Ako ne znate tačno šta biste sa AI, pustite „da prođe“

Magična stvar koja donosi rešenje za sve probleme, od bržih i efikasnijih poslovnih procesa do omogućavanja donošenja operativnih i strateških odluka na osnovu gomile relevantnih podataka, a daje ogromnu uštedu u troškovima radne snage. Sve to donedavno se pripisivalo primeni veštačke inteligencije u poslovanju, ali već danas glasovi tehnološkog otrežnjenja upozoravaju da nije sve baš tako jednostavno.

To pokazuje i vest od pre nekoliko dana, gde je svetska javnost obaveštena da je njujorški čet-bot „Maj siti“ - pokrenut u oktobru 2023. godine kao „alat koji daje pouzdane odgovore na upite“ - davao ne samo netačne odgovore već i savete preduzetnicima koji bi podrazumevali kršenje zakona. Vlasnicima restorana je, na primer, savetovano da mogu da uzmu deo napojnice od svojih radnika, a trgovcima da ne moraju da primaju gotovinu.

Primena veštačke inteligencije i dalje je u vrhu trendova, uz sajber bezbednost i energetski/ekološki održivo poslovanje, za koje se smatra da će obeležiti narednu deceniju. Prema jednom izveštaju „Mekinsija“, AI projekti će doprineti sa 13.000 milijardi dolara, ili 16% ukupno, prihoda globalnoj ekonomiji do 2030. godine.

Očekivanja su velika, ali se sada problemu njene primene pristupa mnogo racionalnije, upozorili su nedavno i u Beogradu, na okruglom stolu "Blumberg Adrije", menadžeri kojima je ta primena svakodnevica.

‒ Ukoliko nismo svesni toga koji problem rešavamo, nećemo ga ni rešiti jer tehnologija sama po sebi ne donosi rešenja, i mislim da kompanije toga nisu potpuno svesne. Ako ne razumeš kontekst toga gde će se koristiti podatak, onda ne treba ni da ulaziš u celu priču sa AI. I pusti da trend i hajp oko toga „prođu“, a potom iskoristi neki provereni model  ‒ kaže Pjer Vučković, direktor za strategiju i planiranje u Cetinu.

Kada "šušti" već na ulazu...

„Čisti“ podaci na ulazu, kojima možemo verovati, najveći su preduslov za primenu AI. Ukoliko oni nisu dobri u startu po relevantnosti i obimu, teško ih je posle pročistiti i upotrebiti, tako da od strukturiranosti i organizovanosti nema ništa. Model će na osnovu algoritama nešto proračunati, ali to neće biti rešenje kvaliteta koji se očekuje od AI.

Razloga zašto AI nije uspeo da se primeni, odnosno da reši probleme, može biti mnogo, ukazuju stručnjaci. Od pomenutih problema nedostatka strategije, odnosno odgovora na pitanje zašto bi uopšte želeli da koristimo AI, i kvaliteta podataka kojima raspolažemo, ali i onih koje bi trebalo da prikupljamo i obrađujemo, tu je i znanje, odnosno kvalitet obučenosti ljudi koji bi trebalo da primene AI ili učine da on bude integrisan u druge tehnike, tehnologije i procese koji se primenjuju u kompaniji. I na kraju, tu su i nerealna očekivanja da će AI sve da reši.

Ali sve to ne znači da AI „ne radi“. Naprotiv. Konkretan primer iz prakse navodi Goran Stojadinović, glavni direktor prodaje poslovnim korisnicima u A1 Srbija. On ukazuje da kada imate pismenu žalbu korisnika, operater u korisničkom centru bi ranije morao da pročita zahtev, možda i nekoliko puta da bi shvatio sve aspekte problema na koji kosnik ukazuje i koja je njegova geneza, zatim da prođe kroz jedan ili više sistema da vidi šta sve korisnik koristi od usluga i opreme, i gde je problem mogao da nastane.

‒ I ma kako vi to dobro organizovali i imali obučen kadar, u sastavljanje odgovora ne može da se krene bez potrošenih pola sata ili četrdeset pet minuta po korisniku, a i to uz neki uniformni odgovor s kojim korisnik nije u potpunosti zadovoljan. Ali korišćenjem generativnog AI, koji to brže pročita, razume kontekst problema, čak i sentiment tona žalbe, dublje zaroni u vaše podatke, nađe problem i kreira nekoliko odgovora, to se svede na desetak minuta. A onda operater samo to pogleda, odabere odgovor od ponuđenih, malo ga obradi i prosledi korisniku. Proces je kraći, a sigurno ste podigli korisničko iskustvo ‒ objašnjava Stojadinović.

Tehnologija nije problem, ona je i kod AI zrela, problem je na drugom mestu, kaže Natali Delić, izvršna direktorka za strategiju u „Telekomu Srbije“.

‒ Najveći problem su ljudi, podaci su na drugom mestu. Ne morate u kompaniji imati visokotehnološki edukovane ljude da bi primenjivali AI, ali oni moraju da znaju osnove kako se ona koristi, ali i kako se prikupljaju podaci koji su nam potrebni, da organizuju i automatizuju, i kako se dobijena rešenja „čitaju“ i primenjuju. Na kraju treba znati i da se ne mogu niti moraju svi problemi rešavati sa AI, on zahteva velike investicije, a često je dovoljan samo običan "eksel" sa osnovnim podacima ‒ zaključuje Delićeva.

Na kraju krajeva, ne treba se ni plašiti reći „ne treba mi AI“, kao što je to kaže Tom Pek, glavni direktor za informacije i digital u „Sisku“:

- Ne treba mi strategija za generativni AI. Mnogo stvari mogu se rešiti sa više bazičnom i više tradicionalnom automatizacijom.

Odgovor na 5 pitanja „treba li mi AI“

Da li vam u kompaniji treba AI i kakav, možda možete rešiti odgovaranjem na pet pitanja koja nudi „Hardvard biznis rivju“.
1. Koliko košta da pogrešite?

Banka može da koristi „dovoljno približno tačno“ AI rešenje za neke svoje procene ulaganja ili kompanija za svoj lanac nabavke jer su tu povremene greške prihvatljive. Ali, u kontroli letova, saobraćaju generalno ili prepisivanju lekova „približno dobro“ nije prihvatljivo.

2. Da li je potrebno objašnjavanje odluka koje model „izbacuje“?

Za optimizaciju brzine proizvodne linije u fabrici ili detektovanja feleričnog proizvoda objašnjene nije potrebno, ali za odluku o zajmu banke ili biranju kandidata za posao jeste.

3. Da li vaš model mora da izbaci isti odgovor svakog puta?

Generativni AI, po dizajnu, generiše različiti odgovor svakog puta, a ekonometrijski modeli teže da uvek izbace isti (sa istim inputima). U finansijskim organizacijama gde je svaka izjava finansijski savet ponavljanje može biti kritično, dok kod biranja kandidata za posao  ne mora, ukoliko ne postoji sistemska greška pristrasnosti.

4. Da li vaši podaci imaju izvor od poverenja?

Bez pouzdanog izvora podataka, odnosno dobro kategorisanih podataka, kompleksna višeslojna mreža AI može biti isto što izbor  bacanjem novčića.

5. Da li vaši podaci za trening tačno odražavaju uslove u kojima zaista radite?

Mada moderni AI algoritmi modu da otkriju šeme  u podacima koje starijim tehnikama mogu da promaknu, šablon mora biti šablon a ne „buka“. Da li imate čitav set podataka, i za investicije koje su bile dobre i za one loše, ili medicinske podatke i za žene i za muškarce, za različite nacionalnosti…?

BONUS VIDEO

Pratite sve vesti iz Srbije i sveta na našem Telegram kanalu.

Instalirajte našu iOS ili android aplikaciju – 24sedam Vest koja vredi