CZ: Jak prekonať medzeru medzi AI príležitosťami a firemnou realitou
Přednáška Dave Arona „Closing the Gap Between the AI Opportunity and Corporate Reality“ byla zajímavá jak tím, že ukazovala obrovský posun, který AI zaznamenala v podnicích, tak přehlížená úskalí a někdy nepříliš zjevné souvislosti a příležitosti, jež nabízí.
Pět obrázků na zdi. Dva testovací subjekty – lidé, jeden MRI sken a jedna AI vytvořená na Kjótské univerzitě. Poněkud akademický začátek přednášky D. Arona v hlavním auditoriu rozhodně nebyl nudný. Ukázal totiž, že pomocí AI a MRI skenování lidského mozku lze číst myšlenky, nebo přinejmenším lze do jisté míry interpretovat kognitivní funkce jako je vidění. První řada obrázku jsou fotografie, které výzkumný tým umístil na zeď a ukázal testovaným osobám. Druhá řada je AI intepretací MRI skenu první osoby, druhá totéž u druhé osoby.
Nemluvte o AI, ale o praktických způsobech využití výše uvedených scénářů a technologií
AI má různé podoby či tváře, které lze rozdělit do tří kategorií:
-
Interakce „lidského“ typu (chatboti, virtuální asistenti, NLP, počítačové vidění)
-
Analytická AI (předpovědi, klasifikace, zpracování slabých signálů)
-
Automatizace, optimalizace, náprava chyb (digitální dvojčata, optimalizace procesů, samoučící se kyberbezpečnostní systémy)
Významný dopad AI aktuálně očekávají CEO v oblastech produktů a služeb, zákaznické zkušenosti, provozu a poskytování služeb. O něco méně (33-40 %) CEO vnímá AI jako zásadní pro oblast dodavatelských řetězců, řízení, řízení rizik a správy podniku. Meziročně se zásadně posunulo procento organizací, které již nějaký typ AI nasadily. Zatímco před rokem se jednalo o 4-5 % podniků, dnes je to již 14 % a dalších 23 % nasazení plánuje v příštích 12 měsících.
Chyby, omyly a předsudky vůči AI
„Měli bychom se vyhnout tendenci antropomorfizace AI, neučme AI dělat věci, které umí skvěle lidé, využijme ji pro věci, které lidé neumí – například v analytice,“ říká Dave Aron. V analytice je podle něj častým problémem, že se AI aplikuje tam, kde se analýzy vždy dělaly – důvodem jsou obvykle dobře strukturovaná a strojově čitelná data, AI už ale dnes taková data nepotřebuje, zvládá obrazová a jinak nestrukturovaná data. Typických předsudků a chyb při nasazování AI přitom existuje celá řada:
Pochopitelně hlavní výzvou zůstává pro většinu organizací nedostatek zaměstnanců, kteří by byli schopni řešení, produkty či služby na AI navrhovat a vytvářet. Na trhu je ale naštěstí poměrně dost kvalitních nástrojů.
Digitální byzyns ale posouvá IT do pozice tvůrce přidané hodnoty a hlavními tématy by měly být zážitek či přizpůsobivost. Podniková inovace může nabývat tří typických forem:
-
Udržující (Sustaining)
-
Postupná (Incremental)
-
Narušující (Disruptive)
Korporátní model měření výsledků po kvartálech a tvorby hodnoty pro akcionáře ale historicky vedl k tomu, že prostor dostávala jen udržující či postupná inovace (ostatně stačí se podívat na příklady společností, které samy sebe vykoupily z veřejného obchodování, aby měly volné ruce právě pro zásadní a nákladné inovační kroky s delší návratností). Podniky by proto měly dát prostor také skutečné tvůrčí inovaci a vyvážit ji s optimalizací.
Posvátná data
„Data jsou nejhorším možným odrazem skutečnosti,“ říká analytik Frank Buytendijk. Měli bychom se k nim přestat chovat jako k posvátné krávě a využívat spíše jako téma pro další diskusi, než jako způsob, jak diskusi ukončit. Nebo jinak: jestliže vás vaše data nešokují ani nepřekvapují, měli byste se asi začít ptát na jiné otázky.
Shrnutí připravila redakce informační služby INSIDE.