Search the digital library catalog

Abstract: Povzetek: V magistrski nalogi smo raziskovali vpliv umetne inteligence na sisteme za poslovno obveščanje. Z uporabo tridesetdnevnega brezplačnega dostopa do aplikacije MicroStrategy ONE smo raziskali, kako je umetna inteligenca vplivala na zmogljivost aplikacije in koliko je to v resnici doprinos za podjetje, ki jo uporablja. V teoretičnem delu smo predstavili poslovno inteligenco oziroma sisteme za poslovno obveščanje ter kakšna je njihova vloga v podjetjih in trendi v zadnjih letih. Sledi poglavje umetne inteligence, kjer smo predstavili osnovne koncepte in metode, ki se na tem področju uporabljajo. Izpostavili smo tudi etični in pravni vidik. Vključili smo poglavje o konrolingu, saj so tako sistemi za obveščanje kot umetna inteligenca vedno bolj z njim povezani. V omenjenih poglavjih smo izpostavili prednosti in slabosti vpliva AI na ostala področja, ter povezanost BI sistemov s področjem kontrolinga. Vključili smo že izvedene raziskave na to temo. V empiričnem delu smo s pomočjo aplikacije MicroStrategy ONE naredili raziskavo na področju AI in BI. Predstavili smo aplikacijo, kaj je novega v aplikaciji, povezanega z umetno inteligenco, ter kaj je omogočeno v brezplačni poskusni različici aplikacije. Ugotovili smo, da je izbrana aplikacija uvedla večino možnosti uporabe umetne inteligence v prakso. Opazimo uporabo strojnega učenja, obdelavo naravnega jezika ter razširjeno analitiko. Aplikacija nima integriranega računalniškega vida, vendar je ta mogoč z integracijo zunanjih orodij. Druga hipoteza se je nanašala na hitrost priprave poročil. Ugotovili smo, da umetna inteligenca veliko hitreje pripravi poročila, kot uporabnik (preprosta in kompleksna). Problem nastane, ko umetna inteligenca ne pripravi takšnega poročila, kot smo si zamislili, in so potrebni popravki, ki zahtevajo dodaten čas. Kljub potrebnim popravkom porabimo manj časa, kot če bi sami oblikovali celotno poročilo. Za namen zadnje hipoteze smo primerjali izbiro podatkov, ki so vključeni v poročilo, ki ga pripravi umetna inteligenca, ter podatki, ki so vključeni v poročilo, ki ga pripravi strokovnjak na izbranem področju. Ugotovili smo, da poročila niso enaka, vendar so podobna v določenih elementih. Predvsem je razlika v prikazu podatkov in ustreznosti oblike podatkov. AI še ne more nadomestiti osebe, lahko pa nam zelo pripomore pri delu, če ga znamo pravilno izkoristiti. Rezultati, ki smo jih pridobili skozi raziskavo, potrjujejo, da umetna inteligenca pripomore k boljši uporabi sistemov za obveščanje, vendar mora biti uporabnik kritičen do podatkov, ki jih umetna inteligenca pripravi. Vsekakor nam olajša prikaz hitrih poročil, predvsem kakšne medletne primerjave, vendar je za kompleksna poročila bolje, da jih pripravi uporabnik sam ali pa mu umetna inteligenca le do določene mere pomaga.
Keywords: Ključne besede: umetna inteligenca, poslovna inteligenca, poslovno obveščanje, kontroling
Published in DKUM: 17.01.2025; Views: 0; Downloads: 2
Full text (3,60 MB)

Abstract: Izziv dela predstavlja integracijo celovitih informacijskih rešitev s tehnologijami umetne inteligence za napovedovanje prodaje in upravljanje zalog v podjetjih, s posebnim poudarkom na platformi Microsoft Dynamics 365 Business Central. V sodobnem poslovnem okolju predstavlja napovedovanje prodaje in zalog enega izmed ključnih elementov za ohranjanje konkurenčne prednosti podjetij. Zaradi naraščajočega pomena teh dejavnikov se vse pogosteje poslužujemo orodij umetne inteligence in strojnega učenja, ki omogočajo bolj natančne in pravočasne napovedi ter optimizacijo zalog. Ena izmed glavnih prednosti strojnega učenja je sposobnost obravnave kompleksnih podatkovnih nizov, ki vključujejo več dejavnikov ali značilk. S tem lahko izboljšamo model in natančnost napovedi, saj lahko algoritmi strojnega učenja učinkoviteje izkoristijo informacije, ki jih vsebujejo podatki. Ta pristop nam daje pomembno prednost nad konkurenco in nam omogoča, da ostajamo korak pred njo v dinamičnem poslovnem okolju. Seveda pa je ključnega pomena pravilna izbira dejavnikov, ustrezna obdelava podatkov ter izbira ustrezne metode strojnega učenja, da lahko dosežemo najboljše rezultate pri napovedovanju. Velik izziv na področju na tem področju je zato vprašanje, katere podatke in zgodovino podatkov umetna inteligenca uporablja in potrebuje za izvajanje kvalitetnih napovedi. V magistrskem delu predstavimo osnovne paradigme strojnega učenja (angl. machine learning, v nadaljevanju ML), ki so uporabljene v našem eksperimentu napovedovanja prodaje iz zalog. Opisani so elementi poteka dela ML, okvir regresijsko temelječih metod ML in ocenjevalne matrike ML. Pomemben del naloge je posvečen analizi in opisu programske kode jezika R, s katero poglobimo razumevanje delovanja modela strojnega učenja v okolju Azure Machine Learning (v nadaljevanju AML) Studio. Model strojnega učenja v AML Studio je nato objavljen kot spletna storitev, do katere dostopamo preko REST (prenos predstavitvenega stanja, angl. REpresentational State Transfer, v nadaljevanju REST) API (aplikacijski programski vmesnik, angl. Application Programming Interface, v nadaljevanju API) protokola. V nadaljevanju je opisan razvoj razširitve Business Centrala, ki predstavlja jedro izvedbe napovedovanja in integracije vtičnika strojenega učenja. Razširitev služi kot neposredni komunikator med uporabnikom in modelom strojnega učenja. Končnemu uporabniku Business centrala omogoča izvajanje funkcij učenja, ocenjevanja in napovedovanja. Magistrsko delo zaključimo z interpretacijo kvantitativnih rezultatov napovedi. Kvantitativna primerjava rezultatov različnih modelov strojenega učenja nam pokaže, da eksperiment strojnega učenja sicer izpolnjuje osnovne pogoje in procese napovedovanja, a se sooča z določenimi pomanjkljivostmi.
Keywords: umetna inteligenca, strojno učenje, celovite informacijske rešitve, napovedovanje prodaje in zalog, nadzorovano učenje.
Published in DKUM: 07.01.2025; Views: 0; Downloads: 10
Full text (2,64 MB)

Abstract: ChatGPT je klepetalni robot, ki je z razvojem tehnologije, predvsem pa področja umetne inteligence, postal popularno orodje, ki nam lahko olajša marsikatero nalogo v našem vsakdanjem življenju. Hkrati pa je s svojo vsestransko uporabo in mnogimi možnostmi, ki jih ponuja uporabnikom, postal pomembno orodje tudi v poslovnem okolju, saj omogoča, da je delo opravljeno hitreje. ChatGPT svojo vrednost tako kaže na področjih kot so marketing in podpora strankam, ekonomija in finance, na področju kadrovanja in prava, vsekakor pa tudi v mnogih oblikah na področju informacijskih tehnologij. Namen pričujoče raziskave je bil ustvariti napovedni model, s katerim lahko čim bolje napovemo namero sprejemanja orodja ChatGPT in pa tudi njegovo uporabo v poslovnem okolju. Podatke smo pridobili s pomočjo 85 udeležencev, ki delajo na različnih področjih. S pomočjo regresijske analize smo ustvarili model, ki uspešno napoveduje namero sprejemanja orodja ChatGPT v poslovnem okolju na podlagi preprostosti uporabe in navad uporabnika. Prav tako pa smo ustvarili model, ki nadalje uspešno napoveduje tudi uporabo orodja ChatGPT v poslovnem okolju, na podlagi tehnične opremljenosti okolja in navad uporabnika. V navedenih primerih se ni izkazalo, da bi obstajali pomembni moderatorji. Raziskava ima z napovednima modeloma praktične implikacije za podjetja, ki bi želela med zaposlene vpeljati novo orodje, pa morda ni jasno, če je to smiselna naložba.
Keywords: UTAUT 2, ChatGPT, umetna inteligenca, poslovno okolje
Published in DKUM: 28.11.2024; Views: 0; Downloads: 11
Full text (1,67 MB)

Abstract: Diplomsko delo obravnava uporabo umetne inteligence (UI) v izobraževanju z vidika učiteljev. Namen dela je bilo raziskati, kakšne so dosedanje izkušnje z uporabo orodij UI, ali vidijo UI kot uporabno, ali jo uporabljajo v svojem učnem procesu, kako jim najbolj koristi ter kakšne so njihovi pogledi na prihodnost izobraževanja. Uporabljena metodologija vključuje anketiranje učiteljev, katerih odgovore smo analizirali. Rezultati raziskave kažejo, da učitelji prepoznavajo prednosti UI, kot so prilagajanje učnih vsebin in avtomatizacija rutinskih nalog, vendar opozarjajo tudi na potrebo po dodatnem usposabljanju. Ugotovitve vključujejo priporočila za večje vlaganje v tehnično izobraževanje učiteljev ter skrb za etično uporabo UI v izobraževalnem procesu. Zaključki nakazujejo, da lahko UI bistveno izboljša izobraževanje, vendar je potreben premišljen pristop k njeni integraciji, da bi ohranili človeški element v učenju.
Keywords: Umetna inteligenca (UI), pogledi učiteljev, izobraževalni proces, etična uporaba umetne inteligence.
Published in DKUM: 20.11.2024; Views: 0; Downloads: 14
Full text (962,73 KB)

Abstract: Delo opisuje uporabo in delovanje ChatGPT API-ja za implementacijo uporabniškega vmesnika, preko katerega lahko z umetno inteligenco ustvarimo unikaten trening za uporabnika, ki ga lahko nato izvede s pomočjo mobilne aplikacije Impact Wrap. Namen je predstaviti različne modele ChatGPT in bistvene razlike med njimi in hkrati preveriti ali lahko že v naprej naučen model pripravimo in uporabimo za olajšanje dela trenerjev boksa, kickboxa in ostalih športov , ki želijo uporabiti večdnevne treninge
Keywords: ChatGPT, umetna inteligenca, učenje modela
Published in DKUM: 22.10.2024; Views: 0; Downloads: 41
Full text (8,68 MB)