Hlavní strana -> Zprávy
Aktuality -> IT Projekty - 19. 7. 2010

Systém pro podporu testování aplikací v ČSOB

Společnost StringData dodala ČSOB systém pro podporu smoke testů elektronického bankovnictví a kromě samotné dodávky systému se také stará o jeho údržbu a provoz. Primárním cílem systému je sjednocení způsobu předávání neshod ve smoke testech elektronického bankovnictví a dále také zrychlení a snížení duplicit tohoto procesu. Systém obsahuje workflow pro správu jednotlivých tiketů jak ze strany banky, tak dodavatelů. Smoke testy jsou velmi efektivním způsobem, jak zvýšit kvalitu dodávaných řešení. Jsou založeny na sadě testů, které ověřují základní funkčnost systému.

Hlavním přínosem systému je zrychlení procesu ověření funkčnosti po nasazení nových funkcionalit a tím zkrácení času, kdy je elektronické bankovnictví nedostupné pro klienty. Efektivnější předávání zjištěných neshod pak usnadňuje práci vývojovým a provozním pracovníkům při odstraňování neshod.

 
  

- PR -

AI reporting

Nová cesta pro rozhodování nad firemními daty


Manažer výroby samozřejmě vnímá problém, ale musí čekat na analytika, aktualizovaný report a jeho interpretaci. Každý den přináší potřebu odpovědí na nové nebo neočekávané situace. Dnes již lze s pomocí AI pokládat otázky přímo nad firemními daty - ovšem pouze tehdy, jsou-li data správně připravena a strukturována tak, aby jim reportovací agent přesně rozuměl. Stejně tak musí být agent vytrénovaný na specifika daného prostředí, aby jeho odpovědi byly relevantní a spolehlivé. Výsledkem je schopnost reagovat na provozní situace okamžitě, a efektivněji tak minimalizovat prostoje, eliminovat chybovost i snižovat výrobní náklady. 

  

- 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.