Ponad połowa przedsiębiorstw (58 proc.) podejmuje strategiczne decyzje bazując na niedokładnych lub niespójnych danych – wynika z raportu „The Great Data Divide”, opracowanego przez Wakefield Research na zlecenie SoftServe. Co ważne, 65 proc. ich menedżerów twierdzi, że nie ma pełnej wiedzy na temat zgromadzonych danych czy sposobów dostępu do nich. Trzeba przyznać, że w sytuacji, gdy uważane są one za podstawowy zasób przedsiębiorstwa i – jak się generalnie przyjmuje – mogą decydować o biznesowej przewadze konkurencyjnej, brzmi to dosyć niepokojąco.

Do skutecznego i odpowiedzialnego wytrenowania modeli AI potrzebne są dobre, rzetelne dane. Podstawowym wyzwaniem staje się więc obecnie znalezienie odpowiedzi na pytanie: w jaki sposób można skutecznie zaradzić problemom z ich jakością? Teoretycznie metody i sposoby znane są od dawna. To chociażby polityki zarządzania jakością danych (data governance), metody zarządzania danymi wzorcowymi (Master Data Management, MDM) i techniki zarządzania jakością danych (Data Quality Management, DQM), jak również decyzje wyznaczające właścicieli i opiekunów danych (data owner i data steward).

Jednocześnie wiadomo, że wdrożenie ich w realiach codziennego funkcjonowania przedsiębiorstw nie jest wcale łatwe. Coraz więcej firm, szczególnie tych dużych, próbuje sobie radzić poprzez zatrudnianie osób odpowiedzialnych za ten obszar działalności, czyli tzw. CDO (Chief Data Officer). Obecnie wszystkim może przyjść z pomocą umiejętnie stosowana sztuczna inteligencja. 

Cel decyduje o korzyściach

Możliwości wykorzystania sztucznej inteligencji do zarządzania danymi są praktycznie nieograniczone. Stanowią one bowiem obecnie strategiczny zasób w niemalże wszystkich obszarach i segmentach działalności biznesowej – od obsługi klienta, przez zarządzanie finansami, po produkcję.

Zawsze jednak trzeba wiedzieć po co dane rozwiązanie jest stosowane, a więc jaki cel chce się za jego pomocą osiągnąć. Jak podkreślają autorzy raportu „Stanford AI Index 2025”, największe korzyści płyną z wdrożeń sztucznej inteligencji w konkretnych obszarach działalności, w których możliwe jest wspomaganie poszczególnych procesów biznesowych. W sumie oszczędności odnotowało 61 proc. przebadanych firm korzystających z AI do zarządzania łańcuchem dostaw i zapasami, a 70 proc. stosujących ją w zarządzaniu strategicznym i raportowaniu finansowym zaobserwowało wzrost przychodów. Przy czym największe korzyści niosą ze sobą wdrożenia w obsłudze serwisowej, sprzedaży i marketingu.

Natomiast z tegorocznej edycji raportu EY „Jak polskie firmy wdrażają AI” wynika, że największy wzrost efektywności po zastosowaniu sztucznej inteligencji odnotowały przedsiębiorstwa handlowe i produkcyjne, a w znacząco mniejszym stopniu firmy usługowe. We wszystkich jednak branżach kluczowym czynnikiem decydującym o wdrażaniu AI są działania wynikające ze strategii firmy dla poszczególnych obszarów biznesowych. Przedstawiciele handlu najczęściej wdrażają AI w dziedzinie marketingu i analityki (60 proc.), sprzedaży (51 proc.) oraz obsługi klienta (46 proc.). Dla przedsiębiorstw produkcyjnych najistotniejsze są: IT (41 proc.), marketing i analiza rynku (37 proc.) oraz sprzedaż (36 proc.). Natomiast firmy usługowe najmocniej implementują rozwiązania z zakresu AI w obsłudze klienta (48 proc.), marketingu (39 proc.) i finansach (34 proc.).

Zdaniem PwC sztuczna inteligencja zmieni przedsiębiorstwa z każdej branży, chociaż ich rozwój będzie nierównomierny. 73 proc. liderów biznesowych, którzy wzięli udział w badaniu „PwC’s Pulse Survey 2024”, zadeklarowało, że wykorzysta GenAI do zmiany modelu biznesowego swojej firmy. Analitycy IDC twierdzą, że każdy nowy dolar wydany przez użytkowników na rozwiązania i usługi z zakresu sztucznej inteligencji wygeneruje w światowej gospodarce dodatkowe 4,9 dol. Rozwiązania bazujące na AI zwiększają w wielu różnych branżach wydajność i produktywność firm. Otwierają też im nowe możliwości uzyskiwania przychodów.

Z kolei z przeprowadzonego przez specjalistów F5 raportu „State of Application Strategy 2024” wynika, że największym wyzwaniem we wprowadzaniu rozwiązań AI jest niedojrzałość danych (wskazało na nią 56 proc. respondentów). Przy czym, jak twierdzą autorzy raportu PwC „Gotowi na sztuczną inteligencję”, zarządzanie danymi jest jednym z sześciu kluczowych obszarów decydujących o sukcesie we wdrażaniu AI. Tym bardziej więc troska o wykorzystanie jak najlepszych sposobów i metod zarządzania staje się zadaniem pierwszej potrzeby.