Rozwiązania z obszaru sztucznej inteligencji przekształcają coraz więcej biznesów, ale jak zauważa firma analityczna McKinsey, tempo tych zmian nie jest tak szybkie, jak można by przypuszczać. Technologie, dzięki którym można wykorzystywać SI, np. storage oraz dostęp do mocy przetwarzania danych, są coraz tańsze, a z prognoz wynika, że w ciągu następnej dekady SI doda do światowej gospodarki 13 bilionów dolarów. Mimo to wiele organizacji, zamiast czym prędzej implementować własne rozwiązania, nie podejmuje wystarczających wysiłków.

Zapytaliśmy ekspertów jakie firmy powinny zdecydować się na wdrożenie rozwiązania AI i kiedy warto to zrobić (kto może na tym najwięcej skorzystać). Przedstawiamy zarówno porady specjalistów, jak również przykłady wdrożeń przeprowadzone przez lub w polskich firmach.

Zobacz również:

• Sztuczna inteligencja od Apple wymagać może nowych procesorów
• Cyfrowa transformacja z AI - co nowego na Google Cloud Next 24
• Copilot Pro czyli subskrypcja na AI - wkraczamy w nową erę usług?

Kiedy się zdecydować

Mechanizmy AI i ML (machine learning - uczenie maszynowe) ułatwiają i przyspieszają analizę danych. To ich pierwsze zastosowanie. Łukasz Milic, na stanowisku business development representative w QNAP, tłumaczy że głównie firmy przetwarzające ogromne ilości danych, a więc z branż typu finanse i bankowość, telekomunikacja czy medycyna, powinny być zainteresowane rozwiązaniami AI. „W przypadku medycyny mechanizmy SI pozwalają przyspieszyć analizy wyników medycznych, szczególnie diagnostyki obrazowej poprzez analizę dziesiątek tysięcy zdjęć w krótkim czasie w celu wykrycia patologii” — zauważa Łukasz Milic. „W ten sposób lekarz może otrzymać do analizy wstępnie odfiltrowane dane, gdzie tradycyjnie musiałby analizować wszystko samodzielnie” — dodaje.

Jednocześnie przedstawiciel firmy QNAP zauważa, że mechanizmy AI możemy wykorzystywać nawet w mniejszych organizacjach, które nie zajmują się przetwarzaniem dużych zbiorów danych. Kto skorzysta? Dla przykładu AI można stosować na mniejszą skalę w systemie monitoringu, który może na bieżąco analizować obiekty pojawiające się na obrazach z kamer i następnie je klasyfikować, np. poprzez wykrywanie twarzy i określanie czy jest to osoba z firmy, czy nie, albo rozpoznawać nr rejestracyjny samochodu przed bramą wjazdową do firmy.

Tu jednak warto podkreślić, że SI nie jest jeszcze na tyle tania, aby każda firma mogła sobie na nią pozwolić. „Mniejsze firmy, które nie przetwarzają dużych ilości danych, niekoniecznie będą dostrzegały możliwości zastosowania systemów SI. Co więcej, może się okazać, że koszt wdrożenia systemu będzie nieadekwatny do zysku uzyskanego z jego działania” — mówi Łukasz Milic.

Kamil Konikiewicz, dyrektor Biura Rozwoju Sztucznej Inteligencji PKO Banku Polskiego, przekonuje, że SI zagościła już w wielu gałęziach biznesu, a przykłady obejmują zastosowania w obszarze automatyzacji obsługi wniosków szkodowych (ubezpieczenia), wsparcie procesów kontroli jakości z wykorzystaniem wizji komputerowej (branża wytwórcza), czy wykorzystanie wirtualnych asystentów w obsłudze klienta. „Trudno w sposób wyczerpujący wskazać rodzaje firm czy branż, w których SI zagwarantuje największe korzyści, jednak podstawowe kryteria zwiększające szanse powodzenia to odpowiednio duża skala i powtarzalność procesu biznesowego, a także dostępność historycznych danych, na których można uczyć algorytmy SI” — mówi Kamil Konikiewicz.

SI jest obecnie jednym z filarów strategii rozwoju PKO Banku Polskiego. Bank dostrzegł potencjał AI jeśli chodzi o usprawnianie zarówno procesów wokół klienta (obsługa, doradztwo, sprzedaż, budowanie relacji z klientem), jak i wewnętrznie (np. obszar HR i helpdesku). A czy były już konkretne wdrożenia? Do tej pory m.in. zrealizowano kilka punktowych inicjatyw SI, takich jak projekt związany z liczeniem uśmiechów klientów w oddziałach, czy wdrożenie bota wspierającego proces rekrutacyjny. „Obecnie w banku trwa projekt You&AI związany z wdrożeniem inteligentnego asystenta głosowego w kanałach cyfrowych i telefonicznych” — zdradza Kamil Konikiewicz.

„W najbliższych miesiącach nasi klienci będą mogli m.in. zarządzać swoimi finansami, wydając komendy głosowe w aplikacji IKO. W kolejnych fazach zakres projektu obejmie minimum kilkadziesiąt procesów biznesowych m.in. w kanale telefonicznej obsługi klienta czy bankowości elektronicznej iPKO” — dodaje. Jakie jeszcze przykłady wdrożeń AI znajdziemy w rodzimych organizacjach?

Od sklepów po usterki

Firma ITmagination już kilka lat temu opracowała rozwiązanie Behaviolytics®, które poprzez analizę danych w czasie rzeczywistym przygotowuje dla klienta rekomendacje i spersonalizowaną ofertę na podstawie „śladu”, jaki zostawił w internecie, np. na podstawie sposobu poruszania się po sklepie internetowym czy w aplikacji bankowej. Marcin Dąbrowski, chief innovation officer w ITmagination, podkreśla, że w firmie pracuje zespół Data Science, który wspiera klientów we wdrażaniu rozwiązań SI. „Przykładem takiego wdrożenia może być system oceny niewypłacalności klienta na podstawie rzeczywistych danych (tzw. clickstream) z bankowości internetowej i mobilnej, który wdrożyliśmy w jednym z największych banków w Polsce” - mówi.

Z kolei dla innej firmy ITmagination stworzyło system analizy ruchu z kamer CCV w sklepie. I tak, mechanizmy SI w czasie rzeczywistym wyciągają wnioski dotyczące długości kolejek przy kasach i pozwalają na lepsze zaplanowanie liczby kasjerów i otwartych kas. „System na żywo powiadamia kierownika sklepu, że zaraz może utworzyć się kolejka” — zdradza Marcin Dąbrowski, dodając że pozwala on też sprawdzić efektywność rozmieszczenia towarów na poszczególnych półkach, a w dłuższej perspektywie eliminować negatywne odczucia klientów związane z doświadczeniem robienia zakupów w danym sklepie.

Ciekawe wdrożenia SI ma za sobą również Tauron Polska Energia. Dla przykładu, firma wprowadziła wirtualnego agenta (interactive voice response), który wspiera obsługę numeru alarmowego Pogotowia Energetycznego 991 w wielokanałowej rejestracji zgłoszeń o awariach od odbiorców, jak również informuje o wyłączeniach energii elektrycznej. „Od połowy 2018 r., oprócz tradycyjnych konsultantów, zgłoszenia na linii alarmowej 991 przyjmuje 500 Wirtualnych Agentów. Pozwala to na jednoczesne przyjmowanie i rejestrowanie kilkuset zgłoszeń telefonicznych.

Wirtualny Agent to awatar, system teleinformatyczny wykorzystujący nowoczesne technologie oparte na bazie mechanizmów sztucznej inteligencji” — tłumaczy Łukasz Zimnoch, rzecznik prasowy Tauronu. W projekcie zastosowano takie rozwiązania jak: rozpoznawanie mowy (system podczas dialogu analizuje wypowiadane frazy, określając ich znaczenie i uzupełniając w sposób automatyczny odpowiednią formatkę w systemie rejestracji zgłoszeń); IVR (interactive voice response) - umożliwia interaktywną obsługę osoby dzwoniącej; text to speech (udzielanie wcześniej zdefiniowanych odpowiedzi bądź informacji dla klienta); eksploracja danych (system może poinformować klientów firmy o występujących awariach i obszarze ich oddziaływania, trwających pracach czy statusie obsługiwanych spraw).

Innym wdrożeniem zrealizowanym przez Tauron jest model predykcyjny wykorzystujący nowoczesne modele wykrywania anomalii i przewidywania awarii, który trafił do należącej do firmy Elektrowni Łagisza. „Działanie systemu sprowadza się do analizy dużych zbiorów danych sensorowych z wykorzystaniem najnowocześniejszych metod sztucznej inteligencji (m.in. Deep Learning – nowoczesna odmiana sieci neuronowych)” — mówi przedstawiciel firmy. W odróżnieniu od strategii reaktywnej lub strategii prewencyjnej ustalonej w oparciu o średnie okresy pracy bezawaryjnej danej jednostki, strategia predykcyjnego utrzymania ruchu bloków energetycznych daje możliwość świadomego zarządzania eksploatacją maszyn oraz procesem produkcyjnym. „Z kolei Blok 910 MW, który powstaje w Jaworznie, również będzie wyposażony w systemy predykcyjne oraz systemy zarządzania aktywami, których celem jest utrzymywanie jak najwyższej dyspozycyjności, żywotności i sprawności bloku” — dodaje Łukasz Zimnoch.

Tauron rozwija też różne projekty badawczo-rozwojowe z wykorzystaniem SI, takie jak system automatycznego rozpoznawania usterek w liniach napowietrznych, system wspomagający proces zarządzania populacją transformatorów WN/SN, czy platforma zarządzania danymi z zaawansowanej infrastruktury pomiarowej wykorzystująca machine learning, a także system CRM do automatyzacji zadań wchodzących w skład grup interakcji z klientem (automatyzacja marketingu, automatyzacja obsługi klienta, automatyzacja sprzedaży). To dość wyraźnie pokazuje, jak szerokie zastosowanie może mieć SI w dużej organizacji.

Rozpoznawanie i boty

SI usprawnia wiele procesów, które dana firma musiałaby realizować manualnie - czyli oddelegować pracowników do poszczególnych, często żmudnych czynności. Poznański software house Apptension zrealizował dla swoich klientów już wiele projektów z użyciem SI. „W tematyce rozpoznawania obrazu już w 2015 r. wykonywaliśmy pierwsze podejścia, wykorzystując technologie do rozpoznawania logotypów przy współpracy z firmą Logograb i UNIT9 dla marki Heineken” — mówi Zbigniew Czarnecki, CEO w Apptension. „W kolejnym roku, przy pracach nad aplikacją dla marki Caesar, we współpracy z UNIT9 mieliśmy podejście do rozpoznawania ras psów ze zdjęć. Wiemy, że te technologie nie działają perfekcyjnie, ale na pewno znają więcej marek lub psów niż przeciętna osoba - a już to powoduje, że mogą znaleźć ciekawe zastosowania” — dodaje.

Apptension na co dzień pracuje też z analizą języka naturalnego (NLP) przy tworzeniu botów, z algorytmami rozpoznawania cech na podstawie obrazu, czy też z modelami automatycznego oznaczania rozproszonych informacji, by wspierać procesy zarządzania wiedzą w przedsiębiorstwach. Z kolei w zeszłym roku firma, we współpracy z włoską agencją BonsaiNinja, opracowała dla marki Hoover rozwiązanie wspierające detekcję wieku i pewnych charakterystyk, opierając się na technologii rozpoznawania obrazu.

Wszystkie te przykłady pokazują w jak dużym stopniu AI może odciążać firmy z wielu zadań. Tomasz Tomaszewski, R&D product manager w SentiOne, firmy specjalizującej się m.in. w monitoringu internetu i automatyzacji obsługi klienta, tłumaczy, że wdrożenie AI oznacza bardziej zadowolonych klientów, ale także i samych pracowników. „Automatyzacja pozwala odciążyć agentów z rozwiązywania najbardziej powtarzalnych problemów klientów, dokładniej analizować konwersacje czy podnieść jakość i ustandaryzować proces obsługi” — zauważa. I dodaje: „Dzięki sztucznej inteligencji możemy automatycznie kategoryzować konwersacje, określać ich sentyment i nacechowane emocjonalnie, podpowiadać agentom obsługi klienta najlepsze odpowiedzi, a także zautomatyzować obsługę najczęstszych zapytań klientów za pomocą wirtualnych asystentów – chatbotów”.

Jeśli więc chcemy stworzyć bota lub automatyzować wiele procesów biznesowych, AI sprawdzi się w tych zastosowaniach bardzo dobrze. I nie zapominajmy, że na co dzień w zasadzie wszyscy korzystamy z AI w internecie. „Sugerowanie treści na portalach typu LinkedIn, Facebook, Instagram, czy chociażby sugestie fraz od Google lub tłumaczenie tekstów przez Google Translate - wszystko to oparte jest na zaawansowanych algorytmach sztucznej inteligencji, takich jak sieci neuronowe czy NLP” - podkreśla Zbigniew Czarnecki.

Najbardziej skorzystają najwięksi

Firma SentiOne używa AI we własnych produktach do obsługi klienta i jej automatyzacji z wykorzystaniem chatbotów, a jednocześnie podkreśla, że z jej rozwiązań korzystają firmy z różnych branż: finansowej, energetycznej, lotniczej czy elektronicznej. „Jedno z ciekawszych wdrożeń w branży bankowej polegało na wykorzystaniu naszych narzędzi do pełnej obsługi klienta: począwszy od monitorowania treści w internecie, automatyzacji obsługi klienta w wielu kanałach tekstowych aż po chatboty” — mówi Tomasz Tomaszewski.

Wdrożenie to zaczęło się od integracji wszystkich tekstowych kanałów kontaktu w jednym narzędziu do obsługi (SentiOne React), a pierwszym krokiem automatyzacji było uruchomienie smart routingu, czyli automatycznej kategoryzacji konwersacji i przypisania ich do odpowiedniego agenta. Dalej, rozwiązania AI zaczęły podpowiadać agentom obsługi klienta najbardziej pasujące odpowiedzi, a platforma SentiOne Automate zapewniła chatbota przejmującego obsługę w przypadku najbardziej powtarzalnych zapytań. „Pozwoliło to na automatyzację ponad 40 proc. rozmów, a czas pierwszej reakcji na zapytanie klienta poprawił się o 83 proc.” — mówi ekspert.

Jednocześnie specjaliści są zgodni co do tego, że z AI najbardziej skorzystają obecnie firmy, które mają duże ilości ustrukturyzowanych danych. To właśnie duże bazy danych są niezbędne do uczenia algorytmów AI tak, aby nieustannie podnosić ich skuteczność. „Im więcej danych, tym dokładniejsza nauka algorytmu, a co za tym idzie - skuteczność w rozwiązywaniu problemów” — przekonuje Tomasz Tomaszewski. I dodaje: „Opłacalność AI rośnie wraz ze skalą biznesu. Firmy, które przetwarzają niewielką ilość danych, których procesy są mało powtarzalne lub ich automatyzacja przyniesie niewielkie oszczędności czasowe - zanim wdrożą AI powinny poczekać na uzyskanie odpowiedniej skali, która gwarantuje opłacalność wdrożenia”.

Czy powinienem wdrożyć u siebie SI?

Zbigniew Czarnecki z Apptension przekonuje że sygnałem na to, że warto zastanowić się nad wdrożeniem SI jest coraz większa liczba powtarzalnych zadań, która zaczyna irytować pracowników. „Obecne algorytmy nie są może w stanie zastąpić naturalnej inteligencji, ale nie możemy wykluczyć, że za 5, 10 czy 20 lat sztuczna inteligencja będzie w stanie podjąć za nas większość decyzji opartych o nasze przesłanki czy nawyki, i to z większym prawdopodobieństwem sukcesu niż w przypadku gdybyśmy to my je podejmowali” - twierdzi ekspert.

I z tego powodu każda firma, która zauważa problem powtarzalności pewnych procesów lub wykonuje bardzo powtarzalne i schematyczne zadania, może użyć AI do ich optymalizacji. Już teraz systemy SI są na tyle dopracowane, że mogą wnieść wiele wartości w procesy zarządzania organizacją, procesy optymalizacji, zarządzania zasobami (HCM), czy też odkrywania wiedzy o biznesie (BI). "Uważam, że SI jest już na tyle dojrzała" -przekonuje Zbigniew Czarnecki.

Dodatkowo warto zadać sobie kilka pytań, które ułatwią decyzję na temat wdrażania AI. Czy zasoby w naszej organizacji są w stanie obsłużyć wszystkie zadania? Czy w organizacji istnieją zadania, które wykonywane są w ten sam sposób i warto wdrożyć w nich automatyzację? Czy pracownicy w naszej organizacji lubią wykonywać daną czynność i czy da się ten proces ulepszyć?

Dla przykładu, czy przepisywanie treści dokumentów jest pożądanym zadaniem, czy też chcielibyśmy do tego użyć narzędzia OCR, które zrobi to za nas lub chociażby nam w tym powtarzalnym procesie pomoże? AI na swoim obecnym poziomie jest w stanie doradzać w rozwiązywaniu problemów - wnioskowaniu i sugerowaniu, tak jak w przypadku wspomnianego OCR. „Dochodzimy do etapu, gdzie rozumowanie danej prostej czynności może być już zastąpione rozwiązaniem automatycznym, które nie powoduje negatywnych efektów. Dla przykładu, automatyczne oznaczanie komentarzy, które są spamem lub wspieranie klasyfikowania wiedzy w organizacji, może zastąpić 80 proc. czasu pracy człowieka, co daje przestrzeń na bardziej ambitne zadania” - mówi CEO Apptension.