Sztuczna inteligencja - 10 wskazówek

Od kilku lat, dzięki ciągłym innowacjom oraz zapowiedziom rewolucyjnych zmian w życiu prywatnym i zawodowym, sztuczna inteligencja jest tematem ciągle obecnym nie tylko w mediach, ale również w tworzeniu strategii rozwoju organizacji.

Wdrażanie nowych rozwiązań i strategii biznesowych opartych na AI wiąże się dla przedsiębiorstwa z wieloma wyzwaniami, takim jak: zarządzanie ryzykiem, zarządzanie danymi, tworzenie kultury organizacji opartej na danych czy etyka AI. Trudnością w użyciu narzędzi sztucznej inteligencji może być również szybkie tempo ich rozwoju, które wymusza konieczność ciągłego uczenia się i śledzenia informacji w tej dziedzinie.

Aby ułatwić nawigację wśród narzędzi i strategii wykorzystania AI, magazyn MITSloan Review opracował listę 10 tematów w dziedzinie sztucznej inteligencji, które są obecnie kluczowe i związane z najważniejszymi wyzwaniami w tym obszarze.

1. Rozpoczęcie działań od niewielkich transformacji

   Choć GenAI już od prawie dwóch lat cieszy się wielkim zainteresowaniem ze strony menedżerów, to pomimo przewidywań ekspertów transformacje biznesowe na wielką skalę z jej użyciem nie są widoczne. Obecnie działania firm koncentrują się na transformacjach mniejszej skali, które choć nie wykorzystują GenAI jako głównego motoru zmian, pozwalają na czerpanie rzeczywistych korzyści z wykorzystywanych narzędzi sztucznej inteligencji. Wdrożenia AI na mniejszą skalę, choć nie wymagają całkowitej wymiany dotychczasowych rozwiązań, mogą stanowić fundament to bardziej kompleksowych przemian przeprowadzanych w przyszłości.

2. Podejmowanie przemyślanych decyzji dotyczących kompromisów pomiędzy AI a długiem technologicznym

   Dług technologiczny można zdefiniować jako zasoby (koszty i wysiłek) potrzebne do aktualizacji systemów informatycznych, tak aby mogły one sprostać potrzebom biznesowym przedsiębiorstwa. Obecnie uważa się, że strategią pozwalającą na najlepsze rozwiązanie tej kwestii nie jest dążenie do całkowitego wyeliminowania długu, ale umiejętne nim zarządzanie. Ocenia się, że przedsiębiorstwa dobrze przygotowane do wprowadzania potrzebnych zmian przeznaczają ok. 15% swojego budżetu IT na zarządzanie długiem technologicznym. Firmy, aby być dobrze przygotowane do transformacji powinny również dysponować tzw. cyfrowym rdzeniem (digital core). Jest to zestaw kluczowych komponentów, m.in. infrastruktury chmurowej, danych i narzędzi sztucznej inteligencji, które można łatwo aktualizować.

3. Strategiczne znaczenie danych nieustrukturyzowanych

   Dane nieustrukturyzowane, takie jak teksty, obrazy, wideo itp., stanowią główny typ danych z którymi pracuje GenAI. Generatywna sztuczna inteligencja działająca na tego typu danych może być wykorzystana m.in. do zarządzania zasobami danych i dokumentacji organizacji oraz ułatwiać do nich dostęp. W wielu firmach wykorzystanie danych nieustrukturyzowanych może stanowić problem, ponieważ wymaga zwrotu od danych ustrukturyzowanych (np. danych liczbowych), na których dotychczas skupiały się przedsiębiorstwa.

4. Budowanie kultury opartej na danych

   Choć liderzy przedsiębiorstw widzą wartość danych i inwestują w narzędzia AI, organizacje nie czerpią z tego korzyści. Spowodowane jest to problemami w budowaniu kultury organizacji opartej na danych. Wyzwaniem okazuje się nie samo wdrożenie narzędzi analitycznych czy rozwiązań technicznych, ale wykorzystanie zdobytych w ten sposób danych w codziennym podejmowaniu decyzji.

5. Filozofia jako czynnik zaburzający strategie AI

   Filozofia staje się czynnikiem kształtującym sposób działania nowych technologii. Jest to nieodłączna część zestawów treningowych i architektury sieci neuronowych, na bazie których działają duże modele językowe (LLM). Głównym wyzwaniem dla liderów i menedżerów jest to, czy będą w stanie świadomie wykorzystać filozofię jako źródło tworzenia wartości przy użyciu AI. Takie podejście będzie również wymuszać ponownie przemyślenie inwestycji w sztuczną inteligencję oraz określenie swoich relacji do tej technologii.

6. Przyspieszenie organizacyjnego uczenia się

   Wykorzystanie rozwiązań zarówno tradycyjnej sztucznej inteligencji, jak i GenAI, pozwala na wdrażanie usprawnień w procesach i podejmowaniu decyzji w szerszym zakresie niż przy użyciu tylko jednego rodzaju AI. Pozwala to także na łatwiejsze wdrażanie nowej wiedzy w praktyce. Synergia działań tworzy potencjał do lepszego uczenia się na poziomie organizacji, a współpraca ludzi i technologii pozwala na tworzenie nowych wartości, działań i produktów.

7. Strategiczne wybory pomiędzy generatywną a analityczną sztuczną inteligencją

   Przy tworzeniu strategii wdrażania AI w organizacji należy pamiętać, że dwa rodzaje sztucznej inteligencji – generatywna i analityczna – wzajemnie się uzupełniają. Ich wykorzystanie pozwala na osiąganie różnych celów. GenAI pozwala na zwiększanie wydajności i automatyzację działań, natomiast analityczna sztuczna inteligencja wspiera podejmowanie decyzji strategicznych. Aby określić, który z rodzajów AI jest najlepszą odpowiedzą na wyzwania przedsiębiorstwa, kluczowym działaniem jest opracowanie mapy drogowej wdrażania narzędzi AI, która będzie zawierać analizy możliwości zastosowania AI do rozwiązania konkretnych problemów organizacji.

8. Wykorzystanie niesprawdzonych narzędzi AI – BYOAI

   Bring Your Own AI jest to trend wykorzystywania niesprawdzonych narzędzi sztucznej inteligencji (tzw. shadow AI) w działaniu organizacji. Takie nieautoryzowane użycie, w połączeniu z niepewnością prawną i regulacyjną, powoduje ze wiele organizacji podchodzi do użycia AI z dużą dozą ostrożności. Choć zakaz korzystania z tego typu narzędzi może wydawać się logiczny, nie jest to rozwiązanie ani praktyczne, ani skuteczne. Nadmiar obowiązków oraz pogoń za coraz większą wydajnością powodują, że pracownicy decydują się na wykorzystanie niesprawdzonych narzędzi AI w celu zwiększenia produktywności. Potencjalne problemy (takie jak np. wyciek danych wrażliwych) albo są lekceważone, albo pracownicy nie są ich świadomi. Wprowadzanie zakazów nie rozwiąże problemów związanych z shadow AI, ale będzie prowadzić do omijania istniejących przepisów. Ponadto takie zakazy uniemożliwiają eksperymentowanie z AI, co ogranicza możliwość kreatywnego rozwiązywania problemów organizacji i poprawę efektywności działania.

9. Ocena narzędzi GenAI

   Jednym z elementów oceny rozwoju i wdrażania narzędzi AI powinna być ich ewaluacja, czyli testowanie aplikacji w celu pomiaru wydajności rozwiązania względem kluczowych priorytetów biznesowych oraz pod względem spełniania realnych potrzeb użytkowników końcowych. Pominięcie lub zlekceważenie tego etapu prac nad narzędziami AI może prowadzić do tworzenia wadliwych aplikacji niespełniających założonych funkcji lub przedwczesnego zakończenia projektu. Rzetelna ewaluacja prac pozwala na ocenę rzeczywistej jakości rozwiązania oraz na ustalenie, czy postępy prac są wystarczające, na czym powinny skupić się dalsze działania lub czy aplikacja może zostać wdrożona.

10. Nowe podejście w uczeniu maszynowym – pytania „co by było, gdyby”

    Uczenie maszynowe wykorzystujące wnioskowanie przyczynowo skutkowe, czyli odpowiadające na pytanie „co by było, gdyby”, ma pozwolić na ocenę co mogłoby się wydarzyć, jeśli zostałyby podjęte określone działania. W przedsiębiorstwie zastosowanie tego typu uczenia maszynowego ma pozwolić na przewidzenie skutków alternatywnych decyzji w takich dziedzinach jak: rozwój produktów, produkcja, finanse, zarządzanie HR lub marketing. Nie chodzi tutaj o prognozowanie, ale o przewidzenie skutków alternatywnych decyzji – np. czy obniżka ceny zwiększy szanse na ponowny zakup.

Opisane powyżej zagadnienia oczywiście nie wyczerpują potencjalnych kwestii związanych z sztuczną inteligencją, ale mogą być one wskazówką co do tematyki w zakresie AI z którą warto się zapoznać.

Tekst został opracowany na podstawie artykułu „10 kluczowych wniosków na temat sztucznej inteligencji dla liderów” autorstwa Laurianne McLaughlin opublikowanego na stronie MITSloan Management Review Polska.