Dokazana vrednost umetne inteligence

V poslovne rešitve vgrajena umetna inteligenca že kaže konkretne rezultate, strokovnjaki pa opozarjajo tudi na morebitne pasti. V svetu poslovne programske opreme se zadnja leta vse vrti okoli vgradnje funkcionalnosti umetne inteligence v najrazličnejše programske rešitve, ki pomagajo zaposlenim delati hitreje in natančneje.

Naloga direktorjev informatike je jasna: avtomatizirati in racionalizirati poslovne procese, saj to pospeši in poceni poslovanje. A tudi pri uvajanju avtomatizacije in predvsem rešitev s področja umetne inteligence velja biti previden – stvari pogosto ne delujejo le na klik, čeprav se umetna inteligenca (UI) pojavlja v že skoraj vsakem programskem paketu in v vsaki tehnologiji. To še posebej velja za tako imenovano generativno umetno inteligenco, ki temelji na velikih jezikovnih modelih (LLM). Ta poskuša razumeti jezik ali preproste ukaze oziroma poizvedbe uporabnika in mu servirati najprimernejšo vsebino – podatke, grafe, opise, fotografije, karkoli pač v določenem trenutku potrebuje.

Vpliv umetne inteligence na produktivnost v vseh sektorjih bo izjemen

Umetna inteligenca v poslovnih okoljih se uporablja skoraj povsod, na vsakem oddelku – od upravljanja zalog in dobavne verige do načrtovanja prodaje in razvoja izdelkov. A strokovnjaki podjetjem priporočajo, da pri njenem uvajanju ohranijo disciplino in globino. To pa zato, ker so rezultati dela UI zelo odvisni od podatkov, iz katerih se uči, in samega procesa učenja. In kaj hitro se lahko nauči stvari delati tudi narobe!

In prav v primerih uvajanja UI še toliko bolj velja računalniški pregovor »smeti noter, smeti ven«. Zato morajo podjetja zelo veliko časa nameniti že pripravi, obdelavi in čiščenju podatkov, na katerih bodo algoritme umetne inteligence učila. To pa zahteva tako čas kot denar. Stroški implementacije in izvajanja modelov umetne inteligence so lahko precej visoki, zato je treba biti previden pri ocenjevanju poslovne vrednosti primerov rabe UI. Podjetja se morajo tega področja lotiti s skrbnostjo, vključno z natančno oceno možnih koristi, tveganj in stroškov. Le tako lahko zagotovijo, da bodo naložbe v UI preudarne in usklajene s tveganji ter predvidenimi donosi, ki jih želijo doseči.

Hitre zmage so pomembne

Za uvajanje UI v poslovanje je pomembno, da dobi podporo vodstva in zaposlenih, zato se je treba na začetku osredotočiti na manjše in obvladljive projekte, ki takoj pokažejo dodano vrednost, na primer samodejno prepoznavanje in knjiženje računov v računovodstvu. V času, ko je večina računov, ki jih prejme podjetje, že elektronskih ali pa vsaj v eni izmed standardnih oblik, se njihovo knjiženje lahko precej pohitri, saj programska oprema prepozna ključne elemente računa in ga tudi samodejno pošlje v pregled in potrditev pravim osebam v podjetju. Računovodja lahko le še pregleda naključne račune ali tiste, ki jih programska oprema ni prepoznala z oceno sto odstotkov.

Rešitve za trajnostni promet morajo biti realne

Lep primer poenostavljene uporabe UI je tudi snemanje kolegijev in sestankov. Ustrezne programske rešitve, danes jih imajo že nekateri pametni mobilniki, lahko v nekaj (desetih) sekundah iz posnetka sestanka pripravijo njegov povzetek in ključne ugotovitve; po želji tudi izvlečke glede na želene ključne besede. Tako imajo udeleženci sestanka takoj na voljo poročilo in ključne informacije. Nasploh so najrazličnejša poročila zelo hvaležno področje, ki poslovnim uporabnikom ustvari dokazano dodano vrednost sodobne tehnologije.

Umetna inteligenca lahko tudi primerja podatke iz različnih aplikacij in sistemov ter opozarja na neskladje ali naredi povzetek celote. Naprednejše implementacije bi lahko celo konsolidirale in očistile podatke iz več sistemov, jih analizirati in odločevalcem pripraviti globoke, a pregledne vpoglede z možnostjo naprednega iskanja. Področje tako imenovane poslovne inteligence oziroma poslovnega obveščanja je prav s tehnologijami umetne inteligence dobilo novo dimenzijo, ki gre še precej dlje od sofisticiranih (pri)poročil.

Napredni algoritmi

Napredni algoritmi se odlično obnesejo tudi na področju logistike in transporta. Z UI izpopolnjene skladiščne rešitve olajšajo delo skladiščnemu osebju, saj z analizo naročilnic in dobavnic lahko izdelajo optimalni načrt skladiščenja in odpreme blaga, pri čemer lahko obenem usmerjajo delo skladiščnega osebja pri komisioniranju. Potem zaposlenim pomagajo z navodili optimalno naložiti blago v tovornjake ali druga prevozna sredstva, voznikom pa pripravijo optimalno pot dostav. Vodje skladišča in dispečerji imajo na voljo tudi napredne možnosti analiz, ki na podlagi preteklih podatkov in znanih prihodnjih podatkov iščejo še dodatne rezerve v poslovanju.

V bankah in zavarovalnicah se UI že dolgo uporablja na področju analize tveganj. Opremljena z več podatki – tudi takšnimi, ki jih o posamezni osebni prosto najde na spletu – pa je lahko za posameznika strašljivo natančna.

Meja za uporabo UI ni. To ugotavljajo v kemični industriji in proizvodnji zdravil, saj podjetjem pomaga pri novem farmacevtskem razvoju z ustvarjanjem še nikoli videnih molekul in analizo njihovega potenciala pri razvoju novih zdravil. Leta raziskovalnega dela stisne v mesece, včasih celo zgolj nekaj dni. Podjetja v svetu že eksperimentirajo z gensko umetno inteligenco za avtomatizacijo razvoja začetnih različic programske opreme za izdelavo dokumentacije, ki podpira klinična preizkušanja zdravil.

Torej, umetna inteligenca zaposlenim in podjetjem prihrani predvsem čas, ki so ga prej porabila za zbiranje in obdelavo informacij. Stvari, za katere so zaposleni potrebovali tudi več tisoč ur, so zdaj opravljene v minutah.

Zaupajte, vendar tudi preverite

Raba UI v poslovanju lahko povzroči težave pri zaupanju, tako znotraj kot zunaj podjetja. Delo algoritmov je kot nekakšna črna skrinjica – le redki ga sploh razumejo, zato lahko upravičeno (po)dvomijo o natančnosti rezultatov. Zaposleni, ki pri delu uporabljajo generativno umetno inteligenco, pravzaprav delajo s tehnologijo, ki ni deterministična. Stvari niso črno-bele. Z generativno UI lahko dobimo odgovor, ki ga sistem oceni, na primer za 90-odstotno pravilnega. To pomeni, da vsaka taka rešitev potrebuje tudi vsaj nekaj nadzora in preverjanj(a). Tovrstna orodja so neverjetno zmogljiva in poleg tega včasih zelo prepričljivo napačna v svojih ugotovitvah. Popolna avtomatizacija dela bo zato UI (najprej) delovala le v procesih, ki so jasno definirani. Tudi če zaposleni pri tem uporabljajo različno programsko opremo, je njihovo delo mogoče z robotsko avtomatizacijo procesov povsem zaupati »avtopilotu«.

Povsod drugje pa si bo treba vzeti več časa in temeljito preveriti dobljene rezultate. Strokovnjaki svetujejo, da podjetja pri učenju algoritmov ne izbirajo bližnjic, saj je pozneje težje in zamudneje iskati ter odpravljati napake. Ključ do uspeha je jasen: treba si je vzeti čas – za pripravo kakovostnih podatkov in učenje. Podobno kot z ljudmi ...