Tehisintellekt — jõukohane arenguvõimalus ka väikestele ettevõtetele?

Tehisintellekt (Artificial Intelligence), masinõpe (Machine Learning) ja Asjade internet (IoT) ei ole enam ammu ainult suurte ettevõtete mängumaa. Tänaseks on tegu kõigile kättesaadavate töövahenditega.

Kas need lahendused on alati suured, keerulised ja väga kallid? Pole tõsi. Enam ei ole vaja lõputut programmikoodi ega vajadust doktorikraadi järele selle kirjutamisel. Nüüd on võimalik parimate teadlaste ja programmeerijate poolt loodud valmis moodulid ja komponendid lihtsal moel kokku panna, kasutades tuttavat tirimise-kukutamise meetodit (drag and drop).

Just niimoodi töötab pilvetehnoloogial põhinev Microsoft Azure keskkond, kuhu on koondatud üle 100 erineva teenuse ja rakenduse. Neid omavahel kombineerides saab kokku panna erakordselt kasulikke, huvitavaid ja innovaatilisi lahendusi.

Kuigi oleme harjunud, et suurte tarkvaratootjate lahendused nõuavad sama tootja “täispaketi” kasutamist, on Azure selles osas erandlik ja ei eelda, et ettevõtte keskseks majandustarkvaraks (ERP) oleks mõni Microsofti toode. Azure paketi tooted on läbi spetsiaalse integratsiooniplatvormi Common Data Service ühendatavad enamike elementaarset töökindlust omavate majandustarkvarade ja andmebaasidega.

Kes võiks Eestis masinõppe ja asjade interneti enda kasuks tööle panna?

Meie seniste edulugude põhjal on heaks näiteks toiduainetööstuse tootearendus ja turundus.

Masinõppes kasutatavad algoritmid suudavad leida andmetest selliseid mustreid ja anomaaliaid, mida inimsilm ei märka ja tavaline aruandlus ei näita.

Nii saab näiteks tuvastada ostueelistuste seoseid enim meeldivate maitseainetega või nende kombinatsioonidega. Lisades sellele veel sotsiaalmeedia postituste ning toidublogides olevate retseptide ja kommentaaride analüüsi, saame tulemuseks põhjaliku tarbijate maitse-eelistuste mustri, mille põhjal saab ennustada erinevate klienditüüpide tulevast ostukäitumist ning vastavalt sellele tuua turule uusi edukaid tooteid.

Millal allahindamisel käsipidurit tõmmata?

Ka hulgi- ja jaekaubanduse vallast on hea näidet tuua, seda eelkõige hinnastamise osas. Ostjana rõõmustame alati madalate kampaaniahindade üle, samas müüja või tootjana peaksime teadma, kus on piir, milleni oleks otstarbekas hinda langetada.

Hinna langetamine toob reeglina kaasa müügimahu kasvu, kuid kusagil on piir, mil müük enam hinnalangusest sõltuvalt ei suurene. Hinnaelastsuse mudel masinõppes aitab meil need piirid paika panna ja leida kõige optimaalsema mudeli, kuidas on kampaaniate hinnastamise abil oma müüki või tootmist võimalik kasvatada.

Ära analüüsi minevikku, ennusta tulevikku!

Kolmas näide kuulub just asjade interneti valdkonda. Paljud tootmisettevõtted koguvad suures koguses erinevat tehnilist infot oma tootmise ja seadmete kohta. Sensorite mõõdetud tulemused arhiveeritakse ja neid analüüsitakse, paraku sageli minevikku kokku võttes, mitte tulevikku ennustades.

Võtkem näiteks tundliku tootmisseadme, mille üks element peab töötama kindlal temperatuuri vahemikul. Microsoft Azute IoT ja Microsoft Flow vahenditega saame luua olukorra kus selle seadme temperatuurianduri muutus üle lubatud normi tekitab automaatse töövoo, mille tulemusena saab tehnik SMS-ga töökäsu: „Võta laost varuosa X, vii see seadme Y juurde ja vaheta selle komponent X välja täna enne kella 16:30. Vastasel korral läheb seade 96% tõenäosusega katki kell 17:15.“

Kas poleks vapustav? Meie jaoks mitte, oleme taoliste võimalustega juba harjunud. Kasvõi eeltoodud näide on tarkvaralahenduste abil lihtsasti teostatav — ei mingit kallist või keerulist tehnoloogiat. Loov mõtlemine, soov muutuda paremaks ja hea koostööpartner, kellega koos neid ideid genereerida ning ellu viia, on ainsad, mida vajad.

Autor: Indrek Sabul, Columbus Eesti digitaliseerimise ekspert