Uzņēmumu “Tilde” un “SBA Group” mākslīgā intelekta ekspertu saruna par MI faktisko lietojumu ražošanā un viņu nākotnes paredzējumiem

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 vispārīgu, neģeneratīvu mākslīgo intelektu, ko agrāk sauca par mašīnmācīšanos, un automātiskajiem risinājumiem, tad mēs vienmēr esam tos plaši izmantojuši. Bet mēs nekoncentrējāmies uz kādu konkrētu mākslīgā intelekta jomu; automātiskie risinājumi radās dabiski, cenšoties sasniegt efektivitāti ražošanas procesos un darbinieku ergonomikā. Nesen viens no “SBA Group” uzņēmumiem — “Inno Line” — saņēma apbalvojumu intelekta nozares konkursā par dažādu tehnisko risinājumu lietojumu, kas iekļāva atsevišķas tradicionālā MI daļas. Šie risinājumi tiek izmantoti iekšējai loģistikai, attēlos balstītas produktu kvalitātes novērtēšanai un ražošanas plānošanai. Šāds MI lietojums mūsu uzņēmumu grupā attīstās ļoti dabiski, bet šobrīd mans galvenais uzdevums ir atrast veidus, kā nodarbināt ģeneratīvo mākslīgo intelektu, tas ir, asistentus un valodas modeļus. “SBA Group” pamatvērtība ir būt inovāciju līderim, tādēļ, tiklīdz tirgū radās interese par ģeneratīvo MI, valde piešķīra budžetu un nolika mūs uz paraugprakšu izpētes ceļa. Tā nu mēs pētām, meklējam un piesaistām lielos partnerus, lai atrastu labākos veidus, kā izmantot visas ģeneratīvā MI iespējas. Manuprāt, uzņēmumi, kas pirmie apgūs ģeneratīvo MI, iegūs visvairāk.”

GIEDRUS: “Tā ir — visā pasaulē arvien populārāka kļūst pieeja, ka ir atsevišķs darbinieks vai pat vesela uzņēmuma komanda, kas atbild par MI risinājumu izvietošanu un attīstību, bet uzņēmumi bieži nezina, kādu cilvēku pieņemt darbā vai kam piešķirt šos pienākumus. Kāda ir jūsu personīgā pieredze, kā jūs nonācāt līdz atsevišķam ar MI saistītam amatam un kāda bija jūsu līdzšinējā darba pieredze?”

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.”

GIEDRUS: “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 ražotnē ir apmēram 60 ražošanas procesu punkti, kurus pārrauga MI kameras, kas fiksē un nosaka kļūmes, piemēram, dažādas nekonsekvences vai nepielīdzinātas atveres, un pēc tam klasificē un nodala defektīvos produktus no kvalitatīvās partijas. Šī risinājuma nodrošinātos labumus ir viegli aprēķināt, jo tie ir pilnīgi taustāmi — cik daudz bojāto produktu nenonāk līdz klientam. Un, ja izņem tos no darbplūsmas, nerodas zaudējumi, jo klientam tiek piegādāti tikai augstvērtīgi produkti. Mēs sākām izmantot MI risinājumus arī tādēļ, lai paredzētu, kad kādas iekārtas nolietosies un pārtrauks darboties. Šādi mēs varam paredzēt neplānotu dīkstāvi un pārvērst to par plānotiem apkopes darbiem, izvairoties no sasteigtiem negaidītas problēmas risinājumiem. Tas ļauj palielināt ražošanas plūsmas efektivitāti. Protams, ir daudz grūtāk aprēķināt šāda risinājuma atdevi, jo MI paredzētā iekārtas sabojāšanās var arī vispār nenotikt.”

GIEDRUS: “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.”  

GIEDRUS: “Parunāsim par vēl vienu MI lietojuma jomu: stratēģiju, pārvaldību un lēmumu pieņemšanu. Tiek paredzēts, ka nākamajos 10 gados MI mainīs daudzu uzņēmumu pārvaldības struktūru, lielāku uzsvaru liekot uz “mācīšanās organizāciju” attīstību, kur lēmumus arvien biežāk pieņem MI. Vai uzskatāt, ka nākotnē varam sagaidīt to, ka vadītāji pilnībā paļausies uz MI modeļiem biznesa stratēģiju veidošanā? Vai vēl arvien būs nepieciešams “cilvēciskais 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.” 

GIEDRUS: “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.” 

GIEDRUS: “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, ar risinājumu, kas no ražošanas plūsmas izņem defektīvās daļas, jā, mērķis ir ļaut MI darboties bez cilvēka iejaukšanās, ja tests pierāda, ka 99% darba tiek padarīts pareizi. Attiecībā uz uzņēmējdarbības risinājumiem — pat ES likumi atsevišķos gadījumos neatļauj MI pieņemt lēmumus, jo tiem ir nepieciešama arī cilvēka iesaistīšanās. Domāju, ka cilvēks vienmēr būs iesaistīts lēmumu pieņemšanā; lai gan MI nodrošina ātrumu un efektivitāti, reāla persona ir tā, kurai būs jāpieņem gala lēmums.” 

GIEDRUS: “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 pārrauga uzņēmējdarbības risku nodaļu, kas cieši sadarbojas ar manu MI nodaļu. Mēs konsultējam viņus bez jebkādām ierunām. Visiem MI eksperimentiem izmantojam pilnībā anonīmus datus. Piemēram, viens no mūsu trakajiem eksperimentiem bija pētīt darbinieku mērķus: mēs gribējām uzzināt, vai darbinieku personīgie mērķi saskan ar mūsu uzņēmuma mērķiem, kā mūsu darbinieki saprot mūsu uzņēmumu grupas vērtības un vai viņi pie tām pieturas savā darbā. Es jautāju MI, cik lielā mērā noteiktu darbinieku rīcība atbilst mūsu uzņēmuma vērtībām. MI man atbildēja šādi: “Es esmu tikai vienkāršs mākslīgais intelekts un nevaru novērtēt cilvēku, bet, ja jautājat par to, kā viņu rīcība iederas vērtību sistēmā, es varu atbildēt.” (Smiekli.) Tas nozīmē, ka pat MI pašā ir iebūvēti drošinātāji, kas gādā par atbilstību ES regulām. Mēs izmantojam ļoti uzticamus partnerus, un mums ir līgumi ar Google un Microsoft par to, ka dati nepamet ES, netiks izmantoti citiem apmācību modeļiem un tiks pārvaldīti saskaņā ar VDAR prasībām.” 

GIEDRUS: “Es pats esmu saskāries ar cilvēku pretošanos MI, turklāt pat ne ģeneratīvajam MI, bet konkrēti runas atpazīšanai.Cilvēki saprot, ka MI lēmumi pārņems viņu darbu, un viņiem ir vai nu jāmainās, vai jāizmirst kā dinozauriem. Turklāt statistika rāda, ka nākamajos piecos gados MI pārņems aptuveni 30% darbu, kas saistīti ar datu analīzi un pārvaldību. Vai savā organizācijā jūtat iekšēju pretestību pret MI? Vai cilvēki raizējas?”

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.”

GIEDRUS: “Noslēgumā parunāsim par nākotni. Skatoties uz to, kā ir attīstījies ģeneratīvais MI, mēs redzam, ka pēdējo četru gadu laikā tas ir ārkārtīgi progresējis. Daži eksperti uzskata, ka līdz 2027. gadam mums varētu būt MVI — mākslīgais vispārīgais intelekts, kas spēs mācīties un veikt uzdevumus tikpat labi kā cilvēks vai pat labāk. Atšķirībā no pašreizējām šaurajām mākslīgā intelekta (MI) sistēmām, kas specializējas vienā jomā, piemēram, runas atpazīšanā vai attēlu atpazīšanā, tam būtu jāspēj tikt galā ar jebkuru kognitīvu uzdevumu, kas ir līdzīgi tiem, ar ko tiek galā cilvēka smadzenes. Protams, ir eksperti, kas turpina apgalvot, ka tas prasīs 10, 20 vai pat 50 gadu vai nenotiks nekad. Bet spriedīsim hipotētiski — ja pēc pāris gadiem jau iegūstam MVI, kādas izmaiņas jūs iztēlotos uzņēmējdarbībā? Kur mēs to izmantotu 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.”