Qlik נותנת ל-AI שלה את ״העיניים״ של העסק
Qlik מעדכנת את הפלטפורמה שלה: כלי ה-AI שלה, Qlik Answers, לומד כעת את המונחים והכללים הפנימיים של כל ארגון כדי לספק תובנות מותאמות אישית. העדכון, שמשתלב גם במודלים של Amazon Bedrock, נועד לזהות הזדמנויות בנתונים שבדרך כלל מסוננים החוצה, ובכך להפוך ניתוחים מתקדמים לנגישים גם למשתמשים עסקיים שאינם מדעני נתונים.

למה ה-AI שלכם מפספס תובנות עסקיות קריטיות? כי למודלים הגדולים אין מושג מה ה״לקוח״ שלכם, מהי ״רווחיות״ בעולמכם, או איך באמת עובדים הדברים בחברה שלכם. Qlik מנסה לפתור את זה עם עדכון משמעותי ל-Qlik Answers.
ה-AI שלכם, אבל עם מילון מונחים עסקי
ה-Qlik Answers הוא ה-AI ה״אינטראקטיבי״ של החברה, ממשק בשפה טבעית לניתוח נתונים. החידוש המרכזי הוא Custom Skills – יכולת שמאפשרת לצוותים, כמו צוות מכירות, להגדיר למערכת את המונחים, הכללים וההיגיון הפנימי שלהם.
במילים פשוטות: במקום שה-AI ינחש למה אתם מתכוונים כשאתם אומרים ״לקוחות בעדיפות״, אתם יכולים ללמד אותו בדיוק מה המשמעות, איך לחשב את זה, ומהם השיקולים. המערכת, שפועלת על Qlik Analytics Engine, משתמשת בהנחיות האלה כדי לבצע את הניתוח בהתאם.
מה קורה כשהנתונים לא ״בפנים״?
אחד החסרונות הגדולים של כלי BI מסורתיים – ו-AI בכלל – הוא שהם עונים רק על מה ששואלים. אם הניתוח שלכם סינן החוצה לקוחות שלא רכשו מוצר, ההזדמנות החבויה שם הולכת לאיבוד.
ה-Advanced Analytics החדשים נועדו לטפל בדיוק בזה. ה-AI של Qlik נועד עכשיו ״להסתכל״ אוטומטית גם על הנתונים שהוצאו (ה-Excluded Set), מה שהחברה מכנה ״gray analysis״. לדוגמה, אם אתם בודקים לקוחות קיימים, הכלי יחפש מעצמו תבניות בקרב הלקוחות הפוטנציאליים שמעולם לא רכשו. לדברי Qlik, זה מבדל אותה ממתחרים שנותנים תשובות רק על ה-slice שביקשתם.
בנוסף, מנוע ה-Analytics מרחיב את היכולות לניתוח חיזוי, אופטימיזציה ואפילו ניתוח סיבתי – יכולות שנועדו לעזור למשתמשים עסקיים שאינם מדעני נתונים.
שיתוף פעולה עם Amazon Bedrock
Qlik משלבת גם יכולות agentic AI עם מודלי Foundation מתוך Amazon Bedrock של AWS. לדברי החברה, בבדיקות פנימיות (תוצאות עצמאיות לא סופקו), השילוב הוביל לדיוק גבוה יותר ב-15% ולתגובות שהיו מהירות ביותר מפי שניים לעומת יכולות ללא ה-integration.
אז מה זה שווה מול המתחרים?
האנליסט קווין פיטרי מ-BARC מעריך שהיכולות החדשות ״מייצגות צעד משמעותי קדימה״ עבור משתמשי Qlik ועוזרות להם להישאר תחרותיים. עם זאת, הוא מציין שהן אינן ייחודיות: ל-Google Knowledge Catalog יש יכולת לזהות הקשר חסר, ול-Databricks Genie יש תמיכה ב-custom skills.
לדבריו, היתרון של Qlik טמון דווקא ביכולות הניהול וה-Governance הרב-פלטפורמיות שלה, שמתחרות כמו Databricks, Snowflake ופלטפורמות הענן ההיפר-סקיילריות ״אינן יכולות להשתוות״ אליהן.
ומה עם משתמשי הקצה? הם ירגישו בהבדל
מייק ליאון מ-Moor Insights & Strategy טוען שהחידוש האמיתי הוא הפיכת ניתוחים עמוקים לנגישים. ״הרבה מהניתוחים המעמיקים של Qlik דרשו מומחיות אמיתית כדי להפעיל אותם, ועכשיו אנשים יכולים פשוט לבקש את זה״, הוא אומר.
מבחינת Qlik, האתגר קדימה הוא להישאר רלוונטית בשכבה של קבלת ההחלטות, במיוחד לאור העובדה שמודלי AI גדולים יכולים לבצע כיום משימות שבוצעו בעבר באמצעות אנליטיקה מסורתית. ״האתגר הוא שאנליטיקה הופכת ל-commodity בזכות ה-disruption של מודלים פורצי דרך״, מציין פיטרי. ״היא הופכת להיות משלימה לשכבות גבוהות יותר בערך, כמו ניהול נתונים ו-Governance.״
השורה התחתונה: Qlik מנסה להעביר את ה-AI שלה מ״חכם-גנרי״ ל״חכם-ספציפי-לעסק שלכם״. היא מכוונת לכך שכל עובד יוכל לשאול שאלות מורכבות ולקבל תשובות המבוססות על הידע הקיים בארגון. אם אתם עובדים על בניית צוות Data & AI, זה שווה בדיקה – לפחות כדי לראות אם הגישה של ״לתת ל-AI את ספר החוקים הפנימי שלכם״ מדברת אליכם.