Już od prawie roku temat sztucznej inteligencji rozpala myśli niemal każdego przedsiębiorcy. A to za sprawą chatGPT- narzędzia, które pokazało tylko niewielką część możliwości algorytmów. Zapytaliśmy eksperta jakich błędów nie popełnić przy wprowadzaniu AI do biznesu.

Garbage in, garbage out

Typową cechą algorytmów AI jest ich “uczenie się” na danych. Istniejące rozwiązania, jak chatGPT, są wytrenowane zwykle na ogromnych zbiorach danych ogólnych. Jednak, aby algorytm AI był przydatny w twojej firmie, prawie zawsze musi być “douczony” na twoich własnych danych.

Jak wyjaśnia Adam G. Dobrakowski, dyrektor zarządzający firmy COGITA, często powtarzana jest tutaj zasada „garbage in, garbage out”.

Jeśli dane są złej jakości, to wyniki też będą niezadowalające. Dlatego już na etapie wstępnych rozmów z dostawcą rozwiązania IT należy oszacować, jak dużo i jakiej jakości dane będą potrzebne. Im bardziej dane są uporządkowane, tym proces uczenia algorytmu przebiegnie sprawniej i przyniesie lepsze wyniki.

Produkt to nie usługa

Na rynku istnieje sporo gotowych rozwiązań opartych o AI. Służą one do rozmaitych zastosowań – od generowania tekstu (chatGPT), obrazu (Midjourney), aż po zaawansowane narzędzia, np. do wykrywania wad produktów w czasie rzeczywistym procesu przy pomocy zintegrowanego systemu kamer i czujników.

Cechą gotowych rozwiązań jest to, że musisz do nich dostosować swoje procesy. Nie masz pełnej wiedzy o tym, jak działa algorytm. Masz ograniczone możliwości ich rozwijania i modyfikacji. Z drugiej strony takie produkty są o wiele tańsze – wyjaśnia Dobrakowski.

Drugim sposobem wdrożenia AI jest stworzenie oprogramowania szytego na miarę. Może ono korzystać z istniejących modeli (np. GPT), jednak jego cechą jest zaprojektowanie specjalnie pod potrzeby danego klienta. Są to droższe rozwiązania, jednak dają pełną kontrolę, wiedzę o tym, jak działa algorytm i możliwość dokładania kolejnych komponentów – dodaje ekspert.

Wybór między produktem a usługą powinien być podyktowany specyfiką i wymaganiami biznesowymi.

Każdy przypadek jest inny

Sukces wdrożenia AI w znacznej części zależy od doboru odpowiedniego wykonawcy, który zrozumie postawiony problem biznesowy i będzie w stanie doradzić najlepsze rozwiązanie, używając przy tym zrozumiałego języka. Taki wykonawca powinien posiadać doświadczony zespół i minimum kilka pozytywnie zakończonych wdrożeń.

Słabego dostawcę poznamy po tym, że skupia się na technologii, nie na problemie do rozwiązania i będzie próbował sprzedać swoje usługi, nawet jeśli rynek oferuje gotowe produkty – mówi Dobrakowski. – Specyfika narzędzi AI jest taka, że do każdego biznesu należy podejść indywidualnie. Wydając te same środki możemy zdobyć dużą przewagę konkurencyjną albo tylko skomplikować dotychczasowe procesy i utrudnić pracę załodze.

Segment wdrożeń AI w branży IT jest stosunkowo młody. Dlatego możemy spotkać firmy, które zajmują się tworzeniem algorytmów AI od podstaw (zwykle w technologii Machine Learning), ale równie dobrze też takie, które posiadają programistów z niewielkim doświadczeniem w sztucznej inteligencji, głównie w integrowaniu gotowych modeli.

Mniej doświadczone zespoły nie będą w stanie zrozumieć wszystkich niuansów, które wpływają na wynik modelu, takich jak odpowiedni podział na zbiór treningowy i testowy, czy rygorystyczne metody walidacji modeli AI.

Realistyczne i precyzyjne cele

Często, kiedy słyszymy o niezwykłych możliwościach AI, rysuje nam się w głowie wizja humanoidalnego robota, który zautomatyzuje niemal wszystkie prace w naszej firmie. Jednak obecnie modele AI zazwyczaj rozwiązują jeden, precyzyjnie postawiony problem. Co więcej, wymagają dobrze przeprowadzonego treningu.

Przykładowo nie można oczekiwać, że sztuczna inteligencja uporządkuje dane, jeśli nie zostały one odpowiednio przygotowane. Zamiast dążyć do skomplikowanego systemu, często lepiej skupić się na prostych rozwiązaniach, które przynoszą szybkie korzyści – tłumaczy Dobrakowski.

Rozumienie podstaw

Bez podstawowej wiedzy o kluczowych pojęciach związanych z AI trudno jest skutecznie wdrożyć rozwiązanie. Niezbędne jest zrozumienie, choćby na poziomie ogólnym, pojęć takich jak trenowanie modelu, etykietowanie danych, monitorowanie wyników, czy chmura obliczeniowa.

Aby więc skutecznie zbudować model AI i wdrożyć go, konieczna jest obecność osoby z firmy, która rozumie i wspiera projekt. Powinna ona być zaangażowana w cykliczne spotkania, odbieranie efektów prac i planowanie dalszych etapów pracy, w tak zwanej “zwinnej” metodologii, gdzie odbiorca modelu jest włączony bardzo mocno w proces powstawania rozwiązania, dzięki czemu jest ono lepiej dostosowane do jego potrzeb.

Warto też pamiętać o wyzwaniu, jakim jest adaptacja do rozwiązań AI. Często wielu pracowników firmy jest włączonych w proces treningowy algorytmu, który jest dla nich niezrozumiały i może wywoływać obawy takie jak utrata pracy – mówi Dobrakowski

Jak wyjaśnia ekspert, warto wcześniej omówić ten temat z zespołem, przeprowadzić szkolenie z możliwości i ograniczeń AI oraz odpowiednio komunikować kolejne etapy wdrożeń, tworząc kulturę otwartą na innowacje.

Osobom zamawiającym rozwiązanie AI często trudno jest zrozumieć, że ich charakter jest przede wszystkim badawczy. Jeśli mamy do czynienia z algorytmem AI tworzonym pod konkretnego klienta, to w przeciwieństwie do klasycznych projektów programistycznych, może być trudno przewidzieć z góry efektywność algorytmu. Zatem projekty związane z AI obarczone są większym ryzykiem niż zwykłe projekty IT. Z drugiej strony, jeśli prace przebiegną pomyślnie, taki projekt wniesie w przedsiębiorstwo dużą wartość dodaną. Inwestycja może zwrócić się w ciągu kilku miesięcy, a w dalszej perspektywie zapewnić wyższą rentowność.

Wdrożenie to tylko początek

Modele AI wymagają ciągłego monitorowania i aktualizacji. Model, który w testach laboratoryjnych osiągał 99% skuteczności, w warunkach rzeczywistych może mieć np. 95%. Dodatkowo, nowe dane mogą wpłynąć na kolejny spadek jakości działania modelu, co w ekstremalnych przypadkach może prowadzić do jego całkowitej dysfunkcji – mówi Adam Dobrakowski.

Dlatego po wdrożeniu rozwiązania, każdy użytkownik powinien zadbać o jego kontrolę albo przez wewnętrzny zespół, przeszkolony przez wykonawcę, albo korzystając z regularnego wsparcia serwisowego.