Kategoria: Analityka

Co dla maszyn, co dla ludzi?

Co będzie w przyszłości skuteczniejsze dla zapewnienia bezpieczeństwa w firmie: działania systemów sztucznej inteligencji czy aktywność człowieka? Odpowiedzi na to pytanie szukali uczestnicy panelu dyskusyjnego „Człowiek czy maszyna” przeprowadzonego w formie debaty oksfordzkiej podczas „Advanced Threat Summit 2018”.

Ekspert i maszyna: praca w duecie poprawia wyniki

Analiza ruchu sieciowego zapewnia doskonałe wyniki w zakresie jak najlepszego pokrycia potencjalnej powierzchni ataku. Jej wykonanie stanowi jednak spore wyzwanie, ponieważ danych jest bardzo dużo, ciągle się zmieniają i dotyczą wielu różnych urządzeń. Rozwiązanie pozwalające analizować ruch w zautomatyzowany sposób skraca czas pracy eksperta od cyberbezpieczeństwa z tygodni do minut. Rozmowa z Alexem Vaystikhem, CTO i współzałożycielem firmy SecBI.

Biometria behawioralna: nie co ale jak

Biometria behawioralna daje możliwość zapewnienia bezpieczeństwa dzięki analizie, jak użytkownik posługuje się komputerem i jak z niego korzysta, a nie tego, co robi. To sposób na zapewnienie ciągłej weryfikacji uprawnień użytkowników do korzystania z konkretnych zasobów czy usług – mówi Mateusz Chrobok, Chief Executive Officer oraz prezes zarządu w start-upie Digital Fingerprints.

Robot pomoże znaleźć pracownika

Analityka jest obecnie bardzo przydatna przy selekcji nadsyłanych przez kandydatów do pracy cv. W przyszłości chcielibyśmy, aby boty nie tylko znajdowały właściwego specjalistę, również wśród osób, które nie szukają pracy, ale także wspierały proces onboardingu, identyfikacji talentów i planowania sukcesji, czy też analizowały powody odejść pracowników. Pomocne do tego mogą być analizy Big Data lub inne formy sztucznej inteligencji– mówi Cezary Mączka, członek zarządu, dyrektor Pionu Zarządzania Zasobami Ludzkimi w firmie Budimex.

Nowa, inteligentna automatyzacja

Od narzędzi typu RPA (Robotic Process Automation), sprawdzających się w przypadku najprostszych procesów, po systemy WLA (Workload Automation), które pozwalają zapanować nad rosnącą złożonością środowisk i systemów w dużych organizacjach – o wyzwaniach i kluczowych trendach związanych z automatyzacją procesów biznesowych dyskutowano podczas konferencji „Enterprise Automation Forum 2018”. Wskazywano, że jednym z głównych kierunków rozwoju jest wykorzystanie postępów w obszarze badań nad sztuczną inteligencją – technologii uczenia maszynowego i głębokiego uczenia.

Nowoczesne WLA: strategiczny fundament

Dla większości przedsiębiorstw automatyzacja ma wymiar strategiczny. Jej fundamentem jest Workload Automation (WLA). To najczęściej wykorzystywana forma automatyzacji – wynika z badań prowadzonych przez Enterprise Management Associates (EMA). Podczas konferencji „Automation Forum 2018” Dan Twing, prezes i dyrektor operacyjny EMA, przedstawił aktualny stan rynku automatyzacji, mówił o wyzwaniach związanych z jej zastosowaniem w organizacjach, zmieniającej się roli WLA, a także o najnowszych narzędziach tego typu.

Redaktor AI wspiera ekspertów prawnych

Maszyny na razie jeszcze nie są w stanie zastąpić człowieka, ale już skutecznie wspierają jego działania pomagając identyfikować kluczowe informacje w coraz większych zbiorach danych. Wolters Kluwer stosuje uczenie maszynowe oraz technologie predykcyjne w systemach eksperckich wykorzystywanych przez prawników.

Cel: ułatwić panowanie nad całością

Rośnie stopień skomplikowania środowisk biznesowych w dużych organizacjach. Przetwarza się jest coraz więcej danych, uruchamia coraz więcej różnorodnych procesów. Optymalizacja zarządzania nimi wymaga większej automatyzacji działań w podejmowaniu decyzji. O wyzwaniach związanych z integracją przetwarzania danych i realizacji procesów biznesowych mówi Mirosław Andziak, współtwórca i dyrektor zarządzający InfiniteDATA.

Przemysł 4.0 w Polsce: wiele do nadrobienia

Przed polskimi firmami stoi wyzwanie zwiększenia inwestycji w cyfryzację procesów produkcyjnych. Jak wynika z badań, niski poziom automatyzacji i informatyzacji produkcji utrudnia realizację koncepcji Przemysłu 4.0. Potrzebne są m.in. wdrożenia z zakresu oczujnikowania linii produkcyjnych oraz szersze wykorzystanie narzędzi do zaawansowanej analityki danych.