Wstępniak
Sky is the limit – to chyba najbardziej adekwatne podsumowanie tego, co dzieje się obecnie na rynku rozwiązań sztucznej inteligencji, w szczególności Generative AI oraz w zakresie rozwoju dużych modeli językowych LLM (Large Language Model).
Globalny rynek sztucznej inteligencji odnotował w ostatnich latach bardzo szybki wzrost, napędzany postępem technologii, rosnącą ilością dostępnych danych i zapotrzebowaniem na automatyzację w różnych branżach. Według najnowszych szacunków Expert Market Research, w 2023 roku został on wyceniony na ok. 2,41 bln USD. Oczekuje się, że wzrost ten będzie kontynuowany w latach 2024–2032 przy średniej, rocznej stopie wzrostu (CAGR) na poziomie ok. 32,4%. Oznacza to, że w roku 2032 osiągnie wartość ok. 30,13 bln USD.
Z kolei według analizy firmy Reply, w 2027 roku rozwiązania Generative AI stanowić będą ok. 12% wszystkich wydatków na sztuczną inteligencję.
Ale to, że AI nie ma granic pokazują nie tylko wartości kryjące się za tym rynkiem, lecz także możliwości oferowane przez sztuczną inteligencję i generatywną sztuczną inteligencję. Wchodzi ona obecnie w kolejną fazę ewolucji napędzanej przez GenAI i modele LLM. Aplikacje oparte na AI mają ogromny potencjał przekształcania przedsiębiorstw, zakłócania całych branż, a nawet zmiany życia ludzi.
Algorytmy usprawniają proces podejmowania decyzji czy wykonywanie powtarzalnych zadań, co może pomóc poprawić wydajność i produktywność. Według raportów McKinsey, poprawa produktywności wynikająca z GenAI i automatyzacji może przynieść globalnej gospodarce od 2,6 bln USD do 4,4 bln USD rocznie (bit.ly/3QHd91e). GenAI pozwala już nie tylko na konwersację z chatbotem, ale też na przydzielanie mu konkretnych ról, o czym mówi Agnieszka Niezgoda, Senior Technical Specialist, Data & AI w Microsoft.
Sztuczna inteligencja może jednak wpływać na całe branże: rolnictwo (samobieżne ciągniki wykorzystują rozpoznawanie obrazu do identyfikacji chwastów i opryskiwania niechcianych roślin herbicydami); opiekę zdrowotną i farmację (odkrywanie nowych leków, które może zrewolucjonizować model Deep-Mind AlphaFold 3), usługi użyteczności publicznej (do poprawy działania infrastruktury elektroenergetycznej) czy usługi finansowe (optymalizacja procesów, ocena ryzyka i wykrywanie oszustw).
Prognozy te potwierdzają Use Cases, które opisujemy w naszym raporcie „4 x AI – biznes, technologia, prawo, nauka”. Adam Marciniak, prezes zarządu VeloBanku opowiada o wdrożonych i planowanych projektach GenAI (łącznie ok. 60), które mają doprowadzić do 10–15-proc. ograniczenia kosztów i dać oszczędności rzędu 80–90 mln zł. PZU zbudowało Asystenta AI, z którego korzystają już pracownicy firmy.
„Obszary o dużym potencjale zastosowania GenAI to np. wyszukiwarki semantyczne wzbogacone o komponent generyczny RAG. Dzięki takim rozwiązaniom jesteśmy w stanie przeszukiwać nasze bazy wiedzy, uzyskując odpowiedź w języku naturalnym” – uważa Paweł Klimiuk, Team Leader AI/ML w PKO Banku Polskim. Zapowiada też, że bank będzie koncentrował się na tworzeniu mniejszych, bardziej wyspecjalizowanych modeli AI.
BNP Paribas Bank Polska testuje zaś wykorzystanie modeli LLM w modelu hybrydowym. „Nie wykluczamy sytuacji, że do różnych Use Case’ów będziemy korzystać z różnych modeli” – mówi Anna Stepanów, odpowiedzialna za Sztuczną Inteligencję i Analitykę w BNP Paribas Bank Polska. W zależności od potrzeb będą to modele znajdujące się w chmurze lub własnym centrum danych.
Adam Jadczak,
redaktor naczelny ITwiz
