„Tilde“ ir SBA grupės dirbtinio intelekto ekspertų pokalbis: apie tai, kaip realiai gamyboje diegiamas DI ir ko laukti ateityje

Dviejų dirbtinio intelekto ekspertų, kasdien ne tik skaitančių apie DI, bet ir realiai kuriančių sprendimus verslui, pokalbis. Giedrius Karauskas, kalbos technologijų bendrovės „Tilde“ technologijų skyriaus vadovas apie realius DI naudojimo pavyzdžius, iššūkius, kaip DI priima darbuotojai, kaip į DI parengtą turinį reaguoja vadovai kalbasi su Audriumi Patalausku, SBA Grupės Veiklos duomenų valdymo vadovu. 

GIEDRIUS KARAUSKAS, "Tilde": Apie DI kalbam labai daug, bet niekada iki galo nesuprantam, kaip įmonės pradėjo realiai ieškot DI sprendimų veiklai gerinti. SBA yra didžiulė stipri įmonių grupė, veikiate ne viename sektoriuje, ir gamyboje, ir NT, ir statybose, investicijų valdyme. Papasakok, kaip įmonės viduje pradėjote svarstyti apie DI galimybes? Kas tai inspiravo?

AUDRIUS PATALAUSKAS, "SBA grupė": Kalbant apie generinį, negenerinį dirbtinį intelektą, anksčiau vadintą mašininiu mokymusi, automatizavimo sprendimais, mes visada juos naudojome didžiąja dalimi. Tačiau jokio dėmesio nebuvo skirta jokiai dirbtinio intelekto daliai; automatizavimo sprendimai natūraliai atsirado ieškant gamybos procesų efektyvumo ir darbuotojų ergonomikos. Neseniai viena SBA grupės bendrovė inno Line laimėjo pažangių pramonės šakų konkurse dėl įvairių techninių sprendimų, tarp kurių buvo ir tradicinių AI pėdsakų. Šie sprendimai buvo pritaikyti vidinei logistikai, įvaizdžiu grindžiamam produktų kokybės vertinimui ir gamybos planavimui. Tokios PG taikomosios programos mūsų įmonių grupėje plėtojamos labai holistiškai, tačiau dabar mano pagrindinis uždavinys - rasti būdų, kaip panaudoti generatyvų dirbtinį intelektą, t. y. asistentus ir kalbos modelius. Pagrindinė SVA grupės vertė yra lyderystė inovacijų srityje, taigi, kai tik rinka pradėjo skleisti informaciją apie generacinę AI, valdyba paskyrė biudžetą ir paskatino mus ieškoti geriausios praktikos pavyzdžių. Taigi, mes tyrinėjame, ieškome ir samdome didelius partnerius, kad rastume geriausius būdus maksimaliai išnaudoti generatyvinę AI. Mano nuomone, bendrovės, kurios bus pirmosios gaminančios pg, gaus didžiausią grąžą.

GIEDRIUS: Aha, praktika DI sprendimų diegimui ir vystymui įmonėje turėti dedikuotą žmogų ar net visą komandą vis labiau populiarėja pasaulyje, bet dažna įmonė nežino – tai kokį čia žmogų samdyti arba ką paskirti. Kokia tavo paties patirtis, kaip atsiradai DI pozicijoje, ką dirbai iki šiol?

AUDRIUS: Manau, kad daug kur taip žmonės atsirado DI vystymo pozicijose kaip ir aš. Mano pagrindinė veikla yra duomenų valdymas ir analitika, o DI mėgsta tvarkingus duomenis, nes ką į DI įdėsi, tą ir gausi atgal. Todėl manau, kad visai įprasta, jog duomenų analitikai labiausiai ir rūpinasi DI diegimu ir plėtra.

GIEDRIUS: Dar norėčiau šiek tiek grįžti prie mašininio mokymosi metodų, nesvarbu, su neuroniniais tinklais ar paprastesnių. Minėjai, kad daug automatizacijos sprendimų esate įdiegę, gal paminėti kelis tikrai pasiteisinusius, kurie tikrai daro reikšmingą poveikį efektyvumui, kaštų taupymui? Jei ne paslaptis. 

AUDRIAUS: Tikrai ne paslaptis – turbūt pats geriausias pavyzdys yra gaminio kokybės kontrolės sistema – atpažinimas vaizdo kameromis. Mūsų gamykloje veikia apie 60 taškų gamybos procesuose, kuriuos prižiūri kameros su DI: fiksuoja, atpažįsta pažeidimus, pavyzdžiui, įvairius netolygumus, netinkamai išgręžtas skyles, tuomet nekokybiškus gaminius klasifikuoja ir atrūšiuoja neatitiktis nuo gero srauto. Būtent iš šito sprendimo lengviausia paskaičiuoti naudą, nes ji labai apčiuopiama – kiek netinkamų produktų nenukeliavo klientui. Ir juos pašalindamas iš srauto nepatiri nuostolių, nes klientui pristatomos tik kokybiškos prekės. Taip pat pradedame naudoti DI sprendimus prognozuoti, kada įrenginiai gali susidėvėti ir patirti gedimą. Taip galime užbėgti už akių neplanuotam proceso stabdymui ir paversti tai profilaktika, išvengti karštligiško netikėtos problemos sprendimo. Tai leidžia didinti efektyvumą gamybos sraute. Aišku, čia jau sunkiau paskaičiuoti atsiperkamumą, nes jei gedimas neįvyko, jis galėjo ir šiaip, be DI sprendimo, neįvykti.

GIEDRIUS: Pasak „McKinsey“ tyrimo, įmonės, kurios taiko DI sprendimus, per pirmuosius metus pastebi 25 proc. mažesnes veiklos sąnaudas. Kaip manai, ar jūsų veikloje tokie pasiekimai pilnai integravus DI įmanomi, esi labiau DI pesimistas ar optimistas? 

AUDRIAUS: Manau, kad „McKinsey“ tyrimas išrinko vyšnias nuo torto savo tyrimo aibėje. Per pirmus metus 25 proc. taupymą naudojant generatyvinį DI matyčiau tik versluose, kuriuose yra „skambučių centrai“. Ten generatyvinis DI gali automatiziuoti dalį darbo. SBA grupėje kuriamas efektyvumas, kad per darbo dieną sukurtume daugiau nei anksčiau, DI padeda mums priimti sprendimus, juos aiškiau komunikuoti – bet tai nėra klasikinis kaštų taupymas. Be to, generatyvinis DI atsineša ir savo kaštus. Goldmans Sach 2024 birželio mėn. straipsnyje pateikė konservatyvesnius duomenis nei “McKinsey”. Jie teikia, kad per ateinančius 10 metų prognozuojamas vos 1/2 procento produktyvumo augimas ir 1 BVP augimas. Prieš metus tas pats bankas prognozavo 9 ir 6.1 procento augimus. Vis dėlto, aš vis dar esu šios technologijos optimistas – greitis, kokiu ji vystosi, yra nežmoniškas.  

GIEDRIUS: Pakalbėkim apie kitą DI naudojimo lygmenį – strategiją, valdymą ir sprendimų priėmimą. Prognozuojama, kad per ateinančius 10 metų DI pakeis daugelio įmonių valdymo struktūrą, vis daugiau dėmesio skiriama „besimokančių organizacijų“ kūrimui, kuriose sprendimus vis labiau priima DI. Kaip manai, ar ateityje galime tikėtis, kad vadovai visiškai pasikliaus DI modeliais, formuojant verslo strategijas? Ar vis dar reikės „žmogiškojo faktoriaus“?

AUDRIAUS: Mūsų grupėj generatyvinio DI sritis vystosi įdomiai. Aš pats turėjau konservatyvią nuomonę.Turėjau abejonių, kad jei komandai, klientams pasakysim, kad DI dalyvavo priimant kažkokį sprendimą, žmonėms tai bus nepriimtina, sukels atmetimo reakciją. Bet taip nėra: prieš mėnesį darėm tokį pratimą, mini hakatoną, kur kartu su SBA grupės organizacinio vystymo vadove dirbom su DI asistentu ruošdami medžiagą tam tikrų verslo krypčių strategijai. DI asistentui davėme kriterijus, prašėme juos vertinti, pateikti įžvalgas, pasiūlymus. Aišku, visada prašėme ir pateikti šaltinius, iš kur tą medžiagą DI ima, kad neatsirastų joje kokių nors haliucinacijų. Vertingo turinio prigeneravom daug ir kadangi jis buvo paruoštas argumentuotai, logiškai, kitų kolegų buvo priimtas pozityviai ir diskusija toliau vyko šito turinio pagrindu iki kol buvo priimti sprendimai. Manau, sutaupėm labai daug laiko. Šis pavyzdys rodo, kad žmonės teigiamai priima DI dalyvavimą sprendimų priėmime. Tik aišku, vis dar galimos DI klaidos, vadinamosios haliucinacijos, todėl žmogaus įsitraukimas yra būtinas. 

GIEDRIUS: O kaip manai, kada tas lūžis įvyko, kai žmonės pradėjo pasitikėt DI?

AUDRIUS: Geras klausimas iš tikrųjų, manau, kad kai pasidarė patogu naudoti, kai peržengėme kokybės laiptelį ir generatyvinis nustojo kalbėt nesąmonės. Egzistuoja daug testų, kuriais tikrinami LLM (liet. didžiųjų kalbos modelių) gebėjimai, kurie rodo, kad LLM jau seniai lenkia mus įprastuose intelektiniuose gebėjimuose. 

GIEDRIUS: Taip, aš visiškai pritariu, kad pasitikėti pradėta, kai buvo pasiekta kartelė – pakankamai gerai arba angliškai good enough. Ir mūsų praktikoj, kai vertinam kai kurių DI paremtų sistemų kokybę, atliekam daug testų. Pavyzdžiui, testuodami mašininį vertimą turime metrikas, kuriomis matuojame testinių duomenų aibėje, šnekos atpažinime vertiname per klaidų proporciją(word error rate),t. y. kiek DI daro klaidų atpažindamas žodžius. Ir kai kalbam su klientais, visada yra tas klausimas – ar DI yra pakankamai geras, ar duoda atsakymą, kuris tave tenkina. Tad galiu tik patvirtinti tavo žodžius, kad žmonės pradėjo pasitikėt sistemomis, kai pamatė, kad jos yra pakankamai geros. Bet man kyla tęstinis klausimas: minėjai, kad su kolega darydami tą mini hakatoną tikrinot visus DI duotos informacijos šaltinius. Bet savo automatizacijos sprendimuose, jei turit, pavyzdžiui, 90 proc. tikslumą, irgi nepaleidžiate veikti vienų, be žmogaus priežiūros?

AUDRIUS: Kalbant apie, pavyzdžiui, tą sprendimą, kuris iš srauto išima brokuotas detales – taip, siekiamybė yra paleisti be žmogaus, jei testas sako, kad 99 proc. darbo jis atlieka teisingai. Kalbant apie verslo sprendimus, net ES aktai, kai kuriuose situacijose, neleidžia DI priimti sprendimų – privalo būti žmogiškoji grandis. Manau, kad žmogus visada dalyvaus priimant sprendimus, DI – tai greitis, efektyvumas, bet vis tiek galutinį tašką padės žmogus. 

GIEDRIUS: Taip, aš absoliučiai pritariu, kad žmonės turi būti informuoti, jei sistemos veikla yra paremta DI, arba sprendimai turi būti peržiūrėti. Klausimas į panašią temą apie BDAR (Bendrąjį duomenų apsaugos reglamentą): kaip jūsų įmonės su tuo tvarkosi, nes rinkoje girdime visko: vieni viską draudžia, kiti viską leidžia. Kur esate jūs, kaip įgyvendinate BDAR eksperimentuodami su DI?

AUDRIUS: BDAR įgyvendinimą mūsų organizacijoje prižiūri verslo rizikų skyrius, su kuriuo mano skyrius, dirbantis su DI, turi labai tamprius ryšius. Drąsiai konsultuojamės. Visiems eksperimentams su DI naudojame absoliučiai nuasmenintus duomenis. Pavyzdžiui, vienas iš mūsų nurautų eksperimentų buvo darbuotojų tikslų tyrinėjimas: norėjome sužinoti, ar asmeniniai darbuotojų tikslai koreliuoja su mūsų įmonės tikslais, kaip mūsų darbuotojai supranta mūsų įmonių grupės vertybes, ar dirba jomis vadovaudamiesi. Paklausiau DI: kaip darbuotojas atitinka mūsų siekiamą vertybinę elgseną. DI man atsakė: aš esu tik paprastas dirbtinis intelektas ir negaliu vertinti žmogaus, bet jei paklaustum, kaip jų elgsena atitinka vertybinę sistemą, galėčiau atsakyti (juokiasi). Reiškia, net pačiam DI yra integruoti saugikliai, kurie užtikrina atitiktį EU reglamentams. Pasitelkiame itin patikimus partnerius, turime sutartis su „Google“, „Microsoft“, kurie užtikrina, kad duomenys nepaliks ES, nebus naudojami kitų modelių apmokymams, bei bus tvarkomi pagal BDAR reikalavimus. 

GIEDRIUS: Aš pats esu susidūręs su žmonių pasipriešinimu DI, net ne generatyviniam, o konkrečiai šnekos atpažinimui.Žmonės supranta, kad DI sprendimas padaro jų darbą ir jiems reikės arba pasikeisti, arba jų profesija mirs kaip dinozaurai. Ir statistikos duomenys rodo, kad per ateinančius penkerius metus DI technologijos užims apie 30 proc. darbo vietų, susijusių su duomenų analize ir valdymu. Ar nejaučiate vidinio pasipriešinimo DI organizacijose? Ar žmonės nejaučia nerimo?

AUDRIAUS: DI tavęs nepakeis, bet pakeis kolegą, kuris nenaudoja DI (šypsosi). Šita mintis puikiai atspindi technologijų svarbą: naudodamas DI tampi svarbesnis ir reikšmingesnis, nes gebi dirbti efektyviau ir geriau. Prisitaikyti ir išmokti naudotis DI reikės, o laimės būtent tie, kurie gebės tai padaryti.

GIEDRIUS: Na, ir baigdami pokalbį pasvarstykime apie ateitį. Žiūrint į tai, kaip generatyvinis DI vystėsi, matome, kad per pastaruosius ketverius metus buvo nušuoliuoti šviesmečiai į priekį. Kai kurie ekspertai svarsto, kad jau 2027 m. galime turėti AGI – dirbtinį bendrąjį intelektą, kuris geba mokytis ir atlikti užduotis taip pat gerai kaip žmogus arba net geriau. Skirtingai nuo dabartinių siaurojo dirbtinio intelekto (DI) sistemų, kurios specializuojasi vienoje srityje, pavyzdžiui, kalbos atpažinime arba vaizdų atpažinime, AGI turėtų gebėti spręsti bet kokias kognityvines užduotis, panašias į tas, kurias gali atlikti žmogaus smegenys. Žinoma, yra ir ekspertų, manančių, kad tam prireiks 10, 20 ar net 50 metų ARBA tai neįvyks niekada. Bet pasvarstykime hipotetiškai: jei po kelerių metų gauname AGI – kas keičiasi versle? Kur jį naudojame labiausiai?

AUDRIAUS: Man asmeniškai patinka australų mokslininko Dr. Alan D. Thompson dirbtinio bendrojo intelekto apibrėžimas: tai mašina, kuri sugeba veikti kaip vidutinis žmogus. Vidutinis žmogus šiuo metu yra trisdešimties metų indė. Jo vertinimu, mes šiuo metu esame pasiekę 81 proc. AGI. Prieš metus šis rodiklis siekė 55 proc. Taigi per 12 mėnesių pakilome 26 procentiniais punktais. Jei vystymosi tempai liks tokie patys, AGI pasieksime per kelerius metus. Jei tai atsitiks ir ši technologija bus pigesnė nei žmogiškoji darbo jėga, manau, kad pasitvirtins 2024 sausį Sam Altaman, OpenAI CEO, išsakyta prognozė, kad turėsime vienaragį, kuriame dirba tik vienas žmogus. Tai labai didelis visuomenės pokytis, jis gali būti ir labai teigiamas, ir labai neigiamas.