A világ legfejlettebb MI-rendszerei már készen állnak. És a cégek, amelyek profitálhatnának belőle? Ők nem mindig.
(A szerző adattudományi szakértő.)
A BeHive csapatával San Franciscóban jártunk az Imagination in Action konferencián, amelyet a Google és a Stanford campusain rendeztek meg. Összefoglaló sorozatunk első részében a globális AI-verseny dinamikáját vizsgáltuk. Most pedig azt térképezzük fel, miért marad el a valódi alkalmazás a technológiai lehetőségektől.
A konferencia technikai demói és stratégiai prezentációi között feltűnő kontraszt rajzolódott ki: míg a mesterséges intelligencia (MI) képességei exponenciálisan növekednek, az iparágakat ténylegesen átalakító alkalmazások száma messze elmarad a várakozásoktól. Erről pedig az emberi faktor tehet – az a gyakran figyelmen kívül hagyott, kritikus tényező, amely meghatározza, hogy a technológiai lehetőségből érték szülessen. Miközben a technológia rohamosan fejlődik, a legtöbb szervezet nehezen tartja vele a lépést.
A valódi szűk keresztmetszet nem a számítási kapacitásban vagy a modellek fejlettségében rejlik, hanem az emberi ítélőképességben, a folyamattervezésben és abban, milyen gyorsan tudnak az emberek alkalmazkodni.
Emberek a gép mögött – 25 magyar MI-guru, akikről még nem biztos, hogy hallottál
Befektetők, háttéremberek, iparági szakemberek ajánlásai, valamint a Forbes szerkesztőségének gyűjtése alapján választottuk ki azokat a mesterséges intelligenciával dolgozó, foglalkozó magyar cégalapítókat, kutatókat, fejlesztőket, szakértőket, akiket nemzetközi szinten is jegyeznek a szakmában. A Forbes AI25 listáját itt olvashatod.
Az MI nemcsak technológiai, hanem emberi kérdés is
Ahogy Amin Vahdat, a Google egyik vezetője fogalmazott: az „információ korszakából”, amikor a siker kulcsa az emberi tudás egyetemes hozzáférhetővé tétele volt, most átlépünk a „belátás korszakába”. Ebben a korszakban már nem az információhoz való hozzáférés a kihívás, hanem az, hogyan tudunk az óriási adatmennyiségből valódi, cselekvésre alkalmas intelligenciát kinyerni.
Ezzel az átalakulással a hagyományos versenyelőnyök újraértelmeződnek. Ma minden nagyvállalat hozzáfér ugyanazokhoz a csúcsmodellekhez, tanítási adatokhoz, számítási teljesítményhez. Az MI-képességek mára infrastrukturális szintre kerültek – alapkövetelmény, nem pedig versenyelőny.
Ami igazán megkülönbözteti a sikeres vállalatokat, az nem a modellek kifinomultsága, hanem az, mennyire képesek több MI-rendszert összehangolni, és mennyire tudják elérni, hogy az emberek ténylegesen használják ezeket.
A kontraszt éles. A cégek milliókat költenek mesterséges intelligenciára, mégis gyakran elbuknak a gyakorlati megvalósításban. Agenteket (olyan intelligens ügynök, amely észlel, gondolkodik és önálló döntéseket is hoz – a szerk.) fejlesztenek, de nem tudják elérni, hogy a vezetők megbízzanak az ajánlásaikban. A szűk keresztmetszet tehát nem maga a mesterséges intelligencia, hanem a szervezeti intelligencia. Azok a vállalatok, amelyek képesek megoldani ezt a kettős kihívást, nemcsak hatékonyabbak lesznek – hanem alapvetően más sebességgel fognak működni, mint azok, akik még mindig pusztán technológiai kérdésként kezelik az MI-t, nem pedig emberi és szervezeti feladatként.
A koordinációs szakadék
A vállalati adaptáció még a kezdeti szakaszban jár, de az értékteremtési potenciál példátlan. A vállalatok az MI-agenteket sokan olyan katalizátornak tekintik, amelyek túlszárnyalják az első ERP-rendszerek hatását – azokét, amelyek révén az úttörő cégek akár 40%-kal is felülmúlták S&P-piaci társaikat.
A jelenlegi alkalmazások 5-7 százalékpontos üzemi eredményhányad-javulást hozhatnak, míg az ellátási lánc és ügyfélkapcsolati fejlesztések további 10-30 százalékkal növelhetik a hatékonyságot. Ez együtt már elegendő lehet ahhoz, hogy megduplázza egy vállalat értékét. A legtöbb szervezet azonban még mindig „racionalizálási üzemmódban” működik, és alapvető kérdésekkel küzd: mi a különbség az agentek, chatbotok és nagy nyelvi modellek között; hol érdemes elkezdeni a bevezetést; és hogyan lehet továbblépni a kísérletezésből az éles, üzembiztos működésig, ahol egy tizedesjegynyi hiba is súlyos pénzügyi következményekkel járhat.
Az infrastrukturális fejlődés lehetővé tette, hogy az MI-rendszerek túllépjenek az egyszerű mintafelismerésen, és valódi problémamegoldóvá váljanak. Ahogy az első cikkünkben is összefoglaltuk,
a mai modellek már „társkutatóként” működnek: több hipotézist állítanak fel, értékelik és javítják saját munkájukat és optimális megoldásokat keresnek.
Ezek a rendszerek képesek agentek csapatát is irányítani, ahol minden agent önálló szereppel és identitással dolgozik, biztosítva az átlátható, visszakövethető együttműködést. Ez a fejlődés messze túlmutat a mai alkalmazásokon: újra kell gondolnunk a digitális architektúrákat, és pontosan meg kell határozni, hol marad az ember a karmester, nem pedig a passzív megfigyelő.
A konferencián bemutatott adatok egybehangzóak: az MI-kimenetek minőségének mintegy felét nem a modellek intelligenciája, hanem az agentek és a rendszerszintű koordináció határozza meg. A csúcsteljesítményhez nem elég egy modellt jól használni, tudnunk kell, hogyan adjunk releváns kontextust, hogyan osszuk el okosan a feladatokat az agentek között, és miként optimalizáljuk, milyen gyakorisággal vonjuk be a nagy nyelvi modelleket a munkafolyamatokba. A legizgalmasabb fejlesztések ma az iteratív finomításról szólnak – arról, hogyan dolgoznak a modellek párhuzamosan, majd saját eredményeikből tanulva fokozatosan közelítenek az optimális megoldáshoz.
A csúcsteljesítményhez nem elég egy modellt jól használni. Fotó: Steve Jonhson
A szervezet mint nulladik ügyfél
A világ legfejlettebb MI-agent architektúrája is kudarcot vallhat, ha nem oldjuk meg a legemberibb problémát: hogy a kollégák valóban akarják és merjék használni a rendszert. A technológiai sikerhez kulturális átalakulás is kell. Elengedhetetlen a kísérletező, nyitott szervezeti kultúra, ahol az ötletek és próbálkozások ösztönzést kapnak, nem pedig elfojtást, ahol a hibák nem retorziót, hanem tanulási lehetőséget jelentenek.
Fontosak a generációkra szabott MI-kompetenciafejlesztések, és az is, hogy tudatos stratégia szülessen a sikeres megoldások bevezetésére és használatára. A szervezetet magát is „nulladik ügyfélként” kell kezelni.
Stratégiai kérdés az is, hogy az MI-t a humán erőforrás tekintetében azonnali, rövidtávú költségcsökkentésre, vagy hosszabb távú, fenntartható hatékonyságnövelésre szeretnénk-e használni. Az utóbbi esetben azt várjuk el, hogy az MI megoldások erősítsék a jelenlegi kollégákat és ne helyettesítsék őket.
A „Turing-teszt csapda” – amikor az MI célja pusztán az emberi munkavégzés utánzása – zsákutcát jelent. Ez a megközelítés csupán emberi munkát vált ki anélkül, hogy új képességeket, lehetőségeket teremtene, miközben az értékteremtést egyre szűkebb körben realizálja. A valódi előrelépés ott kezdődik, amikor az MI kiterjeszti és felerősíti az emberi képességeket, új lehetőségeket teremtve, miközben az embert a kreatív folyamat szerves részeként megtartja.
Fotó: Fabian Irsara
Az exponenciális növekedés új vezetői mintát is igényel: olyat, amely a kollektív tudást az egyéni hősiesség elé helyezi. Manish Chandra, a Poshmark alapítója szerint a magányos innovátorok előbb-utóbb elérik a saját plafonjukat, míg a csapatban gondolkodó vezetők méretgazdaságosságot és rezilienciát építenek. A paradoxon az, hogy akik kiválóak a vállalat „nulláról egyre” építésében, ritkán rendelkeznek a későbbi növekedési fázisokhoz szükséges készségekkel. A legjobb vezetők elsajátítják az „anticipatív toborzást”, tehát azokat a tehetségeket hozzák be, akik a következő szervezeti fázishoz szükségesek, megelőzve így azt, hogy a hiányosságok válságokká váljanak. Ez a szemléletváltás a reaktív munkaerő-biztosításról a proaktív képesség-építésre helyezi a hangsúlyt, ahol a siker azt jelenti, hogy képes-e a vezető új tudásterületeket és kompetenciákat beépíteni a szervezetbe, amelyek továbbviszik azt minden fejlődési szakaszon.
Kifinomultság vagy alázat
Öt év múlva nem azok a cégek lesznek piacvezetők, amelyek a legokosabb modelleket vezették be, hanem azok, amelyek igazán megértették saját folyamataikat és csapataik működését. A bizonyíték kézzelfogható: a McKinsey kutatása feltárja, hogy a nagyvállalatok 89 százalékának van folyamatban MI-transzformációja, mégis, csak a várható bevételnövekedés 31 százalékát és a költségmegtakarítások 25 százalékát érték el eddig.
Miközben a versenytársak a modellválasztáson rágódnak, az igazi megkülönböztető tényező a szervezet hozzáállása és reakciója lesz: milyen gyorsan tudja az MI-képességeket valódi, kézzelfogható értékké alakítani.
Ehhez olyan készségekre van szükség, amelyet sok vállalat nélkülöz: átgondolt folyamattervezésre, türelemre a bizalom építéséhez a vezetői rétegek között, és bátorságra, hogy olyan embereket vegyenek fel, akik már ma túlnövik a jelenlegi igényeket.
A láthatatlan akadály nem technikai, hanem kulturális. A siker egyetlen tengely mentén válik el: azon, hogy a szervezet milyen gyorsan képes egy működő prototípust valódi gyakorlattá alakítani. A paradoxon az, hogy a mesterséges intelligencia ereje nem a kifinomultsággal, hanem az alázattal arányosan növekszik.
Takács Anna,
a BeHive adattudományi vezetője és szakértője
