A mes­ter­sé­ges intel­li­gen­cia ma már nem elmé­le­ti kér­dés a vál­lal­ko­zá­sok­nál. A Port­fo­lio AI in Busi­ness Kon­fe­ren­cia is inkább arról szólt, hogy mi műkö­dik belő­le tény­le­ge­sen. Keve­sebb hype, több valós műkö­dé­si tapasz­ta­lat, eset­ta­nul­mány. Pago­nyi Adri­enn írá­sa.

A kon­fe­ren­cia egyik leg­fon­to­sabb tanul­sá­ga egé­szen pró­zai.

Az AI jelen van az üzle­ti élet­ben, csak nem úgy, ahogy elkép­zel­tük.

A mes­ter­sé­ges intel­li­gen­cia nem egy nagy, min­dent átala­kí­tó rend­szer­ként jele­nik meg a vál­lal­ko­zá­sok­nál, vál­la­la­tok­nál, hanem apró beavat­ko­zá­sok soro­za­ta­ként. Gyor­sab­ban elké­szül egy riport, pon­to­sabb lesz egy elő­re­jel­zés, idő­ben érke­zik egy figyel­mez­te­tés, egy­sze­rű­sö­dik az ügy­fél­szol­gá­lat. Ezek külön-külön nem tűn­nek jelen­tős vál­to­zás­nak, még­is elkez­dik átren­dez­ni a műkö­dést.

Egy pon­ton keve­sebb lesz a kap­ko­dás, több dolog válik elő­re lát­ha­tó­vá, a napi műkö­dés pedig egy kicsit kiszá­mít­ha­tóbb lesz. Per­sze, ez sem álta­lá­nos kép, vál­lal­ko­zá­son­ként, szer­ve­ze­ten­ként tér el, hogy mek­ko­ra teret enged az AI nyúj­tot­ta lehe­tő­sé­gek­nek.

A vál­lal­ko­zó ide­je fogy el, nem az ötle­te

A mes­ter­sé­ges intel­li­gen­cia vál­lal­ko­zá­sok­ban betöl­tött sze­re­pé­nek meg­ér­té­sé­hez érde­mes a napi műkö­dés­ből kiin­dul­ni. Azzal a fel­té­te­le­zés­sel élve, hogy maga a tech­no­ló­gia már adott, a leg­szű­kebb erő­for­rás­ból érde­mes kiin­dul­ni: az idő­ből.

Kovász­nai Ádám, az MBH cso­port­hoz tar­to­zó BUPA veze­tő­je, saját kuta­tá­suk­ra hivat­koz­va elmond­ta, hogy a vál­lal­ko­zók ide­jük körül­be­lül 16 szá­za­lé­kát töl­tik pénz­ügyi vagy ban­ki fel­ada­tok­kal. A fenn­ma­ra­dó idő a működ­te­tés­ről szól, így admi­niszt­rá­ci­ó­ról, érté­ke­sí­tés­ről, a HR fel­ada­tok­ról, szer­ve­zés­ről. A lis­ta majd­hogy­nem vég­te­len. Ez a fel­osz­tás jól mutat­ja, hol kelet­ke­zik a feszült­ség.

Min­den fon­tos, még­is kevés dolog­ra jut való­di fókusz.

Az AI ebben a hely­zet­ben egy­sze­rű sze­re­pet kap, hiszen időt sza­ba­dít fel, egy-egy auto­ma­ti­zált lépés­sel, gyor­sabb fel­dol­go­zás­sal, elő­re jel­zett prob­lé­má­val. A vál­to­zás itt kezd lát­sza­ni. Keve­sebb lesz a tűz­ol­tás és több ener­gia marad arra, ami tény­le­ge­sen elő­re viszi a vál­lal­ko­zást.

A dön­té­sek mögé vég­re kerül vala­mi

A kon­fe­ren­ci­án több elő­adó is hason­ló irányt raj­zolt fel. A vál­lal­ko­zá­sok már hasz­nál­ják vagy hasz­nál­ni akar­ják az AI‑t, de a dön­tést nem adják ki a kezük­ből.

Ez a műkö­dés sta­bil ala­pot ad. A rend­szer lát­ha­tó­vá tesz össze­füg­gé­se­ket, ame­lye­ket eddig tapasz­ta­lat­ból vagy meg­ér­zés­ből kezel­tek.

A magyar vál­lal­ko­zói közeg­ben ez külö­nö­sen rele­váns. A kuta­tá­sok sze­rint a mik­ro- és kis­vál­lal­ko­zá­sok jelen­tős része inkább érzés­ből dönt. Ez ugyan gyors reak­ci­ó­kat tesz lehe­tő­vé, viszont nehe­zeb­ben kiszá­mít­ha­tó műkö­dést ered­mé­nyez.

Az AI ebbe a rend­szer­be hoz struk­tú­rát. Egy lik­vi­di­tá­si elő­re­jel­zés pél­dá­ul idő­ben jel­zi a prob­lé­mát. Egy kate­go­ri­zá­ló rend­szer ren­det tesz az ada­tok között. Egy figyel­mez­te­tés meg­előz egy hibát. A dön­tés tovább­ra is az embe­ré marad. A különb­ség az, hogy több infor­má­ció áll mögöt­te.

A lel­ke­se­dést gyor­san köve­ti a bizony­ta­lan­ság

A nem­zet­kö­zi tapasz­ta­la­tok, a vára­ko­zá­sok elle­né­re, kife­je­zet­ten józa­ní­tó­ak. Kath­leen Walch, a Pro­ject Manag­ement Ins­ti­tu­te AI Engag­ement and Com­mu­nity igaz­ga­tó­ja sze­rint az AI pro­jek­tek több mint 80 szá­za­lé­ka nem hoz­za a várt ered­ményt. 

Ennek egyik oka a túl­zott lel­ke­se­dés. A cégek gyor­san elkez­de­nek AI-ban gon­dol­kod­ni, majd ami­kor az ered­mé­nyek nem azon­nal érkez­nek, csök­ken az érdek­lő­dés. Ehhez tár­sul a FOMO hatás is. Sok kez­de­mé­nye­zés mögött nem konk­rét műkö­dé­si prob­lé­ma áll, hanem a lema­ra­dás­tól való féle­lem.

A jól műkö­dő pro­jek­tek egé­szen más­képp indul­nak. Egy konk­rét prob­lé­má­val, jól körül­ha­tá­rolt cél­lal, folya­ma­tos tesz­te­lés­sel. Think big, start small, ite­ra­te often. Azaz gon­dol­kodj nagy­ban, kezdd kicsi­ben és fino­míts folya­ma­to­san. Ez a gya­kor­lat­ban inkább fegye­lem, mint mód­szer­tan.

A másik erős ténye­ző a bizony­ta­lan­ság. Hon­nan tud­ha­tó, hogy egy válasz helyes? Mennyi­re lehet rá támasz­kod­ni? Mit jelent egy hiba?

Ez a bizony­ta­lan­ság a szer­ve­ze­te­ken belül is meg­je­le­nik. Egy­re több helyen beszél­nek „sha­dow AI” jelen­ség­ről, ami­kor a mun­ka­tár­sak saját esz­kö­zök­kel hasz­nál­ják az AI‑t, a szer­ve­ze­ti kere­te­ken kívül. 

A műkö­dés szem­mel lát­ha­tó­an vál­to­zik, azon­ban a sza­bá­lyo­zás és a közös kere­tek még ala­kul­nak.

A hasz­ná­lat már itt van, a műkö­dés még ala­kul

Magyar­or­szág ebben a folya­mat­ban nem áll rosszul. Jakab Roland, a 2018 októ­be­ré­ben meg­ala­kult Mes­ter­sé­ges Intel­li­gen­cia Koa­lí­ció elnö­ke sze­rint a mun­ka­ké­pes korú lakos­ság közel 30 szá­za­lé­ka hasz­nál vala­mi­lyen AI-esz­közt, ami glo­bá­lis össze­ha­son­lí­tás­ban is erős arány. 

Ez a szám a nyi­tott­sá­got mutat­ja, a műkö­dés átala­ku­lá­sa azon­ban ennél las­sabb, mivel a hasz­ná­lat és a beépü­lés között idő­be­li különb­ség van. Sok vál­lal­ko­zás már kipró­bál­ta az AI‑t, de még nem épí­tet­te be a napi folya­ma­tok­ba.

Jakab Roland ezt három szint­tel írja le: támo­ga­tott, auto­ma­ti­zált és auto­nóm műkö­dés. A leg­több szer­ve­zet az első ket­tő között halad és a sza­kasz a tanu­lás­ról szól. Folya­ma­to­san. A rend­sze­rek fej­lőd­nek, az ada­tok vál­toz­nak, a műkö­dés­hez való illesz­tés időt igé­nyel.

Az AI nem olyan esz­köz, amit be lehet állí­ta­ni és magá­ra hagy­ni. Figyel­met igé­nyel.

A mes­ter­sé­ges intel­li­gen­cia vál­lal­ko­zá­sok­ban betöl­tött sze­re­pe összes­sé­gé­ben egy foko­za­tos átren­de­ző­dés­ként írha­tó le. A műkö­dés egy­re átlát­ha­tób­bá válik, a dön­té­sek mögé több adat kerül, a reak­ci­ók helyett egy­re több elő­re­lá­tás jele­nik meg.

A vál­to­zás nem lát­vá­nyos. Inkább követ­ke­ze­tes és egy pon­ton azt veszi ész­re az ember, hogy keve­seb­bet kell tüzet olta­ni, mert több dol­got lát elő­re.

Pago­nyi Adri­enn