Sztuczna inteligencja w biznesie. Wyzwania i możliwości

Przeczytaj także: Czwarta rewolucja przemysłowa. Jeszcze nie jesteśmy gotowi

Amerykanie prognozują, że do 2020 roku elementy AI znajdą się w niemal każdym pojawiającym się na rynku oprogramowaniu. Sztuczna inteligencja ma być również wykorzystywana w 85% interakcji na linii konsument - klient. Według szacunków IDC, już w 2021 roku globalny rynek AI i systemów kognitywnych osiągnie wartość 57,6 miliardów dolarów. O krok dalej idą eksperci Tractica, którzy uważają, że światowy rynek usług związanych z wykorzystaniem sztucznej inteligencji wykona jeszcze większy skok - z 10,1 miliarda dolarów w 2017 roku do 188,3 miliarda dolarów do 2025 roku.

Tak czy inaczej nowa rewolucja przemysłowa rozgrywa się na naszych oczach. Czy jednak jesteśmy na nią przygotowani? Czy osiągnęliśmy już gotowość na wdrożenie rozwiązań sztucznej inteligencji? Co pozwala osiągnąć wartość biznesową z AI?

AI - przekształcanie danych w inteligencję

Trzecia rewolucja przemysłowa sprawiła, że dziś żyjemy w epoce informacji, w której każdego dnia generowane są gigantyczne ilości danych. Szacuje się, że 90% z obecnie dostępnych danych cyfrowych zostało stworzonych w przeciągu ostatnich 2 lat. Ile ich jest? – światowy ,,licznik” na koniec 2016 roku pokazywał 16ZB (zettabajtów). Podstawowe pytanie jakie pojawiło się przed biznesem ,,co zrobimy z tymi wszystkimi informacjami”, dzięki postępowi technologicznemu szybko znalazło odpowiedź. Wzrost ilości danych w połączeniu ze spadkiem kosztów ich przechowywania i przetwarzania spowodował rozwój sztucznej inteligencji. Dziś w dużej mierze jest ona wykorzystywana w biznesie w postaci algorytmów uczenia maszynowego (machine learning), które pozwalają te niestrukturalne dane przetwarzać, analizować i w konsekwencji zamieniać na informacje i wiedzę. Mimo, że historia machine learning sięga lat 50, to właśnie teraz zyskuje na znaczeniu i znajduje zastosowanie w kolejnych branżach. IDC prognozuje, że w 2020 r. wydatki firm związane z wdrożeniem machine learning i sztucznej inteligencji wyniosą aż 47 miliardów USD. Możliwość analizowania i w konsekwencji wyciągania wniosków ze zgromadzonych danych to dziś dla firm jedna z największych szans na uzyskanie przewagi konkurencyjnej.

Machine Learning polega na samodzielnym uczeniu się maszyn na podstawie analizy dostarczanych im danych i znajdowaniu w nich różnych wzorców, aby na ich podstawie podejmować decyzje o podjęciu określonego działania.

- Kluczowe obszary rozwoju AI, których podstawą jest uczenie maszynowe to na pewno technologie rozpoznawania i przetwarzania obrazów oraz języka, wirtualni asystenci, automatyczne pojazdy i roboty. Inwestycje w AI w Polsce, w porównaniu do globalnych liderów w tej dziedzinie czyli USA i Chin, są obecnie niewielkie, ale nasz kraj ma spory potencjał. Dysponujemy bowiem dobrze wykwalifikowanymi programistami, którzy są cenieni w świecie. Jeśli znajdą się środki na odpowiednie inwestycje to mamy szansę jako kraj sporo na tym zyskać – mówi Jędrzej Fulara, CTO w Sparkbit.

Jak sztuczna inteligencja pomaga w biznesie? – przykłady zastosowań

Sztuczna inteligencja zmienia sposób w jaki przedsiębiorstwa wprowadzają innowacje i komunikują swoje produkty i usługi. Już teraz widzimy wiele wdrożeń AI bazujących na algorytmach machine learning czy też jednej z podkategorii uczenia maszynowego - deep learning (to proces, w którym komputer uczy się wykonywania zadań naturalnych dla ludzkiego mózgu, takich jak rozpoznawanie mowy, identyfikowanie obrazów lub tworzenie prognoz).

Motoryzacja, medycyna, HR, IT, finanse, marketing, e-commerce, retail, handel - niemalże w każdej branży AI może pomóc rozwijać biznes. Uczenie maszynowe przetransformowało analitykę, umożliwiając podejmowanie dokładniejszych decyzji biznesowych w oparciu o dane, pozwalając na rozwiązanie wielu problemów, z którymi tradycyjne techniki analityczne albo nie potrafiły sobie poradzić, albo proces dojścia do odpowiedzi zajmował bardzo dużo czasu i był przez to zbyt kosztowny.

- Giganci jak Google, Microsoft, Facebook, Amazon inwestują olbrzymie środki w badania i rozwój związany z wykorzystaniem AI. Warto jednak zdać sobie sprawę, że możliwości jakie daje AI nie są zarezerwowane tylko dla największych. Już dziś z powodzeniem wykorzystywane są algorytmy uczenia maszynowego w wielu dziedzinach biznesu. Mając odpowiednią infrastrukturę oraz zespół ekspertów, którzy potrafi zrealizować takie wdrożenie, możemy z powodzeniem wykorzystywać potencjał AI w naszej firmie. Przykładów można podać wiele. Powstaje coraz więcej startupów, które próbują zdobyć kawałek z tego tortu AI dla siebie. Niewątpliwym sukcesem był tu na pewno polski projekt IVONA, czyli technologii przetwarzającej tekst na mowę, który w 2013 roku kupił Amazon. Sparkbit też może być przykładem tego jak płynnie wejść na drogę z transformacji cyfrowej do rewolucji 4.0. Aby wyeliminować dokumentację papierową i usprawnić cały proces rekrutacji w naszej firmie, stworzyliśmy aplikację Toucan, która pozwala m.in. tworzyć cyfrowe profile kandydatów i automatycznie zapisywać na nich dane oraz zadania zbierane w trakcie rozmowy kwalifikacyjnej w postaci e-notatek za pomocą tabletu, który działa jak e-papier. Aktualnie pracujemy nad dodatkową funkcjonalnością opartą o algorytmy machine learning, która pozwoli odręczne notatki zamieniać na materiały elektroniczne z możliwością wyszukiwania w nich dowolnych treści. AI znajduje zastosowanie nawet w branży modowej. Dobrym przykładem jest tu system sztucznej inteligencji Fashion AI funkcjonujący w sklepach Alibaba w Chinach. To taki multimedialny osobisty stylista, który tylko w jeden dzień zarobił dla tej sieci 25 miliardów dolarów. Jak? Klient jest w sklepie, wybiera bluzę i idzie z nią do przymierzalni. Tam jest duży ekran, który za pomocą wbudowanych sensorów skanuje wybraną rzecz i rekomenduje co do niej dobrać by stworzyć modny i ładny zestaw. Do tego mówi, gdzie w sklepie znaleźć ten produkt – dodaje Jędrzej Fulara ze Sparkbit.

Sztuczna inteligencja w postaci algorytmów maszynowego uczenia ma dziś znaczący wpływ na biznes. Obecnie jest powszechnie wykorzystywana chociażby w marketingu, call center, chatbotach, pozycjonowaniu, targetowaniu, maszynowych tłumaczeniach tekstów (Microsoft poinformował ostatnio, że jego tłumacz oparty o AI osiągnął poziom profesjonalnego ludzkiego tłumacza z języka chińskiego na angielski), planowaniu kampanii reklamowych, sterowaniu ładunkiem w centrach logistycznych, w finansach przy ocenianiu zdolności kredytowej, zgodności z przepisami, zarządzaniem ryzykiem i zapobieganiu nadużyciom, w branży modowej w postaci wirtualnych stylistów i w wielu innych miejscach.
Machine learning znacząco wpływa na nasze życie i czasem nie zdajemy sobie nawet z tego sprawy. W badaniu ARM Northstar „AI today, AI tomorrow” ponad połowa ankietowanych konsumentów wskazała, że nie miała świadomości iż rozwiązania sztucznej inteligencji stosowane są w Facebooku (53%), Netflixie (54%), czy Spotify (58%) . A to właśnie tu AI pomaga tworzyć zindywidualizowane systemy rekomendacji treści, filmów i muzyki dostosowane do preferencji użytkownika. Uczenie maszynowe używane jest do rozpoznawania mowy (Google Now i Siri firmy Apple, Xbox, Skype) czy obrazu. Gdzie jeszcze? Filtry antyspamowe w skrzynkach e-mail, optymalizacja reklam, autokorekta i autopodpowiedzi podczas pisania smsów smartfonem, systemy nawigacyjne (GSP), pozwalające nie tylko na odnalezienie optymalnej drogi, ale również na zaprezentowanie ofert mijanych po drodze obiektów handlowo-usługowych. Mark Zuckerberg w trakcie przesłuchania przed amerykańskim Kongresem mówił o roli sztucznej inteligencji (AI) w ochronie użytkowników Facebooka. Autonomiczne samochody Ubera, testy robotów na lotnisku w Tokio, które mają pomagać podróżnym podczas igrzysk w 2020 roku, Google AI oceniający ryzyko zawału na podstawie zdjęcia siatkówki oka.

W e-marketingu i e-handlu sztuczna inteligencja profiluje klientów na podstawie schematów ich zachowań w wyniku czego otrzymujemy precyzyjne targetowane reklamy i propozycje produktów, które mogą nas interesować. Uczenie maszynowe wykorzystywane też jest do monitorowania rozmów dotyczących produktów i usług w mediach społecznościowych, aby analizować nastroje konsumentów i na tej podstawie tworzyć nowe oferty dostosowane do ich potrzeb.

W handlu i logistyce pomaga ulepszać systemy zamówień i zawczasu eliminować potencjalne problemy. Jak? Chociażby przewidując na podstawie zebranych danych (np. wejść na stronę www, wyszukiwanych fraz kluczowych) większe zapotrzebowanie na dany produkt. Dzięki temu firma może odpowiednio wcześniej zwiększyć produkcję minimalizując ryzyko braku towaru, zaplanować ile ciężarówek będzie potrzebne do jego przewiezienia, a w dłuższej perspektywie umożliwić efektywne spełnienie pojawiających się oczekiwań klientów. Big data i algorytmy uczenia maszynowego umożliwiają lepsze zrozumienie preferencji i potrzeb klienta czyniąc proces zakupu prostym i szybszym.

W motoryzacji przykładem wykorzystania możliwości AI to asystenci kierowcy, systemy jazdy autonomicznej czy usprawnienie procesów produkcyjnych w fabrykach za pomocą robotów wykorzystujących maszynowe uczenie.

Korzyści vs wyzwania

Ułatwienie pracy, oszczędność czasu, optymalizacja procesów produkcji, automatyzacja działalności operacyjnej, efektywniejsze rozpoznawanie chorób, lepsze dostosowanie produktów i usług do potrzeb klientów, dokładne prognozowanie podaży i popytu, zdobycie unikatowej przewagi rynkowej, lepsze wyniki biznesowe – korzyści z zastosowania AI w firmie jest bardzo dużo. Jednak mimo coraz większej popularności tej technologii nadal wiele przedsiębiorstw nie wie jak odpowiednio wykorzystać jej potencjał w swoim rozwoju. Dlaczego? SAS wskazuje 5 błędów, które popełniają firmy wdrażając aplikacje wykorzystujące technologie maszynowego uczenia. Brak strategii wdrożenia, brak odpowiednich danych, brak odpowiedniej infrastruktury, problemy z interpretacją modeli metodologicznych uczenia maszynowego, a przede wszystkim planowanie strategii machine learning bez wsparcia ekspertów . Właśnie ten ostatni czynnik wydaje się najbardziej istotny. Ekspert bowiem nie tylko wskaże wyzwania i korzyści, oceni istniejący system informacji oraz przepływu danych, aby odróżnić obszary, które są gotowe do automatyzacji, od tych, w których niezbędne będą dalsze inwestycje, ale też przede wszystkim nakreśli odpowiednią strategię i pomoże we wdrożeniu.

- Zastosowanie AI wymaga połączenia kilku elementów w całość: musimy posiadać dużą liczbę danych, wiedzę o ich wzajemnych powiązaniach, oraz możliwość przetwarzania olbrzymich zbiorów zmieniających się informacji. Nie można też zapomnieć o najistotniejszym czynniku – o człowieku. Pomimo że to komputery używają algorytmów uczenia maszynowego do uczenia się na przykładach i dynamicznego oprogramowywania samego siebie, to jednak człowiek jest autorem tych algorytmów. To człowiek podejmuje kluczowe decyzje biznesowe, dostosowuje ogólne algorytmy do zastosowania ich w konkretnych sytuacjach. To człowiek jest beneficjentem tych systemów. Dlatego to w człowieka musimy najbardziej inwestować, żeby tworzył coraz lepsze systemy AI usprawniające nasze życie i pracę.. Argument, że przez sztuczną inteligencję stracimy zatrudnienie nie jest najbardziej trafiony, ponieważ AI po prostu zmieni rynek w tym zakresie tworząc zupełnie nowe zawody i zapotrzebowanie na nowe kompetencje. Gartner prognozuje, że w 2020 roku dzięki wykorzystaniu AI w firmach przybędzie 2,3 mln miejsc pracy, podczas gdy zlikwidowanych zostanie 1,8 mln – mówi Jędrzej Fulara ze Sparkbit.

Sztuczna inteligencja, aby spełnić pokładane w niej nadzieje, musi przynosić rozwiązania, które znacznie zmniejszają koszty, zwiększają przychody i pozwalają efektywnie wykorzystywać zasoby. AI wymaga też sporych inwestycji finansowych. Jednak przykład firm, które się na nie zdecydowały pokazuje, że warto. Lepsza efektywność połączona z głębszym zrozumieniem klientów i odbiorców rewolucjonizuje sposób działania przedsiębiorstw i w dłuższej perspektywie pozytywnie przekłada się na zwrot z inwestycji w AI. Dla tych, którzy zostaną z tyłu może to oznaczać nie tylko znaczące straty, ale też z czasem zniknięcie z rynku. Machine learning ma dziś w sobie duży potencjał, który coraz śmielej, za sprawą wdrożeń w różnych firmach, wdziera się w życie przeciętnego Kowalskiego. Dziś cyfrowa transformacja robi krok do przodu w stronę coraz większej obecności sztucznej inteligencji i jej zastosowaniem w przemyśle 4.0. Czwarta rewolucja przemysłowa stała się faktem i mimo, że jesteśmy na początku tej drogi, to już odczuwamy pierwsze korzyści z wykorzystania jej możliwości.