Biznes w świecie, i w Polsce też, ma już sporo doświadczeń ze stosowaniem sztucznej inteligencji, w tym generatywnej AI. Ciągle dużo więcej się o niej dyskutuje niż faktycznie testuje lub wręcz wdraża, ale to wcale nie jest złe podejście. Technologia jeszcze jest daleka od dojrzałości, o czym świadczą choćby aktualnie turbulencje związane z ogłoszeniem rozwiązania chińskiego, a ryzyk bez liku. To klasyczny dylemat również wcześniejszych rozwiązań: wdrażać nowe najszybciej jak się da i zebrać premię innowatora, czy najpóźniej jak się da, aż zostaną dopracowane i sprawdzone, a także gdy stanieje, czyli nie ponosić wysokich kosztów wdrażania nowości. Oczywiście, wybór zależy od priorytetów firmy, czyli na co w pierwszej kolejności przeznaczy zasoby.
Według CB INSIGHT dzisiaj tak mniej więcej kształtuje się adopcja AI w przedsiębiorstwach
Źródło CB INSIGHT
Choć wśród aktualnie wdrożonych projektów prym wiodą działy zajmujące się obsługą klienta, to najwyższy poziom aktywności pilotażowej wykazują działy operacyjne i finansowe. W Klubie Dyrektorów Finansowych „Dialog” przeprowadzono w 2024 roku kilkanaście pilotaż w działach finansowych. Wartościowa ich analiza znajduje się w tym RAPORCIE
Korzyść trudna do uchwycenia
W 2024 roku nadal było wykazać wartość ekonomiczną generatywnej sztucznej inteligencji. Na ogół firmy twierdziły, że wzrosła produktywność pracowników, ale nie podając o ile. Mało kto mierzy, co pracownicy robią z uwolnionym czasem, uzyskany dzięki automatyzacji zadań, również za pomocą AI. Goldman Sachs jest jedną z nielicznych firm, które zmierzyły wzrosty produktywności w obszarze programowania . Programiści zgłosili, że ich produktywność wzrosła o około 20%. Większość podobnych badań wykazała czynniki warunkowe w produktywności, w których albo niedoświadczeni pracownicy zyskują więcej (jak w obsłudze klienta i doradztwie), albo doświadczeni pracownicy radzą sobie lepiej (jak w generowaniu kodu).
Ubiegłoroczny laureat Nagrody Nobla w dziedzinie ekonomii, Daron Acemoglu z MIT twierdzi, że do tej pory nie widzieliśmy realnych wzrostów produktywności dzięki AI i nie spodziewa się zobaczyć niczego dramatycznego w ciągu najbliższych kilku lat — być może 0,5% wzrostu w ciągu następnej dekady.
Inaczej do mierzenia wpływu AI na pracę podchodzi Erik Brynjolfsson, profesor Stanford Institute for Human-Centered AI oraz dyrektor Stanford Digital Economy Lab.
W jednym z wywiadów mówi: „Przeprowadziłem bardzo dogłębne badanie z Lindsey Raymond i Danielle Li, w którym duży model językowy został wprowadzony do centrum telefonicznej obsługi klienta, aby pomóc operatorom, a nie ich zastąpić. I odkryliśmy, że najmniej wykwalifikowani pracownicy odnieśli największe korzyści. Ich produktywność wzrosła o około 35%. Najbardziej wykwalifikowani pracownicy odnieśli prawie żadne korzyści. LLM przechwytywał wiele ukrytej wiedzy od bardziej doświadczonych pracowników na temat tego, jak rozwiązywać problemy klientów, jak rozmawiać, aby byli szczęśliwsi i bardziej lubili interakcję, i przekazywał ją mniej wykwalifikowanym pracownikom w bardzo wydajny sposób, tak że w ciągu kilku miesięcy ci mniej wykwalifikowani pracownicy i nowi pracownicy bardzo szybko przechodzili krzywą uczenia się. W rezultacie AI miała tendencję do zamykania luki między najbardziej doświadczonymi i mniej doświadczonymi pracownikami.”
Jego zdaniem, technologie AI pozwalają szybciej uczyć się ludziom, w szczególnie przekazywać wiedzę ukrytą, którą ludzie nie bardzo umieją sformułować, aby przekazać, a technologia patrzy na dane i umie znaleźć wzory. Więc otworzyła wiedzę jednych ludzi dla innym ludziom. I to jest warte biliony dolarów.
Zatem nie chodzi o to, jak potężne narzędzie mamy do dyspozycji, lecz o to, jak potężnych uczyni ludzi je używających. Tylko jakich miar użyć, aby to zmierzyć?
Dobre praktyki
Jednym z najważniejszych wniosków, które wyciągnęły firmy, z dotychczasowych testów AI jest skoncentrowanie wysiłków na dwóch trzech przypadkach użycia, zamiast 6 czy więcej, ale powinny być to przypadki dotyczące przekształcania ważnych funkcji czy procesów, a nie zwykłe podnoszenie produktywności. Jest tyle barier, że rozproszenie wysiłków tym bardziej zwieksza ryzyko niepowodzenia.
Drugi ważny wniosek: firmy zbytnio koncentrują się za technologii i danych, a stanowczo za mało na procesach i ludziach. Według ekspertów BCG: „Najlepiej adaptujące AI organizacje stosują zasadę 10-20-70. Poświęcają 10% swoich wysiłków algorytmom; 20% danym i technologii; i 70% ludziom, procesom i transformacji kulturowej. Zasada ta obowiązuje również, gdy firmy wprowadzają agentów AI — dwie trzecie firm bada potencjał tych systemów opartych na AI, które mogą postrzegać, planować i działać samodzielnie. Firmy muszą osadzać tych agentów w przepływach pracy, aby uzupełniali i ulepszali pracę ludzi.”
Trzeci ważny wniosek: ciągle zbyt mało pracowników zostało przeszkolonych w zakresie AI. Jak pisze w naszym serwisie Mirek Burnejko: „Rozsmarowanie kompetencji po zespołach zajmuje czas. Duuuużo czasu. Miesiące lub lata. A to trzeba gasić pożary. A to dostawca sprzedał nam nową macierz i trzeba nauczyć się jej używać. Nie ma kiedy się nauczyć wszystkiego, co trzeba o nowych technologia.” W tym artykule pisanym niejako z wnętrza firmy jest tzw. samo życie. Nazwano w nim dziesięć konkretnych przyczyn, dlaczego nowe technologie z takim trudem przyjmują się w przedsiębiorstwach. Stanowi doskonałe uzupełnienie tego artykułu.
A czego firmy najbardziej się obawiają? Wracamy do ustaleń CB INSIGHT. To:
- Ryzyko związane z bezpieczeństwem i prywatnością (46%)
- Konkurujące priorytety wewnętrzne (42%)
- Rozważania prawne i regulacyjne (40%)
Jeszcze nie uporaliśmy się z GenAI, a może właśnie dlatego (!!!), a już narasta szum wokół inteliegncji agentowej, mimo że powstają dopiero pierwsze takie narzędzia i wcale nie są rewelacyjne, jak Operator wypuszczony przez OpenAI.
Inteligencja agentowa – obietnice i ból głowy
Thomas H. Davenport i Randy Bean wśród pięciu trendów w dziedzinie sztucznej inteligencji i nauki o danych na rok 2025, jako pierwszą wymieniają właśnie to:
„Liderzy firm będą musieli zmierzyć się zarówno z obietnicami, jak i szumem medialnym wokół sztucznej inteligencji opartej na agentach. Najpierw zajmijmy się sztuczną inteligencją agentową — rodzajem sztucznej inteligencji, która wykonuje zadania niezależnie — ponieważ jest to pewny zakład na „najbardziej popularny trend w dziedzinie sztucznej inteligencji” w 2025 r. Wydaje się, że sztuczna inteligencja agentowa nieuchronnie zyskuje na popularności: wszyscy w świecie dostawców technologii i analityków są podekscytowani perspektywą współpracy programów sztucznej inteligencji w celu wykonywania prawdziwej pracy, a nie tylko generowania treści, chociaż nikt nie jest do końca pewien, jak to wszystko będzie działać. Niektórzy liderzy IT uważają, że już to mają (37% w nadchodzącym badaniu sponsorowanym przez UiPath wśród 252 amerykańskich liderów IT); większość spodziewa się tego wkrótce i jest gotowa wydać na to pieniądze (68% w ciągu sześciu miesięcy lub krócej); a kilku sceptyków uważa, że to głównie szum wokół dostawców.”
Najwcześniejsi agenci będą tymi, którzy będą wykonywać małe, ustrukturyzowane zadania wewnętrzne, wymagające niewielkich nakładów finansowych — na przykład pomoc w zmianie hasła po stronie IT lub rezerwowanie urlopów na wakacje w systemach HR.
Davenport i Bean nie przewidują dużego wpływu tej technologii na procesy pracy w 2025 r., z wyjątkiem nowych stanowisk pisania postów na blogach o agentowej sztucznej inteligencji.
Warto, abyśmy wszyscy zachowali podobną trzeźwość umysłów, ale nie tracąc ciekawości co do dalszego rozwoju sytuacji!!!!