MicroStrategy agrega una nueva función de análisis empresarial de autoservicio impulsada por IA

En lo que podría ser un vistazo al futuro de la integración de IA en las empresas, MicroStrategy anunció el martes una nueva incorporación a su plataforma que simplifica el acceso a datos analíticos comerciales dentro de las organizaciones.

MicroStrategy Auto es un bot de IA personalizable que, según la empresa, ofrece una forma más rápida y sencilla de ofrecer inteligencia empresarial a cualquier persona de una organización. Auto es la última mejora de MicroStrategy AI, lanzada en octubre de 2023, una solución para crear rápidamente aplicaciones de IA a partir de datos confiables.

Auto se puede implementar como una aplicación independiente o integrarse en aplicaciones de terceros, señaló la empresa, y ofrece una personalización completa. Su apariencia, estilo de lenguaje y nivel de detalle se pueden adaptar a las especificaciones del usuario.

Debido a que la IA generativa impulsa a Auto, los usuarios pueden interactuar con el bot utilizando lenguaje natural.

“Usamos GPT4 para el backend, para determinar qué está pidiendo el usuario y cómo responder la pregunta”, explicó el vicepresidente ejecutivo y director de productos de MicroStrategy, Saurabh Abhyankar.

“La diferencia entre MicroStrategy y un modelo de lenguaje de uso general es que además de la capacidad cognitiva que tiene el LLM, agregamos una estructura de datos analítica”, dijo a TechNewsWorld. “Por lo tanto, si pregunta cuántos sombreros tengo en la tienda X, el LLM averigua qué está preguntando el usuario y la capa de MicroStrategy ejecuta la consulta, recupera los datos y aplica seguridad y reglas para calcular el inventario”.

“Se necesitan ambas cosas en un escenario de análisis empresarial porque un chatbot como ChatGPT no tiene el contexto, el conocimiento comercial, la seguridad y la gobernanza necesarios para responder una pregunta como esa”, agregó.

Desbloquear el valor del usuario

Con el respaldo de IA, Auto puede eliminar las barreras para una toma de decisiones rápida y efectiva al hacer que las aplicaciones sean más inteligentes y poner el análisis empresarial en manos de los usuarios sin importar el nivel de habilidad o la aplicación que estén usando, sostuvo la compañía.

No es necesario utilizar un panel de control complejo para obtener información, y los usuarios pueden solicitarla en un lenguaje común, lo que facilita la incorporación de inteligencia empresarial en la toma de decisiones comerciales, agregó.

“Creemos que el uso de MicroStrategy AI generará un gran valor al brindar a una variedad de usuarios información más detallada que antes requería más clics y mayor granularidad para comprenderla. Es una herramienta poderosa para el autoservicio del usuario”, afirmó Nena Pidskalny, directora de estrategia y planificación de la cadena de suministro de Federated Co-operatives Limited, en un comunicado.

“Dar a más empleados acceso a datos de inteligencia empresarial puede beneficiar a una empresa al fomentar la toma de decisiones informada en todos los departamentos, permitir la agilidad para responder a los cambios del mercado y promover una cultura de toma de decisiones basada en datos”, agregó Mark N. Vena, presidente y analista principal de SmartTech Research en San José, California.

“Sin embargo, un acceso más fácil a los datos de inteligencia empresarial puede conducir a posibles daños como violaciones de datos, mal uso de información confidencial y comprometer la ventaja competitiva si no se gestiona y protege adecuadamente”, dijo a TechNewsWorld.

Los bots de IA generativos personalizados tienen algunas ventajas sobre los bots de propósito general como ChatGPT, Gemini y Claude, señaló Rob Enderle, presidente y analista principal de Enderle Group, una firma de servicios de asesoría en Bend, Oregón. “Generalmente, están más enfocados y son capaces de hacer una o varias cosas bien y potencialmente mejor”, dijo a TechNewsWorld. “También pueden ejecutarse localmente porque usan bibliotecas más pequeñas”.

Enderle añadió que los bots empresariales personalizados también pueden ser más seguros que los bots de uso general. “Generalmente son derivados de los grandes LLM”, explicó, “pero como son más reducidos y están más enfocados, en teoría, es menos probable que hagan cosas que no quieres que se hagan”.

Abordar las preocupaciones sobre la IA

Los bots de IA generativos personalizados también pueden abordar las preocupaciones de las empresas sobre el intercambio de datos con grandes chatbots. “Siempre existe ansiedad si ofreces tu información confidencial o la de tus clientes a una herramienta que va a iterar sobre esos datos y puede volver a presentarlos de alguna manera en el futuro”, dijo Will Duffield, analista de políticas del Cato Institute, un grupo de expertos de Washington, DC.

“Los bots centrados en el consumidor permiten que las empresas que los respaldan utilicen sus conversaciones para mejorar los bots”, dijo a TechNewsWorld. “Eso no sucedería con muchas de estas herramientas comerciales porque la forma en que se puede utilizar la información se especificará contractualmente”.

“Las empresas no quieren enviar todos sus datos a un LLM de uso general”, añadió Abhyankar. “No quieren entrenar al LLM con sus datos por el riesgo de que se filtren”.

Con MicroStrategy, explicó, los datos se almacenan en el entorno del cliente. Solo se envían fragmentos de metadatos a nuestro LLM y el LLM no se entrena con esos datos. "Podemos hacerlo porque MicroStrategy ejecuta los cálculos y, como el LLM no necesita hacerlo, no necesita todos los datos", explicó.

Por esa misma razón, se puede evitar que el LLM alucine. “Los LLM, por su naturaleza, son probabilísticos”, dijo Abhyankar. “Puedes hacerle preguntas, pero puedes obtener respuestas diferentes para la misma pregunta. Eso no es ideal para un escenario empresarial”.

Al ejecutar los cálculos en la capa de MicroStrategy y hacerlos en base a la lógica de negocio que el cliente ha codificado en nuestra plataforma podemos evitar problemas de probabilidad, sostuvo.

“De esta forma, los desafíos de compartir datos y las alucinaciones se eliminan en gran medida debido a que usamos el LLM solo para habilidades cognitivas y usamos los datos del cliente en la capa de MicroStrategy de manera confiable”, agregó.

Aumentar la productividad

Hacer que la inteligencia empresarial sea más accesible para el personal de la empresa puede tener beneficios en términos de productividad. “Debería permitir que los encargados de tomar decisiones tomen decisiones mejores y más oportunas, lo que se traducirá en un mayor éxito operativo”, afirmó Enderle.

Los analistas de datos, en particular, deberían ver mejoras en la productividad gracias al aspecto de autoservicio de MicroStrategy Auto. “Esto hace que los analistas de datos sean más productivos porque pueden hacer más en la misma cantidad de tiempo”, afirmó Abhyankar. “Es un impulso para su productividad”.

“Cuando el usuario final puede atenderse por sí mismo, esto le brinda al analista beneficios clave”, continuó. “Se libera para enfocarse en cosas de mayor valor porque trata con menos preguntas y solicitudes de los usuarios finales”.

Sharad Varshney, director ejecutivo de OvalEdge, una consultora de gobernanza de datos y proveedora de soluciones de catálogo de datos de extremo a extremo en Alpharetta, Georgia, señaló que las tecnologías de inteligencia artificial generativa están impactando profundamente en el análisis de datos en todos los ámbitos. "Eliminan la complejidad del descubrimiento de datos, lo que permite que equipos como marketing o recursos humanos que tradicionalmente no se centran en el análisis utilicen los activos de datos de la empresa con facilidad", dijo a TechNewsWorld.

“Sin embargo”, dijo, “los datos recibidos deben gestionarse con precisión. Si bien una herramienta de inteligencia artificial generativa puede encontrar y contextualizar rápidamente los datos, no tiene en cuenta la calidad, el linaje ni el acceso a los mismos”.

“Una vez que se descubren los datos, deben implementarse políticas que garanticen que el usuario que los solicita tenga los permisos de acceso pertinentes para extraerlos”, continuó. “Luego, deben someterse a varias mediciones de calidad para detectar duplicaciones, inconsistencias y otros factores antes de clasificarlos y catalogarlos. Solo entonces serán aptos para el análisis”.

“Afortunadamente”, añadió, “existen herramientas que pueden automatizar estos procesos de gobernanza y otros que hacen que el análisis y la visualización de datos sean muy sencillos”.