Прогнозная аналитика в эпохе агентного ИИ
В 2026 году вопрос для корпоративного ИИ уже не заключается в том, могут ли прогностические модели превзойти статистические прогнозы, — этот спор решён. Теперь главный вопрос состоит в том, как позволить прогностическим системам самостоятельно действовать на основе собственных выводов, не отклоняясь от бизнес-целей. Передний край технологий сместился от прогнозирования к автономному принятию решений, и разрыв между лидерами и отстающими соответственно увеличивается.
«Компании больше не довольствуются взглядом в прошлое; они хотят мыслить более перспективно», — говорит Вишал Гупта, партнёр исследовательской компании Everest Group.
Интеллектуальная аналитика, работающая на основе таких технологий, как глубокое обучение и генеративный ИИ, делает это возможным. Обучение в режиме реального времени позволяет ИИ непрерывно развиваться, вместо того чтобы ждать ежеквартального обновления. Кроме того, массив данных, на который опираются новые прогностические системы, расширился: теперь он включает не только упорядоченные числовые записи, но и неструктурированные, сложные источники взаимодействий, насыщенных ценной информацией. В результате аналитика на базе ИИ переводит компании от пассивного взгляда в прошлое к практичному прогнозированию будущего.
ИИ выводит прогностическую аналитику — широкую область, включающую прогностическое моделирование, подготовку данных, аналитические рабочие процессы, интерпретацию результатов и приложения для принятия решений — на новый уровень. «Во многих отношениях, думаю, слово „аналитика“ уступает место ИИ, — говорит Гупта. — Всё становится ИИ».
Этот материал подготовлен подразделением Insights, занимающимся созданием заказного контента для MIT Technology Review, а не его редакцией. Исследование и текст выполнены людьми; любые инструменты ИИ, которые могли использоваться, применялись только на этапах подготовки материала под контролем человека.
Переведено автоматически с английского. Оригинал статьи — по ссылке ниже.