Saruna starp diviem mākslīgā intelekta ekspertiem, kuri ikdienā lasa par MI un izstrādā reālus uzņēmējdarbības risinājumus. Valodu tehnoloģiju uzņēmuma “Tilde” tehnoloģiju nodaļas vadītājs Giedrus Karausks (Giedrius Karauskas) sarunājas ar “SBA Group” aktivitāšu datu pārvaldības vadītāju Audru Patalausku (Audrius Patalauskas) par MI faktisko lietojumu un tā izaicinājumiem, kā darbinieki pieņem MI un kā vadītāji reaģē uz MI radīto saturu.
GIEDRUS KARAUSKS, "Tilde": “Mēs daudz runājam par MI, bet pilnībā neizprotam, ka uzņēmumi jau ir sākuši meklēt MI risinājumus, lai uzlabotu savu darbību. “SBA” ir liela, spēcīga uzņēmumu grupa, kas darbojas dažādos sektoros: ražošana, nekustamie īpašumi, celtniecība un investīciju pārvaldība. Pastāstiet, kā jūs uzsākāt iekšējās diskusijas par MI iespējām? Kas to rosināja?”
AUDRUS PATALAUSKS, “SBA Group”: Ja runājam par ģenērisko, neģeneratīvo mākslīgo intelektu, ko agrāk sauca par mašīnmācīšanos, automatizācijas risinājumiem – mēs vienmēr tos lielā mērā esam izmantojuši. Taču uzmanība netika pievērsta nevienai mākslīgā intelekta sadaļai; automatizācijas risinājumi dabiski dzima ražošanas procesu un darbinieku ergonomikas efektivitātes meklējumos. Nesen viens SBA grupas uzņēmums Inno Line ieguva balvu inteliģentās industrijas konkursā par dažādu tehnisko risinājumu izmantošanu, kas ietvēra dažas tradicionālās AI pēdas. Šie risinājumi tika piemēroti iekšējai loģistikai, uz attēliem balstītai produktu kvalitātes novērtēšanai un ražošanas plānošanai. Šādi AI pielietojumi mūsu uzņēmumu grupā attīstās ļoti holistiski, bet tagad mans galvenais uzdevums ir atrast veidus, kā nodarbināt ģeneratīvo mākslīgo intelektu, t.i., asistentus un valodas modeļus. SBA grupas pamatvērtība ir vadošā loma inovāciju jomā, tāpēc, tiklīdz tirgus sāka kņudēt par paaudžu AI, Padome piešķīra budžetu un deva mums iespēju izpētīt labāko praksi. Tāpēc mēs pētām, meklējam un vervējam lielos partnerus, lai atrastu labākos veidus, kā gūt maksimālu labumu no vispārējās AI. Manuprāt, vislielāko atdevi gūs tie uzņēmumi, kas būs pirmie, kas meistaros ģeneratīvo AI.
ĢIEDRUS: Tieši tā, prakse, ka uzņēmumā ir īpaša persona vai pat visa komanda AI risinājumu izvietošanai un izstrādei, kļūst arvien populārāka pasaulē, bet uzņēmums bieži vien nezina, kuru personu pieņemt darbā vai iecelt amatā. Kāda ir jūsu personiskā pieredze, kā jūs nonācāt ar MI saistītā amatā un kāds bija jūsu darba virziens pirms tam?
AUDRUS: “Man šķiet, ka lielākā daļa cilvēku līdz darbam ar MI ir nonākuši tāpat kā es. Mana galvenā nodarbošanās ir datu pārvaldība un analīze, un MI patīk sakārtoti dati, jo tas, ko tu iedod mākslīgajam intelektam, ir tas, ko tu saņem atpakaļ. Tādēļ, manuprāt, ir diezgan tipiski, ka datu analītiķi pievēršas MI ieviešanai un attīstībai.”
ĢIEDRUS: “Es gribētu atgriezties pie mašīnmācīšanās metodēm — gan neironu tīkliem, gan vienkāršākām metodēm. Jūs teicāt, ka jums uzņēmumā jau bija izveidoti daudzi automatizētie risinājumi. Varbūt varat pastāstīt par veiksmīgākajiem, kas tiešām ievērojami ietekmēja efektivitāti un līdzekļu ietaupījumu? Ja tas nav noslēpums.”
AUDRUS: Tas noteikti nav noslēpums – iespējams, labākais piemērs ir produktu kvalitātes kontroles sistēma, kas izmanto videokameras. Mūsu rūpnīcai ir aptuveni 60 punkti ražošanas procesos, kurus uzrauga AI kameras, kas uztver un atklāj defektus, piemēram, dažādas neatbilstības un nepareizi salāgotus caurumus, un pēc tam klasificē un atdala bojātos produktus no labas partijas. Ir ļoti viegli aprēķināt šī risinājuma priekšrocības, jo tas ir pilnīgi taustāms: cik bojātu produktu nesasniedza klientu. Noņemot tos no darbplūsmas, nerodas zaudējumi, jo klientam tiek piegādāti tikai augstas kvalitātes vienumi. Mēs arī sākam izmantot AI risinājumus, lai prognozētu, kad noteiktas iekārtas var nolietoties un sabrukt. Šādā veidā mēs varam paredzēt neplānotu dīkstāvi un pārvērst to plānotā apkopē, izvairoties no steidzamiem neparedzētas problēmas risinājumiem. Tas ļauj palielināt ražošanas plūsmas efektivitāti. Protams, ir grūtāk novērtēt šāda risinājuma atdevi, jo mākslīgā intelekta prognozētais sadalījums, iespējams, vispār nebūtu noticis.
ĢIEDRUS: “Saskaņā ar “McKinsey” pētījumu uzņēmumi, kas izmanto MI risinājumus, pirmajā gadā novēro darbības izmaksu samazinājumu par 25%. Vai uzskatāt, ka pilnīga MI integrācija ļautu sasniegt šādus rezultātus jūsu darbā? Vai esat pesimists vai optimists attiecībā uz MI?”
AUDRUS: “Domāju, ka “McKinsey” šim pētījumam ir izvēlējušies selektīvu pieeju. Pirmajā gadā es prognozētu 25% ietaupījumu, ģeneratīvo MI izmantojot tikai uzņēmumos ar zvanu centriem. Šādos uzņēmumos MI var automatizēt ievērojamu darbplūsmas daļu. “SBA Group” plāns ir palielināt efektivitāti, šodien saražojot vairāk nekā vakar, un MI palīdz mums pieņemt lēmumus un skaidrāk tos komunicēt, lai gan tas nelīdzinās tradicionālajām izmaksu ietaupījumu metodēm. Turklāt ģeneratīvajam MI ir savas papildu izmaksas. 2024. gada jūnijā “Goldmans Sachs” nāca klajā ar datiem, kas ir daudz konservatīvāki par “McKinsey” sniegtajiem. Viņi ziņoja, ka nākamo 10 gadu laikā tiek prognozēts tikai 0,5% produktivitātes pieaugums un 1% IKP pieaugums. Pirms gada šī pati banka prognozēja attiecīgi 9% un 6,1% pieauguma rādītāju. Tomēr es vēl arvien esmu optimists attiecībā uz šo tehnoloģiju — ātrums, kādā tā attīstās, ir neticams.”
ĢIEDRUS: Runāsim par citu AI lietojumprogrammas līmeni: stratēģiju, pārvaldību un lēmumu pieņemšanu. Paredzams, ka nākamo 10 gadu laikā MI mainīs daudzu uzņēmumu korporatīvās pārvaldības struktūru, arvien vairāk koncentrējoties uz “mācību organizāciju” attīstību, kurās lēmumus arvien vairāk pieņem MI. Vai jūs domājat, ka nākotnē mēs varam sagaidīt, ka vadītāji pilnībā paļausies uz AI modeļiem, lai veidotu biznesa stratēģijas? Vai jums joprojām būs nepieciešams “cilvēka faktors”?
AUDRUS: “Mūsu grupā ģeneratīvā MI joma attīstās visai īpatnēji. Man pašam ir konservatīvs viedoklis. Man bija nojauta, ka komandai un klientiem nepatiks risinājums un viņi to noraidīs, ja viņiem pateiksim, ka risinājuma izveidē bija iesaistīts MI. Tomēr tā nenotika — pirms mēneša mēs veicām eksperimentu, miniatūru hakatonu, kurā “SBA Group” organizācijas attīstības vadītājs strādāja kopā ar MI asistentu, lai sagatavotu materiālu atsevišķu uzņēmējdarbības virzienu stratēģijai. Mēs iedevām MI asistentam kritērijus un lūdzām tos novērtēt, kā arī sniegt ieskatus un ieteikumus. Protams, visos gadījumos mēs lūdzām MI norādīt avotus, no kuriem tas ieguva materiālus, lai izvairītos no halucinācijām. Mēs ģenerējām daudz vērtīga satura, un, tā kā tas tika sagatavots atbilstošā, loģiskā veidā, pārējie kolēģi to novērtēja pozitīvi, un līdz lēmumu pieņemšanai diskusija turpinājās, balstoties uz šo saturu. Man šķiet, ka mēs ietaupījām daudz laika. Šis piemērs demonstrē, ka cilvēki pozitīvi novērtē MI iesaisti lēmumu pieņemšanā. Tā ir tiesa, ka pastāv MI kļūdas, tā sauktās halucinācijas, tādēļ ir nepieciešama cilvēku iesaistīšanās.”
ĢIEDRUS: “Kurš bija tas brīdis, kad cilvēki sāka uzticēties MI?”
AUDRUS: “Labs jautājums. Manuprāt, tas notika, kad to kļuva ērti lietot, kad tas pārkāpa kvalitātes slieksnim un kad ģeneratīvais MI pārtrauca runāt muļķības. Ir vairāki testi, kas novērtē lielo valodas modeļu (large language model, LLM) spējas, un testi apliecina, ka LLM jau sen ir mūs pārspējuši standarta intelektuālo prasmju ziņā.”
ĢIEDRUS: “Jā, es pilnībā piekrītu, ka uzticība tika iegūta, kad mēs pārkāpām latiņai “gana labs”.Savā praksē mēs novērtējam atsevišķu MI balstītu sistēmu kvalitāti, veicot daudzus testus. Piemēram, kad testējam mašīntulkojumus, mums ir metrika, ko izmantojam testa datu kopā, un mēs novērtējam balss atpazīšanu atkarībā no kļūdu proporcijas(vārdu kļūdu skaita),tas ir, cik daudz kļūdu MI pieļauj vārdu atpazīšanā. Kad runājam ar klientiem, vienmēr ir jautājums par to, vai MI ir gana labs un vai tas spēj nodrošināt apmierinošu atbildi. Tāpēc varu tikai piekrist, ka cilvēki sāka paļauties uz šādām sistēmām, kad viņi redzēja, ka tās ir gana labas. Tomēr man ir papildjautājums — jūs minējāt, ka jūs un jūsu kolēģi pārbaudījāt visus informācijas avotus, ko MI norādīja šajā mini hakatonā. Bet vai savos automātiskajos risinājumos, kas nodrošina 90% precizitāti, jūs ļaujat mākslīgajam intelektam darboties neatkarīgi bez cilvēka uzraudzības?”
AUDRUS: Piemēram, risinājuma gadījumā, kas noņem bojātās daļas no ražošanas plūsmas, jā, mērķis ir ļaut tai darboties bez cilvēka, ja tests pierāda, ka 99% no darba tiek veikts pareizi. Attiecībā uz uzņēmējdarbības risinājumiem pat ES tiesību akti dažos gadījumos neļauj MI pieņemt lēmumus, jo ir vajadzīgs zināms cilvēku ieguldījums. ES domāju, ka cilvēks vienmēr būs iesaistīts lēmumu pieņemšanā; lai gan mākslīgais intelekts nodrošina ātrumu un efektivitāti, reālam cilvēkam tas būs jāpabeidz.
ĢIEDRUS: “Jā, es pilnībā piekrītu, ka cilvēkiem ir jābūt informētiem, ja noteiktas sistēmas pamatā ir MI vai ja lēmumi ir jāpārskata. Līdzīga tēma ir VDAR (Vispārīgā datu aizsardzības regula): kā jūsu uzņēmumi rīkojas attiecībā uz to, jo tirgū dzirdami dažādi stāsti — daži aizliedz visu, savukārt citi atļauj visu. Kāda ir jūsu nostāja attiecībā uz VDAR ieviešanu, kad eksperimentējat ar MI?”
AUDRUS: VDAR ieviešanu mūsu organizācijā uzrauga Uzņēmējdarbības risku nodaļa, kas uztur ciešas attiecības ar manu AI nodaļu. Mēs ar viņiem konsultējamies bez jebkādām atrunām. Mēs izmantojam pilnīgi anonīmus datus visiem AI eksperimentiem. Piemēram, viens no mūsu trakajiem eksperimentiem bija pētīt darbinieku mērķus: mēs vēlējāmies zināt, vai darbinieku personīgie mērķi sakrīt ar mūsu uzņēmuma mērķiem, kā mūsu darbinieki saprot mūsu uzņēmumu grupas vērtības un vai viņi ievēro tās savā darbā. ES jautāju AI, kā konkrēta darbinieka uzvedība atbilst mūsu uzņēmuma vērtībām. AI man atbildēja: Es vienkārši esmu mākslīgais intelekts un nevaru novērtēt cilvēku, bet, ja jūs jautājat, kā viņu uzvedība iekļaujas vērtību sistēmā, es varu atbildēt (smejoties). Tas nozīmē, ka pat AI ir integrēti drošinātāji, kas nodrošina atbilstību ES noteikumiem. Mēs izmantojam ļoti uzticamus partnerus, un mums ir līgumi ar Google un Microsoft, kas nodrošina, ka dati netiks izvesti no ES, netiks izmantoti citiem apmācības modeļiem un tiks pārvaldīti saskaņā ar VDAR prasībām.
ĢIEDRUS: “Es pats esmu saskāries ar cilvēku pretošanos MI, turklāt pat ne ģeneratīvajam MI, bet konkrēti runas atpazīšanai.. Cilvēki saprot, ka AI lēmumi pārņems viņu darbu, un viņiem vai nu jāmainās, vai jāizmirst kā dinozauriem. Un statistika liecina, ka tuvāko piecu gadu laikā AI pārņems ap 30% no darba vietām, kas saistītas ar datu analīzi un pārvaldību. Vai savās organizācijās jūtat iekšēju pretestību AI? Vai cilvēki jūtas satraukti?
AUDRUS: “MI jūs neaizstās, bet tas aizstās to kolēģi, kurš neizmanto MI. (Smaida.) Šī ideja lieliski atspoguļo tehnoloģiju svarīgumu — MI izmantošana padara jūs svarīgāku un nozīmīgāku, jo varat strādāt efektīvāk un labāk. Būs svarīgi pielāgoties un iemācīties lietot MI, un tie, kam tas izdosies, gūs panākumus.”
ĢIEDRUS: Apskatīsim nākotni. Spriežot pēc tā, kā ir attīstījies ģeneratīvais MI, mēs redzam, ka pēdējo četru gadu laikā tas ir virzījis gaismas gadus uz priekšu. Daži eksperti uzskata, ka līdz 2027. gadam mums varētu būt AGI; mākslīgs vispārējs intelekts, kas spēj mācīties un veikt uzdevumus, kā arī cilvēks vai pat labāk. Atšķirībā no pašreizējām šaurajām mākslīgā intelekta (GIP) sistēmām, kas specializējas vienā jomā, piemēram, runas atpazīšanā vai attēla atpazīšanā, tai būtu jāspēj veikt jebkādus kognitīvus uzdevumus, kas ir līdzīgi tiem, kurus var veikt cilvēka smadzenes. Protams, ir eksperti, kuri apgalvo, ka tas prasīs 10, 20 vai pat 50 gadus vai pat ka tas nekad nenotiks. Bet pieņemsim, ka hipotētiski: ja mēs pēc dažiem gadiem saņemsim AGI, kādas izmaiņas jūs plānojat biznesā? Kur mēs to izmantojam visvairāk?
AUDRUS: “Man personīgi patīk vispārīga mākslīgā intelekta definīcija, ko izveidoja austrāliešu zinātnieks doktors Alans D. Tompsons (Alan D. Thompson) — tā ir mašīna, kas ir spējīga darboties vidusmēra cilvēka līmenī. Vidusmēra cilvēks šobrīd ir trīsdesmitgadīga indiešu sieviete. Viņš lēš, ka tagad esam sasnieguši 81% no MVI. Pirms gada šis rādītājs bija 55%. Tātad pēdējo 12 mēnešu laikā esam palielinājuši to par 26 punktiem. Ja attīstības temps nemainīsies, mēs to sasniegsim pāris gadu laikā. Ja tā notiks un šī tehnoloģija būs lētāka par cilvēka darbu, domāju, ka “OpenAI” izpilddirektora Sema Oltmena (Sam Altman) 2024. gada janvārī izteiktā prognoze, ka mums būs vienas personas vienradzis, kļūs par realitāti. Šīs ir ļoti nozīmīgas pārmaiņas sabiedrībā, un tās var būt gan ļoti pozitīvas, gan ļoti negatīvas.”
Vai vēlaties ieviest MI arī savā organizācijā?
Tildes jaunumi
