Dirbtinis intelektas
Pagrindinės DI projektų versle nesėkmių priežastys
Dirbtinio intelekto (DI) konsultacijų bendrovė „Pertama partners“ paskelbė tyrimą, kuriame teigiama, kad net 95% DI projektų įmonėse patiria nesėkmes, o pradedamų, bet nutraukiamų projektų kiekis auga.
Reklama
Anot tyrimo, 2025-aisiais įmonėse nutrauktas 42% DI projektų įgyvendinimas, kai 2024 m., skirtingų šaltinių duomenimis, šis skaičius siekė apie 20%. Dar apie 30% įgyvendintų projektų nesukuria jokios vertės, o dalis kainuoja brangiau, nei sukuriama vertė.
Pasak „Terasky Baltic“ verslo plėtros vadovės Viktorijos Turauskytės, didžioji dalis DI ekspertų sutaria, jog yra vos kelios pagrindinės priežastys, kodėl verslui nepavyksta prisijaukinti DI.
„Kaip bet kuri naujiena, DI visų pirma buvo labai sėkmingai naudotas rinkodarai – pirmosios su DI sukurtos reklamos, suplanuotos kelionės, sudaryti meniu. Dabar, kai tai jau nebestebina, DI pradedamas naudoti tam, kam jis sukurtas – apdoroti žmogui sunkiai įveikiamus informacijos kiekius ir sisteminti ją. Deja, dalis įmonių nusivilia, bet tai dažniausiai ne DI kaltė“, – sako V. Turauskytė. Naujas dirbtinis intelektas
Pagal tai, kokie klausimai iškyla įmonės klientams ir rengiamų mokymų dalyviams, yra kelios pagrindinės priežastys, kodėl DI produktų diegimas stringa arba rezultatai neatitinka lūkesčių.
#1 Strategijos nebuvimas
DI diegiamas ten, kur atrodo bus geriausia, bet dirbti lengviau nepasidaro. Dažnai taip nutinka, nes įmonės tiesiog neturi DI diegimo strategijos bei aiškaus tikslo, kokio rezultato siekia.
„Labai dažnai matome, kad DI produktai diegiami nepasirengus, diegiama tai, kas pasiteisino kitose įmonėse, bet nėra jokios analizės, ko įmonei iš tikro reikia“, – sako V. Turauskytė.
Pirmas ir labai svarbus žingsnis, kurį turėtų padaryti įmonė – apklausti darbuotojus, kuriuos rutininius darbus atlikti trunka daugiausiai laiko, kur padaroma daugiausiai žmogiškų klaidų. Turint šią informaciją galima planuoti sritis, kuriose tikslinga panaudoti DI, kad žmonės savo dėmesį galėtų skirti tiesioginiams darbams.
Strategijoje turėtų atsispindėti visi žingsniai, kuriuos atliksite siekdami išnaudoti DI galimybes, kol pasieksite galutinį tikslą. 2035-ųjų Lietuva
#2 Bandoma diegti visur iškart
„Jei eilinį vairuotoją pasodinsime į „Formulė 1“ automobilį, jis dėl to netaps super geru lenktynininku. Taip ir DI atveju, jis nėra stebuklinga, visas problemas išsprendžianti piliulė, žmonėms reikia išmokti dirbti su instrumentu“, – sako „TeraSky Baltic“ atstovė.
Diegti DI reikia mažais etapais, tik įsisavinus vieną pereiti prie kito. Gali būti, kad kažkurie sprendimai neveiks ar veiks ne taip kaip tikitės. Tuomet situacija analizuojama, koreguojama, daromi pakeitimai.
Labai svarbu nepamiršti pirmo punkto – strategijos – ir žinoti, kaip sistema bus plečiama toliau, kad finale įmonė turėtų vieną DI pagalbininką, o ne daug mažų atskirų ir tarpusavyje negalinčių bendrauti instrumentų. Investavimas
#3 Mokymai
Norint, kad DI veiktų, darbuotojus reikia mokyti, kaip išnaudoti visas instrumento savybes.
Labiau įgudę vartotojai jau žino, kad net buitiniame lygmenyje negalime DI užduoti abstraktaus klausimo, kokį galime užduoti draugui, jei norime naudingo atsakymo. Pavyzdžiui, jei paklausime – „kaip vakare apsirengti“, tikėtina atsakymas bus nenaudingas. Kad galėtų padėti, DI reikia žinoti ką mes vakare norime veikti, koks oras, kokią mūsų lytis ir kitas detales.
Lygiai taip pat įmonėje negalime DI tiesiog pasakyti – padaryk visus darbus už mane. Bendrauti su DI reikia mokytis.
4# Duomenų paruošimas
Kad DI įmonėje galėtų tinkamai atlikti darbą, nebūtų haliucinacijų, netikslių išvadų, vienas svarbiausių dalykų yra pateikti jam kokybiškus duomenis, kuriuos jis supras ir galės apdoroti bei mokytis. Moderni gamyba ir verslas šiandien
„Tikrai dažnai susiduriame, kai įmonė nori, kad DI atliktų analizę, bet dalies duomenų dėl BDAR ar kitų priežasčių instrumentui nesuteikia, duomenys būna išmėtyti skirtingose virtualiose erdvėse. Jie būna ne tik nesusisteminti, bet net naudojami skirtingi skaičių ar kitų duomenų formatai. Tuomet DI nesupranta ką kuris dokumentas reiškia“, – sako V. Turauskytė.
Pasak jos, net elementarios gramatinės klaidos gali sutrikdyti DI ir jis neidentifikuos dokumento, kaip tinkamo šaltinio konkrečiai užduočiai atlikti.
Todėl prieš diegiant DI reikia padaryti namų darbus: dokumentai turi būti paruošti pagal vieną formatą, patalpinti į vieną duomenų ežerą (angl. – data lake arba data warehouse), BDAR reglamentuojami duomenys turi būti nuasmeninti ir struktūrizuoti.
„Kai mokymuose pasakau šią dalį, dalis dalyvių išsigąsta, kad tai beprotiškas darbas, kuriam įmonė neturi resursų. Geroji žinia – labiausiai laikui imliai šių darbų daliai taip pat galima pasitelkti DI. Kai instrumento diegimas turi aiškų planą, tai nėra taip baisu, kaip gali pasirodyti iš aprašymų“, – tvirtina „TeraSky Baltic“ atstovė.
Reklama
