eGain tarkastelee tekoälyn ja tietohallinnan historiaa
Tekoäly ja tietohallinta ovat kokeneet suuria buumeja ja taantumia. eGain Corporationin analyysi tarjoaa oppitunteja nykyiselle AI-kehitykselle.
Tekoälyn ja tietohallinnan kehityksessä on nähty toistuvia syklejä, joissa suuret investoinnit ja kunnianhimoiset visiot ovat kohdanneet todellisuuden haasteet. eGain Corporation analysoi teknologiayrityksen blogissaan historiallisia opetuksia, jotka ovat relevantteja nykyiselle tekoälybuumille.
1980-luvulla yritykset panostivat voimakkaasti tekoälyyn, erityisesti asiantuntijajärjestelmiin, jotka pyrkivät tallentamaan ja skaalaamaan asiantuntijoiden tietoa. Esimerkiksi GE kehitti DELTA-järjestelmän veturien korjaukseen ja Digital Equipment Corporation XCONin tietokonejärjestelmien konfigurointiin. Case-Based Reasoning (CBR) -menetelmät nousivat myös esiin uusien ongelmien ratkaisemiseksi vertaamalla niitä aiempiin tapauksiin.
Myöhemmin, 1980-luvun lopulla ja 1990-luvulla, nousi tietohallinta (Knowledge Management, KM), joka laajensi tavoitteitaan kattamaan kaiken organisaation tiedon, mukaan lukien dokumentit, prosessit ja hiljaisen tiedon. Tavoitteena oli tehostaa tiedon jakamista ja hyödyntämistä yrityksissä. Tuolloin kehitettiin alustoja tietovarastoille ja yhteistyölle, mutta myös kulttuurisia muutoksia tiedonjakokulttuurin edistämiseksi.
Kuitenkin monet tekoäly- ja KM-hankkeet kohtasivat haasteita. Tekniset rajoitukset, kuten asiantuntijajärjestelmien jäykkyys ja CBR-järjestelmien hakukapasiteetin ongelmat, sekä valtavat kehityskustannukset ja vaikeasti todistettava ROI hidastivat edistystä. Lisäksi myyntiylitykset johtivat pettymyksiin, kun järjestelmät eivät lunastaneet lupauksiaan. Tietohallinnassa etenkin hiljaisen tiedon tallentaminen osoittautui vaikeaksi, ja tiedon päivitys sekä haun tehokkuus jäivät puutteellisiksi.
Nämä historialliset kokemukset tarjoavat arvokkaita näkökulmia nykyiseen tekoälyn kehitykseen. eGain Corporationin mukaan on tärkeää ymmärtää sekä menneiden teknologioiden lupaukset että niiden toteutuksen haasteet, jotta voidaan välttää samat sudenkuopat ja rakentaa kestäviä, arvoa tuottavia ratkaisuja.