3 min czytania João Mourinho
Choć AI jest dziś wszechobecnym hasłem, praktyka pokazuje, dlaczego warto rozważyć szerszy wybór narzędzi do rozwiązywania problemów biznesowych.
AI jest dziś wszechobecnym hasłem. Liczba organizacji i specjalistów, którzy chcą być AI-Native, AI-Savvy albo AI-i-dodać-modne-określenie, osiąga nowe szczyty. Mały kraj Angulla, którego krajową domeną jest .ai, zwiększa swoje przychody, ponieważ wiele firm śpieszy się z kupowaniem domen .ai.
Doświadczeni specjaliści i organizacje widzieli już jednak, jak takie mody przychodzą i odchodzą. Nie zrozumcie mnie źle: AI to fantastyczne narzędzie, które może zapewnić znaczącą przewagę konkurencyjną, jeśli zostanie właściwie zastosowane, w odpowiednim kontekście i z myślą o celach biznesowych.
Nie powinniśmy jednak zakładać, że AI to rozwiązanie uniwersalne.
Po pierwsze, AI to zbiorcze określenie różnych technik. Po drugie, nie każdy problem można lub należy rozwiązywać za pomocą AI. Pewien menedżer poprosił stażystę z działu IT o opracowanie rozwiązania opartego na AI, które wykrywałoby i zastępowało wszystkie nazwy domen w przepływie danych. Ku jego zaskoczeniu stażysta wrócił po dwóch godzinach i powiedział: „Gotowe”. Menedżer zapytał: „Co masz na myśli, mówiąc, że gotowe?”, bo spodziewał się, że będzie to długotrwałe zadanie. Stażysta po prostu pokazał mu swoje rozwiązanie, oparte na wyrażeniach regularnych. Menedżera zaskoczyła prostota i elegancja tego rozwiązania. Dla stażysty z działu IT było to po prostu zadanie, w którym użycie AI byłoby przesadą, a można było zastosować prostszą, ale bardzo skuteczną alternatywę.
Ta historia pokazuje trzy ważne kwestie:
AI to po prostu kolejne (bardzo wartościowe) narzędzie wśród wielu innych dobrych rozwiązań. Ostatecznie to problem biznesowy powinien przede wszystkim decydować o wyborze odpowiedniego narzędzia.
Wiele technik AI, których używamy dziś, opracowano już na początku lat 60. XX wieku. Znany jest również przypadek japońskiego projektu o nazwie „Fifth Generation Computer Systems” [1], którego założeniem było to, że (w tamtym czasie) „Współczesne komputery mają bardzo ograniczone możliwości w zakresie podstawowych funkcji przetwarzania mowy, tekstu, grafiki, zdjęć, obrazów i innych danych nienumerycznych, a także przetwarzania typowego dla sztucznej inteligencji, takiego jak wnioskowanie, kojarzenie i uczenie się”. Ostatecznie projekt nie odniósł większego sukcesu, ponieważ dostępna wówczas moc obliczeniowa była ograniczona, a program nie wykorzystywał w szerokim zakresie kluczowych koncepcji, takich jak sieci neuronowe, które stanowią podstawę dzisiejszych LLM, takich jak ChatGPT, Copilot itd.
W rzeczywistości podczas studiów magisterskich z inżynierii komputerowej w latach 2000. poznawaliśmy te techniki AI (np. sieci neuronowe, modele klasyfikacyjne itd.) wraz z szerokim zestawem innych, równie istotnych metod — takich jak metaheurystyki, teoria automatów (na której opierają się wyrażenia regularne użyte przez wspomnianego stażystę z działu IT) itd., drzewa decyzyjne itd. Już wtedy było dla mnie jasne, że nie istnieje podejście najlepsze — każde ma swój optymalny obszar zastosowania. To przekonanie umocniło się w trakcie mojej kariery, zarówno podczas badań doktoranckich, jak i pracy konsultingowej, gdzie miałem okazję stosować wiele z tych metod i poznawać konteksty, w których sprawdzają się najlepiej.
Upowszechnienie LLM, takich jak ChatGPT, oraz ich pozorna zdolność do „rozumowania” sprawiły, że wiele osób uznało AI za zupełnie nowy wynalazek i odpowiedź na każdy problem. W rzeczywistości AI wyszła z laboratoriów badawczych i za pośrednictwem LLM trafiła do codziennego życia — stała się powszechnie dostępna. Od dawnego (dziś już archaicznego) hasła „Google to wie” przeszliśmy do „AI to wie”. Pragmatyczna analiza problemu jest jednak zawsze lepszym podejściem niż podążanie za hasłem.
W Mourinho Solutions nie kierujemy się żadnymi hasłami. Mamy wiedzę i doświadczenie, by pomóc Ci wybrać właściwe podejście i najskuteczniejsze narzędzia, które pozwolą rozwijać Twoją firmę. Analizujemy potrzeby Twojej firmy, aby wskazać obszary, w których AI (lub inne podejścia) może przynieść największe korzyści i zapewnić Ci przewagę konkurencyjną.
Twój sukces jest również naszym sukcesem. Nie wahaj się skontaktować się z nami, aby dowiedzieć się, co możemy dla Ciebie zrobić!
[1] - Feigenbaum, E., Shrobe, H.: The Japanese National Fifth Generation Project: Introduction, survey, and Evaluation. Future Generation Computer Systems. 9, 105–117 (1993). Dostępne tutaj.
Zanim Twoja organizacja kupi choć jedną licencję AI, powinna umieć odpowiedzieć na pozornie proste pytanie: który dokładnie proces ma zostać usprawniony — i czy w obecnym kształcie warto go automatyzować?
Mimo obecnego szumu wokół AI technologia ta nie przynosi oczekiwanych efektów. Wygląda więc na to, że paradoks produktywności Solowa dotyczy również inwestycji w AI.
Wraz ze zbliżającymi się Świętami Bożego Narodzenia i Sylwestrem nadchodzi czas podsumowań trudnego roku. Dla organizacji pozarządowych i osób pracujących w sektorze humanitarnym był to ciężki rok. Na świecie nasiliły się konflikty i głód, a realizacja celów SDG wydaje się dziś odległą perspektywą. Jednak nawet zza ciemnych chmur przebija nadzieja na 2026 rok.