AI

AI, a rettentő, vagy AI, a megmentő?

Ördög Szabolcs • 2021. március 19.

AI, a rettentő, vagy AI, a megmentő?

Évek óta pörög a hype a mesterséges intelligencia körül. Mindent (is) mesterséges intelligenciával fogunk megoldani. Egyszer majd. Legalábbis ez a kép alakulhat ki sokakban, akik tájékozódnak a témában. És ahogy az az univerzálisnak vélt eszközök esetében szokott volt lenni, ki-ki vérmérséklete szerint látja benne az egész világot jobbá tevő univerzális technológiát vagy a disztópikus jövő előszelét. A valóság azonban ennél jóval hétköznapibb.

Mesterséges intelligenciát (vagy annak nevezett – mondjuk: okos – technológiákat, algoritmusokat) ma már nagyon sok helyen használnak a gyártóipartól (autonóm robotok) az autóiparig (önvezetés), a gyógyszeripartól (hatóanyag-kutatás) a hadiiparig és a bűnüldözésig (autonóm drónok, arcazonosítás). És akkor még nem beszéltünk a kereskedelemről, a logisztikáról, az oktatásról, a klinikai orvoslásról, a pénzügyi szektorról. De írattak már AI (artificial intelligence) algoritmussal gazdasági és sporttémájú cikkeket, fordíttattak idegen nyelvre szövegeket, festettek képet… És hogy mi tette ezeket a fejlesztéseket lehetővé? Az, hogy körülöttünk hegyekben áll a digitálisan tárolt adat. Ezt az adatbőséget sokan a digitalizáció melléktermékének tekintik, és nem szentelnek kellő figyelmet a folyamatok során keletkezett adataiknak. Nem tudják, hogy ebből pénzt is csinálhatnának, vagy ha tudják, akkor azt nem látják, hogyan.

A szoftvergyártók már készülnek

Pedig a piaci előrejelzések egyértelműek: a világ erősen készül az adatok kiaknázására a mesterséges intelligencia és a gépi tanulás (ML – Machine Learning) segítségével. A brit Omdia egyik kutatóintézete, a Tractica 2020 tavaszán tett egy ambiciózus előrejelzést: az AI szoftverek globális piaca az évtized közepére a 2018-as méret 12,5-szeresére, azaz 10,1 milliárd dollárról 126 milliárdra.

 

Csak az a kérdés, hogy ezeket a szoftvereket kik fogják használni. Az AI és az ML ugyanis egyelőre nem váltak a vállalatok általános eszköztárainak részévé. Szintén 2020-ban készült az AI/ML-piacra specializálódott Cognilytica piackutató cégnek az a globális kutatása, amelyben a válaszadók (jobbára vállalatvezetők) 40 százaléka állította, hogy vállalatának már van valamilyen AI alkalmazása, sőt 9 százalékuknál több AI szoftvert is használnak az operatív folyamatokban. De ennél is jobban mutatja a trendeket, hogy mindössze 9 százaléknak nincs valamilyen terv a tarsolyában az AI bevezetésére. Szóval alapvetően jól áll a kérdéshez a világ.

A kutatásokból az is kiderül azonban, hogy még nem tisztultak le az AI körüli fogalmak. Összemosódik a big data a gépi tanulással, az RPA (robotic process automation) a mesterséges intelligenciával stb. A válaszadók pedig legtöbbször nem a gyakorlati tapasztalataikról, lefektetett terveikről, hanem a vágyaikról beszélnek.

A helyzet azonban az, hogy a mesterséges intelligencia és a gépi tanulás már itt van: gyökeret vert, szárba szökkent, sőt mint a Gartner hype-görbéje mutatja, szépen bokrosodik is. Kis túlzással: levehető a polcról, és kis csiszolás után máris használható.

Az ellenállás lehetséges okai, nagy DE-kkel

Kétségtelen: az elfogadása lassú. A kutatócégek kisebb könyvtárnyi tanulmányt készítettek arról, hogy még miért nem csapott le mindenki a lehetőségre. Ezekből négy fontosabb ok kristályosodott ki.

1.Az AI megelőzte a korát. A legkézenfekvőbb magyarázat lenne, hogy beelőzött a technológia. Nem először történt volna meg, gondoljunk mondjuk az érintőképernyő kálváriájára, amelynek a technológiai alapjai a 60-as évek közepén megvoltak, az áttörést sok elvetélt kísérlet után mégis csak 2007-ben hozta el az iPhone. Az igaz, hogy a vállalatok egy része még az előző nagy adatboom megemésztését segítő big datán sincs túl, pedig annak létjogosultságát üzleti sikerek és jó gyakorlatok bizonyítják. A mesterséges intelligencia bevezetésének pedig erre kellene épülnie, még hatékonyabb adatstratégiát, pontosabb elemzéseket és predikciót, jobb döntéseket, nagyobb fokú automatizációt stb. hozva.

Mindezzel együtt azt, hogy a piac nem érett volna meg az AI-ra, fényesen cáfolják a különböző gazdasági szegmensek diszruptív szereplői, melyek láthatólag óriási versenyelőnyhöz jutnak az AI alkalmazásával. (A McKinsey már egy közel két éve készült tanulmányában [.pdf] kimutatta: azok a vállalatok, melyek AI-jal segítik a folyamataikat, iparágtól függetlenül jelentősen tudták csökkenteni a költségeiket, és/vagy a bevételek szabad szemmel is látható növekedését tudták elérni.)

2. Az AI-tól való félelem. Ez több forrásból is táplálkozik. Az emberek többsége ragaszkodik a bevált sémákhoz, nem szeret kimozdulni a komfortzónájából, és tart mindentől, aminek nem látja át a működését. Az AI-ra pedig ez igaz lehet: valóban kimozdíthatja az embereket a komfortzónájukból, és valóban nehéz átlátni a működését. A félelmeket jelzik az AI kapcsán gyakran felmerülő topikok is: elveszi az emberek munkáját; előítéletes (pl. arcfelismerésnél, bár a probléma általánosítható); ellenőrizhetetlen stb.

De a jelenlegi gyakorlat egészen mást mutat. A mesterséges intelligenciát és az automatizálást éppen annak kiváltására használják, amit az emberek a legjobban gyűlölnek a munkájukban: például adatok kinyerésére, visszakeresésére, apróbb adminisztratív, de az egybites intelligenciánál magasabbat igénylő adminisztratív feladatok kiváltására. Ilyenek az ügyfélszolgálatok intelligens chatbotjai is.

3. Technológiai aggályok. Ez önmagában is kiterjedt problémakör – és elsősorban a vállalatok döntéshozóit aggasztja. Az AI-hoz adatok kellenek. Sok adat, aminek a tárolására számos előírás vonatozik (compliance problémák). Aztán ott van az adattisztaság problémaköre: vajon jó adatokat használunk az AI tanításához? A megfelelő algoritmus, adatmodell kiválasztása szintén zavarba ejtően bonyolult lehet.

Ezek azonban jobbára (egyelőre) nem valós problémák. A piacon már kaphatók olyan, viszonylag egyszerűen, akár ún. no-code eszközökkel testre szabható megoldások, amelyek a fejlesztés terhét jórészt leveszik a felhasználó válláról.

4.Szakemberhiány. Talán ez az egyetlen probléma, amely valódi akadályt gördíthet az AI megoldások kiteljesedése elé. Szükség van adattudósokra, akik képesek feltárni az adatokban rejlő lehetőségeket (személy szerint nem szeretem az elnevezést, olyan, mintha egy az akadémiai szférában dolgozó elméleti szakembert jelölne, pedig csupán a data scientist tükörfordítása), és kellenek AI programozók. Nos, belőlük valóban hiány van.

És persze itt is van egy DE: ha egy vállalatban van adat, akkor vannak olyan szakemberek is, akik azzal foglalkoztak. Őket kell továbbképezni, még ha ez komoly beruházást jelent is. (Csak zárójelben: nem árt, ha a jogi osztály is felkészül az AI lehetséges jogi következményeiből.)

Az alap mindenkinél adott

Remélem, a fenti, kissé hosszú fejtegetésből kiderült a legfontosabb: hogy az AI bevezetésének alapja minden vállalatnál adott. Vannak adatok, és mint a fentebb idézett felmérésekből rendre kiderül, elképzelések is az AI-jal elérendő célokról. És mindehhez egyre több, a már működő vállalati rendszerbe viszonylag egyszerűen integrálható, testre szabható eszköz van a piacon, melyek az elindulásban segítenek.

Tehát csak el kell kezdeni. Csupán egyet nem szabad figyelmen kívül hagyni: az AI bevezetése nem a technológiáról szól, hanem az elérni kívánt hatásról! Ezért abból kell kiindulni. Nem az adatmodell és nem az algoritmus a kérdés, hanem mindig a folyamatokra gyakorolt hatás. Ilyen kérdéseket kell majd megválaszolni: Az üzleti folyamat hány lépésére lesz hatással? Vagy: automatizálja a folyamatot, vagy hatékonyabbá, gyorsabbá teszi?

A válaszokból áll elő a kiindulópontunk, és határozza meg azt is, hogy mikor tekinthető sikeresnek az AI bevezetése.

Ha kíváncsi vagy az UpScale által fejlesztett AI technológiákra, regisztrálj ingyenes webinarunkra, vagy olvasd el a részletes e-book-ot.

(Link: https://solutions.upscale.hu/ai)