AI a zwrot z inwestycji – technologie w dobie sztucznej inteligencji?

Dominik Jańczak: Mówiąc dziś o sztucznej inteligencji, poruszamy się w ramach bardzo szerokiej, a jednocześnie często nieprecyzyjnej narracji. O czym tak naprawdę rozmawiamy, myśląc o AI – szczególnie w kontekście tych jej inkarnacji, które można wykorzystać w biznesie i codziennym funkcjonowaniu firmy?

Przemysław Sołdacki: Większość osób zauważyła obecność sztucznej inteligencji w momencie, gdy publicznie dostępny stał się ChatGPT. Cały czas jest on jednak traktowany przez wielu jako „lepszy Google” – narzędzie, któremu zadajemy pytanie i otrzymujemy odpowiedź. Tymczasem to jedynie czubek góry lodowej. Prace trwające obecnie w Dolinie Krzemowej są znacznie bardziej zaawansowane. Nikt już nie zastanawia się nad samą zdolnością AI do rozmowy z człowiekiem. Wszystko idzie w stronę inteligencji agentowej, gdzie mamy agentów wykonujących konkretne prace. Budzi to oczywiście ryzyko i pytania o to, czy roboty nas zastąpią, ale jest to kierunek, od którego nie da się uciec.

DJ: Podczas rozmów biznesowych często spotykam się z opinią, że AI wciąż się myli. To argument, który ma studzić entuzjazm.

PS: Oczywiście, że się myli – tak samo jak myli się człowiek. Jednak mimo ludzkich błędów potrafimy wykonywać skomplikowane zadania, potrzebujemy jedynie czasu oraz możliwości sprawdzania i poprawiania pomyłek. Dopiero wtedy inteligencja rzeczywiście się objawia. Dokładnie to samo dzieje się teraz z AI. W Stanach Zjednoczonych, Europie czy Chinach bardzo mocno rozwija się temat konkretnych zastosowań biznesowych, które uwzględniają ten proces uczenia się.

DJ: Sztuczna inteligencja stała się ostatnio wszechobecnym buzzwordem. Nie chcę deprecjonować skoku technologicznego, który może nas czekać po wdrożeniu AGI (Artificial General Intelligence), ale w publicznym dyskursie często pomija się fakt, że uczenie maszynowe nie wzięło się znikąd. W logistyce czy produkcji takie rozwiązania były wdrażane od lat.

PS: Zdecydowanie tak. Pierwsze próby z sieciami neuronowymi to lata 50. ubiegłego wieku. Gdy niemal 12 lat temu robiłem doktorat, wiedza o nich była już powszechna, podobnie jak o algorytmach przetwarzania tekstu czy automatycznej klasyfikacji. Od lat używamy ich do filtrowania spamu czy wykrywania podejrzanych transakcji w bankach. Przez długi czas sieci neuronowe traktowano jednak jako ciekawostkę, ponieważ efekty ich działania były proste. Wynikało to z ograniczonej wielkości tych sieci oraz ówczesnych możliwości obliczeniowych.

Można to porównać do biologii: organizm z najmniejszym mózgiem, pewien rodzaj robaka, ma około 307 neuronów, co pozwala mu sprawnie poruszać się i żyć. To kwestia skali – mrówka, mysz i człowiek mają różną liczbę neuronów. To, co wydarzyło się nagle w kontekście sztucznej inteligencji, to skok techniczny, dzięki któremu sieci neuronowe osiągnęły poziom porównywalny z ludzkimi możliwościami. Choć AI wielu rzeczy jeszcze nie potrafi, to nie znam człowieka, który mówiłby płynnie w kilkudziesięciu językach. W biologicznym porównaniu GPT-4 miało potencjał neuronowy na poziomie wiewiórki. To wciąż niewiele, a już osiągamy bardzo duże zdolności operacyjne. Przewiduje się, że okolice wersji GPT-7 przyniosą nam moc obliczeniową porównywalną z ludzkim mózgiem i to wcale nie będzie koniec.

DJ: Widzimy wyraźny podział na entuzjastów i osoby starające się zdeprecjonować te zmiany. Opór przed nowym jest naturalny w każdej organizacji. Skupmy się jednak na entuzjastach i narracji o AI jako „magicznej różdżce” oraz trendzie hiperautomatyzacji. Z perspektywy właściciela firmy pojawia się kluczowe pytanie: jak policzyć konkretny zwrot z inwestycji (ROI) w AI? Kto dziś realnie zyskuje, a kto może stracić najwięcej?

PS: To trudny temat. Gdybyśmy w latach 90. zapytali o zwrot z inwestycji w internet, nikt nie potrafiłby go precyzyjnie określić, a Jeff Bezos miał ogromne trudności ze znalezieniem inwestorów dla Amazona, bo ludzie nie rozumieli, czym ten internet w ogóle jest. Dziś nikt nie wyobraża sobie firmy bez dostępu do sieci. Jesteśmy w bardzo wczesnej fazie rozwoju AI. Według badań grupy MIT Nanda, 95% firm nie odnotowało jak dotąd żadnego zwrotu z inwestycji w tę technologię. Najwięcej aktualnie zarabia NVIDIA dostarczająca chipy.

Najciekawsze jest jednak te 5% firm, które ten zwrot osiągają. One rozumieją, że samo danie pracownikom Copilota nie sprawi magicznie, że staną się oni bardziej produktywni. Trzeba dokładnie przeanalizować procesy w firmie, wskazać te najbardziej pracochłonne i zastanowić się nad ich automatyzacją. My wdrażamy takie systemy od 15 lat, ale wcześniej pewne rzeczy były niemożliwe. Przykładem jest porównywanie faktur – kiedyś drobna różnica w zapisie była dla komputera barierą nie do przejścia, a dziś sieć neuronowa widzi to tak samo jak człowiek. Traktujemy AI jako nowy komponent technologiczny, dzięki któremu trudne dotąd zadania stają się łatwe.

DJ: Czy wdrożenie AI to zadanie wyłącznie dla działu IT, czy wymaga zaangażowania kadry zarządczej? Często wdrożenie poprawne technicznie bywa przecież biznesowo nieuzasadnione.

PS: Zdecydowanie potrzebna jest współpraca zarządu i IT. IT dostarcza narzędzia, serwery i połączenia, ale nie stworzy samo z siebie sensownego rozwiązania dla działu HR czy prawnego. Aby wdrożenie zadziałało, w każdym automatyzowanym dziale musi pojawić się lider AI – pasjonat, który rozumie specyfikę pracy swoich kolegów i potrafi ich tym entuzjazmem zarazić. Nie da się przyjść z zewnątrz i powiedzieć: „używajcie AI”, nie wiedząc, co ci ludzie robią na co dzień. Często to właśnie tacy wewnętrzni entuzjaści pokazują jedno zastosowanie, które otwiera oczy pozostałym.

DJ: Skuteczna automatyzacja uwalnia pracowników średniego szczebla od powtarzalnych zadań typu „kopiuj-wklej”. Jak zredefiniować ich rolę, by nie poczuli się zbędni? Czy dominującym kierunkiem jest optymalizacja kosztów, czy może skalowanie organizacji?

PS: Zdecydowanie można w ten sposób skalować firmę. Jeśli czynności zajmujące dotąd mnóstwo czasu zostają skrócone o połowę, jesteśmy w stanie obsługiwać dwa razy więcej kontrahentów i robić to szybciej. Zadowolenie klienta rośnie, gdy otrzymuje efekt zamówienia po jednym dniu, a nie po tygodniu.

Moja rada dla osób obawiających się AI: przy każdym przełomie wygrywają ci, którzy zaczną się nową technologią zajmować jako pierwsi. Kiedyś żniwiarze kosili zboże kosami, a z czasem pojawiły się kombajny. Ci, którzy nauczyli się je obsługiwać, zostali w branży. Ciężko wygrać z postępem, ale on jest jednocześnie niezwykle ekscytujący. Sam czuję się czasem jak trzynastolatek przy swoim pierwszym 8-bitowym komputerze. Różnica polega na tym, że wtedy musiałem mówić w języku komputera, a dziś to on mówi w moim. Bariera wejścia nigdy nie była tak nisko – nie potrzeba skomplikowanych szkoleń, wystarczy po prostu zacząć używać AI.

DJ: Mówi się, że AI jest tak dobre, jak dane, którymi zostanie zasilone. W wielu polskich firmach dane są rozproszone, a procesy niezdefiniowane. Od czego zacząć „sprzątanie”, by w ogóle myśleć o algorytmach?

PS: Problemem jest silosowość – dane marketingowe, sprzedażowe i operacyjne często ze sobą nie „rozmawiają”. Standardowo łączy się je poprzez systemy BI (Business Intelligence) do analizy danych, takie jak Power BI czy Tableau. Co ciekawe, samo łączenie danych coraz częściej odbywa się przy pomocy AI. Zamiast programisty budującego połączenie od zera, możemy poprosić model o napisanie odpowiedniego skryptu. To radykalnie obniża koszty, które kiedyś były barierą.

Niezbędny jest jednak ekspert, który nada odpowiedni kontekst. Sam, budując strategię firmy przy użyciu AI, wielokrotnie otrzymywałem błędne wnioski, bo model czegoś nie rozumiał. Musiałem dodawać kontekst, czyścić dane i przechodzić przez wiele iteracji, zanim doszliśmy do sensownych rezultatów. AI należy traktować jak pomocnika, a nie magika, który zna wszystkie odpowiedzi. Wymaga to uporu i cierpliwości – czasem trzeba tłumaczyć coś maszynie dziesięć razy, jak dziecku, dopóki nie zrozumie dokładnie, o co nam chodzi.

DJ: Gdzie przebiega bezpieczna granica delegowania uprawnień maszynie? Kwestia odpowiedzialności za błąd algorytmu wciąż budzi obawy.

PS: Warto wykonać ćwiczenie intelektualne i wyobrazić sobie, że AI to człowiek. W biznesie obowiązuje zasada: menedżer może delegować wszystko oprócz odpowiedzialności i kontroli. Musimy sprawdzać wyniki pracy AI, zwłaszcza w obszarach takich jak security, compliance czy audyt. Niezbędny jest ślad audytowy – musimy wiedzieć, co, kiedy i przez kogo (lub przez jakie AI) zostało zmienione.

Możemy też stosować mechanizmy kontrolne, gdzie jeden agent AI sprawdza pracę drugiego. Nie wyobrażam sobie jednak, by prawnik wysłał umowę wygenerowaną przez AI do klienta bez jej uprzedniego zweryfikowania. Zdarzały się już przypadki firm consultingowych, które przedstawiły analizy oparte na nieistniejących aktach prawnych, bo AI je po prostu zmyśliło. Bezpieczniki muszą pozostać w rękach ludzi.

DJ: Jakie wdrożenia AI zrobiły na Panu największe wrażenie?

PS: Trudno wybrać jedną rzecz. Bardzo cenię chociażby automatyzacje w działach HR, gdzie AI przejmuje odpowiedzi na powtarzalne pytania o urlopy czy paski wynagrodzeń. Dzięki temu specjaliści mogą zająć się kreatywnymi zadaniami, takimi jak rozwój kompetencji pracowników, zamiast tracić czas na rzemieślniczą pracę.

AI niesamowicie przyspiesza też tworzenie oprogramowania. Kluczem jest jednak to, by z technologii korzystali eksperci – wtedy ich horyzonty się poszerzają, a korzyści są największe. Należy próbować, eksperymentować i uczyć się, bo te możliwości są na wyciągnięcie ręki.

DJ: Dziękuję za rozmowę.