7 wyzwań, które może rozwiązać AI

Początki sztucznej inteligencji sięgają lat 50. XX wieku. W porównaniu do technologii takich jak telefon, komputery czy Internet, ewolucja AI przebiegała dotąd stosunkowo wolno. Wydaje się jednak, że nadszedł moment, w którym AI jest dostępna dla prawie każdego, a branża technologiczna wkracza w nowy rozdział. Wszyscy musimy zastanowić się nad tym, jak sztuczna inteligencja może pomóc nam robić więcej za mniej. Zastosowanie AI w pisaniu, tworzeniu obrazów czy produkcji muzyki to przełomowy moment w budowaniu świadomości społecznej związanej z możliwościami tej technologii.

SI to „tylko” narzędzie

Podczas rozmów z firmami zachęcam je do wyjścia poza szum informacyjny wokół AI i nietraktowania tej technologii jedynie jako kolejnej nowinki. Mam tu na myśli spojrzenie na sztuczną inteligencję jako na narzędzie do rozwiązywania problemów oraz szukania i wykorzystywania szans. Chmura obliczeniowa odpowiedziała na wyzwanie związane ze skalowalnością biznesu, blockchain’em i centralizacją, a oprogramowanie do zarządzania reklamami w sieci zapewniło bardziej efektywne wydawanie budżetów marketingowych. Podobnie jak te rozwiązania, AI powinna być oceniana na podstawie wyników, które pomaga osiągnąć.

Jakie są wyzwania i szanse związane z wykorzystywaniem AI? W Red Hat rozmawiamy o niej w siedmiu kluczowych aspektach biznesowych:

1. Wydajność vs. innowacyjność
   W pogoni za efektywnością operacyjną przedsiębiorstwa często zmuszane są do osiągania lepszych wyników przy mniejszych nakładach. Maksymalizacja efektów przy ograniczonej liczbie pracowników oznacza konieczność lepszego wykorzystywania istniejących w firmie umiejętności poprzez wypełnianie luk w wiedzy, rozwijanie nowych umiejętności i tworzenie warunków do rozwoju innowacji.

2. Zarządzanie złożonością
   Ciągłe rozwijanie oprogramowania tworzy nieograniczony potencjał, ale może powodować złożone problemy. Każdy nowy system i jego integracja wiąże się z ryzykiem, np. zagrożeniami związanymi z bezpieczeństwem, zakłóceniami w dostawach i odbiorze usług lub gwałtownym wzrostem popytu. Popularność hybrydowych chmur obliczeniowych może stanowić dodatkowe obciążenie. Systemy monitorowania zdarzeń oferują pewien poziom kontroli, jednak zespoły IT mogą szybko zostać przeciążone przez dużą ilość danych tworzonych przez rosnący ekosystem chmurowy.

3. Umożliwienie automatyzacji
   W odniesieniu do dwóch powyższych aspektów, kluczowa stała się automatyzacja. Pozwala ona odciążyć pracowników od mozolnych zadań, robiąc w zamian przestrzeń na te bardziej wartościowe. Automatyzacja rodzi jednak pytania o to, co powinno zostać zautomatyzowane, za pomocą jakich narzędzi i skąd można mieć pewność, że zadziała tak jak powinna?

4. Skalowanie zgodnie z zapotrzebowaniem
   Praca z ograniczonymi zasobami to tylko jeden z elementów wyzwań stojących przed zespołami IT. Muszą one jednocześnie skalować swoje operacje, aby sprostać rosnącemu zapotrzebowaniu na aplikacje i usługi. Nadążanie za popytem zarówno na DevOps, jak i w pełni rozwinięte środowiska produkcyjne nie polega jedynie na udostępnianiu systemów, ale również na zarządzaniu udostępnianymi rozwiązaniami.

5. Połączenie na brzegu sieci
   Wkroczenie w przetwarzanie brzegowe z pewnością utrudnia życie. Centra danych nie są już jedynymi ośrodkami przetwarzania zasobów. Brzeg to nie tylko inne „miejsce” wykonywania obliczeń, ale również zupełnie odmienne podejście do pracy z danymi. U podstaw pojawia się dylemat: jak zastosować standardy przetwarzania, dostępności oraz bezpieczeństwa do infrastruktury brzegowej.

6. Równoważenie innowacji i bezpieczeństwa
   Nieograniczona innowacyjność zagraża bezpieczeństwu, jednak z drugiej strony nadgorliwość w zakresie ochrony może stłumić kreatywność. Przedsiębiorstwa muszą zająć stanowisko w tej kwestii i stale dostosowywać do niego swoje działania oraz kulturę organizacyjną. Włączenie funkcji i protokołów zabezpieczeń w oprogramowanie pozwala zmienić postrzeganie bezpieczeństwa i innowacji jako kompromisu. Są to funkcje, które mogą wzajemnie się uzupełniać.

7. Planowanie zrównoważonego rozwoju
   Rządy, udziałowcy, klienci i pracownicy jak nigdy wcześniej wymagają od firm spełniania obowiązków w zakresie zrównoważonego rozwoju. Dla zespołów IT może to oznaczać sprzeczne komunikaty: z jednej strony wymagające od nich robienia więcej, a z drugiej oszczędzania energii. W tym przypadku kluczowe jest umożliwienie śledzenia i raportowania informacji dotyczących zrównoważonego rozwoju oraz dostosowywania modeli pracy tak, aby wspierały to podejście.

Ludzie „tajną bronią”

Sztuczna inteligencja jest wszechstronnym narzędziem, które może pomóc firmom sprostać powyższym wyzwaniom. Jednak tym, co naprawdę łączy wszystkie siedem aspektów, jest nie tylko możliwość wykorzystania w nich AI. Sama sztuczna inteligencja nie jest wystarczająca. W każdym z wymienionych wyzwań to ludzie są prawdziwą tajną bronią. Bez osób, które identyfikują i ustalają priorytety, opracowują nowe rozwiązania oraz oceniają problemy i wprowadzają poprawki, sztuczna inteligencja w najlepszym przypadku nie będzie miała żadnego wpływu na procesy w firmie – a w najgorszym spowoduje negatywne i daleko idące konsekwencje.

Kluczowa jest jakość danych

Wprowadzanie AI będzie tak dobre, jak trafne są dane, na których jest szkolona – to kluczowa kwestia, którą poruszam podczas rozmów z przedsiębiorcami. To nie ilość danych powinna stanowić kryterium oceny algorytmów, ale to czy dane szkoleniowe są odpowiednie dla firmy.
W Red Hat nazywamy to podejście „sztuczną inteligencją specyficzną dla domeny”. Jest ono przełomowym momentem w rozwoju AI. Gdy bazująca na sztucznej inteligencji aplikacja jest szkolona na prywatnych, ukierunkowanych danych oraz jest dostosowywana do standardów i praktyk w konkretnej firmie lub branży, ma większą zdolność do dostarczania naprawdę unikalnych i zróżnicowanych usług.

Przewaga otwartego oprogramowania

Open source jest zdecydowanie najlepszą opcją do tworzenia rozwiązań SI specyficznych dla danej domeny. Każde takie oprogramowanie korzysta ze współpracy i wymiany pomysłów wielu utalentowanych osób. Prawie każde biznesowe narzędzie AI, które znam jest technologią open source – i mam tu również na myśli ChatGPT! To, co moim zdaniem dezorientuje i niepokoi liderów biznesu, to niezrozumienie pojęcia „open source”. Jest to baza kodowa oprogramowania (w tym przypadku aplikacji AI ), która – jak sama nazwa wskazuje – jest otwarta i dostępna do przeglądania oraz udostępniania. Dane, na których takie oprogramowanie jest szkolone i które generuje, są tak prywatne, jak tylko tego chcemy.

Ostatecznie prawdziwa moc sztucznej inteligencji nie leży w samych algorytmach, ale w synergii ludzkich spostrzeżeń, współpracy, trafności danych oraz przetwarzania komputerowego. Dyrektorzy przedsiębiorstw, którzy zrozumieją tę prawidłowość, już wkrótce staną się liderami innowacji.