CDOPolecane tematyPREZENTACJA PARTNERA

Algorytmy AI stają się kluczową technologią w biznesie

Executive ViewPoint

Z Markiem Młyńcem, liderem zespołu ds. technologii w sektorze finansowym w PwC Polska rozmawiamy o akceptacji rozwiązań opartych o algorytmy AI w największych przedsiębiorstwach na świecie; najbardziej popularnych obszarach zastosowania sztucznej inteligencji; spodziewanych efektach – obniżenia kosztów i zwiększenia przychodów; największych wyzwaniach dla organizacji, które chcą wykorzystać narzędzia AI, w tym Responsible AI; a także lekcjach wyciągniętych z wdrożenia algorytmów sztucznej inteligencji oraz obliczaniu współczynnika ROI z tego typu projektów.

Algorytmy AI stają się kluczową technologią w biznesie

Jak oceniają Państwo tempo rozwoju sztucznej inteligencji w Polsce i na świecie?

Od wielu lat prowadzimy badanie Global CEO Survey, które po raz 24 zrealizowaliśmy wśród ponad 5000 prezesów największych firm w 100 krajach na świecie, w tym Polsce. Wynika z niego, że aż 83% firm planuje zwiększenie nakładów na cyfryzację, z czego 49% w stopniu istotnym. Jednocześnie większość, bo 86% z badanych przez nas firm ocenia, że algorytmy Artificial Intelligence staną się kluczową technologią dla ich organizacji. Wynika z tego, że waga sztucznej inteligencji dla sukcesu procesu cyfryzacji organizacji jest bardzo duża.

Przeprowadziliśmy też badanie na temat aktualnego wykorzystania AI w firmach. Już 25% przedsiębiorstw stosuje w dużym stopniu algorytmy sztucznej inteligencji. W fazie eksperymentowania z tego typu technologiami jest zaś 55% przedsiębiorstw. Jedynie 20% choć bada możliwości AI, to nie ponosi jeszcze nakładów na tego typu projekty.

Czy w okresie pandemii wykorzystanie technologii, w tym rozwiązań sztucznej inteligencji wzrosło?

Tak, widać to zwłaszcza wśród firm, które już przed pandemią realizowały pierwsze projekty oparte o AI. Firmy te zwiększyły aż o 56% wykorzystanie algorytmów sztucznej inteligencji w codziennej działalności. Wzrost wykorzystania tego typu technologii widać także w Polsce, zwłaszcza na rynku usług finansowych. Prawie wszystkie, największe, polskie banki wykorzystują już np. chat boty lub voice boty do komunikacji z klientami lub do wsparcia procesów wewnętrznych.

W jakich obszarach AI stał się już powszechnym standardem?

Są cztery obszary, w których widzimy największe korzyści z wykorzystania algorytmów sztucznej inteligencji, a więc i najwięcej tego typu projektów. Pierwszym z nich jest obszar komunikacji z klientem. Drugim optymalizacja procesów np. przy badaniu zdolności kredytowej klientów banków lub przetwarzania dokumentów w oparciu o narzędzia do rozpoznawania tekstu i obrazów.

Są cztery obszary, w których widzimy największe korzyści z wykorzystania algorytmów sztucznej inteligencji, a więc i najwięcej tego typu projektów. Pierwszym z nich jest obszar komunikacji z klientem. Drugim optymalizacja procesów np. przy badaniu zdolności kredytowej klientów banków lub przetwarzania dokumentów w oparciu o narzędzia do rozpoznawania tekstu i obrazów. Kolejny obszar to przygotowywanie dedykowanych ofert marketingowych w czasie rzeczywistym z wykorzystaniem dużych zbiorów danych. Ostatnim zaś to narzędzia do wykrywania oszustw i nadużyć, a także systemy odpowiadające za bezpieczeństwo IT.

Kolejny obszar to przygotowywanie dedykowanych ofert marketingowych w czasie rzeczywistym z wykorzystaniem dużych zbiorów danych, np. zarówno danych wewnętrznych z organizacji, jak i pozyskanych od organizacji partnerskich – tzw. Second-Party Data – oraz firm zewnętrznych – Third-Party Data – np. oferujących dane na temat zachowań klientów w internecie. Ostatnim typem projektów, w których coraz powszechniej wykorzystywane są algorytmy AI to narzędzia do wykrywania oszustw i nadużyć, np. w procesach AML/KYC (Anty Money Laundering / Know Your Customer – przyp. red.), a także systemy odpowiadające za bezpieczeństwo IT.

Czy można oszacować korzyści, które firma może osiągnąć po wdrożeniu – w każdym z tych obszarów – rozwiązań sztucznej inteligencji?

W pierwszym obszarze można nawet o 30% ograniczyć np. koszty funkcjonowania contact center. Co warto podkreślić, w niektórych firmach w Polsce voice boty obsługują już ok. 30% wszystkich zgłoszeń do centrów telefonicznej obsługi klientów. Jak wynika z naszych doświadczeń, podobnej skali oszczędności można osiągnąć dzięki automatyzacji procesów biznesowych – analizowania i procesowania dokumentów.

Znacząco, bo aż o 80% – dzięki AI – ograniczona zostaje pracochłonność procesów wykrywania oszustw i nadużyć. Algorytmy sztucznej inteligencji wskazują bowiem – z dużą precyzją – najbardziej niebezpieczne przypadki. W pozostałych ingerencja człowieka nie jest już konieczna.

Z kolei spersonalizowane kampanie marketingowe oparte o modele AI potrafią zwiększyć efektywność sprzedaży o 10% do nawet 30%.

Jakie są największe wyzwania dla organizacji, które chcą wykorzystać narzędzia AI? Czy są to raczej kwestie bezpieczeństwa, czy może związane z regulacjami?

Wg naszych badań, najważniejsze dla naszych klientów są trzy aspekty: wiarygodność i etyczność AI, zapewnienie odpowiednio wydajnej infrastruktury IT oraz dostęp do odpowiednich specjalistów.

83% firm planuje zwiększenie nakładów na cyfryzację, z czego 49% w stopniu istotnym. Jednocześnie większość, bo 86% z badanych przez nas firm ocenia, że algorytmy Artificial Intelligence staną się kluczową technologią dla ich organizacji. Wynika z tego, że waga sztucznej inteligencji dla sukcesu procesu cyfryzacji organizacji jest bardzo duża. Już 25% przedsiębiorstw stosuje je w dużym stopniu. W fazie eksperymentowania z tego typu technologiami jest zaś 55% przedsiębiorstw. Jedynie 20% choć bada możliwości AI, to nie ponosi jeszcze nakładów na tego typu projekty.

Szczególnie istotny jest zwłaszcza pierwszy z nich. W PwC mówimy wręcz o Responsible AI, a więc działaniach zapewniających wiarygodność i przewidywalność algorytmów AI, a także zapobiegających tzw. skrzywieniu, czyli swego rodzaju „uprzedzeniom” pojawiających się w modelach sztucznej inteligencji. Dzieje się tak np. gdy zbiór danych służący do wytrenowania AI jest niewystarczająco reprezentatywny. Na Responsible AI składa się 5 elementów:

  • regulacje i zasady etyczne,
  • zastosowanie mechanizmów, które zapobiegają stronniczości modeli AI,
  • wyjaśnialność, czyli zapewnienie, że zasady działania algorytmów AI są przejrzyste i łatwo je zinterpretować,
  • narzędzia zapewniające odpowiedni poziom bezpieczeństwa,
  • procedury Governance, ponieważ modele AI żyją i muszą mieć właścicieli, trzeba im bowiem zapewnić odpowiednie wsparcie oraz efektywny rozwój.

W przypadku braku odpowiednich, dedykowanych kadr warto pamiętać, że do zapewnienia obsługi modeli sztucznej inteligencji i ich utrzymania mogą zostać zaangażowane osoby z biznesu, a nie tylko analitycy czy informatycy. Oczywiście po odpowiednim przeszkoleniu. Tego typu działania wspierają także platformy Low Code / No Code, które są coraz częściej wykorzystywane do zarządzania rozwiązaniami opartymi o AI.

Często wspieramy klientów w realizacji tego typu projektów naszym doświadczeniem. Pierwsze wdrożenie algorytmów AI jest wówczas realizowane przez pracowników PwC. Równocześnie jednak organizacje budują kompetencje wewnętrzne i docelowo przejmują kontrolę nad systemami sztucznej inteligencji. Jak bowiem wcześniej wspomniałem, nawet algorytmy muszą mieć swojego opiekuna. Efektem takich działań jest zespół po stronie klienta, który rozumie sposób działania AI oraz potrafi wykorzystać tego typu rozwiązania w organizacji. Trzeba podkreślić, że takie osoby stają się niezwykle ważnymi członkami zespołu, istotnymi ekspertami w swoich organizacjach.

Ostatnim z największych wyzwań dla organizacji, które chcą wykorzystać narzędzia AI jest dostępność odpowiedniej infrastruktury i środowisk IT. Poprawnie działające algorytmy AI wymagają bowiem przetwarzania ogromnych ilości danych, analiz Big Data. Środowisko IT musi więc posiadać odpowiedni dostęp do danych oraz systemów umożliwiających ich przetwarzanie. Idealnie do tego celu nadaje się infrastruktura chmurowa.

Czym jest – wspomniany przez Pana – „etyczne AI”?

Nawiązując do koncepcji Responsible AI, etyczne AI będzie wiarygodne i możliwe będzie wyjaśnienie sposobu działania takiego modelu AI. Algorytmy AI bazują w znacznej mierze na dużych zbiorach danych historycznych i na tej podstawie prognozują to, co się stanie. Jeśli nieprawidłowo interpretują dane, albo sam zbiór danych będzie niepełny, czy w jakiś sposób ograniczony (“skrzywiony”), to algorytmy wysnują błędne wnioski i tak mogą np. dyskryminować osoby o określonym kolorze skóry czy płci. Odpowiednie zarządzanie i kontrola nad algorytmami AI pozwala uniknąć tego typu problemów.

Przy projektach AI warto spojrzeć na aspekt zyskowności szerzej i ocenić całkowite koszty posiadania tego typu rozwiązań – Return On Investment. Musimy właściwie policzyć korzyści takie, jak: ograniczenie czasu niezbędnego do realizacji pewnych powtarzalnych działań dzięki automatyzacji, wzrost produktywności czy skierowanie pracowników do „trudniejszych” działań, ponieważ zwykła analiza danych staje się domeną algorytmów AI. To niesie za sobą istotną obniżkę kosztów. To są jednak tylko twarde, policzalne korzyści. Warto też wspomnieć o korzyściach miękkich. Rozwiązania oparte o AI coraz częściej zapewniają bowiem lepsze doświadczenia klienta niż „typowy” sposób obsługi.

Jakie są najważniejsze zyski dla organizacji z zastosowania sztucznej inteligencji?

Przy projektach AI warto spojrzeć na aspekt zyskowności szerzej i ocenić całkowite koszty posiadania tego typu rozwiązań – Return On Investment. Musimy właściwie policzyć korzyści takie, jak: ograniczenie czasu niezbędnego do realizacji pewnych powtarzalnych działań dzięki automatyzacji, wzrost produktywności czy skierowanie pracowników do „trudniejszych” działań, ponieważ zwykła analiza danych staje się domeną algorytmów AI. To niesie za sobą istotną obniżkę kosztów. To są jednak tylko twarde, policzalne korzyści.

Warto też wspomnieć o korzyściach miękkich. Rozwiązania oparte o AI coraz częściej zapewniają bowiem lepsze doświadczenia klienta niż „typowy” sposób obsługi. Proces realizowany przez voice boty jest bardziej ustrukturyzowany, oparty o obsługę standardowych ścieżek, w dodatku dostępny w trybie 24/7. Jakość jest właśnie miękkim, niepoliczalnym aspektem obsługi klienta, ale stanowi istotną korzyść dla organizacji. Wykorzystanie AI odciąża także pracowników od powtarzalnych, prostych czynności, dzięki czemu ich praca staje się ciekawsza. To zaś ma pozytywny wpływ na retencję zespołu, co w obecnych czasach ma ogromne znaczenie.

W jaki sposób podejście portfelowe do sztucznej inteligencji pomaga w osiągnięciu ROI?

Pomaga budować synergię pomiędzy poszczególnymi rozwiązaniami tak, aby różne projekty AI korzystały ze wspólnych doświadczeń, kompetencji, infrastruktury i zasobów. Tego typu działania zwiększają efektywność dostępnych zasobów, zmniejszają koszty i zwiększają przychody. Warto też zauważyć, że podejście portfelowe zakłada uruchomienie i prowadzenie kilku inicjatyw równolegle, jedne z nich mogą przynosić większe korzyści niż inne, ale patrząc na cały portfel mamy większą szansę, że przyniesie on istotne zyski dla organizacji.

Czy dostępne są już tzw. Lessons Learned dla zastosowań sztucznej inteligencji?

Lekcje z tego typu projektów są wprost powiązane z ryzykami, o których wspominałem wcześniej. Bardzo często dotyczą aspektów związanych z przewidywalnością algorytmów, dostępem do odpowiedniej infrastruktury i oczywiście poszukiwaniem właściwych ekspertów.

Jeśli chcemy ograniczać ryzyko tego typu projektów, to przede wszystkim warto korzystać ze sprawdzonych już wcześniej rozwiązań. Warto również – jak w przypadku wszystkich, nowatorskich rozwiązań – przewidzieć fazę PoC (Proof of Concept), aby sprawdzić działanie modelu sztucznej inteligencji w praktyce, w oparciu o dane posiadane w organizacji. Pozwala to także na zaadresowanie ewentualnych problemów z etycznością i wytłumaczalnością AI na wczesnym etapie projektu.

W PwC mówimy o Responsible AI, a więc działaniach zapewniających wiarygodność i przewidywalność algorytmów AI, a także zapobiegających tzw. skrzywieniu, czyli swego rodzaju „uprzedzeniom” pojawiających się w modelach sztucznej inteligencji. Na Responsible AI składa się więc 5 elementów: regulacje i zasady etyczne, zastosowanie mechanizmów, które zapobiegają stronniczości modeli AI, wyjaśnialność, czyli zapewnienie, że zasady działania algorytmów AI są przejrzyste i łatwo je zinterpretować, narzędzia zapewniające odpowiedni poziom bezpieczeństwa, procedury Governance, ponieważ modele AI żyją i muszą mieć właścicieli, trzeba im bowiem zapewnić odpowiednie wsparcie oraz efektywny rozwój.

Czego najbardziej obawiają się klienci?

Przede wszystkim wiarygodności modeli, a co się za tym idzie zrozumienia działania sztucznej inteligencji. Ale tak jak wspomniałem wcześniej, trzeba też zadbać o właściwe kadry i odpowiednią infrastrukturę i dane. Bez tego AI nie dostarczy oczekiwanej wartości.

Przykładem może być zrealizowany przez PwC projekt u jednego z klientów z branży chemicznej. W procesie produkcji – w pewnych, wówczas nie do końca sprecyzowanych, okolicznościach – pojawiało się niepożądane zjawisko wytworzenia się piany. Trudno było wyjaśnić, dlaczego tak się dzieje. Przeprowadziliśmy więc analizę z wykorzystaniem algorytmów AI, które – badając cały proces w oparciu o dane z sieci czujników IoT (Internet of Things) – wskazały na czynniki, które wpływały na to niekorzystne zjawisko. Zasugerowaliśmy, jak je mierzyć i w jaki sposób reagować, aby zapobiec tworzeniu się piany. Podpowiedzieliśmy też, jak zaplanować wydajność zastosowanego środowiska IT, liczbę czujników i w jakich odstępach zbierać z nich dane, by w porę przeciwdziałać temu zjawisku.

Przekazaliśmy te informacje klientowi. Po wdrożeniu nowych mechanizmów klient wrócił do nas z informacją, że całe rozwiązanie nie zadziałało. Po analizie okazało się, że ze względów oszczędnościowych zastosowano mniej-wydajne środowisko IT, za małą liczbę czujników oraz dłuższy czas próbkowania, a więc w efekcie dane z procesu produkcyjnego zbierane były zbyt rzadko i to z tego powodu – a nie w wyniku zastosowania złych algorytmów AI – model nie zadziałał. Po wprowadzeniu korekt, system zaczął właściwie funkcjonować i przynosić oczekiwane efekty.

Które branże najczęściej sięgają po AI?

Na chwilę obecną są to firmy z tych sektorów, które mają do czynienia z klientem końcowym, a więc branże: finansowa, telekomunikacyjna czy handlu detalicznego. Tam bowiem nasi klienci analizują olbrzymie zbiory danych o dużej liczbie klientów. Ale pozostałe branże nie pozostają daleko w tyle. Można powiedzieć, że AI pojawia się obecnie praktycznie w każdej gałęzi gospodarki.

Podsumowując, czy warto inwestować dziś w algorytmy sztucznej inteligencji?

Na pewno! Potwierdzają to zarówno nasze badania jak i obserwacje tego, co dzieje się na rynku. Coraz więcej klientów inwestuje w algorytmy AI i myślę, że ten trend będzie kontynuowany.

Tagi

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *