Umjetna inteligencija (AI), ili bolje rečeno primjena umjetne inteligencije dominira raspravama u poslovnom svijetu. Svi, od direktora do asistenata pokušavaju iznaći način da iskoriste potencijal nove tehnologije kako bi postigli željene rezultate što brže, jeftinije, i kvalitetnije. Ne čudi stoga golem utjecaj aplikacija poput ChatGPT-a i DALL-E koji omogućavaju potrošačima da istraže potencijal velikih jezičnih modela (LLM).
Ako je suditi po istraživanju stranice App Radar, AI aplikacije su preuzete 23,6 milijuna puta na Android uređaje od Studenog prošle godine. Kad se tome pridoda nešto više od 700 AI startupova koji su samo u posljednja tri mjeseca osigurali financiranje u iznosu 7,1 milijardi dolara, postaje jasnije čemu tolika pompa. AI je trenutno vrhunac tehnologije i kompanije imaju kratak period da se snađu i iskoriste ovo vrlo potentno tržište.
S obzirom na ovako širok interes, postoje prilike za eksperimentiranje s AI rješenjima u poslovanju. Međutim, zbog praktički beskonačnog broja mogućih primjena AI u poslovanju, iskorištavanje ove prilike može predstavljati veliki izazov, osobito u kompanijama koje nemaju agilnu strukturu. Stoga su menadžeri i investitori suočeni s izazovom odabira najboljih rješenja za svoje potrebe. Na kraju krajeva, mnoge još uvijek peče totalni kolaps i gubitak resursa uloženih u tehnologiju povezanu s metaversom ili blockchainom, samo da bi saznali da stvaranje vrijednosti zahtijeva dugotrajne napore. Mnogima se čini da je trenutni boom AI tehnologija samo hir koji će proći, slično kao blockchain i druge disruptivne tehnologije.
No, iako je ChatGPT doveo AI u mainstream, generativna AI je samo najnoviji napredak u mnoštvu aplikacija vođenih podacima. Primjerice, industrija osiguranja je prošla radikalnu transformaciju tijekom posljednjih deset godina zahvaljujući rješenjima zasnovanim na podacima koja su automatizirala procese, omogućila digitalnu obradu i procjenu rizika, što je značajno povećalo volumen i poboljšalo korisničko iskustvo. Slične procese se može očekivati i u drugim industrijama, pogotovo kako generativna AI bude napredovala.
Mnogima vjerojatno ne bi pala na pamet osiguravajuće kompanije kao prva industrija koja usvaja napredne tehnologije. Međutim, ključ je što odmah vide logiku i poslovnu vrijednost AI rješenja. S relativno malim ulaganjem i minimalnim rizikom, oni mogu brzo i konkretno transformirati velike dijelove svog poslovanja. To je temeljno pravilo kada razmatramo najbolje prilike za LLM-ove da ozbiljno utječu na poslovanje: što mogu koristiti kako bi ostvarili dobar povrat ulaganja uz minimalan rizik?
Isprobano i testirano naspram najnovijih inovacija
Za donositelje odluka u velikim poduzećima, LLM-ovi (i AI općenito) pružaju ogroman, neki bi rekli i prevelik, broj opcija. Svaka pojedina funkcija poslovanja može biti transformirana koristeći AI. No, pitanje je da li je to zbilja potrebno?
Prva stvar koju treba uzeti u obzir jesu različiti stupnjevi zrelosti i razvoja svakog rješenja. Nekima je možda privlačno eksperimentirati s inovacijama ili stvarati vlastite primjene, ali to nosi prilično visok rizik. Pre-made, odnosno gotova generativna AI rješenja (npr. ChatGPT) predstavljaju rizike koji ih čine neupotrebljivima za određene poslovne primjene. Donositelji odluka trebaju razmišljati o tim sposobnostima kao o alatu koji je na raspolaganju kako bi ubrzali svoju viziju, osiguravajući istovremeno da se koristi odgovarajuća tehnologija ovisno o prirodi svake aplikacije.
Na primjer, fintech startupovi imaju dugu povijest korištenja znanosti o podacima za stvaranje sofisticiranih rješenja koja smanjuju teret financijskim odjelima i opskrbljuju lidere stvarnim uvidima u stvarnom vremenu. Neki od najnovijih napredaka koncentriraju se na analizu i prognozu gotovinskog tijeka omogućenog umjetnom inteligencijom. S obzirom na iskustvo mnogih od tih pružatelja usluga, njihovi proizvodi vjerojatno su isprobani i testirani, što dodatno smanjuje rizik od nekontroliranog djelovanja AI.
Koji je izvor neefikasnosti u poslovanju i kako umjetna inteligencija može pomoći?
Najbolji pristup je započeti s problemom, a ne s uzbudljivim novim AI rješenjem. Preporučujemo korištenje novih tehnologija kao blokova za stvaranje rješenja koja rješavaju stvarne, opipljive probleme.
Tvrtke uvijek mogu dodatno povećati svoju učinkovitost, poboljšati korisničko iskustvo korisnika i reducirati neefikasnosti. Problem je pronalaženje područja gdje je to najpotrebnije kako bi maksimizirali povrat ulaganja. Da bi to postigli, potrebno je analizirati podatke, kao i povratne informacije od korisnika.
Krenite malim koracima i stvorite infrastrukturu za upotrebu umjetne inteligencije u poslovanju
Svaka nova tehnologija nosi pitanja o tome kako će se integrirati s postojećim poslovnim procesima i infrastrukturom. Žurba da se ukrcate na AI vlak neizbježno vodi do skretanja s kolosijeka. U mnogim slučajevima tvrtke nemaju tehnološku platformu ili internu stručnost da učinkovito koriste nova rješenja, što pak vodi do problema u implementaciji i opstruira već usavršene procese.
AI sustavi će učinkovito raditi samo ako su podaci koje koriste slobodni, potpuni i čisti. U mnogim organizacijama to jednostavno nije slučaj. Infrastruktura upravljanja podacima često se previđa, poglavito zato što je vrlo skupa. Često je informacije izolirana unutar odjela što pak onemogućava dijeljenje i analizu, a politike prikupljanja i upravljanja podacima nisu usklađene među odjelima. Podaci niske kvalitete neminovno znače lošu kvalitetu rezultata implementacije AI sustava.
Ako tvrtka nema prijašnjeg iskustva u big data i/ili implementaciji AI rješenja, preporučljivo je započeti s implementacijama malog opsega. Alternativno, sukladno dostupnim resursima, angažiranje AI konzultanata može doprinijeti bržoj implementaciji većeg opsega. Koji god put izabrali, osigurajte da vaša infrastruktura, politike i procesi mogu podržati primjenu AI sustava. Postoje mnoge specijalizirane kompanije koje možete koristiti kako biste brzo pokrenuli AI sustave, ali imajte na umu da takav pristup nosi i relativno visok trošak.
Ne zaboravite ljudski nadzor
Postoji ozbiljan manjak stručnjaka za podatke koji će utjecati na sposobnost tvrtki da učinkovito usvoje i koriste AI alate. Osnovno obrazovanje za upravljanje podatcima unutar tvrtke je nužno kako bi se identificirala rješenja, pravilno pratila primjena, i analizirali rezultati sustava. Nadalje, menadžeri i donositelji odluka ne bi trebali slijepo vjerovati onome što im AI kaže; potreban je stručni ljudski nadzor. Isto tako, znanje i kapacitet za upravljanje AI sustavima ne smije biti limitirano na tim zadužen za analizu podataka, već treba biti dostupan svim odjelima i višim menadžerima.
Ovaj model je često poznat kao “čovjek u petlji” (eng. “human in the loop”), gdje se sustavi ne oslanjaju na ljudski unos kako bi obavljali svoje aktivnosti, već pomiču ljudsku kontrolu dalje od središta automatiziranog donošenja odluka, igrajući ulogu nadzornika kako bi osigurali da je rezultat točan i pouzdan.
Pa koje rješenje onda koristiti?
Trenutno, najviše novih primjena generativne AI nalazimo marketingu – posebno u generiranju teksta, slika, i ostalih medija. Potpuno je prirodno da će mnoga poduzeća prvo razmotriti primjenu AI rješenja upravo u ovom području zato što su jednostavna za primjenu i kontrolu.
Međutim, naša preporuka je razmisliti o tome kako AI može ubrzati napredak u rješavanju postojećih problema, koji često ne zahtijevaju generativni element, već se oslanjaju na temeljno razumijevanje nestrukturiranih podataka.
Zapamtite, identificiranje najboljeg AI rješenja za vaše poslovanje samo je prvi korak. Morate imati infrastrukturu, potporu, unutarnju ekspertizu i provjeru kako biste osigurali da iz AI sustava izvučete najviše za najmanju cijenu.
