Sztuczna inteligencja: jak daleko stąd, jak blisko

Jak na razie nic nie wskazuje na to, że któryś z tych scenariuszy szybko się ziści. Część technologii powiązanych ze sztuczną inteligencją istnieje od ponad pół wieku, ale dopiero dostęp do wielkich zbiorów danych oraz stosunkowo taniej mocy obliczeniowej, pozwolił wykonać duży krok do przodu. Prawda jest jednak taka, że nadal wykorzystujemy rozwiązania bazujące na AI jedynie w wąskich wycinkach życia społecznego i gospodarczego. Można tutaj wymienić wyszukiwarki internetowe, cyfrowych asystentów w smartfonach i komputerach czy roboty używane w fabrykach. Co nie zmienia faktu, że szefowie dużych koncernów wiążą przyszłość ich biznesu właśnie z AI. Według danych Accenture aż 75 proc. Menedżerów wysokiego szczebla twierdzi, że jeśli do 2025 r. nie wdroży rozwiązań bazujących na tej technologii, może mieć kłopoty z zachowaniem swojej pozycji na rynku. Tymczasem część integratorów patrzy na tego typu deklaracje z przymrużeniem oka.

– Duża część osób zarządzających światowymi firmami chce się otworzyć na różne technologie IT. Jednak, kiedy wejdziemy do poszczególnych działów przedsiębiorstw, widzimy na ścianach opasłe szafy z segregatorami pełnymi danych i dokumentacji. Nie ma w tym nic dziwnego, ale mówienie o wdrożeniu AI w takich spółkach w ciągu kolejnych pięciu lat to optymistyczne założenie – mówi Piotr Kawecki, prezes ITBoom.

Wraz z upływem czasu znaczenie rozwiązań wykorzystujących AI będzie wzrastać, co nie oznacza, że zdominują one nasze życie. Co więcej, istnieją przykłady przedsiębiorstw, które po zaangażowaniu do pracy autonomicznych robotów, były zmuszone zwiększyć zatrudnienie. Tak było chociażby w przypadku Postmates – firmy zajmującej się dostawami żywności, która od ponad roku używa do przewożenia towarów autonomicznych pojazdów Serve. Szef tej firmy zapowiedział zwiększenie zatrudnienia w ciągu najbliższych pięciu lat, tłumacząc swoją decyzję koniecznością zapewnienia odpowiedniego nadzoru nad robotami. Podobna sytuacja miała miejsce we Flytrexie, a więc u dostawcy towarów za pomocą dronów.

– Nawet, jeśli przygotujemy się na 99,9 proc. różnych przypadków, zawsze może wydarzyć się coś nieprzewidywalnego. Dlatego każdy dron ma swojego opiekuna, choć niewykluczone, że kiedyś jeden człowiek będzie obsługiwać ich tuzin – przyznaje Yariv Bash, CEO Flytrexa.

Jak widać roboty niejednokrotnie wymagają pomocy ze strony człowieka. Sporo trudności nastręcza też samo wdrażanie projektów związanych z AI – według Gartnera aż 85 proc. tego typu inicjatyw kończy się fiaskiem. Dzieje się tak z kilku powodów, a przede wszystkim ze względu na brak specjalistów, korzystanie z niewłaściwych danych czy nadmiernej wiary w możliwości nowych technologii.

– Ludzie z Doliny Krzemowej zakochują się w technologii, ale ona jest wyłącznie narzędziem, które pozwala osiągać cele. Technologia to łopata, której używasz do kopania złota. Niektórzy ludzie zawodzą, bo mylą łopatę ze złotem – tłumaczy Sebastian Thrun, założyciel i prezes Udacity.

Dane na pierwszym planie

Analitycy, dziennikarze, a nawet filmowcy uwielbiają kpić z wpadek, które przydarzają się cyfrowym asystentom, inteligentnym aplikacjom czy algorytmom poszukującym mowy nienawiści na portalach społecznościowych. Niedawno „The Wall Street Journal” pisał o rodzicach skarżących się na inteligentny software wyręczający amerykańskich nauczycieli w sprawdzaniu klasówek. Oprogramowanie okazało się na nad wyraz surowe, bowiem dyskwalifikowało prawidłowe odpowiedzi napisane wielkimi literami. W rezultacie mamy do czynienia ze swojego rodzaju dysonansem poznawczym – z jednej strony wszyscy mówią o tym, że AI zbawi świat, zaś z drugiej pojawiają się przypadki, gdy sztuczna inteligencja nie radzi sobie z banalnymi zadaniami. Zresztą powstało nawet specjalnie określenie „AI bias”, czyli przechył algorytmiczny, który sprawia, że systemy mogą dyskryminować ludzi bądź powielać ludzkie błędy. Przyczyną takiego stanu rzeczy jest opieranie się na mało reprezentatywnych danych. Przykładowo, jeśli wytrenujemy sieć przetwarzającą obraz, pokazując za każdym razem człowieka w czapce, a potem pokażemy zdjęcie osobnika bez czapki, to nie rozpozna ona w nim człowieka. Satyen Sangani, CEO Alationa, zwraca uwagę, że kiedyś mieliśmy za mało danych, teraz jest ich za dużo. Dodaje, że są rozproszone w różnych miejscach, a jakby tego było mało, trzeba przestrzegać licznych regulacji i rozporządzeń dotyczących cyfrowych zasobów.

Pewne jest, że kluczowe znaczenie dla sukcesu AI ma jakość danych. Niestety, algorytmy uczenia maszynowego nie radzą sobie dobrze z danymi śmieciowym, dlatego ich eliminacja jest tak bardzo istotna. Najwięcej problemów mają z tym globalne koncerny, które korzystają z wielu oddzielnych aplikacji, działających na różnych systemach i w różnych środowiskach.

– Sztuczna inteligencja wymaga od nas prawidłowo segregowanych, magazynowanych i archiwizowanych danych. To jest potrzeba podstawowa i baza wyjściowa, aby jakiekolwiek rozwiązania systemowe AI mogły być implementowane w kolejnych latach – komentuje Piotr Kawecki.

Jednym ze sposobów na uporządkowanie chaosu jest katalog zawierający listę programów oraz powiązanych z nimi informacji, coś na wzór indeksu książek w bibliotece. W ciągu ostatnich kilku lat na światowym rynku pojawiła się cała gama tego typu produktów. Część producentów, jak Alation, Cambrigde Semantics czy Unifi Software, zastosowało do automatyzacji katalogów danych uczenie maszynowe. Systemy wymienionych firm działają na podobnej zasadzie jak Google, z tą różnicą, że przeczesują oraz indeksują sieciowe zasoby korporacji. Na razie jednak decydenci w korporacjach nie kwapią się do wdrażania takich rozwiązań.

Z badania „Driving Digital Transformation Using AI and Machine Learning” przeprowadzonego przez analityków TDWI wynika, że firmy z rezerwą podchodzą do narzędzi opartych na sztucznej inteligencji. Zaledwie 11 proc. respondentów zadeklarowało, że korzysta z systemów AI w celu poprawienia jakości danych. Dla porównania, aż 67 proc. czyści dane w celu usunięcia duplikatów i niestandardowych plików, a 48 proc. zarządza metadanymi.

– Zaawansowane narzędzia analityczne, wykorzystujące uczenie maszynowe, pozwalają firmom lepiej ocenić poziom kultury zarządzania danymi. Nasze rozwiązanie pozwala ocenić nie tylko własną strukturę, ale także porównać ją z innymi użytkownikami, żeby zrozumieć co robimy dobrze, a gdzie popełniamy błędy. Nie warto kierować się przeczuciem – przekonuje Satyen Sangani.

Użytkownicy inteligentnych katalogów wiedzą, że wcześniej wykorzystywane zestawy danych były dalekie od ideału lub po prostu już nieaktualne. Istnieją również firmy, które marnotrawią środki na powielanie cyfrowych informacji. Jeden z klientów Alationa zamawiał pięć razy ten sam komplet danych, co kosztowało go łącznie 2 mln dol., podczas gdy – stosując odpowiednie rozwiązania – mógłby wydać jedną piątą tej kwoty.

CRM też chce być inteligentny

Dostawcy systemów CRM próbują na różne sposoby wprowadzać narzędzia AI do swoich produktów. Oprogramowanie oparte na tej technologii umożliwia przedsiębiorcom lepsze poznanie klientów, oferując przy okazji szereg przydatnych informacji, a także możliwość tworzenia dokładnych predykcji. Każdy z liczących się producentów korzysta z AI, a obecnie walka toczy się o to, aby wyróżnić się na tle konkurencji. W ostatnich miesiącach wyścig liderów w segmencie CRM nabiera tempa. Brandon Purcell, jeden z głównych analityków Forrestera, tłumaczy taki stan rzeczy turbulencjami w gospodarce wywołanymi przez pandemię. Firmy poszukują lepszych sposobów na zarządzanie działaniami sprzedażowymi i prognozowanie popytu, dostawcy zaś starają się spełnić rosnące oczekiwania klientów. Pod koniec października ruszył wspólny projekt Microsoftu, C3.ai oraz Adobe – system CRM bazujący na danych pozyskiwanych na żywo z wielu kanałów. Koncerny zintegrują Dynamicsa 365 Sales, Adobe Experience Cloud oraz platformę danych i algorytmów uczenia maszynowego C3.ai. W tym samym miesiącu SAP poinformował o zakupie austriackiej firmy Emarsys, której flagowym produktem jest platforma dla firm B2C wykorzystująca sztuczną inteligencję do opracowywania prognoz dotyczących potencjalnych klientów, a także zwiększania zaangażowania w korespondencję e-mailową. Nie próżnuje również Salesforce, który wzbogacił swoje narzędzia AI o analizę zawartości e-maili i wiadomości typu push jeszcze przed ich wysłaniem. To pozwala ocenić prawdopodobieństwo, z jakim klienci otworzą wiadomość i klikną na zawarte w niej linki. Nieco wcześniej producent ten wprowadził rozwiązanie analizujące transkrypcje rozmów przedstawicieli handlowych i sugerujące lepsze sposoby sprzedaży w oparciu o zbiór najlepszych praktyk oraz zasobów.

Zdaniem integratora 

Wojciech Muras, prezes Netology  

Znawcy tematu twierdzą, że sztuczna inteligencja będzie miała podobny wpływ na ludzkość jak upowszechnienie się internetu. W nowych sektorach gospodarczych rozwiązania klasy AI stanowią podstawowy „park maszynowy” i bez nich firmy nie zaistnia-łyby na rynku. Jednak można znaleźć takie sektory, w których proces adaptacji tej technologii będzie dłuższy i zajmie więcej niż pięć lat. Po prostu zastosowanie sztucznej inteligencji pozostawia wiele pytań bez odpowiedzi. Niemniej wzrost mocy obliczeniowych, przy jednocześnie ich spadającym koszcie oraz rozwój narzędzi sprawia, że technologia ta zaczyna się upowszechniać. Widzimy to na co dzień w naszych projektach związanych z zarządzaniem bezpieczeństwem oraz analizą obrazu i budowaniem scenariuszy zastosowań.

  

IDC przewiduje, że w bieżącym roku globalna wartość rynku CRM wyniesie 61,95 mld dol. – o 2,75 proc. więcej niż w ubiegłym roku. I choć analitycy nie prowadzą szczegółowych statystyk ani prognoz sprzedaży dotyczących CRM–ów z elementami AI, to Tom Siebel, prezes C3.ai, nie ma złudzeń, że następna generacja oprogramowania do zarządzania relacjami z klientami będzie bazować wyłącznie na sztucznej inteligencji.

Samoobsługowe centrum danych

Większość szumu wokół sztucznej inteligenci koncentruje się na autonomicznych samochodach, robotach czy omawianych wcześniej systemach wydobywających informacje z dużych zbiorów danych. Jednak AI zaczyna się też pojawiać w serwerowniach, choć droga do samoobsługowych centrów danych jest jeszcze daleka, m.in. ze względu na liczne bariery techniczne, operacyjne i kadrowe. Cztery lata temu Gartner jako pierwszy wprowadził termin AIOps (Artificial Intelligence for IT Operations) opisując w ten sposób inteligentną infrastrukturę, która wykorzystuje uczenie maszynowe i wielkie zbiory danych w celu usprawnienia procesów w data center.

Jak na razie adaptacja tego typu rozwiązań postępuje w ślamazarnym tempie, aczkolwiek analitycy prognozują, że w 2022 r. globalne przychody ze sprzedaży systemów zaliczanych do kategorii AIOps przekroczą 5 mld dol. Zdaniem Marcina Zmaczyńskiego, Head of Marketing CEE w Aruba Cloud, usługi chmurowe oraz sztuczna inteligencja będą napędzać rozwój „samoobsługowych” systemów IT.

– Konkretnym przykładem takiego narzędzia może być autonomiczna, chmurowa baza danych. Dzięki umiejętności uczenia maszynowego potrafi nie tylko samoczynnie zarządzać swoimi rekordami, ale naprawiać się w przypadku, gdy wykryje błąd w swoim działaniu, czy dokonywać aktualizacji – tłumaczy Marcin Zmaczyński.

Często poruszanym tematem w kontekście centrów danych jest zużycie energii. Według różnych szacunków serwerownie pochłaniają około 3 proc. światowych źródeł energii i przyczyniają się do emisji 2 proc. gazów cieplarnianych. Nie jest więc zaskoczeniem, że wiele przedsiębiorstw zaczyna bacznie przyglądać się kwestiom związanym z zarządzaniem energią w centrach danych. Jedni robią to ze względu na potencjalne oszczędności, inni chcą żyć w zgodzie ekologami. Daniel Bizo, analityk z 451 Research uważa, że sztuczna inteligencja pomoże operatorom w lepszym zrozumieniu obecnych lub potencjalnych problemów z chłodzeniem wynikających z dużego zagęszczenia szaf, źle działającej jednostki HVAC (heating, ventilation, air conditioning) czy niewystarczającej ochrony powietrza przemieszczającego się z gorącymi i zimnymi przejściami.
Systemy AI mogą zapewnić określony poziom zasilania dla odpowiedniej liczby fizycznych serwerów, uruchamiając lub wyłączając maszyny w zależności od tymczasowego popytu na moc.

Nie można też zapominać o bezpieczeństwie danych. Specjaliści Cisco twierdzą, że sztuczna inteligencja ułatwi realizację tzw. polityki ograniczonego zaufania (ang. Zero Trust). W jej myśl żaden użytkownik nie może uzyskać dostępu do firmowej sieci, dopóki jego tożsamość nie zostanie potwierdzona. W praktyce oznacza to, że działy IT są zobowiązane autoryzować wszystkie próby dostępu.

– Wykorzystując więcej niż jeden element autoryzacyjny organizacje mogą znacząco utrudnić dostęp do ich sieci, udaremnić próby pozyskania danych czy swobodne poruszanie się w ramach firmowej infrastruktury IT. Sztuczna inteligencja przychodzi z pomocą osobom odpowiedzialnym za cyberbezpieczeństwo, umożliwiając automatyczne przypisywanie ról oraz uprawnień. Dzięki temu ciągłe potwierdzanie tożsamości nie jest konieczne – tłumaczy Przemysław Kania, dyrektor generalny Cisco w Polsce.

Grupą, która oczekuje na dodatkowe wsparcie, są specjaliści ds. bezpieczeństwa w centrach operacji bezpieczeństwa (SOC). Bardzo często są oni bombardowani alarmami, co nie pozostaje bez wpływu na komfort pracy. Jak wynika z badania Ponemon Institute niemal co drugi pracownik SOC narzeka na ręczne przełączanie alertów. Tymczasem systemy oparte na sztucznej inteligencji mogą skanować ogromne ilości danych telemetrycznych i rejestrować informacje, realizując proste zadania, dzięki temu specjaliści ds. bezpieczeństwa zajmą się jedynie „ciekawymi” przypadkami. Jednym słowem roboty będą wykonywać czarną robotę, a wszystko wskazuje na to, że podobna rola przypadnie im nie tylko w centrach operacji bezpieczeństwa.           

Zdaniem producenta

Łukasz Formas, kierownik zespołu inżynierów, Sophos  

Zaprojektowanie i implementacja systemów bazujących na sztucznej inteligencji to skomplikowana operacja. Często jest to też proces kosztowny, chociaż wiele zależy od przeznaczenia danego systemu. Barierę mogą też stanowić różnego rodzaju dylematy prawne i moralne wokół rozwiązań bazujących na AI. Wciąż nierozstrzygnięte pozostają kwestie związane z odpowiedzialnością i podejmowaniem decyzji przez inteligentne programy – na przykład słynny już dylemat czy samochód autonomiczny powinien podczas wypadku chronić przede wszystkim kierowcę kosztem pieszych…

  

Adrian Łapczyński, prezes Epic VR  

Jestem ostrożny w spekulacjach na temat tego czy AI będzie niezbędnym elementem funkcjonowania każdego przedsiębiorstwa. Z pewnością w każdej branży można wydzielić część prac możliwą do wykonania przez algorytmy sztucznej inteligencji, ale nie w każdej ma to sens. Już od kilku lat istnieją na świecie boty, które piszą artykuły na portale internetowe, czy obsługują nas w roli wirtualnych asystentów. Są coraz doskonalsze, a ich wdrażanie coraz tańsze. Nie sądzę jednak, aby za kilka lat od wdrożenia tego typu rozwiązań zależała dalsza przyszłość dużych przedsiębiorstw.

  

Ruslan Korniichuk, architekt rozwiązań IT, Capgemini  

Większość przedsiębiorstw wykorzystuje sztuczną inteligencję. Potwierdzają to dane O’Reilly Media, które wskazują, że 85 proc. firm testuje lub już w pełni wykorzystuje AI w biznesie. Jak sądzę, liczba ta może być znacznie większa, bo często nawet nie zdajemy sobie sprawy, że mamy do czynienia z tą technologią. Szacuje się, że w ciągu najbliższych dziesięciu lat zyski z wykorzystania AI globalnie mogą osiągnąć wartość nawet 50 bilionów złotych, zatem firmy, które świadomie nie podejmą działań prowadzących do wdrożenia rozwiązań opartych na sztucznej inteligencji, powinny liczyć się z utratą potencjalnych klientów i zysków.

  

Maciej Kalisiak, Country Innovation Lead, HPE  

Przykłady zastosowań AI można mnożyć w nieskończoność. Według mnie bardzo ważne są dwa obszary. Kluczem dla firm jest wiedza i wyciąganie wniosków, co pozwala podejmować świadome i przemyślane decyzje, takie jak sposoby optymalizacji i automatyzacji produkcji czy możliwości dotarcia do większej i właściwej grupy klientów. Drugim elementem jest infrastruktura IT. Sztuczna inteligencja pomaga lepiej i bezpiecznej nią zarządzać, co pozwala wygospodarować więcej czasu na innowacje potrzebne do rozwoju biznesu.

  

Tomasz Stachlewski, CEE Senior Solutions Architecture Manager, AWS  

Z własnego doświadczenia mogę stwierdzić, że największą barierą hamującą projekty bazujące na sztucznej inteligencji jest brak kompetencji, umiejętności, a także odpowiednich narzędzi. Natomiast do wybuchu popularności tej technologii przyczynił się dynamiczny rozwój usług chmurowych. Chmura stała się wehikułem, oferując dostęp do usług i funkcjonalności AI dla firm z całego świata i to bez wymagań w zakresie fachowej wiedzy czy dużych nakładów finansowych.