Generatywna sztuczna inteligencja koncentruje się na tworzeniu nowych i oryginalnych treści

04 gru 2023
BIZNESOWY PUNKT WIDZENIA

W erze cyfrowej transformacji sztuczna inteligencja (AI) odgrywa kluczową rolę w biznesie jako siła napędowa innowacyjności i wydajności. Jednym z najnowszych trendów technologicznych jest generatywna sztuczna inteligencja, rodzaj sztucznej inteligencji, który może zmienić oblicze wielu dziedzin, od tworzenia sztuki cyfrowej po automatyzację procesów przemysłowych. Jej zastosowanie zrewolucjonizuje także logistykę, zwiększając produktywność i ułatwiając podejmowanie decyzji.

Generatywna sztuczna inteligencja ułatwia podejmowanie decyzji w zakresie organizacji procesów logistycznych
 

„Szybki postęp w dziedzinie sztucznej inteligencji, a także innych technologii, takich jak robotyka, chmura obliczeniowa i Internet rzeczy, zmienia dyscypliny, gospodarki i branże, rzucając wyzwanie sposobowi, w jaki rozumiemy ideę bycia człowiekiem” – czytamy na stronie UNESCO.

Systemy sztucznej inteligencji mogą wykrywać wzorce, dokonywać przewidywań probabilistycznych oraz działać bez nadzoru w określonych scenariuszach. Sztuczna inteligencja jest wykorzystywana w wielu dziedzinach, na przykład w rozpoznawaniu obrazów i rozpoznawaniu mowy.

Czym różni się generatywna sztuczna inteligencja od „zwykłej” sztucznej inteligencji?

  • Cele i podejście. Generatywna sztuczna inteligencja koncentruje się na tworzeniu nowych i oryginalnych treści, podczas gdy „zwykła” sztuczna inteligencja rozwiązuje określone zadania przy użyciu algorytmów zaprojektowanych do wykonywania konkretnych działań i zgodnie z wcześniej określonymi regułami.
  • Trenowanie i dane. Generatywna sztuczna inteligencja jest uczona na zróżnicowanych zbiorach danych, co pozwala jej się uczyć na podstawie struktury i cech informacji. Natomiast „zwykła” sztuczna inteligencja często potrzebuje ustrukturyzowanych zbiorów danych do nadzorowanego uczenia algorytmów.
  • Elastyczność i adaptacyjność. Modele generatywne wyróżniają się znacznym stopniem elastyczności i zdolnością rozwiązywania szerokiego zakresu zadań polegających na generowaniu treści, od realistycznych obrazów po spójny tekst. „Zwykła” sztuczna inteligencja specjalizuje się w konkretnych zadaniach, a ponadto wymaga ręcznego definiowania reguł i funkcji dla każdego działania, co ogranicza jej zdolność adaptacji do nowych zadań bez konieczności znacznego przeprogramowania.
  • Kreatywność i oryginalność. Generatywna sztuczna inteligencja może tworzyć kreatywne i oryginalne treści, takie jak obrazy generowane przez GAN (generatywne sieci przeciwstawne) lub teksty tworzone przez modele językowe. „Zwykła” sztuczna inteligencja koncentruje się na automatyzowaniu zadań opartych na regułach i nie potrafi samodzielnie tworzyć nowych treści.

Potencjał generatywnej sztucznej inteligencji w biznesie

Badania przeprowadzone wspólnie przez Microsoft, GitHub oraz MIT Sloan School of Management potwierdzają ogromny potencjał generatywnej sztucznej inteligencji dla przemysłu: „Aplikacje wykorzystujące generatywną sztuczną inteligencję mogą zwiększyć ludzką produktywność. Wykazano, że różne modele sztucznej inteligencji są w stanie wykonywać zadania równie dobrze jak człowiek w obszarach rozciągających się od rozumienia języka naturalnego po rozpoznawanie obrazów”.

W badaniu przedstawiono dowody na to, że narzędzia oparte na generatywnej sztucznej inteligencji mają pozytywny wpływ na produktywność podczas tworzenia oprogramowania. Na przykład Copilot opracowany przez GitHub i OpenAI jest opartym na sztucznej inteligencji asystentem ułatwiającym programistom pisanie kodu. „Programiści korzystający z Copilota byli w stanie wykonywać zadania o 55,8% szybciej” – twierdzą autorzy badania.

Firmy wykorzystujące generatywną sztuczną inteligencję starają się dostosowywać modele językowe do swoich konkretnych potrzeb i przypadków użycia. Celem jest uzyskanie naturalnych interakcji w języku ludzkim przy użyciu własnych danych i dokumentów. Istnieją trzy możliwości, które pozwalają ten cel osiągnąć:

  • Stworzenie niestandardowego modelu od podstaw. Jest to trudniejsza opcja, ze względu na koszt sprzętu i koszt obliczeniowy, które nie są w zasięgu możliwości finansowych każdej firmy.
  • Udoskonalenie istniejącego modelu. Obejmuje aktualizację istniejącego modelu za pomocą własnych danych. Ta opcja stanowi obszar o dużym potencjale dla biznesu.
  • Użycie wstępnie wytrenowanego modelu i dodawanie informacji kontekstowych. Zamiast posiadać własny używa się już opracowanego modelu językowego, któremu dostarcza się odpowiednie dane w momencie korzystania z niego.

Według raportu amerykańskiej firmy konsultingowej McKinsey pozytywny wpływ generatywnej sztucznej inteligencji na produktywność może zwiększyć wartość globalnej gospodarki o biliony dolarów. Będzie to innowacja, która przyniesie znaczące korzyści we wszystkich branżach, a „największa część tych przychodów może przypaść bankowości, zaawansowanym technologiom i naukom przyrodniczym”.

Generatywna sztuczna inteligencja to gałąź sztucznej inteligencji, która koncentruje się na tworzeniu nowych treści w oparciu o istniejące dane

Dzięki generatywnej sztucznej inteligencji firmy mogłyby szybciej opracowywać produkty, poprawiać doświadczenia klientów oraz zwiększać produktywność pracowników. W ankiecie przeprowadzonej przez firmę Gartner wśród ponad 2500 dyrektorów zidentyfikowano najważniejsze powody, dla których firmy powinny inwestować w generatywną sztuczną inteligencję: doświadczenie i zatrzymanie klientów (38%), wzrost przychodów (26%), optymalizacja kosztów (17%) oraz ciągłość biznesowa (7%). Analitycy z Gartnera przewidują, że do 2025 r. 30% przedsiębiorstw wdroży strategię testowania i rozwoju sztucznej inteligencji, w porównaniu z 5% w 2021 r.

Gartner podkreśla możliwości, jakie otwierają się przed firmami dzięki generatywnej sztucznej inteligencji:

  • Wzrost przychodów. Firmy o wyższym poziomie dojrzałości AI będą uzyskiwać wyższe przychody. Będą bowiem w stanie szybciej tworzyć nowe produkty i ulepszać oferowane usługi. Autorzy analizy przewidują, że „w 2025 r. ponad 30% nowych leków i wyrobów medycznych będzie systematycznie opracowywanych przy użyciu technik generatywnej sztucznej inteligencji. Technologia ta znacząco zmieni branżę farmaceutyczną, ponieważ obniży koszty i skróci czas opracowywania nowych leków”.
  • Obniżenie kosztów i wzrost produktywności. Generatywna sztuczna inteligencja poprawia umiejętności pracowników w zakresie pisania i korygowania tekstów oraz tworzenia obrazów. Umożliwia również podsumowywanie, upraszczanie i klasyfikowanie treści, a także generowanie, tłumaczenie i weryfikowanie kodu oprogramowania. Ponadto może ulepszyć działanie chatbotów.
  • Ograniczenie ryzyka. Jedną z umiejętności generatywnej sztucznej inteligencji jest analizowanie i zapewnianie szerszego i głębszego wglądu w dane (od transakcji z klientami po kod oprogramowania). Dzięki tym informacjom system natychmiast identyfikuje wzorce i ryzyko.

Generatywna sztuczna inteligencja w łańcuchu dostaw

Jaki wpływ będzie miała generatywna sztuczna inteligencja na łańcuch dostaw? Postępy i badania w dziedzinie generatywnej sztucznej inteligencji zapowiadają znaczący krok naprzód w opracowywaniu twórczych pomysłów na zastosowanie tej technologii w różnych scenariuszach, w tym związanych z logistyką.

Generatywna sztuczna inteligencja stanowi punkt zwrotny w rozwoju branży logistycznej. W badaniu przeprowadzonym przez IBM aż 85% przedstawicieli kadry kierowniczej uznało możliwości generatywnej sztucznej inteligencji za jeden z głównych czynników stymulujących inwestycje w automatyzację. Dwadzieścia procent z nich uważa, że generatywna sztuczna inteligencja ma kluczowe znaczenie dla przyszłości ich przedsiębiorstw w zakresie automatyzacji.

Generatywna sztuczna inteligencja wykazuje potencjał do poprawy rezultatów pracy personelu poprzez automatyzację wielu czynności, które wcześniej wymagały udziału człowieka. Technologia ta jest w stanie gromadzić informacje i zapewniać pomoc w podejmowaniu decyzji związanych z organizacją procesu produkcyjnego, wykorzystaniem zasobów oraz zarządzaniem zapasami.

IBM wyróżnia trzy podstawowe obszary, w których generatywna sztuczna inteligencja może mieć wpływ na łańcuch dostaw:

  1. Wsparcie. Generatywna sztuczna inteligencja zwiększa produktywność wykonywania zadań takich jak badania rynku, analizy trendów, obsługa klienta oraz tworzenie kodu oprogramowania. „Zaobserwowaliśmy wzrost szybkości pisania kodu o 90%. Dzięki sztucznej inteligencji to, co dotąd zajmowało trzy miesiące, dziś można wykonać w ciągu kilku godzin, a ponadto uzyskać analizy w czasie rzeczywistym” – twierdzą autorzy badania.
  2. Przepływy. Generatywna sztuczna inteligencja wskazuje w oparciu o duże zbiory danych wewnętrznych i zewnętrznych najlepsze dla firmy działania. Może również zoptymalizować podejmowanie złożonych decyzji i ułatwić komunikację w języku naturalnym (i wielojęzyczną) w globalnych łańcuchach dostaw.
  3. Współpraca. Największa wartość generatywnej sztucznej inteligencji będzie prawdopodobnie wynikać z możliwości globalnej wymiany rezultatów generowanych przez sztuczną inteligencję między poszczególnymi uczestnikami łańcucha dostaw. Autorzy badania uważają, że „technologia generatywnej sztucznej inteligencji może odegrać bardzo interesującą rolę w zrównoważonym rozwoju, stając się platformą współpracy, a nie konkurencji”.

Zastosowania generatywnej sztucznej inteligencji w logistyce

Autorzy badania przeprowadzonego przez TBS Business School w Tuluzie (Francja) wskazują jedno z zastosowań generatywnej sztucznej inteligencji o największym potencjale w łańcuchu dostaw: analitykę danych. Zdaniem ekspertów „generatywna sztuczna inteligencja może przynieść szereg korzyści dla łańcucha dostaw, takich jak poprawa wydajności procesów, dokładności prognoz, sprawności realizacji zamówień oraz szybkości analizy dużych ilości danych umożliwiającej szybsze podejmowanie bardziej trafnych decyzji, a także lepsze szkolenia dla pracowników”.

Firma doradcza Ernst & Young również podkreśla, że analiza danych za pomocą sztucznej inteligencji przyczynia się do poprawy wyników działalności biznesowej. W swoim badaniu zatytułowanym How supply chains benefit from using generative AI wskazuje, że wiele organizacji używa sztucznej inteligencji do analizy dużych ilości historycznych danych dotyczących sprzedaży i trendów rynkowych w celu tworzenia modeli popytu w czasie rzeczywistym. „Dzięki generatywnej sztucznej inteligencji możliwe jest określenie optymalnych poziomów zapasów, harmonogramów produkcji oraz planów dystrybucji, które skutecznie spełniają zapotrzebowanie odbiorców” – uważają autorzy badania.

Modele generatywne tworzą nowe treści w postaci realistycznych obrazów, filmów, muzyki czy tekstów

Przedsiębiorstwa wykorzystują analizę danych z użyciem generatywnej sztucznej inteligencji również do optymalizowania zadań z zakresu konserwacji predykcyjnej. Analitycy z Ernst & Young podkreślają, że „modele generatywnej sztucznej inteligencji mogą tworzyć plany konserwacji w oparciu o czas, w jakim urządzenia mogą ulec awarii, przewidziany na podstawie danych generowanych przez te urządzenia. W ten sposób można aktualizować harmonogramy przeglądów okresowych, co pozwala skrócić przestoje i obniżyć generowane przez nie koszty, a także wydłużyć żywotność urządzeń”.

Analizując dane pozyskane za pomocą funkcji czatu, generatywna sztuczna inteligencja może wyciągać wnioski, które ułatwiają firmom podejmowanie strategicznych decyzji dotyczących procesu logistycznego. Chatboty mogą się doskonale sprawdzić w scenariuszach, w których prezentowałyby kierownictwu zalecenia, na przykład w kwestii poziomu zapasów potrzebnego do obsługi bieżących zamówień.

Ernst & Young podkreśla znaczenie funkcji czatu generatywnej sztucznej inteligencji w prognozowaniu popytu: zadawanie pytań pomaga tworzyć dokładniejsze prognozy. „Na przykład firma biotechnologiczna może sprawdzić różne scenariusze typu »co, jeśli« dotyczące pozyskiwania określonych surowców wykorzystywanych w produkcji oraz skutków wystąpienia globalnych kryzysów lub innych zdarzeń, które mogą spowodować zmiany bądź zakłócenia w jej bieżącej działalności. Dzisiejsze narzędzia generatywnej sztucznej inteligencji proponują różne działania na wypadek, gdy coś pójdzie nie tak” – wyjaśniają autorzy badania. Funkcja czatu mogłaby również usprawnić obsługę klienta poprzez automatyczne generowanie spersonalizowanych odpowiedzi, co pomogłoby skrócić czas i ograniczyć inne zasoby potrzebne do interakcji z klientem.

Generatywna sztuczna inteligencja oferuje także możliwość usprawnienia kontaktów z dostawcami poprzez automatyzację tworzenia e-maili. Eksperci z Ernst & Young uważają, iż tego rodzaju narzędzia są przydatne w zakresie formułowania zaleceń oraz wydobywania informacji z dużych umów, co pozwoliłoby firmom na przykład lepiej przygotować się do negocjacji.

Według Ernst & Young generatywna sztuczna inteligencja w zarządzaniu łańcuchem dostaw przyniesie organizacjom większą odporność, zrównoważony rozwój oraz zmianę struktury kosztów.

W jaki sposób Mecalux bada sztuczną inteligencję generatywną?

Mecalux, jako jeden z największych dostawców rozwiązań z zakresu logistyki wewnętrznej, bada potencjał generatywnej sztucznej inteligencji, aby jego klienci mogli zwiększyć zdolności technologiczne w magazynach.

Zespół techniczny Mecalux Software Solutions rozpoczął badanie trzech przypadków użycia generatywnej sztucznej inteligencji:

  • Zarządzanie dokumentami. Tworzenie wewnętrznego narzędzia pomocy dla zespołów operacyjnych i zdalnego wsparcia w Mecaluxie. Generatywna sztuczna inteligencja będzie analizować całą dokumentację techniczną każdego obiektu logistycznego i za pośrednictwem interfejsu użytkownika dostarczać ekspertom wszystkie niezbędne informacje umożliwiające szybsze podejmowanie decyzji opartych na danych.
  • Programowanie i rozwój oprogramowania. Pomoc programistom systemu Easy WMS w wykonywaniu zadań. Celem zastosowania generatywnej sztucznej inteligencji w tym obszarze jest usprawnienie procesu programowania nowych funkcji poprzez generowanie kodu źródłowego na podstawie opisów w języku naturalnym. Modele generatywne mogą przyspieszyć tworzenie oprogramowania, dostarczając sugestie i podpowiedzi podczas pisania kodu.
  • Wsparcie dla użytkowników końcowych. Mecalux bada, w jaki sposób zastosować generatywną sztuczną inteligencję w systemie Easy WMS, aby odpowiadała na pytania w sposób konwersacyjny, symulując interakcje międzyludzkie. Przykładowo kierownik magazynu może poprosić o utworzenie określonych dashboardów, aby móc ocenić średni czas przygotowywania zamówień.

Generatywna sztuczna inteligencja w oprogramowaniu do zarządzania magazynem

Najnowocześniejsze systemy zarządzania magazynem (WMS) dostępne na rynku już zawierają funkcje wykorzystujące sztuczną inteligencję. Dzięki temu firmy mogą korzystać z narzędzi do analizy dużych zbiorów danych, co ułatwia im interpretowanie informacji generowanych na temat różnych czynności odbywających się w magazynie. Dogłębna analiza operacji pozwala planować zasoby, mierzyć efektywność oraz podejmować strategiczne decyzje.

Prawdziwa magia generatywnej sztucznej inteligencji polega na jej zdolności rozumienia i odpowiadania na pytania tak, jak robi to człowiek. Dlatego może zrewolucjonizować sposób interakcji użytkowników z oprogramowaniem magazynowym. Specjaliści ds. logistyki mogą zadawać bardziej złożone i rozbudowane pytania, aby uzyskać spersonalizowane odpowiedzi w postaci tekstu, wykresów, tabel i diagramów. Z badania przeprowadzonego przez Master of Code wynika, że w 2025 r. „w firmach około 90% treści raportów kwartalnych będzie tworzonych przy użyciu generatywnej sztucznej inteligencji”.

 

 

Źródła