Wdrażanie AI w biznesie: wyzwania i szanse - podcast „Kreatywnie o digitalizacji”

Przyszłość dzieje się dzisiaj. Dzięki innowacjom technologicznym rozwiązania, które jeszcze kilka lat temu wydawały się trudne do wdrożenia, powstają w ciągu kilku miesięcy. Kluczem do sukcesu jest odwaga, wizja i świadomość, że AI to nie tylko technologia, ale przede wszystkim narzędzie, które może przynieść wymierne korzyści biznesowe.

Proszę zaakceptować pliki cookies z kategorii statystyki, marketing aby uzyskać dostęp do tego materiału.

W najnowszym odcinku podcastu „Kreatywnie o digitalizacji” Tomasz Sączek rozmawia z Petrosem Psyllosem o nowoczesnych rozwiązaniach w biznesie i o tym, jak – wdrażając AI – firmy mogą zoptymalizować swoje procesy, obniżyć koszty, zwiększyć efektywność i poprawić jakość obsługi klienta.

Tomasz Sączek, dyrektor zarządzający IPP Pooling, gospodarz audycji: W dzisiejszym odcinku porozmawiamy znów o sztucznej inteligencji, lecz troszeczkę inaczej niż dotychczas. Zastanowimy się, w jakim kierunku sztuczna inteligencja ewoluuje i czego można się jeszcze spodziewać.

Moim gościem jest Petros Psyllos, innowator, programista i przedsiębiorca specjalizujący się w technologiach takich jak sztuczna inteligencja i sztuczne sieci neuronowe. Założyciel Cybernetics Company. Znalazł się na liście „Forbesa” – amerykańskiej edycji „30 poniżej 30” oraz w zestawieniu „MIT Review”. Jest laureatem New Europe 100 – listy najbardziej wpływowych innowatorów w Europie Środkowo-Wschodniej według Res Publica. Jest członkiem sekcji edukacji cyfrowej Komitetu Informatyki Polskiej Akademii Nauk, wykłada na SWPS oraz prowadzi szkolenia i warsztaty dotyczące nowoczesnych technologii.

Jesteś znany z tego, że świetnie orientujesz się w tematach sztucznej inteligencji. Aczkolwiek nie tylko, ale to dzisiaj będzie nasz główny temat, o którym będziemy rozmawiać. W ostatnim roku pojawił się ponad milion publikacji w obszarze sztucznej inteligencji. Jak to wszystko „ogarnąć”?

Petros Psyllos, założyciel Cybernetics Company: Dlatego nie można być świetnym w dziedzinie sztucznej inteligencji. Dzisiaj nawet największe głowy, które zajmują się AI, mają trudność z tym, żeby nadążać za postępem. Pociąg przyspiesza, i to jeszcze razem z dworcem. Pytanie, no właśnie, kto to będzie „ogarniał”? Zakładam, że sztuczna inteligencja będzie musiała, bo tyle tego jest.

Czy to, co się dzisiaj dzieje, to już jest przesilenie, czy jeszcze czeka nas coś, co nawet trudno sobie wyobrazić?

Uważam, że to jest dopiero początek. Wiem, że niektórzy mówią, że to jest hype porównywalny z bańką dotkomową. I wiem, że oni sobie trochę „jaja robią” z tej sztucznej inteligencji. Podają jako przykład szczotkę do włosów, która ma funkcję AI i rozpoznaje, czy włosy są mokre, czy suche. Albo poduszkę ze sztuczną inteligencją, która sama się mości. Są oczywiście takie produkty, bo dzisiaj każdy na tej sztucznej inteligencji chce robić biznes i przekonać inwestorów do tego, żeby w coś zainwestowali. Włączają więc nazwę „sztuczna inteligencja”, ale bardzo często się okazuje, że tam nie ma żadnej sztucznej inteligencji. To osobny temat.

Ale to nie znaczy, że stosowanie AI jest hype. Uważam, że to jest dopiero początek. Firma analityczna Gartner, która zajmuje się przewidywaniem trendów, też ostatnio podkreślała, że to dopiero początek. Teraz mamy generatywną sztuczną inteligencję, typu ChatGPT. I to faktycznie wybiło za bardzo i pewnie zacznie opadać. Ale już zaraz będzie neurosymboliczna sztuczna inteligencja, czyli połączenie tych dużych modeli językowych typu ChatGPT ze starą, klasyczną sztuczną inteligencją w postaci pewnych reguł i z góry określonych symbolicznych operacji, żeby ukrócić trochę halucynowanie tych modeli.

A to sprawi, że ona będzie bardziej pewna i będzie miała wiele różnych praktycznych zastosowań. Dzisiaj problem z tą sztuczną inteligencją generatywną jest taki, że ona po pierwsze jest podatna na halucynacje. Ludzie, gdy zauważyli, że ona tak się zachowuje, uznali, że nie nadaje się do tego, żeby ją w biznesie przykładowo zastosować, gdzie jest potrzebna pewność i pewien determinizm – np. w udzielaniu odpowiedzi, gdy mówimy o obsłudze klientów. Ale to już jest dzisiaj pomału ukrócane, to halucynowanie i konfabulowanie – i sztuczna inteligencja staje się coraz bardziej pewna. Więc dopiero to według mnie wystrzeli.

Nasz podcast dociera głównie do przedsiębiorców oraz ludzi związanych – między innymi, ale nie tylko – z łańcuchami dostaw. Powiedz mi na podstawie swojego doświadczenia. Jak dzisiaj najlepiej wykorzystać sztuczną inteligencję w zarządzaniu, w firmie? Czy wynika z Twojego doświadczenia, że coś jest godne uwagi?

To jest takie pytanie z serii: „jak wykorzystać komputer w firmie, żeby coś zoptymalizować”. Sztuczna inteligencja jest bardzo uniwersalnym narzędziem i to nie jest tak, że dopiero teraz ona się pojawiła. Już w firmach się wykorzystuje od wielu lat różne metody. Sztuczna inteligencja to nie tylko ChatGPT, jak dzisiaj się to zrównuje.

Sztuczna inteligencja – zawsze metaforycznie lubię mówić – to jest taki archipelag wysp. I te wyspy to są metody. My, informatycy, mówimy: metody sztucznej inteligencji. I są np. jakieś stare podejścia, powiedzmy, właśnie symboliczne. Są systemy ekspertowe, algorytmy genetyczne. I to już od wielu lat się stosuje.

Jedną z tych wysepek jest wysepka pod tytułem „sztuczne sieci neuronowe”. I to ona dzisiaj robi furorę pod postacią czata GPT i podobnych technologii. Tylko to nie znaczy, że ona dopiero teraz została wymyślona. Już w ubiegłym wieku wykorzystywało się sztuczne sieci neuronowe, żeby np. przewidywać awarie. Nawet u nas na uczelniach (np. na AGH) takie rzeczy się opracowywało.

Mamy mnóstwo sensorów w fabrykach. One są podpięte do takiej właśnie sztucznej inteligencji, do np. sztucznych sieci neuronowych. I one są w stanie wykryć pewne anomalie, które pojawiają się na linii produkcyjnej. Mogę też prześledzić pewną trajektorię, jak ta anomalia będzie się w czasie zmieniała.

Weźmy praktyczny przykład. Mamy silniki indukcyjne na liniach produkcyjnych. Wystarczy, że jeden silnik padnie i cała linia staje. No więc możemy na tych silnikach zamontować czujniki i dzięki temu wykryć, że coś ostatnio zaczęło się tam, w przebiegach, dziwnego dziać, np. ze stojanem jakiś problem jest, czy jeszcze z czymś tam. I możemy z wyprzedzeniem przewidzieć, że jeżeli nic nie zrobimy, to ten silnik padnie w ciągu tygodnia. I mając taką informację, możemy zaplanować jego wymianę. Czyli gdy np. linia nie jest w danej chwili używana, możemy podmienić element, chroniąc się przed sytuacją, w której produkujemy coś, staje linia i później każda minuta przestoju oznacza ogromne straty.

Jeżeli chodzi o takie przewidywania, to wiele lat temu też podobne systemy wdrażałem, właśnie związane z silnikami, bo ich w fabrykach jest mnóstwo. I dużo zakładów produkcyjnych w Polsce, szczególnie na wschodzie, nie ma tych najnowszych rozwiązań. Najnowsze systemy, które się montuje, już mają domyślnie takie czujniki zainstalowane i aplikacje, które pozwalają te anomalie wykrywać. Ale w dużej części fabryk są jeszcze stare rozwiązania, gdzie nie ma prawie w ogóle czujników, czyli założenia przemysłu 4.0 nie są tam realizowane.

Osiem lat temu taki właśnie system opracowałem, wdrażałem go w różnych firmach. Montowałem sensory na silnikach, ale nie tylko. Później to produkowało dużo danych, a jak jest obfitość danych, to stosujemy sztuczną inteligencję, żeby pewne wzorce w tych danych wykrywała, np. świadczące o zbliżającym się uszkodzeniu.

Sztuczna inteligencja w tym użyciu to jest rodzaj kryształowej kuli, która mówi nam w pewnym sensie o przyszłości. Ale to jest jedno z wielu zastosowań. W ogóle przemysł 4.0 szturmem teraz podbija różne branże. A idea jest bardzo prosta, żeby jak najwięcej właśnie czujników tam włożyć i wszystko przewidywać, co można przewidzieć, wszędzie anomalie wykrywać. A najlepiej odwzorować całą fabrykę w komputerze. Mówimy o koncepcji cyfrowego bliźniaka. Czyli robimy takie cyfrowe laboratorium w komputerze i możemy sobie po pierwsze zarządzać całą fabryką, dzięki temu mamy model tej fabryki w komputerze, a po drugie np. sprawdzać, co da zmiana jakiegoś parametru, powiedzmy, jakieś jest wąskie gardło w procesie produkcyjnym. Możemy sobie w komputerze zasymulować, jak np. przestawienie jakiegoś pracownika albo zmiana określonego procesu wpłynie na wydajność produkcyjną. Jeżeli pozytywnie wpłynie, to stosujemy te zmiany już na faktycznym organizmie. A najpierw wszystko badamy w komputerze, żeby nie robić tego na żywym organizmie i nie doprowadzić do przestojów.

Powiedz mi – skupiasz się cały czas na produkcji – czy są jakieś jeszcze inne obszary według Ciebie, wynikające z Twojej wiedzy, godne wdrożenia technologii AI?

Oczywiście obsługa klienta. Dzisiaj szczególnie modne, bo pojawiły się modele językowe typu ChatGPT. Wcześniej w tych systemach podchodziło się do tego w sposób klasyczny, czyli symboliczny. Człowiek rozpisywał reguły, przykładowo skrypt rozmowy z klientem. Dlatego kojarzymy sztuczną inteligencję, która obsługuje klienta, z takimi systemami jak asystenci firmy ubezpieczeniowej. Takie rozwiązania były bardzo prymitywne.

Dzisiaj można to realizować w bardzo zaawansowany sposób. Są firmy, które robią awatary. Już nie tylko głosowa obsługa czy tekstowa, ale normalne awatary. Polega to na tym, że wgrywamy do systemu pewne dane dotyczące produktów naszej firmy. Model językowy potrafi uogólnić tę wiedzę i później możemy sobie z nim rozmawiać. Bazuje on na danych, które wgraliśmy, co ogranicza halucynację. Jak nie wgramy tych danych, że nasza firma jest np. z Warszawy, to będzie zmyślał, że z Doliny Krzemowej.

Więc wgrywamy dane, bazę danych dołączamy do tego systemu i on, korzystając z tych danych, potrafi trafnych odpowiedzi udzielać, w większości przypadków. Automatyzujemy w ten sposób proces obsługi klienta. Wchodzą w to najwięksi gracze, począwszy od handlu produktami w modelu B2C na zasadzie marketplace i tak dalej. Ale też decydują się na to fintechy, największe banki także w to inwestują, żeby automatyzować obsługę klienta.

No tak, ale czy lubisz rozmawiać z awatarem? Bo ja nie do końca.

Nie rozmawiałeś z najnowszymi awatarami, które już nie mają tych opóźnień, nie trzeba czekać na udzielenie odpowiedzi. Już tam to nie wpada w pętlę, w której się mówi botowi „chciałbym dowiedzieć się o jakimś produkcie”, a on znowu, jak mantrę powtarza jakieś ogólniki, prawda? Parę lat temu rzeczywiście tak to wyglądało, ale dzisiaj to jest bardzo ludzkie. I jeszcze my w Polsce nie obcujemy tak często z tym, bo mało jest firm, które wdrażają to w tak zaawansowany sposób. Jeden z polskich banków prywatnych właśnie coś takiego w aplikacji wdrożył. Nest Bank właśnie nad tym pracuje. I to naprawdę dobrze działa.

Poza tym nie mamy wiele przykładów. Na przykład w Polsce jeszcze dalej czasami stosuje się właśnie te klasyczne, stare techniki. Ale wystarczy, że porozmawiasz z botami z firm z Zachodu, to naprawdę odniesiesz wrażenie, że z człowiekiem rozmawiasz.

Ale powiedz mi, z czego to wynika, że w Polsce tak topornie idzie z tymi wdrożeniami. Chodzi o koszty?

Nie chodzi o koszty, tylko chodzi o małą świadomość tego, jak ta sztuczna inteligencja się rozwinęła. Ludzie często właśnie kojarzą, bo się nasłuchają, że halucynuje i w ogóle do niczego się nie nadaje. Oczywiście halucynuje, ale są techniki, żeby to znacząco ograniczać. Różne systemy się robi, aby jakoś temperować odpowiedzi sztucznej inteligencji, więc jej odpowiedzi są już coraz bardziej pewne. Ale główny powód to ten pierwszy, czyli brak świadomości, jak daleko zaszliśmy pod względem rozwoju sztucznej inteligencji.

Gdy weźmiemy pod uwagę obsługę klienta, dzisiaj naprawdę można automatyzować 80% rozmów, robić to trafnie, dzięki czemu klienci nie będą się irytowali. Tak technologia się rozwinęła. Tylko to są ostatnie dwa lata, więc jeszcze ludzie nie są świadomi, że to tak daleko zaszło.

A czy nie jest tak, że to jest obawa? Co za dużo, to niezdrowo. I jeżeli ta sztuczna inteligencja zawładnie nami, to co nam zostanie?

Oczywiście mówimy o filmowych terminatorach, scenariuszach zdarzeń. To jeszcze tak nie wygląda. Sztuczna inteligencja się rozwija. Niektóre systemy nawet potrafią przeskanować naszą twarz (jeżeli włączymy kamerkę) i już sztuczna inteligencja (ze skutecznością ponad 70%) wie, jakie poglądy polityczne mamy i jak rozmowy poprowadzić. Możemy też dać dostęp – albo sama ten dostęp uzyska – do naszych mediów społecznościowych, przeanalizuje treści i nasze preferencje dokładnie odgadnie – będzie więcej wiedziała o tych preferencjach niż nasza żona. To jest jak najbardziej dzisiaj możliwe, a to wszystko można później w rozmowie wykorzystać i tak posterować rozmową, żeby produkt sprzedać. To jest technicznie możliwe.

U nas, w Unii Europejskiej, jest zakazane stosowanie takich socjotechnik, które służą do manipulacji naszymi umysłami. Nie można tego robić, ale na świecie się to robi.

Ale powiem Ci, gdy tak rozmawiamy, to wiele rzeczy, o których mówisz, wzbudza przerażenie trochę. W którym kierunku to idzie? Jakie są zagrożenia? O, bo to jest dla mnie też ciekawe, jak Ty widzisz temat! Sztuczna inteligencja to nie tylko same dobre rzeczy, prawda?

Jest to obusieczna technologia – jak Lem już wielokrotnie powtarzał, nasz prorok technologiczny. Ale tak jest z każdą technologią. Tu jest pewna różnica. Oczywiście mamy oklepany przykład tego noża: można nim posmarować kromkę masłem i kogoś zabić. To jest taki banalny przykład. Chociaż uważam, że nie do końca trafny, bo nóż nie myśli. Sztuczna inteligencja już dzisiaj myśli, według wszelkich testów.

Wychodzi na to, że ona faktycznie myśli na kształt ludzki, że to nie jest jakaś baza danych. To jest największe nieporozumienie. Jeśli ktoś sądzi, że to baza danych, albo że człowiek to tam wklepał, to się myli. Ona faktycznie rozumuje i na razie jest jeszcze narzędziem – i będzie jeszcze przez najbliższe lata, zakładam. A co później będzie? Nie jestem w stanie tego przewidzieć, ale też najwięksi specjaliści nie są.

Przypominam, że specjalista, który tworzy ChatGPT i współtworzy te metody, które tam są wykorzystywane, czyli największy mózg w dziedzinie sztucznej inteligencji, trzy miesiące przed wypuszczeniem czata 3.5 mylił się fundamentalnie. Twierdził, że ten czat nigdy nie powie, co się stanie z telefonem położonym na stole, gdy ten stół przesuniemy do przodu. Uważał, że nie zrozumie, że telefon, jak leży, to go razem ze stołem przesuniemy. Bo nigdy tego sztuczna inteligencja „nie ogarnie”. Trzy miesiące minęły – „ogarniała”. Więc nawet najwięksi się mylą. Ja tym bardziej pewnie się mylę, więc nie będę przewidywał.

Mój sympatyczny kolega, a właściwie przyjaciel Marek Jędra, którego pozdrawiam, kiedyś powiedział słowa, które mi utkwiły w pamięci: „Dopóki sztuczna inteligencja nie wymyśli własnej sztucznej inteligencji, my jako ludzie nie mamy się czego obawiać”.

Już wymyśla. Zdolność programowania jest kluczową umiejętnością. Czaty to opanowały i w dość zaawansowanym stadium obecnie się znajdują. I są takie projekty typu AI Scientist, które polegają na tym, że sztuczna inteligencja wymyśla np. projekty badawcze albo wymyśla, tworząc publikacje, nowe architektury sztucznej inteligencji. Opracowała jakieś modele dyfuzyjne, które są bardziej wydajne niż te przez człowieka zrobione. Więc już pomału zbliżamy się do tego momentu, w którym sztuczna inteligencja zacznie projektować jeszcze lepszą sztuczną inteligencję. Tak, tzn. zbliżamy się, ale nie wiem, kiedy to nastąpi, czyli że już to będzie tak skuteczne i tak – powiedzmy – dobre. Bo dzisiaj to pierwsze przebłyski takiego samoulepszania widzimy. Ale kiedy to będzie na tyle dobre i wydajne, że stracimy kontrolę i eksplozja inteligencji nastąpi, to nie potrafię powiedzieć. Ale potencjalnie taka możliwość rzeczywiście istnieje. Czy zostanie zrealizowana? No może prawo będzie surowo zakazywało stosowania takich technik. Tylko u nas będzie zakazywało, ale w Chinach już niekoniecznie. Na razie, powiedzmy, superprzyszłość nam się pisze, jeżeli chodzi o sztuczną inteligencję. Robotyka się rozwija też dynamicznie, roboty humanoidalne są produkowane do fabryk i to jeszcze nie są terminatory.

No właśnie, fajnie, że poruszyłeś temat robotów humanoidalnych. Co w tym temacie? Bo dużo się o tym mówi, dużo się widzi filmów. Rzeczywiście jest to już tak zaawansowane, że – można powiedzieć – wdrażalne i przynosi wiele korzyści?

Temat fabryk bez ludzi, gdzie roboty każdym procesem się zajmują, to też już od wielu lat się przewija. Nawet polecam odcinek „Bezludne fabryki” Sondy – kultowego programu popularnonaukowego z lat 70., 80. To już o tym wszystkim, o czym dzisiaj mówimy, mówili wtedy. Tylko oni głównie mówili o robotach przemysłowych. Wielkie ramiona, które same pracują. Duże elementy, ogromne siły wchodzą w grę, szybka produkcja itd. To od wielu lat się dzieje. W międzyczasie pojawiły się „coboty”, czyli roboty współpracujące, które są trochę takim marketingowym wybiegiem. Bo tu właściwie trudno rozgraniczyć pomiędzy robotami przemysłowymi a cobotami.

A to nie tak, że z cobotami człowiek może współpracować, a z przemysłowymi nie? Ja słyszałem kiedyś taką definicję – różnica robot przemysłowy a cobot.

No tak, bo te coboty polegają głównie na tym, że tam mniejsze są siły, elementy i to nie skrzywdzi człowieka, wolniej się trochę porusza, nie ma ostrych kantów. Powiedzmy, że to współpracuje z człowiekiem i jeszcze człowiek w prosty sposób może przeprogramować tego robota. Tylko ta definicja jest taka płynna i w jakim momencie – pytanie – kończą się roboty przemysłowe, a zaczynają coboty. Uważam, że cobot to jest po prostu też robot przemysłowy, tylko taki trochę gorszy i współpracujący z człowiekiem, więc człowiek blisko niego może działać, to nie musi być odgrodzone (bo to szybko się porusza, jest dynamiczne). Taka jest różnica. Takie roboty się tam stosuje.

Teraz coraz częściej mówi się o robotach humanoidalnych. Na obraz i podobieństwo człowieka. Elon Musk rozwija Optimusa. Robot Figure, przykładowo. Jest też robot od firmy 1X, który do świata fabryk ma być dostosowany. Firma Boston Dynamics ostatnio zaprezentowała elektrycznego Atlasa, który detale z wtryskarki przenosi z miejsca na miejsce.

No i teraz niektórzy zadają takie pytanie: po co to komu? A na co to potrzebne? W świecie fabryk są pewne procesy, które wymagają zręczności człowieka i są pewne narzędzia, które są przystosowane do ludzkiego kształtu, ludzkich dłoni, ludzkiego operowania różnymi rzeczami. Twórcy tych robotów mówią, że właśnie dlatego rozwijają te roboty, bo w tych miejscach na liniach przemysłowych są pewne procesy, których łatwo takie ramię nie obsłuży. Jest wymagana zwinność człowieka w różnych operacjach. I dlatego to rozwijają.

Jestem zdania, że można przeprojektować te procesy, żeby jednak ten człowiek, jego zwinność nie była potrzebna, czyli można tak to zrobić, że te zwykłe ramiona wystarczą, prawda? Ale oczywiście roboty wyglądają fajnie PR-owo. Elon Musk, jak tego Optimusa przedstawił… to od razu akcje jego firmy wzrosły, bo to takie super, z filmów kojarzymy takie roboty i PR-owo to fajnie się sprzedaje. Tylko pytanie, czy potrzebujemy takich robotów? Uważam, że da się przeprojektować te linie produkcyjne, że ta zwinność ludzkich rąk nie jest potrzebna, bo da się pewne rzeczy np. uprościć i ramiona – te takie, które już od wielu lat z nami są – zastosować.

Widzisz, łatwo zrobić sztuczną inteligencję, która opowiadanie napisze, albo kazanie, albo test na IQ rozwiąże i wynik 120 osiągnie. Mówię o czacie GPT. A znacznie trudniej zrobić robota, który ma zdolności motoryczne na poziomie czterolatka. To jest słynny paradoks Moraveca. I faktycznie mamy z tym problem. To jeszcze raczkuje.

Co pokazuje trochę, że ta inteligencja człowieka to nie jest nie wiadomo co, tylko jakiś odpad mózgowy. A takie manualne operowanie, np. jakieś składanie na linii montażowej, chodzenie w ogóle, z tym roboty mają problem. To wymaga potężnych obliczeń. Nasz mózg jakoś to robi, że nie przewracamy się.

Na co warto zwrócić uwagę przy tego typu wdrożeniach. Są jakieś złote zasady? Albo czego unikać?

Kilka jest takich obszarów. Przede wszystkim, jeżeli dane są wrażliwe, nasze, nie korzystamy z zewnętrznych usług. Powiedzmy, jeżeli chodzi o obsługę klienta, to czata GPT lepiej nie zaprzęgać do tego. Jeżeli dane są wrażliwe, to one mogą wyciec i nie mamy pewności, czy nie zostaną wykorzystane później do szkolenia tego modelu. Niby firmy dają takie opcje, żeby to było zamknięte, ale nigdy nie mamy pewności. Jakbym był poważną firmą, która ma wrażliwe dane, tobym unikał tego i wdrażał autonomiczne systemy na własnych serwerach.

Jest dzisiaj taka możliwość, żeby mniejsze modele zastosować, ale bardziej sprofilowane pod nasze zastosowanie i u siebie serwer postawić, karty graficzne i zrobić takie odizolowane środowisko, żeby nasze dane były bezpieczne. Też między innymi teraz tym się zajmuję, np. podczas współpracy z bankami. Banki potrzebują do obsługi klientów, przetwarzania dokumentów wewnątrz firmy, takich właśnie systemów, żeby nie wysyłać danych gdzieś na zewnątrz. Robimy takie systemy w pakiecie na serwerach w firmie.

Wspomniałem tutaj – szeroki obszar przetwarzania dokumentów. Dzisiaj to można naprawdę zautomatyzować. Katalogowanie faktur, raporty bazujące na tych fakturach, raporty finansowe na podstawie danych, które nawet nie muszą mieć struktury. To sztuczna inteligencja bez problemu zrobi.

Kwestie prawne. Zamiast prawnika przy jakiejś sprzeczności wyszukiwać, bo mamy dużo regulacji wewnątrz firmy, to możemy sobie szybko posprawdzać i zidentyfikować te sprzeczności, dokumenty księgowe. To wszystko dzisiaj można zautomatyzować.

W 90% da się wszystko zautomatyzować, jeżeli chodzi o obieg dokumentów. Pozostaje tylko kwestia bezpieczeństwa, żeby to wszystko zamknąć u siebie. I są techniczne już dzisiaj możliwości, żeby małe modele zastosować i to pozamykać.

Jest jeszcze kwestia determinizmu tej sztucznej inteligencji, że te modele nie zawsze dają takie same odpowiedzi i trudno przewidzieć, co one na wyjściu wyprodukują, bo to są czarne skrzynki. To znaczy – nie rozumiemy, jak to działa. Stworzyliśmy technologię, której kompletnie nie rozumiemy, jeżeli chodzi o procesy, które w środku się dzieją w tych dużych modelach językowych. Więc jeżeli mówimy o obsłudze klientów czy obsłudze przetwarzania dokumentów, to fakt, że 50 razy dobrze to wszystko zostało przeprocesowane, nie znaczy, że za 51 razem też bezbłędnie ta sztuczna inteligencja „ogarnie” wszystko.

Małe firmy mogą mieć z tym problem – kwestia kosztów, jeżeli chodzi o infrastrukturę obliczeniową. No bo trochę kart trzeba nakupić i zainwestować w serwery. To lokalnie musimy wszystko realizować. Chyba że ktoś chce ryzykować i gdzieś stawiać to w chmurze –może to zrobić i są niższe wtedy koszty. Więc z tym jest problem. Kwestia podatności na ataki… trzeba odpowiednio to zabezpieczyć, mieć odpowiednią wiedzę.

Kwestia tego, że trzeba pracowników przeszkolić też jest ważna, bo to nie jest tak, że ta inteligencja wszystko zrobi. Trzeba najpierw mieć świadomość, co ona robi, żeby później odpowiednio system zaprojektować i kontrolować jego działanie. To nie jest tak, że zrobimy i to będzie samo się robiło. Tylko to działa na zasadzie takiej, że wcześniej np. dziesięciu pracowników potrzebowaliśmy, a dzisiaj wystarczy dwóch plus sztuczna inteligencja. To mniej więcej taka skala jest.

Wymieniałeś różne przykłady wdrożenia sztucznej inteligencji: marketing, obsługa klienta, prawnicze kwestie, dokumenty, linie produkcyjne. Jacy specjaliści według Ciebie powinni się bać, że ich zawody znikną?

Ostatni raport Światowej Organizacji Pracy wykazał, że prace biurowe są pierwsze do zastąpienia. Na ostatnim miejscu rzemieślnicy. Czyli znowu wracamy do tej manualności i operowania w świecie rzeczywistym. Z tym jeszcze AI za dobrze nie radzi sobie. A jeżeli chodzi o przetwarzanie dokumentów, jakieś tam kwestie księgowe, marketingowe, to już dzisiaj bez problemu potrafi to zrobić. Przypominam, dwa lata temu sobie nie radziła jeszcze z tym.

Więc za kolejne dwa lata czy za lat pięć, nawet jeżeli ktoś dzisiaj mówi, że to jeszcze się nie nadaje do niczego, to jeżeli dzisiaj nie wsiądzie i nie zacznie inwestować, i nie zmieni swojego podejścia, to okaże się, że ten pociąg odjedzie. To, że dzisiaj czegoś AI nie potrafi, to nie znaczy, że nie będzie potrafiła za rok czy za dwa, czy za pięć. ChatGPT przykładowo jest dzisiaj najgorszą wersją, jaka powstała w historii. Zaraz będzie kolejna wersja i ta też będzie najgorsza. Te wszystkie systemy do obsługi księgowej to są najgorsze wersje, jakie powstały w historii. Zaraz, za dwa lata to tak wykładniczo wzrośnie wszystko i będzie lepsze, że będziemy tylko się śmiać, patrząc na te systemy sprzed dwóch lat.

Więc ważne jest posiadanie świadomości, czyli ważne jest, żeby być świadomym po prostu, jak to się szybko rozwija. Dwa lata temu jeszcze to, o czym rozmawiamy, nie było możliwe, jeżeli chodzi szczególnie o te modele językowe. Bo ja je znam przynajmniej od ‘89 roku ubiegłego wieku, tylko tam za dużo się nie działo przez te lata. Teraz to wystrzeliło wszystko, prawda?

Może warto poczekać dwa lata i wdrożyć coś, co będzie za dwa lata lepsze niż dzisiaj? Powiedziałeś sam, że dzisiejsze wersje są słabe.

Są słabe względem tego, co będzie za dwa lata. Tylko gdy dzisiaj zaczniemy wdrażać, to po pierwsze „ogarniemy”, jak ta sztuczna inteligencja może nam się przydać, zrozumiemy tę technologię. I już pewne procesy zautomatyzujemy i łatwiej nam będzie robić update tego, co już jest, niż później od zera zaczynać. Za te pięć lat wszyscy będą mieli sztuczną inteligencję na każdym etapie, od produkcji po obsługę klienta, a my dopiero będziemy wchodzili w to. I będziemy strasznie zacofani względem tych firm, które to będą miały. I być może ta przewaga będzie już w pewnym sensie bardzo trudna do nadrobienia, żeby to raz-dwa zrobić, prawda?

Więc to, że dzisiaj się nie opłaca wdrażać AI, to nie znaczy, że nie powinniśmy tego wdrażać i się dostosowywać do tej technologii, i wraz z jej postępem aktualizować różnych rzeczy. Uważam, że to jest lepszą strategią niż czekanie pięć lat i wdrażanie. Wtedy może być za późno, bo już każdy będzie miał AI i nasza firma mocno w tyle może zostać. Będzie nieoptymalna kosztowo, bo wszyscy będą używać sztucznej inteligencji do automatyzacji prac wykonywanych przez pracowników i nagle będą redukcje 200 zamiast 20 – wystarczy, prawda? A my dopiero będziemy wchodzili tutaj i nie będziemy mieli praktyki, doświadczenia, żeby takie systemy wdrażać. No więc uważam, że to lepiej już dzisiaj robić i aktualizować wraz z postępem technologicznym.

Czyli słyszę to, co Ty mówisz i – podsumowując – konkurencyjność dzisiaj to duża zasługa rozwiązań sztucznej inteligencji. Czyli firma, żeby być konkurencyjną na rynku, powinna nie zapominać o sztucznej inteligencji?

Tak, powinna wdrażać, rozwijać, szukać zastosowań. Nawet wiele takich procesów na pierwszy rzut oka nieautomatyzowalnych da się zautomatyzować przy pomocy tych modeli. Ostatnio z jedną z takich firm rozmawiałem. Chodziło o to, żeby identyfikować każdego pracownika za pomocą rozpoznawania twarzy. Żeby później sztuczna inteligencja śledziła ruch i trajektorie każdego pracownika w fabryce, analizowała, czy nie ma jakichś zbędnych czynności w procesie produkcyjnym. Czy ci pracownicy nie tracą czasu i wąskie gardła przez to się nie wytwarzają na jakieś niepotrzebne czynności.

Bo człowiek może tego nie zauważyć, a AI je przeanalizuje. I też czy pracują, a nie „na telefonie siedzą” przykładowo. To też można identyfikować bez żadnego problemu. I później np. połączyć te dane o pracownikach z danymi o procesach różnych, o dostawcach. To wszystko można w ramach jednego systemu spiąć, do którego np. prezes ma dostęp z poziomu aplikacji. I taki system rozwijamy. Praktyki, które są w firmie, wtłaczamy do tych algorytmów.

Powiedzmy, że tę wiedzę, którą się wypracowywało przez wiele lat – można to do AI wtłoczyć wszystko. AI będzie stosowała dobre praktyki, jeżeli chodzi o zarządzanie itd., będzie odkrywała pewne wzorce, których nie odkrywaliśmy, korelacje pomiędzy różnymi zmiennymi. Na przykład (jeżeli chodzi o wydajność pracowników): jak zmiana jednego parametru – typu muzyka, która gra w zakładzie – wpływa na wydajność produkcyjną, a co za tym idzie optymalizację kosztów? Jak kwestie związane z pogodą mogą wpływać na zapotrzebowanie na jakiś produkt spożywczy? To też możemy bez problemu przewidzieć i od razu zaplanować, co zrobić, żeby dowieźć produkcję. Jakie zamówienie złożyć, żeby w magazynie nam te produkty bez potrzeby nie leżały, bo wiemy, że np. za 6 miesięcy będzie spory popyt na produkty chłodzone, typu napoje zimne. Możemy z góry przewidzieć, jakie obciążenie naszego magazynu powinno być. Możemy, a właściwie AI to może zrobić, z góry zamówić odpowiednio towary, żeby końcowy produkt wytworzyć.

Więc tak naprawdę ja tu mogę generować tych pomysłów nieskończoną liczbę. To od nas zależy (na zasadzie tego komputera, o czym zaczęliśmy rozmowę), jak zastosujemy sztuczną inteligencję. Można wszystko oczujnikować, wszystkie procesy przenieść do sztucznej inteligencji. Ona wszystko będzie nam sugerowała, podpowiadała, a prezes tylko na pulpicie w swoim smartfonie może efekty obserwować i mieć elegancko wszystko podsumowane.

Jeszcze AI zrobi miesięczny albo tygodniowy raport z tych prac i sugestie, co można zmienić. To wszystko jest dzisiaj technicznie możliwe do zrealizowania i też takie systemy realizuję już z firmami, więc to nie jest jakieś science fiction, to już się dzieje.

Powiedziałeś wcześniej, że w mniejszych organizacjach koszty wdrożenia takich rozwiązań są zbyt wysokie. Czyli raczej nie jest tak, że to tylko dla dużych organizacji? Mniejsze organizacje też mogą skorzystać?

Zależy, o czym mówimy konkretnie. Jeżeli mówimy o jakichś dużych modelach językowych, które wymagają trochę mocy obliczeniowej, żeby to uruchomić, to może być bariera wejścia wysoko ustawiona. Jeżeli nie ma tutaj lęku przed udostępnianiem danych gdzieś na zewnątrz, wysyłaniem, to można skorzystać z rozwiązań chmurowych. Ale są systemy AI, np. sieci neuronowe do analizy szeregów czasowych, czujników, odczyty kolejne, które nie wymagają takich mocy. To można na mikrokomputerku Raspberry Pi zrobić, który kosztuje 100 zł.

Wszystko zależy od konkretnego rozwiązania. Jest dużo metod AI, mnóstwo sposobów, żeby ją zastosować. Nie trzeba zakładać, że trzeba będzie uruchamiać wszędzie takie struktury jak te duże modele językowe, które wymagają 50 kart graficznych.

Powiedziałeś wcześniej, że w Polsce jednak te wdrożenia nie idą w tak intensywnym tempie jak na Zachodzie. Czy to też nie wynika z braku ludzi doświadczonych? Czy my mamy wystarczającą ilość ekspertów w dziedzinie sztucznej inteligencji? Jak widzisz ten temat z Twojej perspektywy?

Ekspertów naukowców mamy bardzo dużo. Duża część wyjeżdża za granicę albo pracuje dla zachodnich koncernów. Te koncerny dają takie możliwości, żeby te systemy wdrażać. A poza kilkoma dużymi firmami w Polsce, które rozwijają AI w sektorze produkcyjnym, takie techniki AI-owe do optymalizacji, tutaj nie ma właściwie, gdzie się zaczepić, swoją wiedzę wykorzystać, żeby coś właśnie takiego np. w fabryce zrobić. Więc wyjeżdżają za granicę, gdzie istnieją takie warunki, żeby to rozwijać.

To kwestia otoczenia, bo zasoby ludzkie mamy. Wystarczy popatrzeć. Największe konkursy informatyczne, największe spółki to są Polacy w dużej mierze. W OpenAI połowa to Polacy, prawda? A więc ludzi mamy, tylko nie mamy jeszcze np. otoczenia biznesowego, które jest na takim poziomie, żeby wysokozaawansowane systemy AI wdrażać, żeby te osoby tutaj znalazły pracę oraz żeby tutaj te badania prowadziły i wdrażały systemy. Nie mamy takich dużych firm, które (tak jak na Zachodzie) zainteresowane są sztuczną inteligencją. Mam nadzieję, że to się z czasem zmieni.

A jeszcze osobna kwestia – bo to, że firm nie ma, to nie znaczy, że nie można własnych tworzyć. Tylko to też jest taki problem, że kapitału ryzyka nie ma w Polsce odpowiedniego. Powiedzmy, na Zachodzie mój znajomy taką firmę zaczął rozwijać informatyczną. Kilka spotkań z inwestorem miał i dostali już od razu kilka milionów dolarów, żeby tam sztuczną inteligencję rozwijać, modele językowe pod jedno konkretne zastosowanie. A to w Polsce raczej nie byłoby takie proste. Tam mogą sobie pozwolić na takie ryzyko i nawet jak się, powiedzmy, nie uda, to już jest to wliczone w koszty. No a u nas, że to nieopłacalne, zbyt kosztowne, nie ma pewności, że to wyjdzie, konkurencja zaraz to samo zrobi, łatwo kopiowalne i inne powody. I takie osoby, gdy się nasłuchają takich rzeczy, są już po kilkunastu rozmowach z kolejnymi inwestorami, to bardzo często rezygnują z budowania start-upów w Polsce i wyjeżdżają za granicę.

Zeszliśmy trochę na pesymistyczne tony, na koniec coś optymistycznego.

Mamy potencjał, mamy potencjał intelektualny, bo to wszystko się z wiedzy bierze. Właśnie tu jest bardzo ważna rola takich podcastów jak ten, żeby mówić o sztucznej inteligencji. Dużo jest straszenia oczywiście, bo to się fajnie sprzedaje i nagłówki mediów lubią o tym mówić. Ale bez wątpienia jestem świadomy tych zagrożeń w dłuższej perspektywie. Nawet sam niektórych scenariuszy rozwoju się obawiam, ale to nie znaczy, że powinienem do bunkra jakiegoś zejść i się odizolować od wszystkiego.

Jestem świadomy też tego, że mam w pewien sposób wpływ na to, jak ta sztuczna inteligencja jest stosowana, jak się rozwija. My jako przedsiębiorcy mamy na to wpływ. Więc trzeba zdawać sobie sprawę z tego, że (znowu wracam do metafory z pociągiem) ten pociąg odjeżdża. Trzeba być świadomym tego, że te bilety należy kupić, żeby do tego pociągu wsiąść. Te bilety to jest właśnie ta świadomość tego, co się dzieje, tych narzędzi, które powstały i ich możliwości. I teraz kwestia zaangażowania mądrych osób, np. doktorów, którzy rozwijają te techniki i na naszych uczelniach naprawdę genialne rzeczy robią naukowo w dziedzinie sztucznej inteligencji. Tylko nie mają tego jak pod biznes, pod produkcję skomercjalizować, bo nikt nie jest zainteresowany – z tego powodu, że nie widzi potencjału w sztucznej inteligencji. Takie osoby bardzo często właśnie, tak jak już przed chwilą powiedzieliśmy, sprzedają te rozwiązania gdzieś na Zachód, wyjeżdżają i tam zasób budują. Trzeba ich dostrzegać, angażować te osoby i dawać im możliwości, żeby te swoje bardzo często naprawdę genialne pomysły przenosili do praktyki, no i tworzyć taki ekosystem, żeby to można było przede wszystkim testować i badać. To nie jest tak, że w sztucznej inteligencji można wszystko wyliczyć (to nie jest na zasadzie przewiezienia pomidorów), jaki zysk będzie, ile kupców, jak to wyrośnie nam itd. To nie jest coś takiego. Sztuczna inteligencja to jest po pierwsze rzecz bardzo nowa – we współczesnym wydaniu, mówię, sztuczna inteligencja, w tym modele językowe itp. Nie do końca wiemy – i to nie tak, że się nie douczyłem i nie wiem. Nawet najwięksi badacze nie do końca wiedzą, jak to działa. To nie jest deterministyczne, więc badamy to, testujemy itd. I to nie jest tak, że biorę sztuczną inteligencję i wyliczam, że akurat takie zyski będę miał z tego wdrożenia i to jest pewne. To tak nie działa. Tu jeszcze potrzebne są badania, testowanie, jak technologia, która gdzieś na uczelni powstała, w naszej fabryce się sprawdzi. To jest rzecz niepewna, więc trzeba cierpliwości, świadomości tego, że czasami trzeba będzie trochę pieniędzy „przepalić”, ale jak przepalimy, to może coś takiego opracujemy, że nam produktywność o 400% w fabryce wzrośnie i będziemy bardzo konkurencyjni.

Więc nie bać się tego ryzyka, bo na Zachodzie już dawno temu zauważyli, że takie ryzykowanie w technologie jest opłacalne. Co widzimy dzisiaj w postaci sztucznej inteligencji. Na przykład jestem ciekawy – jakby taki, powiedzmy, Wojciech Zaremba (współtwórca czata GPT) swojego czata wymyślił tutaj w Polsce. Czy też to by się tak rozwinęło? Czy by znalazł inwestora, który zainwestowałby w taką ryzykowną technologię, która na pierwszy rzut oka nie przynosi tu i teraz korzyści? Czat, z którym gadać możemy – niektórzy by powiedzieli – jak ja na tym będę zarabiał? A więc tutaj o to chodzi.

Potrzebujemy zrozumienia, że jest potencjał. Niekiedy jest łatwiej, jak już masz gotowe rozwiązanie, znaleźć zastosowanie. Bo na początku, jak nie wiesz, jak to będzie wyglądać, trudno jest sobie wyobrazić, co to może dobrego wnieść.

Tylko właśnie tu jest taki problem, że zanim to gotowe rozwiązanie powstanie, potrzebne są badania, potrzebne są miliony. A w Polsce się dyskutuje o tym, że gdzieś na AI poszło, nie wiem, 20 milionów i co tam powstało konkretnego. Przykro mi, ale wyszkolenie czata GPT i utrzymanie go to jest koszt 100 milionów dolarów mniej więcej. A tu mówimy o 20 milionach złotych na rok badań nad strategicznymi zastosowaniami sztucznej inteligencji i algorytmami. I badań podstawowych. A 20 milionów to kilometr autostrady kosztuje. O takiej skali mówimy. Problem jest właśnie w tym, że ludzie tego nie widzą.

Petros, dziękuję Ci bardzo. Rozmawialiśmy na wiele ciekawych tematów. Była to niesamowita, fantastyczna uczta dla mnie, intelektualna. Dużo się dowiedziałem. Wiem, że nasi słuchacze również. I jeszcze raz wielkie podziękowanie za Twoją obecność.

Dziękuję i niech moc sztucznej inteligencji będzie z Państwem.

Pozdrawiamy.

Odsłuchaj odcinek

Zobacz inne odcinki podcastu „Kreatywnie o digitalizacji”: