Transforming Business Communication with Solutions Based on Artificial Intelligence Technologies with Support for Natural Language Processing

В. Яцюта; В. Кобець

doi:10.15407/scine21.05.126

Автор(и)

В. Яцюта Херсонський державний університет https://orcid.org/0009-0001-8610-2862
В. Кобець Херсонський державний університет https://orcid.org/0000-0002-4386-4103

DOI:

https://doi.org/10.15407/scine21.05.126

Ключові слова:

бізнес-запит, штучний інтелект, обробка людської мови, архітектура програмного забезпечення, обробка даних

Анотація

Вступ. У сучасному динамічному світі інформація є одним із найважливіших ресурсів, а технології збору та аналізу даних стрімко розвиваються. Саме тому кожна організація потребує швидкого, точного та безпечного аналізу даних, щоб відповідати на запити й робити вибір.
Проблематика. Штучний інтелект (ШІ) стає невід’ємною частиною життя, а обробка даних — його фокусом — від розуміння поточного стану справ у компанії до складних розрахунків потенційних ризиків та наслідків прийняття рішень.
Мета. Створення системи, яка покращить завдання оцінювання та процеси прийняття рішень шляхом надання користувачам інтегрованого, зручного доступу до набору даних.
Матеріали й методи. Показано різні архітектури системи, описано позитивні й негативні сторони кожної з них. Розроблено прототип системи для обробки бізнес-запитів з використанням ChatGPT, подано основні вхідні дані, приклади обробки різних запитів, а також описано потенційні проблеми та шляхи їх вирішення.
Результати. Проведено валідацію системи й запропоновано потенційні рішення для покращення якості обробки даних. Дослідження спрямовано на вдосконалення процесу виконання запитів від моменту створення до отримання відповіді запитувачем без порушення корпоративних політик та правил безпеки.
Висновки. Отримані результати демонструють ефективність застосування штучного інтелекту для автоматизованої обробки бізнес-запитів, зокрема їхнього перетворення в SQL-запити та формування релевантних відповідей, що відкриває перспективи для автоматизації та оптимізації бізнес-процесів на підприємствах, зниження навантаження на ІТ-підрозділи й підвищення доступності даних для користувачів без технічних знань. У практичному аспекті результати можуть бути використані на підприємствах і в організаціях для створення інтелектуальних систем аналітики, інтерактивних дашбордів, чат-ботів для взаємодії з базами даних, а також для побудови нових інтерфейсів бізнесаналітики, що працюють на основі природної мови.

Завантаження

Дані завантаження ще не доступні.

Посилання

Hajipour, V., Hekmat, S., Amini, M. (2023). A value-oriented Artificial Intelligence-as-a-Service business plan using integrated tools and services. Decision Analytics Journal, 8, 100302. https://doi.org/10.1016/j.dajour.2023.100302

Basole, R. C., Park, H., Seuss, C. D. (2024). Complex business ecosystem intelligence using AI-powered visual analytics. Decision Support Systems, 178, 114133. https://doi.org/10.1016/j.dss.2023.114133

Nistala, P., Rajbhoj, A., Kulkarni, V., Noronha, S., Joshi, A. (2024). An industrial experience report on model-based, AIenabled proposal development for an RFP/RFI. Science of Computer Programming, 233, 103058. https://doi.org/10.1016/j.scico.2023.103058

Siciliani, L., Taccardi, V., Basile, P., Ciano, M. D., Lops, P. (2023). AI-based decision support system for public procurement. Information Systems, 119, 102284. https://doi.org/10.1016/j.is.2023.102284

Gill, S. S., Xu, M., Ottaviani, C., Patros, P., Bahsoon, R., Shaghaghi, A.,…, Uhlig, S. (2022). AI for next generation computing: Emerging trends and future directions. Internet of Things, 19, 100514. https://doi.org/10.1016/j.iot.2022.100514

Ahmad, K., Abdelrazek, M., Arora, C., Bano, M., Grundy, J. (2023). Requirements engineering for artificial intelligence systems: A systematic mapping study. Information and Software Technology, 158, 107176. https://doi.org/10.1016/j.infsof. 2023.107176

Tripathi, M. A., Madhavi, K., Kandi, V. S. P., Nassa, V. K., Mallik, B., Chakravarthi, M. K. (2023). Machine learning models for evaluating the benefits of business intelligence systems. Journal of High Technology Management Research, 34, 100470. https://doi.org/10.1016/j.hitech.2023.100470

Ouaddia, C., Benaddia, L., Jakimia, A. (2024). Architecture, Tools, and DSLs for Developing Conversational Agents: An Overview. Procedia Computer Science, 231, 293—298. https://doi.org/10.1016/j.procs.2023.12.206

Saka, A. B., Oyedele, L. O., Akanbi, L. A., Ganiyu, S. A., Chan, D. W. M., Bello, S. A. (2023). Conversational artificial intelligence in the AEC industry: A review of present status, challenges and opportunities. Advanced Engineering Informatics, 55, 101869. https://doi.org/10.1016/j.aei.2022.101869

Wei, R., Pardo, C. (2022). Artificial intelligence and SMEs: How can B2B SMEs leverage AI platforms to integrate AI technologies? Industrial Marketing Management, 107, 466—483. https://doi.org/10.1016/j.indmarman.2022.10.008

Javaida, M., Haleema, A., Singh, R. P. (2023). A study on ChatGPT for Industry 4.0: Background, potentials, challenges, and eventualities. Journal of Economy and Technology, 1, 127—143. https://doi.org/10.1016/j.ject.2023.08.001

De Bock, K. W., Coussement, K., De Caigny, A., Słowiński, R., Baesens, B., Boute, R. N., Choi, T., …, Weber, R. (2023). Explainable AI for Operational Research: A defining framework, methods, applications, and a research agenda. European Journal of Operational Research, 317(2), 249—272. https://doi.org/10.1016/j.ejor.2023.09.026

Ouaddi, C., Benaddi, L., Khriss, I., Jakimi, A. (2023). Developing Conversational Agent Using Deep Learning Techniques. Computer Sciences & Mathematics Forum, 6. https://doi.org/10.3390/cmsf2023006003

Kenton, W. Business Segment Reporting Definition, Importance, Example. URL: https://www.investopedia.com/terms/ b/business-segment-reporting.asp (Last accessed: 03.07.2024).

Bondar, S., Ruppert, C., Stjepandić, J. (2014). Ensuring data quality beyond change management in virtual enterprise. International Journal of Agile Systems and Management, 7(3—4) 304—323. https://doi.org/10.1504/ĲASM.2014.065346

Iatsiuta, V., Kobets, V., Ivanov, O. (2023). Creating of a General Purpose Language for the Construction of Dynamic Reports. In: Maślankowski, J., Marcinkowski, B., Rupino da Cunha, P. (Еds.) Digital Transformation. PLAIS EuroSymposium 2023. Lecture Notes in Business Information Processing, vol. 495. Springer, Cham. https://doi.org/10.1007/978- 3-031-43590-4_2

Nguyen, M.-T., Le, D. T., Le, L. (2021). Transformers-based information extraction with limited data for domain-specific business documents. Engineering Applications of Artificial Intelligence, 97, 104100. https://doi.org/10.1016/j.engappai. 2020.104100

Kobets, V., Yatsenko, V., Mazur, A., Zubrii, M. (2020). Data analysis of personalized investment decision making using Robo-Advisers. Science and Innovation, 16(2), 80—93. https://doi.org/10.15407/scine16.02.080

Kobets, V., Tsiuriuta, N., Lytvynenko, V., Novikov, M., Chizhik, S. (2020). Recruitment web-service management system using competence-based approach for manufacturing enterprises. Lecture Notes in Mechanical Engineering, 138—148. https://doi.org/10.1007/978-3-030-22365-6_14

Khurana, D., Koli, A., Khatter, K., Singh, S. (2023). Natural language processing: state of the art, current trends and challenges. Multimed Tools Appl., 82, 3713—3744. https://doi.org/10.1007/s11042-022-13428-4

LangChain. URL: https://python.langchain.com/docs/get_started/introduction (Last accessed: 28.06.2024).

Davenport, T. H., Ronanki, R. Artificial Intelligence for the Real World. URL: https://hbr.org/2018/01/artificial-intelligencefor-the-real-world (Last accessed: 28.06.2024).

OpenAI API, GPTs, Documentation and CookBook. URL: https://chat.openai.com/g/g-I1XNbsyDK-api-docs (Last accessed: 28.06.2024).