AI w Twojej firmie

Nie zamierzam zaczynać tego artykułu od kolejnej wzmianki o tym, jak sztuczna inteligencja zmienia świat i jakie ogromne możliwości oferuje – te wstępy znajdziemy w niemal każdym artykule, poście czy newsletterze o AI. Większość z nas jest już tego w pełni świadoma.

Celem tego materiału jest coś więcej niż ogólniki. Chciałbym dostarczyć wartościowego kontekstu i konkretów, które pozwolą lepiej zrozumieć miejsce AI w biznesie oraz ocenić, czy i w jaki sposób warto podejść do jej wdrożenia. Po przeczytaniu tego raportu mam nadzieję, że uznacie go za praktyczny przewodnik, odpowiadający na kluczowe pytania.

AI na świecie i w Polsce

Rynek rozwiązań opartych na sztucznej inteligencji, według danych Grand View Research, osiągnął wartość 136,55 miliarda dolarów, a eksperci prognozują jego coroczny wzrost na poziomie około 37% w latach 2022–2030. Stany Zjednoczone i Chiny prowadzą w globalnej adopcji AI, inwestując znaczne środki w rozwój tej technologii.

Sztuczna inteligencja dynamicznie zyskuje na popularności w obszarach takich jak e-commerce, marketing, produkcja reklam i filmów, obsługa klienta, personalizacja, optymalizacja procesów oraz kontrola i automatyzacja.  Obszary przemysłu internetowego, w których zastosowanie sztucznej inteligencji jest na wyższym poziomie to:

Najczęstsze obszary użycia AI

Przykłady praktycznego wykorzystania AI przez firmy na świecie obejmują:

  • Jednoczesna lokalizacja filmów reklamowych: Trivago skróciło czas postprodukcji o 50%, zaoszczędziło 3-4 miesiące i zlokalizowało reklamy w 30 rynkach naraz. Wykorzystując AI od HeyGen, zachowano tego samego aktora (Mr. trivago) bez kosztownego szukania poligloty. Efekt? Szybsze kampanie i wzmocniona globalna pozycja platformy.
  • Optymalizacja dostaw: FarEye dynamiczne wyznacza trasy w czasie rzeczywistym i wysyła zamówienia dla sieci dostaw pizzy, aby skracając czas dostawy o 27%
  • Optymalizacja zapasów: Walmart stosuje AI do przewidywania trendów popytu na produkty, optymalizując poziomy zapasów i harmonogramy wysyłek.
  • Kontrola jakości: H&M używa algorytmów uczenia maszynowego do wykrywania wad produktów i klasyfikowania ich przed wysyłką, co zmniejsza liczbę zwrotów.
  • Ocena e-learningowa: Bartleby, narzędzie firmy Barnes & Noble Education, wspierane przez AI, poprawia gramatykę, pisownię, interpunkcję, wykrywa plagiaty, sugeruje poprawne cytowanie i dostarcza wstępnych ocen prac.
  • Personalizacja treści: Warner Bros Discovery używa Amazon AI Personalize do rekomendacji filmów i programów dla niezalogowanych użytkowników, co przyniosło 14% wzrost zaangażowania użytkowników i 12% wzrost interakcji między markami.
  • Inteligentny marketing: Google Smart Shopping wykorzystuje uczenie maszynowe do automatyzacji kampanii reklamowych, analizując dane demograficzne, co zwiększa współczynniki konwersji.

Choć powyższe przykłady pochodzą od globalnych gigantów, którzy inwestują ogromne środki w rozwój AI, warto zauważyć, że krajobraz tej technologii szybko się zmienia. Dziś nie trzeba budować własnych modeli AI od podstaw za miliony dolarów – wiele fundamentalnych modeli jest publicznie dostępnych. Choć ich adaptacja wymaga wiedzy i umiejętności, koszty są znacząco niższe w porównaniu z trenowaniem modeli od zera.

Obecnie wchodzimy w erę, w której podstawowa architektura transformera (modelu na, którym bazuje np. ChatGPT) osiąga swoje granice. Mimo rosnącej mocy obliczeniowej i liczby GPU, ilość dostępnych danych – w praktyce ograniczona do zawartości internetu – przestaje rosnąć. W odpowiedzi na te wyzwania badacze AI będą szukać nowych rozwiązań, a inżynierowie skupią się na praktycznym wdrażaniu gotowych modeli w sposób przynoszący rzeczywistą wartość biznesową.

Jako badacz AI i osoba działająca w biznesie, widzę w tym ogromny potencjał. Pragnę pokazać, że AI może stanowić wartość dla firm, nie wymagając jednocześnie astronomicznych budżetów. To właśnie teraz jest najlepszy moment, by zacząć korzystać z możliwości, jakie oferuje sztuczna inteligencja. Jednak warto pamiętać, że AI nie jest magiczną różdżką, która automatycznie rozwiąże wszystkie problemy i usprawni każdy aspekt działalności. Nie zawsze wdrożenie AI jest najlepszym rozwiązaniem, a czasem potrzeby firmy mogą leżeć w zupełnie innym obszarze. Kluczem jest odpowiednia analiza i strategiczne podejście, a następnie mierzenie wyników aby upewnić się, że inwestycja w AI rzeczywiście przyniesie wartość dodaną.

AI-first czy Problem-first-AI – co to znaczy i czy warto?

Wiele osób zarządzających w firmach zadaje sobie aktualnie pytanie: czy warto inwestować w AI? Oczywiście, że tak, ale pod warunkiem, że sztuczna inteligencja jest postrzegana jako narzędzie do rozwiązywania rzeczywistych problemów, a nie cel sam w sobie. Dlatego kluczowe jest zrozumienie i zdefiniowanie problemów, zanim zaczniemy myśleć o wdrażaniu jakiejkolwiek technologii AI. W tym kontekście zdecydowanie polecam filozofię „Problem-first-AI”.

4VALUE_AI first, czy AI Problem First?

Coraz częściej spotykam się ze stwierdzeniem, że dana firma planuje być „AI-first”. Oznacza to zazwyczaj dążenie do jak najszybszego wdrożenia „jakiejś” technologii lub narzędzia opartego na sztucznej inteligencji, aby móc wykorzystać jej eksplozywny rozwój również w swojej organizacji. Towarzyszy temu często przekonanie, że brak inwestycji w AI może skutkować pozostaniem w tyle lub niewykorzystaniem potencjału, jaki ta technologia oferuje w kontekście rozwoju firmy. I rzeczywiście, AI ma ogromny potencjał, by usprawnić wiele procesów i dostarczyć przedsiębiorstwom realnej wartości. W mojej opinii jest to szczególnie duża szansa dla branż, w których sztuczna inteligencja jest jeszcze stosunkowo rzadko wykorzystywana.

Niemniej jednak podejście „AI-first” niesie ze sobą także pewne pułapki, o których warto pamiętać.

Główne ryzyko polega na tym, że wdrażanie AI może stać się celem samym w sobie, bez rzeczywistego powiązania z konkretnymi potrzebami organizacji czy oczekiwaniami klientów. W efekcie firmy wdrażają rozwiązania oparte na AI, które niekoniecznie rozwiązują faktyczne problemy lub mogą być zrealizowane za pomocą innej tańszej technologii. Prowadzi to często do znacznych kosztów oraz rozwiązań, które „szukają” problemów do rozwiązania – lub wręcz generują nowe wyzwania. Taka sytuacja z pewnością nie jest optymalna.

Dlatego bardziej przemawia do mnie podejście, które nazwałbym „Problem-first-AI”. Na czym ono polega? W skrócie, chodzi o priorytetowe skupienie się na problemach firmy. Kluczowe jest dokładne zbadanie, z jakimi wyzwaniami mierzy się organizacja, a następnie – gdy te problemy są jasno zdefiniowane – zastanowienie się, czy i w jakim zakresie sztuczna inteligencja może pomóc w ich rozwiązaniu. Takie podejście pozwala ocenić, czy wdrożenie AI wygeneruje rzeczywisty zwrot z inwestycji i przyniesie korzyści biznesowe.

Czy i jak trudno jest wdrożyć AI w firmie?

Wdrożenie sztucznej inteligencji w firmie może być procesem wymagającym, ale niekoniecznie przekraczającym możliwości organizacji. Kluczowym czynnikiem jest odpowiednie przygotowanie oraz świadomość potencjalnych wyzwań, jakie mogą pojawić się na każdym etapie tego procesu. Ważne jest również zrozumienie, że wdrożenie AI nie polega wyłącznie na zakupie czy implementacji technologii, lecz na kompleksowej integracji jej z istniejącymi procesami i strukturami firmy.

Główne wyzwania we wdrażaniu AI

  • Brak wyraźnych celów biznesowych: Wiele firm rozpoczyna przygodę z AI bez jasno zdefiniowanych celów. W efekcie technologia może być wdrażana w obszarach, gdzie jej zastosowanie jest ograniczone lub nie generuje rzeczywistej wartości biznesowej. Kluczowe jest określenie, jakie problemy firma chce rozwiązać, oraz jakie mierniki sukcesu będą zastosowane do oceny wdrożenia.
  • Brak danych lub niska jakość danych: Dane są fundamentem skutecznych rozwiązań opartych na sztucznej inteligencji. Firmy, które nie dysponują wystarczającą ilością wysokiej jakości danych, mogą napotkać trudności w trenowaniu niektórych modeli AI. W takich przypadkach warto rozważyć inwestycje w odpowiednie systemy zbierania, przechowywania i przetwarzania danych lub w produkty AI przygotowane przez inne firmy.
  • Niedobór specjalistów: Specjaliści w dziedzinie AI, w tym analitycy danych i inżynierowie uczenia maszynowego, są kluczowi dla powodzenia wdrożenia. Jednak na rynku pracy brakuje wykwalifikowanych kandydatów, co czyni rekrutację wyzwaniem. Alternatywnym podejściem może być współpraca z zewnętrznymi firmami czy startupami oferującymi usługi AI.
  • Integracja z istniejącymi systemami: AI rzadko jest wdrażana w izolacji od innych systemów informatycznych. Integracja z istniejącymi bazami danych, systemami ERP,  CRM czy hurtowniami danych może być skomplikowana i wymagać dodatkowych zasobów.
  • Koszty i zwrot z inwestycji (ROI): Wdrożenie AI może wiązać się z wysokimi kosztami początkowymi, szczególnie w przypadku budowy własnych modeli. Podobnie jest z czasem – proces wdrażania AI potrafi być czasochłonny i musi minąć odpowiedni czas zanim firma zobaczy zwrot. Wiele firm obawia się, że ROI nie będzie satysfakcjonujący. Kluczowe jest realistyczne oszacowanie potencjalnych oszczędności czy dodatkowych przychodów generowanych przez AI.

Jak uprościć proces wdrożenia AI?

  • Rozpoczęcie od małych projektów pilotażowych: Zamiast inwestować w duże, kompleksowe rozwiązania, warto zacząć od małych projektów pilotażowych. Pozwoli to zminimalizować ryzyko, wdrożyć pracowników oraz zrozumieć, jak AI może zostać zaadaptowana w specyficznych warunkach danej organizacji.
  • Wykorzystanie gotowych rozwiązań: Obecnie wiele firm oferuje gotowe narzędzia i modele AI, które można dostosować do potrzeb firmy. Wykorzystanie takich rozwiązań pozwala na zaoszczędzenie czasu i pieniędzy w porównaniu z budową własnych modeli od podstaw.
  • Szkolenie pracowników: Nawet najbardziej zaawansowane technologie będą mało skuteczne, jeśli pracownicy nie będą potrafili ich efektywnie wykorzystać. Warto zainwestować w szkolenia i warsztaty, które pozwolą zespołom zrozumieć, jak korzystać z AI.
  • Współpraca z ekspertami: Konsultanci czy firmy specjalizujące się w AI mogą pomóc w uniknięciu typowych błędów oraz przyspieszyć proces wdrożenia. Ich wiedza i doświadczenie mogą okazać się nieocenione, szczególnie dla firm, które dopiero zaczynają przygodę z AI.
  • Dostosowanie technologii do skali firmy: Nie każda firma potrzebuje zaawansowanych, kosztownych rozwiązań AI. Warto dostosować technologię do rzeczywistych potrzeb i możliwości organizacji, zaczynając od prostszych rozwiązań, które łatwiej wdrożyć.

Czy wdrożenie się udało?

Wdrożenie AI to proces iteracyjny. Regularne monitorowanie wyników i optymalizacja pozwalają na maksymalizację korzyści. Kluczowe jest mierzenie KPI oraz analiza, czy wdrożenie rzeczywiście przyczynia się do osiągnięcia założonych celów. Mimo tego jak istotny jest aspekt mierzalności rezultatów, aż 65% organizacji nie mierzy efektywności wdrożonych rozwiązań używających AI! Jest to sytuacja negatywnie wpływająca tak na jakość samego rozwiązania, jak i jego odbiór w organizacji, dlatego tak ważne jest aby monitorować wyniki!

Jaki procent firm mierzy skuteczność AI?

Wdrożenie sztucznej inteligencji w firmie nie jest łatwym zadaniem, ale przy odpowiednim podejściu i strategii może przynieść wymierne korzyści. Najlepszym rozwiązaniem jest zorganizowanie w firmie warsztatów, podczas których eksperci AI wraz z menedżerami firmy zdefiniują, które obszary firmy warto rozwijać za pomocą AI. Kluczowe jest rozpoznanie realnych potrzeb organizacji, świadome zarządzanie danymi, zaangażowanie zespołu i wybór odpowiednich technologii. AI nie jest celem samym w sobie – to narzędzie, które przy umiejętnym wykorzystaniu może stanowić istotny czynnik sukcesu biznesowego.

Autor Artykułu: Mateusz Kochanek Umów Konsultację

Obrazek przedstawia Mateusza Kochanka w białej koszuli i garniturze.