Czy Twoja firma jest gotowa na nadchodzącą rewolucję?
Generatywna sztuczna inteligencja, w skrócie GenAI, to nowa gałąź AI, która rozwija się w zawrotnym tempie. W przeciwieństwie do tradycyjnych systemów AI, GenAI jest niezwykle elastyczna. Potrafi tworzyć zupełnie nowe, oryginalne treści - teksty, obrazy, dźwięki, a nawet wideo.
Systemy GenAI opierają się na skomplikowanych modelach głębokiego uczenia, trenowanych na ogromnych zbiorach danych. Dzięki temu potrafią one wychwycić wzorce i zależności, a następnie generować na ich podstawie nowe, spójne i realistyczne treści.
Możliwości GenAI robią ogromne wrażenie i rozpalają wyobraźnię. Nic dziwnego, że firmy widzą w niej szansę na automatyzację wielu czasochłonnych procesów, poprawę produktywności i wejście na zupełnie nowe obszary. Organizacje, które odpowiednio wcześnie zainwestują w GenAI, mogą zyskać istotną przewagę konkurencyjną.
Trzeba jednak pamiętać, że wdrożenie GenAI w organizacji to nie jest proste zadanie. Technologia wciąż jest na wczesnym etapie rozwoju i ma swoje ograniczenia. Brakuje też ugruntowanych praktyk i standardów w zakresie wdrożeń, bezpieczeństwa, prywatności czy kwestii etycznych.
Wszyscy eksperymentują a wdrożenie GenAI to maraton, a nie sprint.
Wymaga przemyślanej strategii, cierpliwości i gotowości do ciągłego uczenia się. Nie ma gotowych rozwiązań z półki. Konieczne jest głębokie zrozumienie technologii, zmapowanie procesów w organizacji, przeszkolenie pracowników i zapewnienie odpowiedniej infrastruktury.
To jednocześnie problem, jak i okazja.
Jesteśmy w podobnej sytuacji, kiedy w biznesie pojawił się internet - z tą różnicą, że czas biegnie trochę szybciej i czołówka integracji algorytmów uczenia maszynowego w procesy biznesowe ucieka też szybciej niż czołówka integracji internetu 20-30 lat temu.
Kto szybciej zrozumie bieżące ograniczenia technologii, ten szybciej zbuduje kompetencje, żeby ją wdrożyć w konstruktywny sposób.
Ograniczenia GenAI
Ostatnia wpadka Air Canada z użyciem czatbota używającego generatywnego modelu językowego dotyczyła udzielenia błędnych informacji pasażerowi dotyczących zniżki za bilety lotnicze w sytuacji związanej z pogrzebem. Czatbot podał pasażerowi nieprawdziwe informacje, sugerując, że mógłby ubiegać się o zniżkę za bilety po zakupie, co okazało się nieprawdą. W rezultacie pozwu Air Canada została zobowiązana do wypłacenia pasażerowi odszkodowania w wysokości 812 dolarów kanadyjskich, obejmującego szkody, odsetki przedprocesowe i opłaty sądowe.
Czatbot Air Canada został zamknięty.
Takich historii jest mnóstwo. Jednocześnie firmy takie jak Dukaan, Octopus Energy, Klarna, Duolingo, BlueForce, Ikea, MSN wdrożyły modele językowe na dużą skalę czasem uzupełniając, a czasem zastępując pracowników także w procesach obsługi klienta.
Kluczowa różnica między tymi przypadkami tkwi w podejściu do wdrożenia GenAI. Udane implementacje opierały się na głębokim zrozumieniu ograniczeń technologii, podczas gdy porażki, jak ta Air Canada, wynikały z braku takiej świadomości. Dla przykładu, Klarna wdrożyła czatbota opartego o modele firmy OpenAI w taki sposób, że nie podejmuje on samodzielnych decyzji i ma szereg wyzwalaczy automatycznie przełączających konwersację do człowieka. Dzięki temu firma utrzymuje kontrolę nad całym procesem, zamiast być skazaną na zmienne rezultaty GenAI.
Część menadżerów podejmuje decyzje o zakupie pewnych rozwiązań IT z obszaru sztucznej inteligencji (na przykład czatbota) bez zrozumienia, że to nie jest ani wyszukiwarka, ani baza danych, ani program taki jak Word, tylko technologia generatywna, czyli niederministyczna. Na ostateczny wynik działania modelu językowego wpływają także czynniki takie jak:
Parametry/opcje modelu
Temat zapytania (nie wszystkie tematy są równie dobrze reprezentowane w danych treningowych)
Treść zapytania (prompt/instrukcja - jak dokładnie opiszemy tego czego oczekujemy)
Długość zapytania (od pewnego momentu im dłuższe tym trudniej modelowi zrozumieć o co chodzi)
Kontrola rodzicielska (pewne tematy są wtórnie ograniczone)
Podane przykłady lub dodatkowa informacja (kontekst instrukcji)
Forma zapytania (co to przypomina, prawne pytanie zadane wierszem da inny rezultat niż to samo pytanie zadane językiem prawnika)
Prompt systemowy (w tle, po stronie dostawcy)
Wersja modelu (np. gpt-4-1106-preview vs gpt-4-0125-preview)
Ostatnie elementy z tej listy oznaczają również, że to co działa dzisiaj, wcale nie musi działać za 3 miesiące. Ot, taka
Jeśli potrzebujesz do konkretnego zastosowania 100% dokładności/zgodności z prawdą lub nie wiesz jak zweryfikować, to co wypluł system GenAI, to prawdopodobnie musisz poszukać innego zastosowania, bo ta technologia nie oferuje na dzień dzisiejszy nic, co założenie 100% poprawności.
Czy to jest problem? Jeśli się będziesz upierać, żeby traktować ChatGPT jak bazę danych, to owszem. Ale jeśli otworzysz głowę na myślenie o innych zastosowaniach, to może się okazać, że niekoniecznie.
Gdzie jest ta okazja związana z GenAI?
Lubię używać analogii, że obecnie dostępne modele językowe to technologia dostarczająca “nieskończenie cierpliwego studenta 3 roku wszystkich kierunków, którego trudno nauczyć czegokolwiek”. Co to oznacza w praktyce? Dostawcy modeli językowych mają technologię, która:
jest bezstanowa, tj. nie ma pamięci i każda nowa konwersacja jest konwersacją od zera (są wyjątki, ale to sztuczki techniczne po stronie systemu, a nie uczenie się modelu preferencji jego użytkownika)
przyzwoicie sobie radzi z generowaniem spójnego tekstu w dowolnej dziedzinie, o ile dostanie precyzyjne instrukcje
ma możliwość analizowania tekstu i wyciągania na jego podstawie wniosków, ale jak to student, czasem może się mylić, bo nie ma wiedzy eksperckiej
ma ograniczone (ale jednak jakieś) możliwości autorefleksji, tj. sprawdzenia swojego własnego tekstu
Czy Twój proces biznesowy daje się zdekomponować na kawałki, które nie wymagają eksperckiej wiedzy, a co najwyżej eksperckiej instrukcji? I czy “wystarczająco dobre” jako poziom jakości jest już jaką wartością? To być może to jest miejsce, do którego warto “przyłożyć” GenAI i zobaczyć czy pasuje. Przykłady takich miejsc to:
obsługa klienta (generowanie odpowiedzi na proste pytania, ale także generowanie par pytanie-odpowiedź na podstawie historycznych do dokumentacji) - Klarna
generowanie pierwszej wersji dokumentacji (na przykład na podstawie kodu źródłowego, ale także zrzutów ekranu aplikacji, jeśli użyć wielomodalnego modelu, który potrafi analizować obraz - Github Copilot
wstępna analiza potencjału aplikacji na potrzeb funduszu inwestycyjnego (sprytne połączenie analizy stron internetowych i możliwości wnioskowania modeli językowych) - fundusz Untapped
wsparcie content marketingu (w tym generowanie opisów produktów) - Amazon czy Nvidia
analiza transkrypcji spotkania pod kątem wniosków, następnych kroków, poruszanych tematów - część Copilota pakietu Office - Teams
sparring partner dla prostych pomysłów biznesowych - tak Ethan Mollick z Wharton School uczy biznesu swoich studentów
generowanie szkiców maili - Copilot w Office
analiza i podsumowywanie tekstów wyszukanych na podstawie jakiegoś pytania - taki junior researcher - Consensus, Elicit w branży biomedycznej, albo LexisNexis w prawnej
Realistyczne oczekiwania
Wprawdzie entuzjaści technologii dość często obiecują rewolucję za rok czy dwa, adopcja GenAI jest wolna i nic nie wskazuje na to, żeby miała przyspieszyć (ograniczenia dyfuzji wiedzy). Proces wdrażania ma wysoką barierę, której nie da się szybko pokonać. Ale jednocześnie warto pamiętać o tym, że firmy, które wdrażają GenAI (nawet w dość ograniczonym zakresie) dzisiaj mają gigantyczną przewagę nad konkurencją.
Firmy, które zrozumieją ograniczenia technologii, mają szansę na produktywne jej wdrożenie już teraz. I będą gotowe na przyjęcie kolejnych etapów jej rozwoju (na przykład większej dokładności, lub szybkości). Każdy kolejny etap to większa produktywność lub kolejne modele biznesowe. Konkurencja bez GenAI będzie miała coraz trudniej dogonić firmy, które tę technologię wdrożą wcześniej.
Warto więc zadać sobie pytanie - czy Twoja firma jest gotowa na nadchodzącą rewolucję GenAI? Czy rozumiesz ograniczenia tej technologii na tyle, by móc ją efektywnie wdrożyć w swoich procesach? Jeśli nie, to najwyższy czas zacząć zgłębiać temat, eksperymentować i budować kompetencje. Bo pociąg z napisem "GenAI" już ruszył i nabiera prędkości. Pytanie tylko, czy Twoja firma zajmie w nim miejsce, czy zostanie na peronie.
(tak, poniższy obrazek w dużej części został wygenerowany przy pomocy GenAI)
