近年来，使用人工智能增强企业预测、规划和决策的系统不断涌现，但在许多情况下，它们缺乏关于组织本身的详细、特定信息，从而限制了这些工具的有效性。麻省理工学院信息与决策系统实验室（LIDS）的首席研究员Devavrat Shah专注于如何设计方法，以有限的计算资源处理逐秒的决策。他表示：“用少量资源做大量的重活是必要的。”作为研究人员，“我关注的是开发能够以尽可能有效的方式从数据中提取信息的方法。”
自2005年以来，Shah教授于MIT任教，并于2019年共同创立了一家名为Ikigai Labs的公司。Ikigai基于Shah实验室多年的研究，建立了一种针对表格时间序列数据的基础模型，该模型已获得专利并由MIT许可给该公司。该模型能够从不同来源的企业数据中持续学习，通过将预测与实际结果进行对比。
Shah解释说，该系统是图形模型的一种扩展，例如，GPS设备利用从卫星接收的稀疏数据来精确定位，或数字手表以高效方式进行高速通信。他的兴趣在于：“如何为通用的表格数据设计这样的图形模型？”大多数AI模型使用文本和图像进行训练，而该系统则以表格数据为输入——这种结构化数据通常以电子表格中的行列格式呈现。它能够以更大规模提供实时规划。Ikigai的构想是为大型企业（如消费品制造商和制药公司）提供预测和决策技术。
举个例子，假设一家消费电子公司要生产耳机等多种产品，每种产品的各个小部件来自世界不同地方。一旦设备出售，就需要支持和维护，并且需要推出新版本、进行市场营销和定价。这些过程中有许多相互依存的问题，例如：“如果我在下个季度或明年销售这些产品，将会在不同地方售出多少？如果我改变价格或推出促销，需求会如何变化？”每个阶段的决策都会对时间产生影响。
“在某种程度上，”他表示，“数字化这些流程并能够进行预测和持续优化，是实现更好商业运营的关键。”Ikigai最近被国际公司Celonis收购，Shah现在除了在MIT的工作外，还担任首席科学家。
最终，他希望为Ikigai开发的模型能够帮助Celonis提供与公司自身数据和业务流程集成的工具，以便进行现实世界的分析，帮助进行预测、规划和决策。Shah补充道，Celonis已经专注于为全球1400多家大型公司数字化和自动化运营。现在，这些系统已经完全数字化，为Ikigai的软件提供了一个平台，以读取这些数字化系统的数据，提供详细模型以模拟不同选项、预测最佳策略，并预测特定决策的结果。
“一旦这些流程的数字层和信息层存在，”Shah表示，“我们就可以在其上放置Ikigai堆栈，以便在更大规模上进行决策。”尽管许多公司在研究AI的不同方面，“我们非常专注于一个其他人未关注的领域，即结构化或时间域数据。”他表示，基于这些数据，可以提供一种非常具成本效益的AI。“更窄的关注点带来了更尖锐的技术，”他说，“但它足够广泛，具有很高的价值。”Shah补充道：“最近在现代AI流行媒体中成为相关热词的是‘世界模型’。在某种意义上，这正在试图构建企业流程的世界模型。”
博主点评： Shah的研究凸显了AI在复杂商业决策中的潜力，尤其是如何利用结构化数据来优化决策过程。通过整合多源数据，Ikigai展示了AI如何在实际应用中实现更高效的预测和规划，值得业界关注。