Hlavní strana -> Zprávy
AI a Business Intelligence, Aktuality -> Podnikové aplikace a služby - 11. 6. 2012

Monitoring sociálních sítí

Nová verze nástroje MSS Chart

NEWTON Media přichází na trh s novou verzí svého Monitoringu sociálních sítí. Nástroj MSS Chart reaguje na aktuální trendy a požadavky ze strany klientů. Mezi novinky patří sledování diskusních fór a diskusí pod články, náročnější klienti ocení pokročilejší analytické nástroje, rozšířeny byly i zdroje. Nástroj si kromě Facebooku, Twitteru nebo YouTube nově poradí i se sociálními sítěmi Google+ či diskusemi na LinkedIn. Uživatelé mají díky nástroji NEWTON Media k dispozici veškeré internetové diskuse na jednom místě, mohou rychle reagovat, uhasit negativní emoce či naopak posílit ty pozitivní. Pomáhá jim k tomu mnoho pokročilých funkcí nástroje včetně strojového hodnocení nálady příspěvku a více než 25 různých grafů, které automaticky zobrazují aktuální data v analytické formě.



 
  

- PR -

Od zálohování k jistotě obnovy

QNAP představuje novou éru kybernetické odolnosti a datové suverenity v době AI


Rozvoj umělé inteligence zásadně mění způsob, jakým organizace pracují s daty. Data jsou stále nejcennějším aktivem podniků, ale současně rostou nároky na jejich ochranu, dostupnost a možnost využívat je pro lokální AI aplikace bez nutnosti jejich přesunu do veřejného cloudu. Právě na tuto změnu reagovala společnost QNAP na veletrhu Computex 2026, kde představila novou strategii „Ready & Recovery“ a ekosystém řešení zaměřených na kybernetickou odolnost, vysokou dostupnost a datovou suverenitu v éře AI.

  

- PR -

Pro úspěšné nasazení AI v podniku

není rozhodující volba modelu, ale struktura a kvalita datového prostředí


Zavádění umělé inteligence v organizacích se často redukuje na výběr konkrétního modelu nebo AI asistenta. Diskuze se točí kolem jejich schopností, výkonu a dostupnosti. Z pohledu podnikové praxe je to ale vedlejší téma. Skutečná otázka totiž nezní, jakou AI organizace používá. Správná otázka je: Jaká data má AI k dispozici? V praxi se ukazuje, že rozhodujícím faktorem není volba modelu, ale kvalita a struktura datového prostředí, do kterého je AI integrována. Právě to rozhoduje o úspěchu nebo neúspěchu většiny AI projektů.