A nagy technológiai cégek (pl. Google, Twitter, Facebook) körében az MI-alapú eljárások alkalmazása mára mindennapossá vált, hiszen csak így lehetnek képesek a felhasználók által generált masszív adatmennyiség feldolgozására. Az MI nyújtotta lehetőségek komoly segítséget nyújthatnak az üzleti világ egyéb szegmenseiben is, ahol a feldolgozandó adatok gyakran akkora mennyiségben vannak jelen, hogy pusztán a releváns adatok körének meghatározása is megterhelő, azok feldolgozásáról már nem is beszélve.

A kisebb, és nem technológiai fókusszal rendelkező cégek körében az MI-alapú megoldások használata egyelőre kevésbé elterjedt. Éppen ezért az Interreg Central Europe pályázati kiírás keretein belül megvalósuló ProsperAMnet projekt azzal a célkitűzéssel jött létre, hogy egy olyan döntéstámogató platformot biztosítson a különböző — elsődlegesen a feldolgozóiparban tevékenykedő — vállalatok számára, amely termékeik, illetve szolgáltatásaik értékesítésével kapcsolatos döntéseik meghozatalában nyújt segítséget. Mindehhez egy olyan MI algoritmust alkottunk meg, ami napi szinten több tízezres nagyságrendben képes céges honlapokat meglátogatni, és elemezni azokat a cégek által nyújtott különböző típusú szolgáltatások után kutatva.

A projekt során létrehozott “robot” gépi tanulást használ, amit az emberi fogalomtanuláshoz némileg hasonló folyamat során tettünk képessé a különféle szolgáltatástípusok felismerésére. A tanítás elvégzéséhez a felismerni kívánt jelenségekre — vagyis a különféle szolgáltatástípusokra — nézve tanítópéldák összegyűjtése szükséges, ami azt jelenti, hogy olyan céges honlapokat gyűjtöttünk össze, amelyek különféle szolgáltatásokra vonatkozó utalásokat tartalmaztak. A tanítópéldák összegyűjtését követően az alkalmazott algoritmusok arra törekszenek, hogy azokban megtalálják azokat az általános mintázatokat, amelyek alapján felismerhető, ha egy-egy honlapon valamilyen szolgáltatásra (pl. gyártósorok karbantartása vagy pótalkatrészek biztosítása) vonatkozó említés történik.

Mivel a kifejlesztett elemzés automatizált, és a tapasztalataink szerint körülbelül két nagyságrenddel gyorsabb annál, mintha azt emberi erővel végeznénk el, így rövid idő alatt egy átfogó képet kaphatunk arról, hogy egy adott (földrajzi és/vagy iparági értelemben vett) területen belül milyen jellegű szolgáltatások és milyen arányban oszlanak el az iparági szereplők körében. A gazdasági döntések meghozatala természetesen komplexebb annál, hogy azokat teljes egészében automatizmusokra bízzuk, azonban az időről-időre automatikusan létrejövő elemzések hasznos segítséget nyújthatnak a döntéshozóknak a különböző piacok feltérképezésében és megismerésében.

KIPRÓBÁLOM A RADART | LETÖLTÖM A RADAR KÉZIKÖNYVET