Zaufanie jest niezwykle pożądane, ale zrozumienie, budowanie i utrzymanie zaufania stało się kluczowym wyzwaniem naszych czasów. Z jednej strony narastają obawy dotyczące prywatności danych, bezpieczeństwa i etycznego rozwoju sztucznej inteligencji (AI), z drugiej zaś strony  – dane to kopalnia wiedzy. Jak znaleźć złoty środek?

Czy wraz z rosnącą rolą sztucznej inteligencji ta relacja zaufania może ulec zmianie w odniesieniu do maszyn? Odpowiedź brzmi „tak” w odniesieniu do interfejsu człowiek-maszyna ewoluującego od systemu informatycznego przez automatyzację, do autonomicznego agenta. Zatem odpowiedź „nie” odnosi się niezmiennie do intencji.

Ponieważ ludzie coraz lepiej rozumieją, w jaki sposób organizacje wykorzystują swoje dane, są coraz bardziej zaniepokojeni ich wykorzystaniem, co stawia zaufanie w centrum uwagi. Pojawiła się zatem nowa perspektywa – umiejętność korzystania z gromadzonych informacji.

Istnieją trzy główne filary wiarygodności: technologia, system, w którym się ona znajduje, oraz osoby, które za nią stoją/wchodzą w interakcję. Jak wykazało ostatnie badanie przeprowadzone przez Forrester Consulting dla Dell Technologies ilość danych, ich gwałtowny przyrost i zmienność zaostrzyło bariery paradoksu danych w organizacji. Z badania wynika, że przeciążenie danymi i niemożność uzyskania szczegółowych informacji na ich temat, to trzecia najwyższa bariera dla transformacji cyfrowej.

Sprawia to, że wdrożenie analityki biznesowej (Business Intelligence) – wspierane przez kulturę, talenty i umiejętności – jest niezbędne –  jeśli dane mają pomóc w rozwoju nowych usług i wspierać proaktywną elastyczność organizacji w zakresie wprowadzanych zmian.

Kluczowe znaczenie ma usprawnienie potoku danych, wzmocnienie integracji i zapewnienie, że wnioski oparte są na wiarygodnych informacjach. Oznacza to, że biznes  musi odejść od tradycyjnej struktury opartej na projektach, w której pracownicy są podzieleni według różnych funkcji, tworząc silosy danych i ludzi. Ewolucja wymaga zbudowania struktury opartej na produktach, która jest zorientowana na strumień wartości i wysoce multidyscyplinarna. Przy czym niezwykle istotne jest, aby wraz z wprowadzeniem nowych narzędzi zagwarantować umiejętność „czytania danych”.

Zarządzanie danymi i zaufanie to przykład dualizmu

Z jednej strony mamy zwiększoną presję regulacyjną na ich zabezpieczenie, poprzez np. ustawę o ochronie danych (RODO). To właśnie zarządzanie przez duże „Z”. Z drugiej strony mamy wpływ dobrego zarządzania na biznes i zaufanie. Jest to zarządzanie wspólne dla wszystkich kluczowych interesariuszy – od konsumentów, przez pracowników firmy, po administratorów danych. Jest to zarządzanie przez małe „Z”, ale jest równie ważne.

Jak zauważył Dan Potter, wiceprezes ds. marketingu produktów w Qlik, nadzór powinien być prowadzony na każdym kroku – od momentu gromadzenia danych, do momentu ich użycia i podjęcia działań. „Zaufanie pochodzi z przejrzystości i spójności”, mówi. „Mamy również komponent „chroń mnie przed sobą” – nie pozwól mi wpaść w kłopoty”.

Zdolność do szybszego przetwarzania danych ma przyspieszyć, wraz ze wzrostem konwergencji systemów informatycznych (IT) i technologii operacyjnych (OT), co wymaga połączenia różnych poziomów struktury danych, z uwzględnieniem opóźnień czasowych w przetwarzaniu strumieniowym. Widać to na przykładach konkretnych sektorów zajmujących się przetwarzaniem danych – zwłaszcza opieki zdrowotnej, gdzie dynamika pandemii wymagała bardziej otwartych, predykcyjnych modeli z możliwością szybkiej analizy.

W efekcie powoduje to, że w centrum uwagi znajduje się zapotrzebowanie na aktywną inteligencję (Active Intelligence). Rozwiązania pasywnej analizy biznesowej, które opierają się na wstępnie skonfigurowanych, wyselekcjonowanych i historycznych zestawach danych, nie są zaprojektowane do całościowego zarządzania.  Nie wspierają również podejmowania decyzji i działań w czasie rzeczywistym. Active Intelligence to właśnie zapewnia – tworząc inteligentny potok danych z dynamiczną informacją i logiką biznesową. Dzięki temu możliwe jest podejmowanie natychmiastowych działań, które gwarantują, że nie zostaną pominięte żadne szanse biznesowe.

Podobnie, jeśli chodzi o zarządzanie, posiadanie zautomatyzowanego systemu nie wystarczy; musimy przejść do sytuacji, którą można opisać jako autokorektę lub samoleczenie.

Wreszcie, jak podkreśla Elif Tutuk, wiceprezes ds. innowacji i projektowania w Qlik, chociaż od pewnego czasu mówi się o nieustannej analityce, zwykle skupia się ona na ciągłym przepływie danych i uruchamianiu działania. Active Intelligence idzie dalej, łącząc dodatkowe komponenty z ludźmi -niejako w pętli. „Musimy zdobyć ludzkie zaufanie do analityki i danych oraz zapewnić dobrą współpracę między dysponentem danych, a konsumentem” – mówi.

Patrząc w przyszłość, ten „ludzki komponent” staje się kluczowym elementem, a wzmocnienie współpracy jest kolejnym krytycznym krokiem w zwiększaniu zaufania do danych i zaufania do ich analizy.