Chmura z własnym IQ
Analityka na sterydach
Jednym z kluczowych wniosków wynikających z opracowania McKinsey Notes from the AI frontier: Applications and value of deep learning jest ten, że potencjał wykorzystania sztucznej inteligencji w aż 19 sektorach światowej gospodarki jest o co najmniej 30% większy niż jakichkolwiek innych znanych technik automatyzacji procesów. Wśród nich, nie zabrakło takich, gdzie procent ten rósł do 80-90%, jak choćby w przypadku branży motoryzacyjnej, wydobywczej, handlowej czy transporcie i logistyce.
Co więcej, wspomniana firma doradcza przeanalizowała aż 400 konkretnych przykładów użycia AI w poszczególnych obszarach działania firm i instytucji. Wniosek? Sztuczna inteligencja była niedościgniona w przypadku aż 70% z nich. Warto zauważyć, że doskonałym testerem prawdziwych możliwości AI jest zwykle jej zdolność do analizowania i przeszukiwania wielkich i zróżnicowanych źródeł danych, pochodzących z różnych okresów, i odnajdowania w nich konkretnych korelacji w błyskawicznym tempie.
Dzięki temu, nic nie przewidzi nam szybciej m.in. potencjalnej awarii na linii produkcyjnej, zainteresowania danym produktem w najbliższym czasie czy wskazaniem, które trasy dostarczania przesyłek będą szybsze i bardziej optymalne kosztowo. Biorąc pod uwagę fakt, iż firmy coraz częściej stają się przedsiębiorstwami typu Cloud Born, czyli od podstaw stawiającymi na przechowywanie danych w chmurze, ze względu na znacznie niższe koszty i pełną przewidywalność finansową, oraz rosnącą popularność AI, „związek” ten już na pierwszy rzut oka ma ogromne szanse być udanym i długotrwałym – przekonuje Marcin Zmaczyński z Aruba Cloud.
Według Gartnera, do 2022 roku usługi chmury publicznej będą naturalnym ekosystemem aż 90% globalnych danych i podstawą innowacji w analityce. Już dziś, znaczna liczba firm odchodzi od pilotażu wdrażania rozwiązań AI do ich realnego użytkowania w wielu obszarach swojego działania, oddając jej coraz więcej odpowiedzialności za często kluczowe procesy. Do końca 2024r już trzy czwarte przedsiębiorstw wykona takich ruch, zwiększając jednocześnie liczbę procesowanych informacji (strumieni danych) pięciokrotnie. To jeden z zasługujących na podkreślenie sygnałów zwiastujących zwrot w stronę bardziej „samodzielnych” środowisk i systemów IT.
Autonaprawa
Marzeniem niejednego kierowcy było z pewnością posiadanie auta, które w przypadku wystąpienia jakiejkolwiek awarii wyświetla na ekranie komputera pokładowego np. taki komunikat: „Wystąpiła awaria układu chłodzenia. Przechodzę w tryb naprawiania, do gotowości ponownego ruszenia w trasę zostało 3 minuty”. Oczywiście brzmi to jak totalna abstrakcja, ale jest trafnym zilustrowaniem tego, jak AI i chmura pozwalają na tworzenie „samoobsługowych” rozwiązań IT, wykraczając poza samą analitykę czy prognozowanie.
Konkretnym przykładem takiego narzędzia może być autonomiczna, chmurowa baza danych. Taka, która dzięki zdolności machine learing’u potrafi nie tylko samoczynnie zarządzać swoimi rekordami, ale właśnie naprawiać się w przypadku, gdy odnajdzie błąd swojego działania czy sama się aktualizować do lepszych wersji. Poszukując także potencjalnych luk mogących być wykorzystanymi przez cyberprzestępców i „łatając” je.
AI On Demand
Według ostatniego badania Synergy Research, poszczególne rynki usług chmurowych już teraz notują wzrosty od co najmniej 10 do 40%, zaś roczne wydatki z nimi związane mają się podwoić już w ciągu czterech lat. Do wspominanych rozwiązań, w obliczu coraz mocniejszego zacieśniania się związku cloud computingu ze sztuczną inteligencją, dołącza więc właśnie kolejne.
Mianowicie, AI as a Service (AIaaS). Dotąd, przedsiębiorstwa chcące robić prawdziwy użytek z możliwości sztucznej inteligencji musiały uruchamiać długotrwałe i angażujące duże budżety projekty wdrożeniowe. Sytuacji nie pomagał także niedostatek specjalistów IT z tego obszaru. Z pomocą przychodzi więc chmura i udostępniane za jej pośrednictwem funkcjonalności sztucznej inteligencji, wynajmowane tak jak serwery czy przestrzeń dyskowa, bez konieczności posiadania know-how, inwestowania w infrastrukturę czy wykwalifikowanych ekspertów.
Źródło: Aruba
Najnowsze wiadomości
Cyfryzacja produkcji w skali globalnej wymaga dziś spójnych danych, jednolitych standardów i decyzji podejmowanych w czasie rzeczywistym. W środowisku rozproszonych zakładów produkcyjnych tradycyjne raportowanie i lokalne narzędzia IT przestają wystarczać. Przykład MOWI pokazuje, jak wdrożenie rozwiązań Smart Factory i systemu MES może uporządkować zarządzanie produkcją w wielu lokalizacjach jednocześnie, zwiększając przejrzystość procesów, efektywność operacyjną oraz stabilność jakości.
Nowoczesne centrum logistyczne Rossmann w Czechach to przykład, jak strategiczne inwestycje w automatykę i systemy IT wspierają skalowanie biznesu w handlu detalicznym. Projekt realizowany przez PSI Polska obejmuje wdrożenie zaawansowanego systemu WMS oraz sterowania przepływem materiałów, tworząc w pełni zintegrowane środowisko dla obsługi rosnących wolumenów sprzedaży i dynamicznego rozwoju e-commerce. To wdrożenie pokazuje, jak technologia staje się fundamentem efektywnej, przyszłościowej logistyki.Najnowsze artykuły
Wdrożenie systemu ERP to jedna z najważniejszych strategicznych decyzji, jakie może podjąć firma. To inwestycja, która ma zrewolucjonizować procesy, zwiększyć efektywność i dać przewagę konkurencyjną. Jednak droga do sukcesu jest pełna potencjalnych pułapek. Wielu menedżerów obawia się nieprzewidzianych kosztów, oporu zespołu czy niedopasowania systemu do realnych potrzeb. Jak zminimalizować to ryzyko? Kluczem jest solidne przygotowanie. Zanim padnie słowo „wdrażamy”, konieczne jest przeprowadzenie trzech fundamentalnych etapów: warsztatów analitycznych, sesji discovery oraz analizy przedwdrożeniowej ERP. To nie są zbędne formalności, ale fundament, na którym zbudujesz sukces całego projektu.
Wdrożenie nowego systemu ERP to dla wielu firm nie tylko krok w stronę unowocześnienia procesów biznesowych, ale także ogromne przedsięwzięcie logistyczne i technologiczne. Aby nowy system ERP zaczął efektywnie wspierać działalność organizacji, kluczowe jest odpowiednie przygotowanie danych, które muszą zostać bezpiecznie i precyzyjnie przeniesione ze starego systemu. Migracja danych ERP to skomplikowany proces, wymagający zarówno zaawansowanej wiedzy technologicznej, jak i dokładnego planowania na poziomie strategicznym. W tym artykule przybliżymy najlepsze metody, wskażemy najczęstsze ryzyka oraz podpowiemy, jak przeprowadzić migrację krok po kroku.


