Viimastel aastatel on AI jõudnud igasse ettevõttesse ja juhatuse ruumi – enamus me oskame luua tekste või küsida vastuseid keelerobotilt. Kuid mitte alati ei tõuse AI algatused lendu. Lennunduse metafooriga jätkates – AI algatused ei lenda mitte sellepärast, et AI ise ehk mootor oleks nõrk, vaid tihti tal „puuduvad tiivad“  – ettevõtte analüütika on nõrk ja otsused ei jõua ideest teostuseni.

Lendamiseks on vaja kahte tiiba
TI lendab vaid siis ja ainult siis, kui tal on kaks tiiba, mis mõlemad kannavad. Vasakuks tiivaks on metoodika nimega ärianalüütika ehk inglise keelse lühendina BI, mis loob andmetest vundamendi, ühise tõe ja nähtavuse. Paremaks tiivaks on aga otsustusvõimekus, inglise keeles Decision Intelligence, ehk lühendatult DI, mis aitab luua selgust otsuse tegemise protsessis. Otsustus on alati seotud määramatusega, me ei saa kunagi täpselt teada, kas otsus on ettevaatavalt õige või mitte. Ainus, mida me saame kontrollida, on otsuse enda tegemise protsess. Nende kahe vahele paigutubki  tehisintellekt ehk AI.

Kolme distsipliini koostöö

Praktilises elus algab kõik ärianalüütikast ehk BI-st, mis annab ühtse andmepildi, defineeritud mõõdikud ja usalduse andmete vastu. Alles seejärel saab kasutusele võtta AI, mis lisab minevikuvaatele tulevikuprognoosi. Ent tõeline äriväärtus tekib alles siis, kui neile kahele lisada ka otsustusvõimekus, tekitades otsustusreeglid, lisade anmdepõhise automatsiooni ning määrates vastutajad.
BI vastab  küsimusele “mis juhtus” ning AI  “mis saab edasi ja miks just nii”, kuid DI annab meile teada, “mida me selle kõigega peale hakkame ja mida me edasi teeme”. Kui üks neist kolmest lülist on nõrk, kaotab lennuk stabiilsuse või suuna.

Kolm AI võimekuse taset

Ai kasutuselevõtt sõltub äriprobleemist, algandmetest ja ajahorisondist.

1) Keelemudelil baseeruv AI võimekus

Keelemudelil baseeriv AI on õige valik, kui on küsimus, kuidas selgitada või midagi kokku struktureerida või kuidas suhelda. Sellel tasandi lahendused on juturobotid, tekstide konstrueerimine, briifide loomine või  personaliseeritud kommunikatsioon. Väljundiks on reeglina siis tekstid, vastused, kokkuvõtted koos viidetega.  Viited on vaja usalduse jaoks, need vähendavad hallutsioneerimise riski.

2) Masinõppe mudelitel baseeruv ennustuse- ja selgitusmudelid

Ennustav võimekus sobib siis, kui küsimuseks on “mis hakkab juhtuma ja miks?”. Ärilised näited on siin kliendi lahkumise või lepingu sõlmimise tõenäosuse ennustus, pettuste avastamine, nõudluse prognoosimine, hinnamudelid. Siin tasemel on väljundiks erinevad skoorid või prognoosid koos kvantitatiivsete selgitustega (nt regressioonivõrrand, mis seletab erinevate faktorite mõju kogutulemusele).

3) AI hübriidvõimekus, kus kaks eelmist on kokku kombineeritud

Tihti on äriprobleemi lahendmiseks vaja mõlemat võimekust koos, ehk kõigepealt on vaja saada aru kellega või millega tegeleda ning seejärel on vaja ka võimekust suhelda.

Toon siinkohal selgituseks ühe ärilise näitena klientide lahkumise vähendamise.
Nagu eespool mainitud, on meil kõigepealt vaja BI’d ehk lennunduse metafoorina – kõigepealt on vaja stardirada. Alustame ühtsest võtmemõõdiku definitsioonist – näiteks klientide 60 päeva lahkumise määr ja teeme selle jälgimiseks usaldusväärse andmekihi ja armatuurlaua. Sellega loome eelduse, et kõik tiimiliikmed näevad ühte ja sama tulemust, mis loob selguse ja stabiilsuse.
Lendamise jaoks on vaja õhku tõusta ehk meil on vaja ennustavat AI mudelit, mis ennustaks ette klientide lahkumise tõenäosust. Andmete võrdluse ja mudeli abil saame selguse, millised tingimused mõjutavad lahkumist kõige enam, näiteks teenuse vähene kasutus viimase 30 päeva jooksul, mured tootega või kliendi hilinenud maksed. Neid selgitusi saame hiljem kasutada ka suhtluse automatiseerimisel.
Kui me oleme juba õhus, siis on meil vaja hoida kurssi ning suhelda – ja siin tuleb appi keelemudel, mis loob personaalsed sõnumid. Näiteks kasutuslanguse korral pakutakse seadmetuge, hinna-tundliku kliendi puhul hinnastuse konsultatsiooni, klienditoe pöördumisel rakendatakse automaatseid sõnumeid. Sõnumid tuginevad selgitustele ja vajadusel viitavad teadmusbaasi artiklitele.
Ja viimaks – et see tegevus oleks korratav läbi kliendi elukaare, siis on meil vaja appi võtta ka DI ehk autopiloot. Selleks saame defineerida otsustuspunktid ja reeglid, mis käivitavad tegevused automaatselt. Automatiseeritud agendid loovad vastavad ülesanded ettevõtte äritarkvaras, määratakse vastutajad ja mõõdetakse tulemust.

Kokkuvõtvalt võib öelda, et BI hoiab selge nähtavuse ja tagab andmepõhise otsuse, ennustav AI ütleb “kellega ja millal”, keelemudelil basseruv AI ütleb “mida ja kuidas” ning lõpuks DI paneb selle kõik juhtuma.

Tabel 1. Lühike TI võimekuste võrdlustabel

Kiht	Eesmärk	Väljund	Küsimus
BI (vasak tiib)	Arusaam ning üks ja sama tõde	aruanded, KPI-d, kvaliteedireeglid	Mis juhtus / mis seis on?
Ennustav TI	Prognoos + põhjus	skoorid, prognoosid, selgitused	Miks juhtub ja mis juhtub homme?
Keelemudeli TI	Süntees + suhtlus	kokkuvõtted, juturobotid, tekstitöötlus	Kuidas selgitada/luua?
DI (parem tiib)	Otsus → teostus	otsustusreeglid, töövood, automaatika	Mida teeme – kes ja millal?