Přednáška Dave Arona „Closing the Gap Between the AI Opportunity and Corporate Reality“ byla zajímavá jak tím, že ukazovala obrovský posun, který AI zaznamenala v podnicích, tak přehlížená úskalí a někdy nepříliš zjevné souvislosti a příležitosti, jež nabízí.
Pět obrázků na zdi. Dva testovací subjekty – lidé, jeden MRI sken a jedna AI vytvořená na Kjótské univerzitě. Poněkud akademický začátek přednášky D. Arona v hlavním auditoriu rozhodně nebyl nudný. Ukázal totiž, že pomocí AI a MRI skenování lidského mozku lze číst myšlenky, nebo přinejmenším lze do jisté míry interpretovat kognitivní funkce jako je vidění. První řada obrázku výše jsou fotografie, které výzkumný tým umístil na zeď a ukázal testovaným osobám. Druhá řada je AI intepretací MRI skenu první osoby, druhá totéž u druhé osoby.
Nemluvte o AI, ale o praktických způsobech využití výše uvedených scénářů a technologií
AI má různé podoby či tváře, které lze rozdělit do tří kategorií:
- Interakce „lidského“ typu (chatboti, virtuální asistenti, NLP, počítačové vidění)
- Analytická AI (předpovědi, klasifikace, zpracování slabých signálů)
- Automatizace, optimalizace, náprava chyb (digitální dvojčata, optimalizace procesů, samoučící se kyberbezpečnostní systémy)
Významný dopad AI aktuálně očekávají CEO v oblastech produktů a služeb, zákaznické zkušenosti, provozu a poskytování služeb. O něco méně (33-40 %) CEO vnímá AI jako zásadní pro oblast dodavatelských řetězců, řízení, řízení rizik a správy podniku. Meziročně se zásadně posunulo procento organizací, které již nějaký typ AI nasadily. Zatímco před rokem se jednalo o 4-5 % podniků, dnes je to již 14 % a dalších 23 % nasazení plánuje v příštích 12 měsících.
Chyby, omyly a předsudky vůči AI
„Měli bychom se vyhnout tendenci antropomorfizace AI, neučme AI dělat věci, které umí skvěle lidé, využijme ji pro věci, které lidé neumí – například v analytice,“ říká Dave Aron. V analytice je podle něj častým problémem, že se AI aplikuje tam, kde se analýzy vždy dělaly – důvodem jsou obvykle dobře strukturovaná a strojově čitelná data, AI už ale dnes taková data nepotřebuje, zvládá obrazová a jinak nestrukturovaná data. Typických předsudků a chyb při nasazování AI přitom existuje celá řada:
Pochopitelně hlavní výzvou zůstává pro většinu organizací nedostatek zaměstnanců, kteří by byli schopni řešení, produkty či služby na AI navrhovat a vytvářet. Na trhu je ale naštěstí poměrně dost kvalitních nástrojů – jejich přehled, stejně jako další tipy a postřehy pro AI v podnikovém prostředí naleznete ve slajdech Dava Arona, které jsou dostupné ke stažení v Events Navigatoru (přednáška byla ve středu ve 14h.)