Nie ma dnia, żeby kolejne wiadomości o zastosowaniach sztucznej inteligencji nie ujrzały światła dziennego. Sztuczna inteligencja samochodu ochroniła pasażerów przed wypadkiem. Sztuczna inteligencja pozwala zracjonalizować zużycie nawozów sztucznych. Sztuczna inteligencja pomaga analizować zdjęcia rentgenowskie. Bot wykorzystujący sztuczną inteligencję gawędzi z restauracją i pomaga zarezerwować stolik. Inteligentny odkurzacz „uczy się” topografii mieszkania i obyczajów domowników i czyści wtedy, gdy ich nie ma.

To nie dzieje się „gdzieś tam”, w Krzemowej Dolinie, na filmach promocyjnych Boston Dynamics. To dzieje się tuż obok nas. Wielu inżynierów i menedżerów informatyki pyta, czy to już czas na wykorzystanie AI. A jeśli tak, to jak zacząć?

Zobacz również:

• Sztuczna inteligencja od Apple wymagać może nowych procesorów
• Oficjalna premiera modelu Llama 3
• Amazon do pracowników: roboty was nie zastąpią

Tak, to już czas. Masa krytyczna została osiągnięta – jest technologia, jest klient, są zastosowania, są technologie narzędziowe. Konkurencja nie śpi, zaczęła sama budować zwoją zdolność zastosowania sztucznej inteligencji w biznesie. Nie wiadomo tylko w którym obszarze działalności biznesowej i w jakim zastosowaniu „zaiskrzy”, ale wiadomo, że AI to przyszłość biznesu. Ci, którzy dzisiaj prześpią okres przygotowań, jutro będą musieli nadrabiać zapóźnienie.

Najpierw dane

Zawsze, gdy pojawia się technologia o przełomowym znaczeniu, przedsiębiorstwa muszą zmienić siebie, aby być w stanie ją zastosować. Tak było z internetem, tak było z technologiami mobilnymi, tak było ze zintegrowanymi systemami ERP. Nie inaczej jest ze sztuczną inteligencją. Budowanie „zdolności absorpcyjnej” przedsiębiorstwa trzeba rozpocząć już dzisiaj, pomimo że stan docelowy nie jest jeszcze znany.

Warto zacząć od danych. Esencją technologii sztucznej inteligencji jest uczenie się na podstawie realnych zdarzeń opisywanych danymi, wyławianie reguł nimi rządzących i stosowanie tej wiedzy do nowych zjawisk.

Każda firma ma użyteczne dane – choć nie zawsze o tym wie. Mogą to być informacje o płatnościach, łańcuchach dostaw, produkcji i sprzedaży. Mogą to być nawet dane techniczne, które dział informatyki może uzyskać bez pytania kogokolwiek o zgodę, np. obciążenie serwerów albo odwiedziny strony internetowej.

Ważne jest kilka rzeczy. Dane powinny być bogate i „gęste”, tzn. zawierać przynajmniej kilkanaście kolumn oraz tysiące, a najlepiej dziesiątki tysięcy wierszy. Powinny być także dostępne bez ograniczeń – co oznacza, że lepiej nie sięgać po dane wrażliwe (np. płatności, dane księgowe albo informacje o poruszaniu się pojedynczych osób po budynkach). I po trzecie powinny być znormalizowane, tj. opisywać zdarzenia w sposób jednolity, aby można było je obrabiać tą samą metodą i tym samym algorytmem. Praktycy obróbki danych mówią, że czasami wysiłek związany z normalizacją danych jest niewiele mniejszy od wysiłku potrzebnego na ich analizę. Wreszcie, dane powinny być świeże i rzeczywiste (tj. pokazywać faktyczne zdarzenia, a nie np. opinie, jak choćby ankiety). Jakość danych przesądza o miarodajności wniosków.

Narzędzia

Kiedy mamy dane, czas przygotować warsztat. W przypadku sztucznej inteligencji to dwie rzeczy: narzędzia i kompetencje. Te pierwsze (w teorii) są łatwe: większość dużych firm oferuje biblioteki sztucznej inteligencji w modelu open source. TensorFlow, biblioteka Google’a, jest do ściągnięcia w ciągu pojedynczych minut. Na stronie jest seria tutoriali, dzięki którym można się zaznajomić z podstawowymi (proste klasyfikacja danych) jak i średniozaawansowanymi tematami (analiza obrazów, głębokie uczenie). Nie inaczej jest w przypadku Microsoft Cognitive Toolkit. W sekcji przykładów można przeanalizować rozwiązania dotyczące analizy głosu, analizy języka naturalnego, a także analizy danych. Od prostej logistycznej regresji, aż po zaawansowane metody uczenia wspomaganego (reinforcement learning) przy użyciu sztucznych sieci neuronowych. I wreszcie Gluon, biblioteka Amazona, dostęna w ramach AWS. Pozwala m.in. na budowanie czatbotów, transkrypcję głosu (text-to-speech), rozpoznawanie obrazów i wiele innych zastosowań. Swoje biblioteki sztucznej inteligencji oferują także Intel, Apple oraz Oracle. Większość z nich pozostaje darmowa albo symbolicznie płatna, zwłaszcza do testowego i niekomercyjnego użycia oraz dla celów developerskich.

Znacznie trudniejszym elementem potrzebnym do wejścia w AI są kompetencje. Tutaj, niestety, nie ma dróg na skróty: nie można „ściągnąć” i „wgrać do umysłu” kompetencji w dziedzinie analizy danych oraz uczenia maszynowego. Bariera wejścia jest stosunkowo wysoka – data science to, jak sama nazwa wskazuje, jedna z nauk ścisłych. Wymagana jest więc pewna baza: zrozumienie, czym są dane, podstawowa wiedza statystyczna i znajomość przynajmniej jednego języka obróbki danych oraz przynajmniej dwóch języków programowania. A to wszystko dopiero start, zanim obrobi się pierwszy pakiet danych.

Praca z nowymi technologiami i samorozwój to jedne z najważniejszych czynników satysfakcji zawodowej i wierności pracodawcy.

Przewidujący menedżer informatyki powinien więc w swoim zespole wygospodarować czas i osoby, którym powierzy zadanie zbudowania kompetencji w dziedzinie AI. To niestety duży koszt: oznacza ograniczenie obowiązków i obciążenia pracowników oraz poświęcenie czasu na coś, co prawdopodobnie nie da w najbliższym czasie bezpośrednich korzyści. Ponieważ dzisiaj w działach IT nie ma osób „nadmiarowych”, takie działanie oznacza albo ograniczenie zobowiązań, albo przerzucenie obowiązków na kogoś innego – bo doświadczenie pokazuje, że poznawanie nowych, tak istotnych tematów „obok” normalnej pracy, nie przynosi założonych rezultatów. Trzeba zainwestować w podręczniki, szkolenia oraz konferencje – choć trzeba mieć świadomość, że bardzo wiele kursów dostępnych jest za darmo online, np. na stronach MIT.

Ale to także okazja, aby docenić pracowników: badania pokazują, że w hierarchii wartości informatyków praca z nowymi technologiami i samorozwój to jedne z najważniejszych czynników satysfakcji zawodowej i wierności pracodawcy. Można więc budowanie kompetencji w obszarze AI wykorzystać jako narzędzia retencyjne.

Wystawa i sojusznicy

Kolejny krok to zrobienie „okna wystawowego” dla sztucznej inteligencji na bazie technologii, które wykorzystaliśmy, oraz danych, które zgromadziliśmy i przetworzyliśmy. Załóżmy, że wykorzystaliśmy dane z call center i wykorzystaliśmy głębokie uczenie, aby przewidywać skuteczność rozmów sprzedażowych w zależności od godziny ich wykonania, charakterystyki klienta, osoby dzwoniącej oraz kilku innych zmiennych. Dzięki temu potrafimy optymalizować rozmowy telefoniczne: wiemy, do kogo, kiedy i jak warto dzwonić. Różnice nie są kolosalne, być może nawet nie stoją za nimi realne pieniądze. Ale można zademonstrować skuteczność rozwiązań z półki AI; pokazać wszystkim w firmie, że sztuczna inteligencja to nie tylko zabawka działu informatyki, ale realna wartość w działaniu firmy.

Po wykonaniu jednego projektu pilotażowego samodzielnie warto zrealizować drugi, już we współpracy z klientem biznesowym. Na przykład – wspomaganie księgowania faktur dzięki wykorzystaniu technologii OCR oraz uczeniu maszynowemu, które umożliwi automatyczne rozpoznawanie pozycji księgowych i przygotowanie płatności. Albo optymalizację stanów magazynowych pod kątem wahań produkcji sprzedanej – na podstawie danych historycznych i z wykorzystaniem sieci neuronowej zasilonej nimi. I znowu: w tym działaniu koniecznie trzeba mieć sojusznika, partnera biznesowego, który będzie odbiorcą i wraz z działem IT poniesie koszty i ryzyko.

Wartością dodaną takich eksperymentów jest budowanie świadomości po stronie biznesu. Warto pamiętać, że w momencie gdy zaczyna się tzw. hype na jakieś zagadnienie (a sztuczna inteligencja niewątpliwie jest w tym stadium), to decydenci czytają w magazynach biznesowych i słuchają na konferencjach niestworzone historie na temat potencjału danej technologii. Sprzedawcy rozwiązań obiecują gruszki na wierzbie i chętnie nawet przedstawiają lokalny dział IT jako hamulcowego zmiany. „Zarządzanie oczekiwaniami” liderów biznesowych i trzymanie ich blisko rzeczywistych możliwości technologii, to jedna z zasadniczych umiejętności mądrego szefa informatyki, a sztuczna inteligencja to zagadnienie, w którym winien on zarządzać tą świadomością szczególnie aktywnie.

Cień zbuntowanego robota

Na koniec warto dodać dwa słowa o psychologii w technologii. Otóż pojawienie się inteligencji podobnej do ludzkiej musi rodzić nie tylko nadzieje, ale także lęki. W tym ten najważniejszy: czy roboty nie zastąpią albo nie podporządkują sobie ludzi. Nie należy się spodziewać, że działy biznesowe będą patrzeć na sztuczną inteligencję tylko przez różowe okulary.

Akceptacja sztucznej inteligencji i jej skuteczne zastosowanie to kwestia złożona, splot możliwości technologicznych, zdolności ich zastosowania, kompetencji, akceptacji oraz wsparcia organizacyjnego.

Na pewno obok szans pojawią się lęki: przede wszystkim o przyszłość pracowników. Ale także drugi, ważniejszy: czy AI nie wywoła zmian o charakterze fundamentalnym, które sprawią, że trzeba będzie zupełnie zmienić swoje przyzwyczajenia, narzędzia i metody? Pamiętajmy, że opór przed zmianą występuje zawsze, a w przypadku tak wielkich zmian będzie szczególnie silny. Ludzie boją się „inteligentnych maszyn”; zwłaszcza ci, którzy w życiu przeczytali kilka książek i oglądali kilka filmów SF pokazujących „złego androida”.

Racjonalne czy nie, lęki takie trzeba aktywnie adresować. I to także jest wyzwanie dla działu informatyki.

Surfing dla średniozaawansowanych

Mądre rosyjskie przysłowie mówi: „ciszej jedziesz, dalej zajedziesz”. Nie inaczej jest ze sztuczną inteligencją – akceptacja tej technologii i jej skuteczne zastosowanie to kwestia złożona, splot możliwości technologicznych, zdolności ich zastosowania, kompetencji, akceptacji oraz wsparcia organizacyjnego. Najlepsza metoda to „żabie skoki”, małe przyrosty rozwojowe, z których każdy dodaje odrobinę wartości biznesowej i każdy stanowi fundament pod kolejne kroki.

Sztuczna inteligencja to chyba największe od czasów internetu i technologii mobilnych wyzwanie dla przedsiębiorstw. A wiemy już, że kiedy przychodzi duża fala, to trzeba szybko uczyć się surfingu. Kto nauczy się pływać, może dopłynąć całkiem daleko. Kto nie poradzi sobie na fali, tego zmyje i zatopi.