افزایش کیفیت بینش در تجزیه و تحلیل عاملی

تنها در چند سال، هوش مصنوعی مولد چهره تجزیه و تحلیل سازمانی را تغییر داده است، به ویژه با دسترسی به تجزیه و تحلیل برای کاربران در سراسر سازمان. هوش مصنوعی Agentic وعده می دهد که با خودکارسازی کل گردش کار و انجام اقدامات مبتنی بر بینش عامل، کارهای بیشتری انجام دهد. اما یک مشکل وجود دارد: کیفیت بینش‌هایی که عامل‌ها در حال حاضر ایجاد می‌کنند، چیزهای زیادی را می‌طلبد.

کمتر از نیمی از بینش های تولید شده توسط عامل در سازمان های مورد بررسی برای این گزارش منجر به بهبود کسب و کار می شود. و در حالی که اکثر پاسخ دهندگان کیفیت بینش های توصیفی نمایندگان خود را ستایش می کنند، بررسی بینش های تجویزی آنها -آنهایی که اقدامات بر اساس آن ها استوار است- به طور قطعی ترکیبی است.

گزارش را دانلود کنید

ناکامی در تولید بینش‌هایی که کسب‌وکار را بهبود می‌بخشد، سازمان‌ها را از بازده سرمایه‌گذاری مورد نظرشان در تحلیل‌های عاملی محروم می‌کند. بدتر از آن، بینش‌های ناقصی که باعث اقدامات نادرست می‌شوند، می‌توانند باعث آسیب مالی یا اعتبار شوند. این گزارش ارزیابی می‌کند که شرکت‌ها چگونه کیفیت خروجی‌های تولید شده توسط نمایندگان تجزیه و تحلیل خود را مشاهده می‌کنند و چگونگی تلاش سازمان‌ها برای افزایش کیفیت بینش و ترغیب نمایندگان خود به کار سخت‌تر برای کسب‌وکار را بررسی می‌کند.

برخی از یافته های کلیدی این گزارش شامل موارد زیر است:

تجزیه و تحلیل عاملی تازه شروع به ارائه می کند. به طور متوسط، 48٪ از بینش های تولید شده توسط عوامل تجزیه و تحلیل در شرکت های مورد بررسی منجر به اقداماتی می شود که کسب و کار را بهبود می بخشد. این یک پیشرفت قابل توجه از میانگین 37 درصدی است که پاسخ دهندگان می گویند یک سال پیش چنین اقداماتی را انجام داده است. اما این بدان معناست که بیش از نیمی از بینش‌های تولید شده توسط عوامل تحلیلی امروزه هنوز در کمک به کسب‌وکارها ناکام هستند.

کیفیت بهتر بینش منجر به مزیت واضح تجاری می شود. در گروه کوچکی از سازمان ها، که ما آنها را «رهبران بینش» می نامیم، عوامل هوش مصنوعی بسیار بهتر از میانگین عمل می کنند. در این گروه، بیش از 70 درصد از بینش های عامل منجر به اقداماتی می شود که کسب و کار را بهبود می بخشد. رهبران بینش همچنین به کیفیت بینش نمایندگان خود نمره بالاتری نسبت به کل پاسخ دهندگان می دهند. شکاف کیفیت به ویژه هنگامی که به بینش های تجویزی می رسد گسترده است.

زمینه ناکافی کیفیت بینش را کاهش می دهد. هنگامی که عوامل تجزیه و تحلیل بینش هایی با کیفیت غیر استاندارد ارائه می دهند، دلیل اصلی فقدان زمینه تجاری است، همانطور که توسط 55٪ از مدیران مورد بررسی ذکر شده است. بر اساس 45 درصد، داده های تکه تکه یا غیرقابل دسترس عامل اصلی دیگر است. رهبران بینش کمتری می گویند که عوامل آنها با دسترسی به زمینه مشکل دارند.

اضافه بار بینش بیشتر از اثربخشی عامل جلوگیری می کند. در اکثریت (52 درصد) سازمان‌های مورد بررسی، عوامل تحلیلی بینش‌های زیادی تولید می‌کنند که نمی‌توان به درستی ارزیابی کرد و در نتیجه بر اساس آن عمل کرد. کمتر از یک چهارم (24%) قادر به ارزیابی همه بینش های عامل هستند. اکثر آنها این کار را به صورت موردی انجام می دهند، و این فرآیند در حال حاضر به انسان متمرکز است.

حکمرانی و معناشناسی حوزه‌های مورد توجه برای بهبود بینش هستند. شرکت‌های مورد بررسی، ابتکاراتی را اولویت‌بندی می‌کنند که با تقویت هوش مصنوعی و حاکمیت داده (به نقل از 60 درصد) بینش عامل بهتری را امکان‌پذیر می‌سازد. آنها همچنین یک لایه معنایی به معماری داده خود اضافه می کنند (45٪). کارشناسانی که ما با آنها مصاحبه کردیم موافقند که لایه معنایی برای اطمینان از عوامل با عملکرد بالا بسیار مهم است.

گزارش را دانلود کنید

این محتوا توسط Insights، بازوی محتوای سفارشی MIT Technology Review، نه اعضای تحریریه آن تولید شده است. این توسط انسان ها تحقیق و نوشته شده است، با هر ابزار هوش مصنوعی که ممکن است محدود به فرآیندهای تولید تحت نظارت انسان باشد.