O sztucznej inteligencji słyszymy od lat. Jest to temat często poruszany przy okazji rozmów o transformacji technologicznej organizacji. Jednak dopiero ostatnio widzimy faktyczne wprowadzanie AI na dużą skalę do codziennego użycia w średnich i dużych firmach. Na pytanie: „Dlaczego AI to przyszłość biznesu?”, odpowiada Dariusz Kupiec, dyrektor ds. wdrożeń w Cloudware Polska.

Partnerem materiału jest Cloudware Polska.

W wielu polskich firmach wdrożenie procesów opartych na AI i deep learning to wciąż przyszłość. Dlaczego?

Od bardzo dawna w naszej biznesowej debacie pojawiają się hasła AI, sztuczna inteligencja, deep learning, ale mam wrażenie, że do tej pory, choć sporo o tych technologiach mówiono, to nie wdrażano w ich w życie. Do określenia, gdzie faktycznie warto zaimplementować rozwiązania oparte na AI i deep learningu, potrzebny jest wiarygodny partner biznesowy, który pomoże zdefiniować potrzeby i ocenić, czy dana inwestycja jest słuszna z finansowego i strategicznego punktu widzenia. Wiele organizacji nadal postrzega pieniądze wydane na zrealizowanie takich innowacyjnych projektów jako koszt, a nie inwestycję. Natomiast badania pokazują zupełnie inny trend: wg raportu Gartnera, firmy, które między 2018 a 2019 rokiem wprowadziły rozwiązania oparte na AI, wzrosły od 4 do 14%. To pokazuje, że po prostu opłaca się wprowadzać nowe technologie do procesów w organizacji.

Jakie korzyści dla organizacji niesie za sobą wprowadzenie rozwiązań opartych na AI i uczeniu maszynowym?

Na pewno warto rozważyć skorzystanie z nich, gdy np. organizacja nie jest w stanie zapewnić wystarczającej liczby osób do obsługi danych procesów, gdy liczba przechowywanych danych przyrasta w szybkim tempie i nie jesteśmy w stanie ich przeanalizować lub gdy musimy wprowadzić kluczowe zmiany dla przyspieszenia obsługi klienta. AI może być pomocne, jeśli zdefiniowane problemy nie mają charakteru stałego i ustalonego, a możemy tylko mówić o wzorcach. Poza podanymi przykładami zastosowań może być wiele, w zasadzie są to wszystkie obszary, w których mamy do czynienia z decyzjami podejmowanymi przez ludzi i oczekujemy ich wsparcia lub odpowiedzi na pytania i zdefiniowane problemy.

Pomyślmy chociażby o sektorze bankowym – jest to branża, w której podmioty intensywnie walczą między sobą o klienta końcowego. Zatem szybkość i jakość obsługi jest dla nich kluczowa i aby ją poprawić, warto skorzystać z AI i uczenia maszynowego. Mamy na polskim rynku przykłady instytucji bankowych, które wdrożyły np. chatboty (oparte na IBM Watson), które wspierają pracę konsultantów BOK. Dzięki nim pracownicy są w stanie o wiele szybciej rozwiązać problemy, z którymi zgłaszają się do nich klienci, nawet jeśli na początku rozmowy nie wiedzą, jaka będzie najlepsza ścieżka. Mogą bowiem zadawać pytania botowi, który dodatkowo uczył się na każdej przepracowanej sytuacji. Dodatkową możliwością jest automatyzacja rozpatrywania wniosków składanych przez platformy bankowości elektronicznej. Szczególnie doceniono możliwości, jakie daje AI i deep learning, podczas pandemii koronawirusa, ponieważ wszyscy znaleźliśmy się w bardzo nietypowej sytuacji i nie mogliśmy przez jakiś czas praktycznie nic załatwić bez pośrednictwa internetu.

Innym z przykładów jest wprowadzenie tych technologii w organizacjach działających w sektorze energetycznym. Inżynierowie używają deep learningu przy rozwiązywaniu bardzo skomplikowanych problemów technicznych, korzystając z obszernych zbiorów danych, które mogą być dostosowywane do zmieniających się potrzeb przedsiębiorstwa. To naprawdę technologia przyszłości, a jej wdrożenie, nawet w nieoczywistych przypadkach, może zaowocować zauważalnymi oszczędnościami finansowymi i pomoże budować przewagę konkurencyjną na rynku. Innym obszarem jest wykrywanie oszustw oraz szeroko pojęte identyfikowanie przestępstw. Nie możemy przewidzieć, czy i jakie przestępstwo, np. finansowe, zostanie popełnione, ale możemy określić wzorzec działania, charakterystycznego np. dla oszustw. To pozwala wzmóc czujność i odpowiednio wcześnie zareagować.

Jeśli wdrożenie tych rozwiązań ma przynieść zysk, to jakie działanie jest najważniejsze?

Pierwszą i najprostszą odpowiedzią, która się nasuwa, jest odpowiednie przygotowanie. Mam tutaj na myśli przygotowanie merytoryczne, sprzętowe i projektowe. Niewiele organizacji jest w stanie efektywnie dostarczyć taki projekt zasobami wewnętrznymi. Potrzeba obiektywnego spojrzenia na procesy, potrzeby i możliwości firmy, by optymalnie dobrać rozwiązania i zaplanować wdrożenie. Zespół Cloudware pracuje na co dzień z największymi organizacjami z sektora finansowego, ubezpieczeniowego, energetycznego, publicznego czy telekomunikacyjnego i często poświęcamy bardzo wiele czasu na stworzenie projektu, który umożliwi sprawne przeprowadzenie wdrożenia. Jednym z elementów dobrego przygotowania jest dobór infrastruktury, np. zastosowanie serwera IBM Power 9, który jest zoptymalizowany pod implementacje związane z AI i deep learningiem, bo przetwarzanie ogromnych ilości danych wymaga niezawodnego sprzętu.

Ale nawet najpotężniejszy komputer nie jest magiczną czarną skrzynką, do której wystarczy włożyć dużą ilość danych (które organizacja i tak przechowuje), by otrzymać trafne prognozy. Rzecz jest zdecydowanie bardziej skomplikowana, a próba uproszczenia procesu może spowodować niedoszacowanie kosztu i utrudnić projekty związane z deep learningiem. Tak naprawdę tylko odpowiednie przygotowanie i dobór danych oraz skrupulatne zaplanowanie przebiegu projektu daje nam gwarancję powodzenia i zysku na inwestycji.

W jakich sektorach AI i deep learning mogą się sprawdzić?

We wszystkich! Tam, gdzie zbieramy dane i chcemy usprawnić procesy lub je zrewolucjonizować, nowoczesne technologie, właśnie takie jak AI czy deep learning, dają możliwości, o których wcześniej nawet nie mogliśmy marzyć. Niezależnie od branży, dokładnie określona potrzeba, dobrze przygotowany projekt i sprawnie przeprowadzone wdrożenie zaowocują innowacjami i pozytywnie wpłyną na powiększanie przewagi konkurencyjnej. Weźmy na przykład wspominany już sektor energetyczny, w którym generowane są ogromne ilości danych. Zarówno przez urządzenia w mieszkaniach klientów końcowych, jak i przez urządzenia opiekunów klienta i innych pracowników aż po maszyny w elektrowni. Bez wykorzystania nowoczesnych technologii trudno sobie wyobrazić aż tak ogromne zbiory danych i sposób na ich uporządkowanie, przetwarzanie i co najważniejsze – skuteczne wykorzystanie dla wprowadzania innowacji. Widzę ogromny potencjał wykorzystania AI i deep learningu w branży energetycznej.

Pierwszym krokiem do tego, żeby ten sektor mógł czerpać korzyści ze wspomnianych nowych technologii, jest pełna cyfryzacja i gromadzenie informacji stanowiących bazę dla implementowanego AI. Jednym z kluczowych warunków jest odpowiedni dobór sprzętu, który będzie niezawodny, np. IBM Storage i IBM Power 9. Informacje można zbierać i wykorzystywać chociażby w handlu energią elektryczną, inteligentnych sieciach czy na styku łączących się ze sobą branż energii elektrycznej, gazu, ciepła i transportu. Ogromne oszczędności może dać zbudowany z użyciem wspomnianych technologii system ostrzegania przed możliwymi awariami, przewidywania działań serwisowych, obciążenia sieci czy prognozowania zużycia i prawdopodobnych cen w przyszłości. Statystyki pokazywane przez firmę Gartner mówią same za siebie – AI to przyszłość biznesu. Warto być jednym z innowatorów i wykorzystać szansę, jaką dają nam nowe technologie.