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 bendrą, ne generatyvinį dirbtinį intelektą, kuris anksčiau buvo vadinamas mašininiu mokymusi, automatizavimo sprendimais, būtent šitos krypties pas mus visada buvo daug. Bet nebuvo sufokusuota į jokį dirbtinio intelekto skyrių, automatizacijos sprendimai natūraliai gimdavo ieškant efektyvumo gamybos procesuosej, darbuotojų ergonomijoje. Visai neseniai SBA grupės įmonė „Inno Line“ laimėjo sumanios pramonės konkurso apdovanojimą už visos puokštės techninių sprendimų, tarp kurių buvo ir klasikinio DI prieskonių, naudojimą. Tai sprendimai, apimantys ir įmonės vidinę logistiką, produkcijos kokybės atpažinimą iš vaizdo, gamybos planų sudarymą. Ši DI panaudojimo dalis mūsų įmonių grupėje vystosi labai holistiškai, bet dabar mano pagrindinis uždavinys yra rasti, kaip įdarbinti būtent generatyvinį dirbtinį intelektą, tai yra asistentus, kalbos modelius. SBA grupės kertinė vertybė yra atradimų lyderystė, todėl vos rinkoje prasidėjus bruzdesiui dėl generatyvinio DI, valdyba skyrė biudžeto ir sako – eikit tyrinėkit, ieškokit geriausių praktikų. Tad ir tyrinėjam, ieškom, įdarbinam didelius partnerius, kurie padeda rasti, kaip geriausiai generatyvinis DI gali padėti mums gauti naudos. Manau, kad tos įmonės, kurios pirmos įsisavina generatyvinį DI, gaus didžiausią grąžą.
GIEDRIUS: Teisingai, praktika turėti pasiaukojusį asmenį ar net visą komandą įmonėje PG sprendimams diegti ir tobulinti tampa vis populiaresnė pasaulyje, tačiau įmonė dažnai nežino, kurį asmenį įdarbinti ar paskirti. Kokia jūsų asmeninė patirtis, kaip atsidūrėte su PG susijusiose pareigose ir kokia buvo jūsų darbo kryptis prieš tai?
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: tai tikrai nėra paslaptis – galbūt geriausias pavyzdys yra produkto kokybės kontrolės sistema, kurioje naudojamos vaizdo kameros. Mūsų gamykloje yra apie 60 taškų gamybos procesų, kuriuos prižiūri AI kameros, fiksuojančios ir aptinkančios gedimus, pvz., įvairius neatitikimus ir nelygiuotas skyles, tada klasifikuojančios ir atskiriančios defektus turinčius produktus nuo geros partijos. Labai lengva apskaičiuoti šio sprendimo naudą, nes jis visiškai apčiuopiamas: kiek netinkamų produktų nepasiekė kliento. Kai pašalinate juos iš darbo eigos, nepatiriate nuostolių, nes klientui pristatomi tik aukštos kokybės elementai. Mes taip pat pradedame naudoti AI sprendimus, kad nuspėtume, kada tam tikros mašinos gali nusidėvėti ir sugesti. Tokiu būdu galime numatyti neplanuotą prastovą ir paversti ją planine priežiūra, vengiant skubių nenumatytos problemos sprendimų. Tai leidžia padidinti gamybos srautų efektyvumą. Žinoma, sunkiau įvertinti tokio sprendimo grąžą, nes PG prognozuojamas suskirstymas visų pirma galėjo 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: Pakalbėkime apie kitą PG taikymo pakopą: strategiją, valdymą ir sprendimų priėmimą. Tikimasi, kad per ateinančius 10 metų PG pakeis daugelio bendrovių valdymo struktūrą, vis daugiau dėmesio skirdama „mokymosi organizacijų“, kuriose sprendimus vis dažniau priima PG, plėtrai. Ar manote, kad ateityje galime tikėtis, jog vadovai visiškai pasikliaus PG modeliais kurdami verslo strategijas? Ar tau vis tiek reikės „žmogiškojo veiksnio“?
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: Pavyzdžiui, sprendimo, kuriuo iš gamybos srauto pašalinamos sugedusios dalys, atveju taip, tikslas yra leisti jam veikti be žmogaus, jei bandymas įrodo, kad 99% darbai atlikti teisingai. Kalbant apie verslo sprendimus, netgi ES teisės aktai kai kuriais atvejais neleidžia PG priimti sprendimų, nes tam tikru mastu reikia žmogiškojo indėlio. Manau, kad žmogus visada dalyvaus priimant sprendimus; nors PG užtikrina greitį ir veiksmingumą, tikrasis žmogus turės tai užbaigti.
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 rizikos departamentas, kuris palaiko glaudžius ryšius su mano PG departamentu. Mes su jais konsultuojamės be jokių išlygų. Visiems PG eksperimentams naudojame visiškai anoniminius duomenis. Pavyzdžiui, vienas iš mūsų beprotiškų eksperimentų buvo darbuotojų tikslų tyrinėjimas: norėjome sužinoti, ar darbuotojų asmeniniai tikslai atitinka mūsų įmonės tikslus, kaip mūsų darbuotojai supranta mūsų įmonių grupės vertybes ir ar jie laikosi jų darbe. Klausiau AI, kaip tam tikro darbuotojo elgesys atitinka mūsų kompanijos vertybes. AI atsakė: aš tiesiog dirbtinis intelektas ir negaliu įvertinti žmogaus, bet jei paklaustumėte, kaip jų elgesys dera prie vertybių sistemos, galėčiau atsakyti (juoktis). Tai reiškia, kad net pati PG turi integruotus saugiklius, užtikrinančius atitiktį ES teisės aktams. Mes naudojame labai patikimus partnerius ir sudarome sutartis su „Google“ ir „Microsoft“, kurios užtikrina, kad duomenys neišeis iš ES, nebus naudojami kitiems mokymo modeliams ir bus valdomi pagal BDPR 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: Pagaliau apsvarstykime ateitį. Sprendžiant iš generacinės PG raidos, matome, kad per pastaruosius ketverius metus ji pastūmėjo į priekį šviesmečius. Kai kurie ekspertai mano, kad iki 2027 m. galėtume turėti AGI; dirbtinį generinį intelektą, kuris galėtų išmokti ir atlikti užduotis, taip pat žmogų ar net geresnį. Priešingai nei dabartinės siauros dirbtinio intelekto (DI) sistemos, kurios specializuojasi vienoje srityje, pvz., kalbos ar vaizdo atpažinimo, ji turėtų sugebėti atlikti visas kognityvines užduotis, panašias į tas, kurias gali atlikti žmogaus smegenys. Be abejo, yra ekspertų, kurie teigia, kad tai užtruks 10, 20 ar net 50 metų arba kad to niekada neįvyks. Bet pagalvokime hipotetiškai: jei po kelerių metų gautume AGI, kokius pokyčius įsivaizduotumėte versle? Kur mes jį daugiausia naudojame?
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.
Įdomu, kaip jūsų organizacijoje įdiegti DI?
Kas naujo įmonėje „Tilde“
