Generative artificial intelligence in support of analytics : Copilot 365

Abstract

The rapid advancement of Generative Artificial Intelligence (Gen AI) has significant implications for enhancing analytics processes within organizations. This research investigates the utility of Large Language Models (LLMs), particularly Microsoft Copilot 365, in supporting and improving analytics workflows within the case company. While theoretical perspectives suggest that Gen AI can elevate analytical capabilities, it is evident from the literature that human analysts remain indispensable.

The study comprises both theoretical and empirical components. The theoretical section explores Gen AI’s functionalities and potential benefits to analytics and reviews relevant methodologies. The empirical section employs the Design Science Research (DSR) methodology, integrating insights from interviews with case company employees to develop a tailored framework aimed at maximizing the benefits of using Copilot 365 in analytics workflows.

Findings indicate that while Copilot 365 cannot currently independently generate data insights, it excels in supporting data preprocessing tasks such as formula creation, data visualization, and pivoted table generation. The research concludes that effective implementation of Gen AI tools requires a comprehensive understanding of their capabilities and limitations, alongside a supportive organizational culture that fosters innovation and adaptability. A key limitation of this study is the inability to quantify the overall impact of the proposed framework on analytics workflows.

Generatiivisen tekoälyn nopealla kehityksellä on merkittäviä vaikutuksia organisaatioiden analytiikkaprosessien tehostamisessa. Tässä työssä tutkitaan suurten kielimallien (LLM), erityisesti Microsoft Copilot 365:n, hyödynnettävyyttä analytiikan työnkulun tukemisessa ja parantamisessa case-yrityksessä. Vaikka teoreettiset näkökulmat viittaavat siihen, että Generatiivinen tekoäly (Gen AI) voi parantaa analyyttisiä valmiuksia, niin kirjallisuudesta ilmenee, että ihmisanalyytikot ovat edelleen välttämättömiä analytiikassa.

Tutkimus sisältää sekä teoreettisen että empiirisen osan. Teoreettisessa osassa tarkastellaan Gen AI:n toiminnallisuuksia ja sen potentiaalisia hyötyjä analytiikoille sekä käydään läpi asiaankuuluvia menetelmiä. Empiirisessä osiossa käytetään suunnittelututkimus (DSR) menetelmää, johon on integroitu case-yrityksen työntekijöiden haastatteluista saatuja näkemyksiä, jotta voidaan kehittää räätälöity toimintamalli, joka pyrkii maksimoimaan Copilot 365:n käytön hyödyt analytiikan työnkuluissa.

Tulokset osoittavat, että vaikka Copilot 365 ei tällä hetkellä kykene itsenäisesti tuottamaan havaintoja datasta, niin se on erinomainen tukemaan datan esikäsittelytehtäviä, kuten kaavojen luomista, datan visualisointia ja pivot-taulukoiden luomista. Tutkimuksen johtopäätöksenä on, että tekoälytyökalujen tehokas käyttöönotto edellyttää kattavaa ymmärrystä niiden ominaisuuksista ja rajoituksista sekä sitä tukevaa organisaatiokulttuuria, joka edistää innovointia ja sopeutumiskykyä. Tämän tutkimuksen keskeinen puute on se, että ehdotetun kehyksen kokonaisvaikutusta analytiikan työnkulkuihin ei pystytä määrittelemään.