Veštačka inteligencija pruža velika poslovna obećanja, ali većina organizacija nije u položaju da to iskoristi. Evo kako oni koji su je rano usvojili transformišu VI projekte u poslovnu vrednost. Poslovni lideri na svim nivoima uviđaju vrednost korišćenja veštačke inteligencije, ali prava vrednost se nalazi u dobrom korišćenju veštačke inteligencije. Ovde, lekcije sa vrha mogu da posluže kao vodič. Prema nedavnom istraživanju kompanije Deloitte, 82 odsto ranih korisnika VI vidi pozitivne finansijske rezultate od svog ulaganja u kognitivne tehnologije, uz srednji povraćaj investicije od 17 procenata. Najveća razlika između uspešnog i neuspešnog projekta VI? Razlika je u tome da li je on podstaknut tehnologijom ili poslovnim potrebama, kaže Nitin Mittal, direktor analitike i kognitivne ponude kompanije Deloitte Consulting.
Organizacije koje žele maksimalno da iskoriste VI treba da obrate pažnju: „Usredsrediti se na konkretne slučajeve korišćenja koji bi bili primereni za VI. Usredsrediti se na poslovne ciljeve koje treba postići, dokazati vrednost i uvećati je. Tada vidimo dosta uspeha“, kaže Mittal. Evo osam saveta za pretakanje projekata veštačke inteligencije u poslovnu dobit, prema izjavama onih koji postižu stvarnu korist od veštačke inteligencije.
Fokusirajte se na konkretne probleme
U kompaniji General Electric, poslovna vrednost je u srcu svakog VI projekta, kaže Colin Parris, potpredsednik kompanije za istraživanje softvera.
„Počinjemo sa gomilom minimalno održivih proizvoda“, kaže on. „Može li VI zaista da predvidi nešto? A ako može, da li je to jeftinije, brže, ili može da donese više prihoda? Zatim, kako da je skaliramo, kako da je postavimo da bismo dobili poslovnu vrednost?“. Taj redosled je bitan, kaže on.
Na primer, ako sistem VI proizvodi predviđanja o održavanju opreme, ta predviđanja treba integrisati u radni tok. To bi moglo da znači slanje pravog inženjera da obavi pravo održavanje u pravom trenutku. To bi moglo da zahteva i integraciju u sistem inventara.
Ili bi mogla biti potrebna integracija sa samim mašinama. „Ako mi VI daje sposobnost da zaista razumem kada treba da povećam temperaturu ili pritisak, moram da je integrišem u sisteme kontrole“, kaže on.
Budite svesni granica VI
Kada ljudi pokušavaju da prave prognoze, ponekad postanu žrtve psihološke zamke poznate kao efekat Dunning-Kruger. Tada osoba nije svesna koliko malo zna o temi i pogrešno smatra sebe ekspertom. Rezultati mogu da budu i smešni i tragični. VI sistemi mogu da padnu u istu zamku. Na primer, jedna veštačka inteligencija obučavana na određenom skupu podataka pa se od nje zatraži da napravi predviđanja zasnovana na potpuno drugačijem skupu podataka može dati odgovor koji je u potpunosti pogrešan – ali sasvim uverljiv korisniku koji je naučio da se osloni na prognoze veštačke inteligencije.
Realnost je u tome da je potreban stručnjak nauke o podacima koji će razumeti kada je analitički model primeren za određeni skup podataka. „Moram da razumem pretpostavke izgrađene na podacima“, kaže Parris iz IBM-a. „Kako da napregnem model? Možda ću morati da generišem druge tipove podataka ili da simuliram podatke, da bih ocenio da li je sistem koristan. Tada moram da proverimi podatke dok sistem radi kako bih se uverio da te pretpostavke važe. To radite kao stručnjak za VI posle višegodišnje obuke.“. Novi zaposleni ili oni koji nisu naučnici možda neće imati ovakvu obuku, pa će organizacija biti podložna pogrešnom zaključivanju.
Da bi se rešio ovaj problem, General Electric je započeo rad na nečemu što zove „ponizni VI“, sistem VI koji zna za koje situacije su njegovi algoritmi primereni – pa će samo u tim situacijama koristiti svoje modele za mašinsko obučavanje. „Ako sam van dometa, ne koristim ovaj model. Tada se vratim i koristim fizički model koji smo koristili zadnjih 20 godina“, kaže Parris. „Veštačka inteligencija zna šta ne zna.“ „Ponizni VI“ se sada testira, kaže on. „Sa mašinama od više miliona dolara, vi ne želite da radite nešto što šteti trajanju ili performansama. Odmaknite se i vratite se na redovne rutine.“
Slušajte zainteresovane strane – i kupce
Za neke kompanije, osiguranje da VI sistemi daju korisne rezultate zahteva neku spoljnu pomoć. „Idealno je da projekat započnete sastankom pred tablom za prezentaciju gde svi ključni učesnici provode popodne, upoznaju se sa detaljima i dokumentuju zahteve za upite“, kaže Jim Metcalf, glavni naučnik za podatke u projektu Healthy Nevada. Na primer, tim Healthy Nevada radio je na protokolu za bavljenje kardiološkim pacijentima. To je zahtevalo prikupljanje informacija o lekovima koji su propisani pacijentima kada su pušteni iz bolnice. Međutim, neki lekovi, kao što su statini, obično se propisuju čim se pacijent primi i nastavljaju se kada pacijent odlazi. Sistem je pretpostavljao da su to lekovi koje su pacijenti već uzimali, a ne novi lekovi povezani sa njihovim srčanim napadom, problem koji se otkrio tek kada se broj lekova pokazao manjim od očekivanog.
„Tim je to mogao mnogo ranije da utvrdi da smo od samog početka imali detaljnije razgovore sa svim zainteresovanim stranama“, kaže Metcalf. „Naš tim naučnika za podatke naučio je da ništa ne pretpostavlja. Mi temeljno proučimo, prodiskutujemo i dokumentujemo zahteve za upitima pre nego što bilo ko spusti prste na tastaturu.“
Za Coupa, provajdera platforme za upravljanje potrošnjom preduzeća, jedna dojava potrošača ukazala je na novi način za otkrivanja prevare. „U našoj industriji, pristup je bio da nadgledamo prevaru potrošnje u silosima“, kaže Donna Wilczek, potpredsednica kompanije za strategiju i inovacije proizvoda. „Na primer, ima mnogo aplikacija koje kontrolišu prevare u izveštajima o troškovima, koje nadgledaju prevare kod kupovanja.“.
Ali ispostavlja se da će zaposleni koji vara u jednoj oblasti verovatno varati i u drugim oblastima, kaže ona. Obavili su razgovore sa stručnjacima za nabavke i sa finansijskim revizorima, pa su saznali da je tajna otkrivanja prevare u tome da se posmatraju pojedinci u srce prevare. „Ovde VI ima veoma lepu, pragmatičnu primenu“, kaže ona. „To je previše za živog revizora, previše podataka da bi čovek prepoznao obrasce.“ VI takođe može ubrzati proces otkrivanja prevara, omogućiti privrednicima da ulove prevaru pre nego što plaćanje izađe na vrata. „Normalno, kupci ne mogu to da rade prilikom trošenja, jer bi to previše usporilo poslovanje“, kaže ona. Coupa sada prikuplja primere nepoštenog ponašanja koje preduzeća prijavljuju, a zatim dodaje te stvarne primere u sistem VI.
Uključite stručnost domena
Sve više kompanija počinje da shvata da VI, sama po sebi, nije čarobni lek. „Često nam kompanije kažu: imamo gomilu podataka, veliko jezero podataka, samo priključite vašu veštačku inteligenciju i recite nam nešto interesantno“, kaže JJ Lopez Murphi, veliki direktor za VI i tehniku podataka u Globantu, globalnoj IT konsultantskoj kompaniji. „Da, VI će vam pomoći da otkrijete skrivene obrasce, ali vam neće dati odgovor ako nemate odgovarajuća pitanja. To se jednostavno neće desiti.“
Sagledavanje uvida iz podataka oslanjajući se isključivo na naučnike za podatke i stručnjake iz oblasti informacionih tehnologija, velika je greška, kaže Halim Abbas, glavni oficir VI u firmi Cognoa, koja primjenjuje VI na polju bihejvioralne dijagnostike, pomažući da se identifikuju deca sa autizmom i drugim zdravstvenim pitanjima vezanim za ponašanje. U realnom svetu, možda postoje međuzavisnosti u podacima, a neki podaci možda nisu relevantni, i potreban je stručnjak za tu oblast koji će da prepozna razliku. Na primer, ako skup pacijenata dijagnostikovanih u prostoriji sa plavim zidovima i drugi skup u sobi sa belim zidovima daje različite rezultate, analitički model koji traži obrasce može zaključiti da boja zida ima klinički značaj.
„Kako skup podataka raste, očigledno ćete izbeći takve glupe zaključke“, kaže on. „Ali možda ipak mogu da se jave neke suptilne greške.“. To su pitanja kojih ekspert za VI ne bi bio svestan bez stručnjaka iz domena, kaže on. Ovo je naročito kritično kada su skupovi podataka mali, poput retkih okolnosti ili male demografije. Naravno, stručnjaci za domen mogu da imaju svoje predrasude, kaže Abas. „Možda se drže pogrešnih verovanja o vezama između određenih varijabli i određenih uslova. Dobar način da budete potpuno sigurni jeste da uzmete podatke od stručnjaka za domen, i učinite isto na strani VI, pa radite jedino sa onim što je dvostruko potvrđeno, sa obe strane.“.
Interna klinička ekspertiza takođe pomaže da Cognoa odredi da li modeli funkcionišu ili ne, i da im pomogne u usavršavanju. „Svaki put kada VI algoritam potvrdite u dobro postavljenom testiranju u stvarnom svetu, videćete da se stvarnost ne uklapa u simulacije“, kaže on. „Iz te analize dolazi uvid za dalje optimiziranje i poboljšanje vašeg proizvoda.“ Iskustva domena kombinovana sa VI mogu takođe biti od suštinskog značaja za organizovanje i integrisanje podataka, kako je utvrdila CAS, 111-godišnja kompanija koja prikuplja i objavljuje podatke o hemijskim istraživanjima.
„Stvari kao što su razmaci, indeksi, crtice ili promena jednog slova u hemijskoj strukturi mogu da znače razliku između sigurne i eksplozivne reakcije“, kaže šef tehnologije Venki Rao. „U našem objektu imamo preko 350 doktora nauka, koji sređuju podatke.“
Nedavno je ova kompanija počela da koristi VI za pomoć u kategorizaciji i sređivanju podataka, oslobađajući neke od ovih doktora nauka za složeniji rad. Ali stručnost iz domena potrebna je čak i za izgradnju jednostavnog sistema za optičko prepoznavanje znakova. Na primer, „nm“ je skraćenica za nanomolar, a „mm“ je milimolar – razlika je šest redova veličine. Ako sistem to nepravilno konvertuje, to može značiti razliku između bezbedne i opasne hemijske reakcije.
„Ako ste čisti tehnolog, ne možete odmah biti produktivni za nas“, kaže on. „Ako napadnete tehnologijom na silu, bez razumevanja hemije, to nikada neće biti optimalno.“ To čini regrutovanje izazovnijim, kaže Rao, a ponekad je i angažovanje spoljne saradnje nemoguće. „Ali dokazano je da se investicija isplaćuje u kvalitetu rešenja.“
Budite svesni vrednosti testiranja u realnom svetu
Nijedan plan borbe ne preživi kontakt sa neprijateljem – i nijedan VI sistem ne preživi kontakt sa stvarnim svetom. Ako vaša kompanija nije spremna za ovu činjenicu, vaš VI projekat je osuđen na propast pre nego što se započne. Jennifer Hewit, šef kognitivnih i digitalnih usluga u kompaniji Credit Suisse Group AG, odlučno se suočila sa ovim izazovom. Kada je kompanija odlučila da objavi svoju novu četbot podršku za klijente, Ameliju, Hewit je znala da će četbot verovatno često odustati i prepustiti kupce živim agentima, umesto da sama odgovara na sve ili na većinu upita.
„Odlučila sam da rano krenem uživo“, kaže ona, naglašavajući da kada je četbot prvi put pokrenut njegova sposobnost da razume nameru bila samo 23 posto. Ali provodeći vreme u stvarnim scenarijima, četbot je bio u mogućnosti da osmatra multikulturalne, višejezične i višegeneracijske razgovore – i uči od njih. „Naglo kretanje uživo i izlaganje sposobnostima u organizaciji, dovelo je do toga da smo u pet meseci uspeli da povećamo njenu sposobnost da shvati nameru sa 23% na 86% „.
Pazite na problem „crne kutije“ za VI
Poverenje je još jedno pitanje sa kojim se VI suočava kada stigne u stvarni svet, jer VI sistemi pružaju malo uvida u način na koji dolaze do svojih saznanja, pitanje poznato kao „problem crne kutije“. „Bila sam u situacijama u kojima nikada nismo uspeli to da prevaziđemo“, kaže Christina Mainelli, izvršna potpredsednica i glavni službenik za razvoj u Beacon Health Options-u iz Bostona, koji pruža zdravstvenu negu za probleme ponašanja za više od 40 miliona ljudi širom SAD.
Kompanija je odlučila da izgradi sistem koji pokreće veštačka inteligencija da bi se ranije uočili pacijenti, pre nego što njihovo stanje eskalira do tačke kad im je potrebna hospitalizacija. Da bi se uverio da će se sistem zaista koristiti, Beacon Health je okupio one koji bi trebalo da koriste sistem i obučavao ih ne samo za tokove rada, već i o tome kako funkcioniše algoritam. Dakle, pre nego što je sistem krenuo uživo, postojala je probna obrada na starijim podacima postojećih pacijenata.
„Oni pojedinci za koje se očekivalo da budu visoko rizični, zaista su bili visoko rizični – jer su primljeni u bolnicu“, kaže ona. „Naši kliničari su mogli da vide kako to funkcioniše, a to nam je pomoglo da smanjimo problem crne kutije“. Zatim, kada je VI sistem korišćen kod trenutnih pacijenata, tokom prvih dvanaest sedmica programa, bio je u stanju da identifikuje skoro 300 ljudi pod rizikom, od kojih 57 nije uočeno prethodnim, tradicionalnim pristupom.
„To je prilično upečatljivo. Pre toga nismo znali da su visoko rizični „, kaže Mainelli. „A sada tim radi na tome da ih uključi.“ To uključuje telefonske razgovore sa njima, dovođenje u kontakt sa dobavljačem, briga da dobijaju lekove koji su im potrebni. Za jedan do dva meseca, Beacon Health će videti rezultate ovih intervencija, jer postoji period odlaganja pre nego što zahtevi prođu, što će biti još jedan veliki test u realnom svetu. „Moraćemo da vidimo rezultate ishoda da bismo zaista znali“, kaže ona.
Uspostavite jasne pokazatelje
Postojanje jasnih poslovnih merila za merenje rezultata projekta VI je važno za dokazivanje da projekat funkcioniše i da treba da dobija stalnu podršku. Mnoge kompanije ne posvećuju dovoljno pažnje ovom aspektu svojih VI projekata. Prema Deloitte-u, manje od 50 procenata anketiranih kompanija meri ključne pokazatelje učinka koji su neophodni za preciznu procenu finansijske dobiti, indikatore kao što su ušteda troškova, prihodi i zadržavanje kupaca.
To je problem sa novim tehnologijama poput VI, kaže autor izveštaja Jeff Loucks, izvršni direktor Deloitte centra za tehnologiju, medije i telekomunikacije. „Često se ne upravlja sa istom strogošću koju kompanije primenjuju na zrelije tehnologije“, piše on. Rezultat je da su projekti VI „mostovi ka ničemu“, kaže on – pilot projekti koji se ne skaliraju ili projekti bez poslovne dobiti.
Obučavanje unutar kompanije
Gde da nađete ljude koji mogu da razumeju i VI tehnologiju i zahteve preduzeća? To nije lak zadatak. Postoji globalni nedostatak talenata za veštačku inteligenciju kao takvu, a dodatno sužavanje zahtevom za stručnost u domenu predmeta znači da je rezerva potencijalnih kandidata još manja. Prema Deloitte-ovoj anketi usvajanja VI, 69 odsto kompanija tvrdi da su suočene sa umerenim, velikim ili ekstremnim manjkom veština u svojoj radnoj snazi.
Kompanija General Electric se trudi da pronađe ljude sa programerskim i analitičkim veštinama koje su potrebne za VI i znanjem fizike i inženjerstva potrebnog za poslovnu stranu. „Imamo investicije na univerzitetima, gledamo LinkedIn, gledamo članke u medijima, srećemo ljude na konferencijama“, kaže Parris iz GE. Međutim, kompanija takođe interno traži ljude koji, na primer, imaju iskustvo u nauci o materijalima a idu na kurseve za VI, ili VI programere koji idu na kurseve za kontrolne sisteme i nauku o materijalima.
Pronalaženje ljudi sa kombinacijom stručnosti iz domena i veština VI je samo početak, kaže Parris. GE traži ljude koji to znanje mogu da iskoriste i pretoče ga u praktičnu primenu, kaže on. „Kako da pogledam poslovni problem i razložim ga na problem sa podacima?“ Da bi to postigao, GE pruža unakrsnu funkcionalnu obuku, kombinaciju AI i inženjeringa. Do sada je 10 do 15 naučnika i inženjera prošlo kroz nju – oko trećine naučnika i inženjera u kompaniji.
„Možda ima više njih koji su prolazili kroz delove toga“, dodao je Parris. I to je samo početak procesa promene korporativne kulture, organizacionog sistema, metrike, čak i podsticaja. „Za kompaniju poput GE, ovo je veliki zadatak, a sada smo na početku“, kaže on. „Ali ako ovo uradimo kako treba – budućnost se menja za sve nas.“
Izvor: CIO