W debacie udział wzięli dr Inez Sokólska, która od lat uczy i tworzy polską sztuczną inteligencję. Obecnie pracuje m.in. w Centrum Wiarygodnej Sztucznej Inteligencji Politechniki Warszawskiej. Maciej Kowalik, prezes zarządu Smartstock, firmy wykorzystującej AI do prognozowania i optymalizacji. Obecnie wdraża takie usługi w jednej ze spółdzielni mleczarskich oraz Karol Stryja, niezależny konsultant i edukator. Debatę moderował Łukasz Spisak.
Debata dotyczyła tego, czym jest sztuczna inteligencja, gdzie kończy się zwykła automatyzacja, a zaczyna AI, jak znaleźć jej realne zastosowania i jak nie zmarnować pieniędzy na źle dobrane projekty.
Ponad 90% wdrożeń sztucznej inteligencji w firmach skończyło się porażką
Olbrzymie zainteresowanie sztuczną inteligencją w ostatnich latach sprawiło, że 94% jej wdrożeń w firmach nie przyniosło oczekiwanego efektu – głównie dlatego, że firmy próbowały używać modeli językowych tam, gdzie potrzebna jest stabilna technologia matematyczna i dobrze opisany proces. Równolegle podkreśla się, że klasyczna AI (rozpoznawanie obrazu, optymalizacja, prognozy) od lat działa cicho w tle i realnie zarabia pieniądze.
Pojawiły się przykłady spektakularnych porażek – jak firma drobiarska, która zaufała sztucznej inteligencji z ChatGPT przy pisaniu pisma do Krajowej Izby Odwoławczej i straciła kilkanaście milionów złotych, bo model podał nieistniejące podstawy prawne. Uczestnicy debaty omawiali także tzw. halucynacje – przypadki, gdy AI z wielką pewnością podaje kompletnie błędne odpowiedzi, ale formułuje je tak przekonująco, że łatwo w nie uwierzyć.
Zdaniem Inez Sokólskiej, sztuczna inteligencja na pewno sprawdzi się tam, gdzie trzeba rozwiązywać kwestie biurowe, gdzie są zamówienia, faktury, obsługa klienta i obsługa wszelakich dokumentów.
– To są najlepsze miejsca, gdzie można wprowadzać sztuczną inteligencję, tę współczesną, która wnioskuje i myśli. Można ją dobrze i sprytnie połączyć z różnymi narzędziami, które pozwolą coś sprawdzić w sensie liczbowym, przeliczyć. Ale generalnie jest ona w stanie za nas zrobić te rzeczy, które nam zabierają czas – wyjaśniała Inez Sokólska.
AI pozwoli uwolnić czas i kompetencje pracowników
Wskazywała, że dzięki AI można w firmie uwolnić czas i kompetencję pracowników, żeby robili to, w czym są dobrzy.
– Czy sztuczna inteligencja w stu procentach obsłuży każdy przypadek? – pytała Sokólska. – Jeśli ktoś wam to wmawia, to powiedzcie, że nie kupicie od niego oprogramowania, bo kłamie. Sztuczna inteligencja nigdy w życiu nie zrobi stu procent. Sto procent wam zrobi prosty mechanizm, który nie uczy się. Jak zrobimy mechanizm w stylu nastawiam budzik na siódmą, zadzwoń o siódmej, on zadzwoni o siódmej, to to jest sto procent skuteczności, ale tam nie ma sztucznej inteligencji.
Zdaniem Karola Stryji, dzięki dostępnym narzędziom szybko można tworzyć modele i weryfikować, czy pomysł, który ma zarząd firmy, działa.
– Nie w procesie, który trwa 12 lub 16 miesięcy od momentu, kiedy zbieramy się, tworzymy dokumentację, przygotowujemy wdrożenie, potem zlecamy firmie sprawdzenie czy dany pomysł w ogóle działa w praktyce. Nie. Znajdźmy jedną osobę, której chce się pracować, która ma wolę i ma wstępnie zielone światło od zarządu na działanie i zróbmy po prostu małe pole do tego, żeby poeksperymentować i zobaczyć, czy nasze założenia są słuszne, bo narzędzia są do dyspozycji na wyciągnięcie ręki – zachęcał Karol Stryja.
Maciej Kowalik z firmy Smartstock wskazał, że od kilku lat zajmuje się ona wdrażaniem rozwiązania, które jest autorskim rozwiązaniem, napisanym na bazie dofinansowania z NCBR-u i współpracy z uczelniami.
Sztuczna inteligencja pomaga prognozować popyt na rynku serów
– My w tej chwili zajmujemy się wąską specjalizacją, czyli wykorzystaniem sztucznej inteligencji i uczenia maszynowego do optymalizacji łańcucha dostaw, a dokładnie do prognozowania popytu i optymalizacji zatowarowania. Wykorzystujemy sztuczną inteligencję, która jest dedykowana między innymi do prognozowania popytu, czyli tutaj właśnie nie posiłkujemy się modelami językowymi – wyjaśniał Kowalik. – Natomiast to, co chciałbym powiedzieć a’propos tego, gdzie jesteśmy w tej chwili, to po pierwsze, mamy na koncie projekty, które zrealizowaliśmy już dla wielu różnych firm, w tym z branży spożywczej. Pracujemy z zespołem, który z powodzeniem wdrożył właśnie funkcjonalność dotyczącą prognozowania popytu, ale zrobiło to też wiele innych firm z branży spożywczej.
Jak podkreślał Maciej Kowalik, to jest bardzo cenna informacja, ponieważ ona wprost może się przełożyć na finanse. Jeżeli mamy przestrzelone prognozy w branży spożywczej i na ich podstawie wyprodukowaliśmy określone produkty, to pojawia się problem. Zwykle mamy dość krótkie terminy przydatności do spożycia i jeżeli nie jesteśmy w stanie sprzedać tyle, ile wyprodukowaliśmy, a wcześniej błędnie zaprognozowaliśmy, no to musimy takie produkty wyprzedawać, czyli mamy od razu niższą marżę, a jeżeli tego nawet nie zdążymy zrobić, to mamy czystą stratę.
Prognozowanie pozwala zwiększyć przychody i obniżyć koszty
– Z drugiej strony, jeżeli prognozujemy za mało, to klienci firmy są niezadowoleni, ponieważ nie dostarczamy im tego, czego od nas oczekują. W związku z tym ten element finansowy jest tutaj oczywisty – tłumaczył Maciej Kowalik. – Nie potrafię w tej chwili powiedzieć, ile zarobiła lub zaoszczędziła na naszym oprogramowaniu spółdzielnia mleczarska, bo ja tego w ten sposób nie liczę. Natomiast sam fakt, że jesteśmy w stanie poprawić trafność prognozy w takiej czy innej firmie powoduje, że te pieniądze na pewno tam się pojawiają w formie chociażby wyższych przychodów, bo jest większa dostępność, albo niższych kosztów operacyjnych i uwolnionej gotówki, bo mamy niższe poziomy zapasów przy zachowaniu wymaganej dostępności.
Kowalik odniósł się do informacji o tym, że ponad 90% wdrożeń sztucznej inteligencji nie przyniosło efektu.
– Myślę, że większość projektów w AI nie udaje się dlatego, że są one realizowane przez firmy, które na przykład są dobre w technologii, ale kompletnie nie rozumieją procesów. Czyli, żeby tak naprawdę wdrożyć jakiekolwiek narzędzie, trzeba mieć jakieś pojęcie, dlaczego chcemy to robić – mówił Maciej Kowalik. – Po drugiej stronie powinniśmy mieć partnera, który nie tylko rozumie technologię, ale rozumie też procesy i który ma pewne zaplecze w postaci dobrych praktyk. Możecie jakiś proces zoptymalizować w taki lub inny sposób za pomocą AI.
AI to rewolucja porównywalna do wynalezienia druku lub elektryczności
Przedstawiciel firmy Smartstock, zastanawiając się nad tym czy mamy dziś jakąś alternatywę dla wdrażania AI, przytoczył słowa prezesa firmy Google, który miał stwierdzić, że z punktu widzenia cywilizacyjnego, ale też ekonomii, takie właśnie praktyczne wykorzystanie sztucznej inteligencji jest rewolucją co najmniej na poziomie wynalezienia druku albo elektryczności.
– Pojawiają się też opinie takich futurologów, jak chociażby prof. Raymond Kurzweil, którzy mówią, że w ciągu roku, być może dwóch, sztuczna inteligencja już będzie inteligentniejsza od ludzi. I teraz proszę zastanowić się nad tym, czy stać państwa na to, żeby prowadzić biznes bez osób inteligentnych, albo czy chcieliby państwo, żeby te osoby w cudzysłowie, czyli ta sztuczna inteligencja, pracowała dla państwa konkurentów, a państwo będziecie podejmować w związku z tym gorsze decyzje niż konkurencja. No i znowu jesteśmy przy pociągu, do którego albo wsiądziemy albo nie – podkreślił Kowalik.
Inez Sokólska podkreśliła, że AI to bardzo potężna technologia. Dożyliśmy czasów, w których sztuczna inteligencja z nami rozmawia, wnioskuje, rozumie kontekst naszych pytań.
Popularne modele sztucznej inteligencji są tylko łącznikiem z innymi znacznie doskonalszymi narzędziami
– Dostępne modele językowe sztucznej inteligencji nas rozumieją, ale pamiętajmy o jednej rzeczy. One są generatywne i językowe. To znaczy, żebyśmy używali ich wyłącznie do zadań generatywnych i opartych na operacjach językowych. One są fantastycznym łącznikiem pomiędzy innymi narzędziami, które nadają się do innych, bardziej skomplikowanych, matematycznych operacji. Może to być na przykład wyodrębnienie danych z faktury po to, żeby zautomatyzować proces rejestracji faktury w księgowości, to może być zrozumienie maila od klienta, kontrahenta po to, żeby na przykład zrozumieć, jakiej sprawy dotyczy i przekierować to na właściwą ścieżkę. To wszystko są operacje językowe. Możemy wygenerować mail do klienta, ale niech dane, które mają zasilić ten mail będą przeliczone właśnie przez inne narzędzie – przekonywała Sokólska.
Sztuczna inteligencja może być także rozwiązaniem przynajmniej części problemów wynikających z braku pracowników, bo pozwoli ona zautomatyzować proces podejmowania decyzji. Jakość i szybkość tych decyzji będzie dzięki temu lepsza, a przy tym będą one wymagały mniejszego zaangażowania czasowego.
– Chciałbym podkreślić jeszcze jedną rzecz, bo my się wąsko zajmujemy optymalizacją łańcucha dostaw.W łańcuchu dostaw pracuje wiele osób w różnych działach i to też jest taki element, który warto mieć na uwadze. Często w firmach, tam gdzie nie ma zintegrowanych procesów, tam jest silosowość, tam się podejmuje decyzje na zasadzie wyspowej. Ja podejmę taką decyzję w tym dziale, bo dla mnie to jest dobre, a to, że ucierpi na tym inny dział albo inne działy, to już nie mój problem. My staramy się jednak uzmysłowić firmom, że takie podejście jest błędne, ponieważ wszyscy powinni grać do tej samej bramki i w tym momencie właśnie ważna jest świadomość tego, że jeżeli podejmujemy pewne decyzje w jednym dziale, to one będą miały takie, a nie inne konsekwencje w innych działach – przekonywał Kowalik.
Paweł Kuroczycki
