Vetenskapsbrister kan underminera AI, enligt eGain
eGain Corporation menar att många AI-system drabbas av problem som inte beror på modellerna själva, utan på bristfällig eller föråldrad kunskap. Företaget betonar vikten av en pålitlig kunskapsbas för AI:s framgång.
Enligt eGain Corporation är den vanligaste fallgropen för AI-system inte tekniken i sig, utan den kunskap som ligger till grund för den. Företaget konstaterar att många organisationer stöter på problem när deras AI baseras på felaktiga eller föråldrade antaganden istället för att utnyttja pålitlig och uppdaterad kunskap.
Problemet blir ofta tydligt först när AI börjar användas i det dagliga arbetet. Felaktiga svar, motsägelser i instruktioner eller rekommendationer som inte stämmer överens med verkligt arbete kan erodera förtroendet för AI. Även små problem hopar sig och ökar driftskostnaderna samt minskar effektiviteten.
När man letar efter orsakerna till AI:s opålitlighet fokuserar man ofta på fel saker, som modeller eller data. Det verkliga problemet ligger ofta i information som är spridd, föråldrad eller till och med bara finns i människors huvuden. Utan rent och strukturerat innehåll kan AI inte skilja uppdaterad information från gamla processer, vilket leder till felaktiga svar och rekommendationer.
eGains syn är att modern kunskapshantering är en kontinuerlig process som säkerställer tydlighet, aktualitet och pålitlighet i vägledningen. Företag som lyckas med AI-implementering börjar ofta med att analysera de frågor som kunder och anställda ställer. Samtal, chattar och supportförfrågningar avslöjar det viktigaste innehållet och de viktigaste frågorna. Baserat på denna information byggs en konsekvent och enhetlig kunskapsbas som möter verkliga behov och organisationens arbetssätt.