Praca
» THOMAS H. DAVENPORT, Profesor zwyczajny, kierownik Katedry Informatyki i Zarządzania w Babson College (Massachusetts, USA)
» NITIN MITTAL, Dyrektor w firmie Deloitte Consulting LLP
Organizacje na całym świecie były świadkami pojawienia się sztucznej inteligencji, lecz nie wszystkie wdrożyły ją w takim samym stopniu. W swojej książce pod tytułem Sztuczna inteligencja w biznesie. Jak zdobyć rynkową przewagę dzięki AI eksperci Thomas H. Davenport i Nitin Mittal dowodzą, że sztuczna inteligencja pomaga uzyskać znaczną przewagę konkurencyjną firmom, które wykorzystują ją w swoich procesach. Technologia ta zapewnia nieocenioną wartość w zarządzaniu coraz bardziej złożonymi łańcuchami dostaw.
Jak firmy korzystające z AI tworzą wartość?
Korzyści, które przynosi firmom wdrożenie sztucznej inteligencji, pozwalają im tworzyć większą wartość i wyróżniać się na tle konkurencji są:
- Zwiększając szybkość działania. Sztuczna inteligencja może przyspieszyć uzyskiwanie wyników operacyjnych i biznesowych, skracając czas upływający od decyzji do działania.
- Obniżając koszty. Automatyzacja procesów, zadań i interakcji obniża koszty, podwyższa wydajność, poprawia zrównoważenie środowiskowe i zwiększa przewidywalność.
- Lepiej rozumiejąc złożoność. Zastosowanie sztucznej inteligencji ułatwia analizę złożonych zagadnień i usprawnia proces decyzyjny dzięki zdolności identyfikowania wzorców, łączenia punktów i prognozowania w oparciu o coraz obszerniejsze źródła danych.
- Zmieniając sposób interakcji. Technologia ta może zmienić sposób, w jaki klienci i pracownicy wchodzą w interakcję z inteligentnymi systemami, poprzez zwiększenie arsenału środków komunikacji (głos, tekst, obraz i dotyk).
- Dążąc do innowacyjności. Zadawanie sztucznej inteligencji pytań takich jak „na czym skoncentrować wysiłki?” lub „jak się wyróżnić?” może pomóc w tworzeniu nowych produktów, możliwości rynkowych i modeli biznesowych.
- Wzmacniając zaufanie. Sztuczna inteligencja może posłużyć do ochrony przedsiębiorstw przed takimi zagrożeniami jak oszustwa, marnotrawstwo, nadużycia i cyberataki, co zwiększa zaufanie ze strony partnerów oraz wśród klientów.
Należy zaznaczyć, że organizacje używające sztucznej inteligencji często wykorzystują wiele zasobów – niekiedy w tym samym przypadku użycia – w celu poprawy swoich wyników.
Firmy, które chcą odnieść sukces dzięki sztucznej inteligencji, powinny wykorzystać jak najwięcej różnych czynników napędzających zmiany.
Przedsiębiorstwa, które chcą odnieść sukces dzięki sztucznej inteligencji, powinny wykorzystać jak najwięcej różnych czynników zmian i działać wielokierunkowo. Niektóre zmiany, takie jak obniżenie kosztów, stosunkowo łatwo zmierzyć. Firmy nie powinny jednak ograniczać się do przypadków użycia, w których wpływ sztucznej inteligencji jest łatwy do określenia ilościowego. Większe korzyści zapewni im sztuczna inteligencja, która zmienia modele biznesowe, podejmuje decyzje o różnym stopniu złożoności na podstawie ogromnych ilości danych oraz pomaga budować zaufanie.
Na jakim etapie wdrażania sztucznej inteligencji znajdują się obecnie przedsiębiorstwa?
W wielu organizacjach wdrożenie sztucznej inteligencji już przyniosło niektóre z wymienionych zmian, a może nawet wszystkie. Oto kategorie, które pomogą firmie ocenić, na jakim etapie procesu się znajduje:
- AI Fueled. Organizacja wdrożyła już wszystkie lub większość elementów i w pełni korzysta z możliwości sztucznej inteligencji, stając się maszyną uczącą się.
- Transformer. Organizacja nie wdrożyła jeszcze w pełni sztucznej inteligencji, ale prace są zaawansowane i już korzysta z niektórych funkcji, dzięki czemu uzyskuje znaczącą wartość.
- Pathseeker. Organizacja rozpoczęła wdrażanie i robi postępy, ale jest jeszcze na wczesnym etapie. Wykorzystuje pewne systemy, dzięki którym osiąga już wymierne korzyści.
- Starter. Organizacja eksperymentuje ze sztuczną inteligencją i posiada plan wdrożenia, ale musi wzmóc starania, aby poczynić postępy. Nie korzysta jeszcze z żadnego elementu lub wprowadziła bardzo niewiele w środowisku produkcyjnym.
- Underachiever. Organizacja zaczęła eksperymentować ze sztuczną inteligencją, ale nie wdrożyła jej jeszcze w swojej codziennej działalności i uzyskała niewielki lub żaden zwrot z inwestycji.
Jak organizacja może stać się maszyną uczącą się?
Organizacje w pełni wykorzystujące zdolności sztucznej inteligencji można określić mianem maszyn uczących się. W tego rodzaju organizacjach wiele aspektów uczenia się związanego ze sztuczną inteligencją jest zinstytucjonalizowanych i dobrze zakorzenionych. Firmy stosujące uczenie się organizacyjne są maszynami uczącymi się w co najmniej dwóch aspektach: nieustannie uczą się poprzez swoje badania i rozwój AI oraz realizują szybkie procesy prób i błędów, aby sprawdzać, które działania przynoszą wymierne korzyści. Osiągnęły one, jak określają to John Hagel i John Seely Brown, „skalowalne uczenie się”. Połączenie eksperymentowania z uczeniem się jest kluczem do tego, by stać się światową awangardą AI.
Na przykład chińska firma Ping An zaczynała działalność od branży ubezpieczeniowej, a obecnie działa w różnych obszarach związanych z usługami finansowymi. Posiada dużą grupę badawczą złożoną z naukowców specjalizujących się w informatyce i dziedzinach pokrewnych. Założyciel firmy Peter Ma Mingzhe, który jest kolekcjonerem dzieł sztuki, podpowiedział szefowi naukowemu Jingowi Xiao, w jaki sposób sztuczna inteligencja potrafiąca tworzyć sztukę i muzykę mogłaby przynieść korzyści rozległej sieci klientów i partnerów firmy. Xiao polecił niewielkiemu zespołowi, by spróbował stworzyć obrazy, kompozycje muzyczne i utwory poetyckie poprzez wyszkolenie systemu uczenia maszynowego na podstawie istniejących, wysokiej jakości dzieł.
Eksperyment się powiódł: naukowcy stworzyli kunsztowne prace z dziedziny malarstwa, muzyki i poezji. Zaprezentowano je na Światowej Konferencji na temat Sztucznej Inteligencji (WAIC) w 2019 roku i zostały dobrze przyjęte przez prasę. Opracowany program do komponowania muzyki zdobył nawet międzynarodową nagrodę. Xiao wyjaśnił w jednym z wywiadów, że Ping An pracuje nad modelami biznesowymi, które łączą artystyczną sztuczną inteligencję z różnymi ekosystemami firmy, takimi jak wykorzystywanie stworzonej przez sztuczną inteligencję muzyki do celów terapeutycznych lub innych związanych ze zdrowiem. W wyniku tego eksperymentu zespół badawczy dowiedział się, jak przygotowywać sztuczną inteligencję do kolejnych projektów, które angażują emocje i subiektywne odczucia uczestników, takich jak inwestowanie na rynku papierów wartościowych.
Inny sposób, w jaki organizacje wykorzystujące sztuczną inteligencję stają się maszynami uczącymi się, jest bezpośrednio związany z uczeniem maszynowym (przynajmniej w jego nadzorowanej formie, która jest zdecydowanie najbardziej powszechna). Technologia ta jest w stanie tworzyć prognozy w oparciu o modele wyszkolone na wcześniejszych danych, dla których znane są wyniki. W pierwszym odczuciu może się to wydawać skomplikowane, ale firmy, które stają się uczącymi się maszynami, stale czerpią z uczenia maszynowego. Dzisiejsze możliwości sztucznej inteligencji sprawiają, że tworzenie wiedzy na dużą skalę i z dużą szybkością stało się możliwe i ekonomicznie opłacalne.
Organizacje wykorzystujące sztuczną inteligencję monitorują swoje modele, aby weryfikować trafność generowanych przez nie prognoz (często za pomocą technik zwanych operacjami uczenia maszynowego, MLOps). Kiedy odsetek chybionych prognoz zacznie się zwiększać, firmy te za pomocą nowych danych ponownie szkolą system, by poprawić jego przewidywania. W ten sposób ciągłe szkolenie wspiera ciągłe uczenie się w celu doskonalenia zdolności predykcyjnych i dostosowywania ich do nowych danych. Innymi słowy, skoro świat się zmienia, modele predykcyjne zmieniają się wraz z nim.
Oznacza to także, że dokładność może zmieniać się w czasie. Firma przeobrażona w maszynę uczącą się, może stosować to kryterium dla szerokiej gamy modeli, a przynajmniej tych najbardziej istotnych. Sztuczna inteligencja może więc stać się ważnym zasobem przedsiębiorstwa, który warto monitorować i ulepszać, by technologia ta ułatwiała procesy operacyjne.
Oczywiście firmy stosujące uczenie się organizacyjne mogą również stale uczyć się od innych rodzajów sztucznej inteligencji. Na przykład DBS Bank wdrożył chatboty (początkowo w swoim banku cyfrowym w Indiach), aby zapewnić wysokiej jakości obsługę klienta przez całą dobę 7 dni w tygodniu i bez konieczności oczekiwania. Podczas analizy awarii usługi mającej miejsce w 2016 roku kierownictwo poleciło zespołowi dokładniejsze monitorowanie zachowań użytkowników i identyfikowanie problemów przed ich wystąpieniem.
Organizacje monitorują swoje modele sztucznej inteligencji, aby weryfikować trafność generowanych przez nie prognoz
Zainspirowało to zespół do opracowania programu do śledzenia w czasie rzeczywistym ścieżki nawigacji każdego klienta korzystającego z bankowości cyfrowej. Proaktywna analiza oznak problemów związanych z korzystaniem z aplikacji mobilnej pozwoliła firmie opracować rozwiązanie, dzięki któremu może w razie potrzeby interweniować i zaproponować użytkownikom możliwe sposoby kontynuowania operacji. Projekt zakończył się sukcesem, a spostrzeżenia uzyskane dzięki chatbotowi zostały zastosowane zarówno w Indiach, jak i w Singapurze.
Określenie „maszyna ucząca się” odnosi się do firm stosujących uczenie się organizacyjne w wyraźnie zdefiniowanym celu, do którego stale i konsekwentnie dążą niczym wysokowydajna maszyna, aby się rozwijać i zmieniać. Inwestują w infrastrukturę sztucznej inteligencji, np. magazyny funkcji (scentralizowane repozytoria dobrze zdefiniowanych funkcji do wykorzystania w modelach uczenia maszynowego) i biblioteki algorytmów, które mogą być wielokrotnie wykorzystywane w całej organizacji. Dzięki tym zasobom pracownicy ciągle zdobywają wiedzę w zakresie sztucznej inteligencji. Nie traktują sztucznej inteligencji jako chwilowy trend, lecz jako niezwykle potężne narzędzie, za sprawą którego firma będzie znacznie bardziej wydajna i skuteczna na rynku.
Oczywiście to nie tylko technologia czyni z organizacji maszyny uczące się, lecz cały zestaw ich cech: DNA organizacji, kultura korporacyjna promująca AI i decyzje oparte na danych, postawa ciągłego eksperymentowania i ciągłej innowacyjności oraz zaangażowanie pracowników, klientów i partnerów biznesowych w realizację tych celów. Kluczem do tej transformacji są ludzie, a nie dane, algorytmy czy wysokowydajne serwery.
Thomas H. Davenport, profesor zwyczajny, kierownik Katedry Informatyki i Zarządzania w Babson College (Massachusetts, USA), profesor wizytujący w Saïd Business School przy Uniwersytecie Oksfordzkim, pracownik naukowy Inicjatywy dla Gospodarki Cyfrowej MIT, starszy doradca analityczny w firmie Deloitte. Autor dwóch bestsellerów: Inteligencja analityczna w biznesie i Big Data at Work.
Nitin Mittal,
dyrektor w firmie Deloitte Consulting, w której kieruje działem Rozwoju Strategicznego Sztucznej Inteligencji na Stany Zjednoczone oraz zarządza portfelem Globalnej Strategii Doradczej, Analiz, Fuzji i Przejęć (Global Consulting Strategy, Analytics and M&A).
Thomas H. Davenport i Nitin Mittal, Sztuczna inteligencja w biznesie. Jak zdobyć rynkową przewagę dzięki AI (tytuł oryginału: All in on AI: How smart companies win big with artificial intelligence). Fragmenty wykorzystane za zgodą Harvard Business Review Press. Copyright 2023 Deloitte Development LLC. Wszystkie prawa zastrzeżone.