugiej strony, wyzwaniem dla wielu organizacji jest zapewnienie dostępu do posiadanych już zbiorów danych – choć te nieustannie rosną – w sposób pozwalający na ich operacjonalizację.

Większość dużych organizacji nie posiada uporządkowanych, zintegrowanych zasobów informacyjnych. Co więcej, problematyczne jest choćby określenie, gdzie znajdują się właściwe, aktualne dane źródłowe. Na to nakładają się też wyzwania związane z chęcią wykorzystania informacji zapisanych w danych nieuporządkowanych oraz możliwości połączenia ich z danymi ustrukturyzowanymi. Kwestie te nabierają szczególnego znaczenia w obliczu rosnącej skali i różnorodności danych oraz chęci wykorzystania generatywnej sztucznej inteligencji. Jeśli firma lub instytucja nie wie, w jakich miejscach ma określone dane to trudno mówić o możliwościach wykorzystania AI na szerszą skalę.

W efekcie pracownicy często sięgają po ogólnodostępne narzędzia i pojawia się tzw. Shadow AI. Tymczasem, zjawisko niekontrolowanego wykorzystania AI rodzi ogromne wyzwania w zakresie naruszenia poufności i wycieków wrażliwych danych. W organizacjach odpowiedzialnie podchodzących do kwestii ochrony danych wykorzystanie ogólnodostępnych usług AI jest wręcz niedopuszczalne. Jednocześnie, uporządkowanie danych jest zatem pierwszym krokiem do skutecznego wdrożenia sztucznej inteligencji. Dzięki naszym wieloletnim doświadczeniom w zakresie obsługi firmowych zbiorów danych jesteśmy w stanie pomóc klientom także i na tym etapie.

Na ile jest to problem biznesowy, a na ile techniczny?

Bałagan w firmowych zbiorach danych to zawsze błąd biznesowy – zwłaszcza, jeśli na tych danych chcemy opierać decyzje biznesowe. Kwestia odpowiedzialnego, uporządkowanego podejścia do danych nabiera kluczowego znaczenia w kontekście potencjału biznesowego generatywnej sztucznej inteligencji. Mówiąc wprost – im lepiej przygotowane, skategoryzowane i uporządkowane dane, tym większą wartość będzie można zbudować przy ich wykorzystaniu. Nierzadko lepiej jest zainwestować większe środki w uporządkowanie danych, aniżeli trenowanie własnych modeli AI.

Odpowiednie przygotowanie danych ma przecież ogromne znaczenie także dla wyników działania sztucznej inteligencji. Wpływa bowiem na efektywność wnioskowania i pozwala ograniczyć skalę zjawiska halucynacji. Jeśli w repozytorium danych znajdzie się plik o nazwie wskazującej, że zawiera strategię rozwoju organizacji, ale jego treść będzie zawierać zupełnie inne informacje, to jest to prosta droga do przekłamania i zaburzenia procesu wnioskowania sztucznej inteligencji. Podobnie, jeśli chodzi o deduplikację danych. Jeśli model AI znajdzie 10 dokumentów o tej samej treści, to uzna, że jest ona bardziej wartościowa, co nie musi być prawdą.

W rzeczywistości to kwestia przygotowania firmowych zbiorów danych tak, aby mogły być w efektywny sposób użyte przez modele AI, warunkuje powodzenie projektów związanych z zastosowaniem sztucznej inteligencji w procesach biznesowych na szeroką skalę. Możliwe zatem, że to brak odpowiednich praktyk i narzędzi porządkowania danych ogranicza efektywność projektów AI i dlatego tak niewiele słyszymy o sukcesach w tym obszarze.