A legtöbb cégnek még nincs valódi koncepciója az AI használatáról

Becslések szerint globálisan mintegy 266 millió cég alkalmaz valamilyen mesterséges intelligencia-alapú megoldást, főként egy-egy üzleti funkcióhoz kapcsolódva. A technológia leginkább az ügyfélszolgálati és kiberbiztonsági területre szivárgott be, de egyre többen használnak digitális asszisztenseket is a különböző adminisztratív feladatok kiváltására. A legnépszerűbb eszköz továbbra is a generatív AI, mely kétségtelenül óriási segítséget nyújt a tartalomgyártásban, sales- és marketingtevékenységekben, adatfeldolgozásban vagy egyes IT-feladatokban, de az integrált, üzleti funkciók egészét forradalmasító megoldásokból kevesebbet látni a piacon – ami persze nem jelenti azt, hogy nem zajlanak pilot fejlesztések a háttérben. De mégis hogyan érdemes belefogni egy ilyen horderejű projektbe, milyen szempontokat fontos átgondolni és hogyan kerüljük el a buktatókat?

Stratégiai szemléletre van szükség

A mesterséges intelligencia-alapú fejlesztések számos cégnél fókuszba kerültek az elmúlt években szinte minden szektorban, ugyanakkor a többség egyelőre tapogatózik, keresi az iparági példákat és a konkrét alkalmazási területeket (use case-ek). Sokan inkább csak a trendeket szeretnék követni, mert sejtik, hogy mekkora lehetőség rejlik az AI-megoldásokban, azonban jól megfogalmazott és átgondolt digitális stratégia hiányában nem tudnak biztos alapokra építeni. A fejlesztések így egy-egy szoftver bevezetésére korlátozódnak és nem képesek valódi megoldást nyújtani a változó piaci viszonyokra, valamint az aktuális üzleti igényekre. A kompetenciahiány szintén nehézségeket okoz: az AI-rendszerek tervezése és karbantartása széleskörű szakértelmet feltételez, de a belső felhasználók is gyakran küzdenek azzal, hogy valójában nem értik, hogyan és miben segítheti a munkájukat a mesterséges intelligencia.

Tisztított és validált adatokkal érdemes „etetni” az AI-t

Az AI-projektek másik nagy buktatója az adathitelesség, amely valóban komoly kockázatokat rejt: ha a bemeneti adatok hibásak, manipuláltak, vagy nem szolgálják megfelelően az adott üzleti célt, a gépi tanuláshoz kapcsolódó megoldások nem működhetnek hatékonyan – erre hívják fel a figyelmet a téma szakértői  a Protechtor technológiai és üzleti tudásmegosztó sorozatának következő, október 3-tól elérhető adásában. Bár a big data továbbra is a techszektor érdeklődésének középpontjában áll, egy AI-projektnél azonban mégis érdemes első körben kiértékelni a vállalati tevékenységek során összeálló adathalmazt, szintezni őket, valamint tisztítani és validálni, majd azokkal kezdeni a mesterséges intelligencia „etetését”, melyek valódi üzleti hasznot hozhatnak. Ez a folyamat adott esetben hónapokat vagy akár egy évet is igénybe vehet, ezt mindenképpen érdemes figyelembe venni az AI-projektek tervezése során.

Világos célokat kell megfogalmazni

A Protechtor tudásmegosztó oldalt működtető Stylers Group szakértői szerint az AI-projektek sikere nagyban múlik azon, hogy a vállalatok és a menedzsmentek kellő nyitottsággal állnak-e a technológiai korszakváltáshoz, és pontosan meg tudják-e fogalmazni, milyen céllal valósítanak meg digitális fejlesztéseket rövid és hosszú távon. Ehhez támpontot nyújthat egy komplex problématérkép készítése, amely világosan megmutathatja, milyen kihívásoknak kell megfelelnie a cégnek a jelen piaci helyzetben, de azt is segíthet átgondolni, hogy akár öt év múlva hogyan változik majd a helyzet. Amikor kirajzolódik ez a konkrét vízió és ennek mentén összeáll a digitalizációs mérföldkövek listája, a vállalat körülnézhet a rendelkezésre álló technológiai megoldások, létező dobozos termékek és szoftverek között, hogy megtalálja a számára legmegfelelőbbeket. Fontos figyelembe venni, hogy a fejlesztések akkor szolgálhatják tartósan a kitűzött üzleti célokat, ha a gépi erőket sikeresen és hatékonyan integráljuk a meglévő folyamatokba és rendszerekbe, emellett könnyen skálázható és rugalmas megoldásokat fejlesztünk.

A blokkláncnak is lehet szerepe

A vállalati adatvagyon felmérése, tisztítása és validálása már a technológiai megvalósítás irányába tett első lépésekkel párhuzamosan megkezdődhet, hiszen erre a folyamatra mindenképpen szükséges elegendő időt fordítani a projekt során. Amikor kinyertük a megfelelő információkat a rendelkezésre álló óriási adathalmazból, kulcsfontosságú biztosítani, hogy ezek hitelessége a későbbiekben is megkérdőjelezhetetlen legyen saját magunk és partnereink felé. A blokklánc technológia segítségével biztosíthatjuk, hogy sem véletlen hibából, sem szándékos manipulációból eredően nem módosulhatnak egyoldalúan az adataink, ezzel pedig számos kritikus üzleti kockázatot háríthatunk el. Az AI-projektek sikerének kétségtelen előfeltétele az oktatás és kompetenciafejlesztés, amely nélkül esélyünk sincs arra, hogy megfelelő technológiai hátteret alkossunk és a mesterséges intelligenciában rejlő lehetőségeket maradéktalanul kiaknázzuk.

„A kompetencia-kihívás kétirányú, egyrészt – ahogy a fentiekből is látszik –, a vállalati AI-rendszerek tervezése, előkészítése, a megfelelő AI-modell felépítése, bevezetése, karbantartása sokrétű szakértelmet és átfogó gondolkodást igényel. A hiányzó láncszemeket az érintett kollégák képzésével  érdemes pótolni, ebbe beletartozik a szemléletformálás, valamint a saját use case-ek feltárása is. Másrészről sokszor találkozni azzal a problémával, hogy azok a munkavállalók, akik napi szinten használják az adott mesterségesintelligencia-alapú rendszereket a vállalaton belül, nincsenek tisztában azok működésével, előnyeivel. Ezt a problémát is tudatos, naprakész és sokoldalú edukációval lehet kezelni” – mondja Gönczy Gábor, a Stylers Group információ-technológiai cégcsoport ügyvezető-tulajdonosa.