• Home
  • Novinky
  • Implementácia AI: kúpiť alebo budovať

Implementácia AI: kúpiť alebo budovať

Filip Tichý | 3.4.2024 |

Autori článku Filip Tichý (Partner at Grant Thornton Slovakia) a Jakub Chudík (Co-Founder at Assetario) vás v sérii AI Breakfast prevedú svetom umelej inteligencie. Tento článok bol napísaný bez využitia umelej inteligencie.

Veľa firiem sa dnes zamýšľa nad tým, ako najlepšie implementovať umelú inteligenciu („AI“) do svojho biznisu. Implementácia akejkoľvek novej technológie je náročný proces s istým rizikom. Pri  prelomovej technológii, ktorá bude paradigmicky meniť každodenný život to platí dvojnásobne. Základnými piliermi úspešnej implementácie AI v akejkoľvek podobe sú: stratégia, dáta, infraštruktúra a schopnosti + kultúra („skills & culture“). Každý z týchto pilierov je na samostatnú knihu, keď to zjednodušíme a zovšeobecníme, charakterizovali by sme ich takto:

Prvým AI pilierom, ktorým sa začína, je stratégia. Každá firma by mala zhodnotiť a analyzovať, ako AI zmení jej odvetvie, jej business model alebo jej operatívu. Na základe toho sformulovať svoj cieľ a spôsob, ako ho dosiahnuť, rozhodnúť sa, aké kroky spraviť (a tiež aké nespraviť). Ktoré oblasti a činnosti by sa mali automatizovať, akým spôsobom (otázka tohto článku – „build“ alebo „buy“), aké sú nasledujúce kroky, aké sú súvisiace riziká a podobne.

Druhým AI pilierom sú dáta. Dáta sú hlavnou „surovinou“ pre umelú inteligenciu, čím je ich viac (a čím sú kvalitnejšie), tým lepšie. Spoločnosť by mala mať identifikované všetky zdroje dát – interné aj externé, zaznamenané aj nezaznamenané, dostupné aj potenciálne zdroje dát.

Tretím AI pilierom je infraštruktúra. Ako má spoločnosť dáta skonsolidované, aký je tok dát, ako je postavená IT infraštruktúra, úroveň digitalizácie, ERP systém a iné aplikácie. Z pohľadu AI pilieru ale nejde len o infraštruktúru v zmysle IT, ale aj o to, ako je „postavená“ samotná spoločnosť a jej spôsob riadenia. Implementácia umelej inteligencie je do určitej miery experimentálny a iteratívny proces. Prvá realizácia na 100% neprinesie finálnu podobu optimálnej implementácie. Je preto nevyhnutné, aby bola spoločnosť pripravená (a z pohľadu svojho fungovania schopná) na rýchle zmeny a iterácie.

Štvrtým a posledným AI pilierom sú schopnosti a kultúra ľudí vo firme („skills & culture“). Umelá inteligencia je často veľmi povrchne spájaná s nahrádzaním ľudí a podobne. Sú to ale práve ľudia vo firmách, ktorí musia kreatívne rozmýšľať o spôsobe implementácie, používania a spolupráce s touto novou revolučnou technológiou. Ide o najabstraktnejší a „najsoftovejší“ AI pilier. Dôležité je priniesť do tímov tzv. „fusion skills“ – schopnosť efektívne pracovať v AI-medziľudskej interakcii.

Poznávacím znakom úspešnej prípravy na AI implementáciu je, že každý z týchto pilierov je poctivo podchytený a nie je zanedbaný. Tieto piliere nie sú samostatné, vzájomne interaktujú a ovplyvňujú sa. AI stratégia definuje prístup k dátam a infraštruktúre, schopnosti a kultúra majú vplyv na stratégiu a podobne.

Jedným z výstupov AI stratégie je aj zvolenie si technického riešenia AI implementácie. Potom, ako sú identifikované oblasti a činnosti na automatizáciu, aké dáta máme k dispozícií, aké vieme získať interne a aké z externých zdrojov,  ako je nastavená infraštruktúra a vytvorený entuziastický AI tím, nasleduje otázka praktickej implementácie. Veľa firiem už je v pozícii, že vie, ktorú oblasť chce automatizovať a stojí pred otázkou, ako to technicky spraviť.

 

„Build“ vs „buy“

Existujú dva hlavné spôsoby, ako firmy môžu implementovať AI: postaviť vlastný AI model („build“), alebo kúpiť pripravenú „off the shelf“ AI aplikáciu alebo nástroj („buy“). Ako sa pri tejto otázke rozhodovať? Hlavné rozdiely sú zrejmé: postaviť vlastný AI model je možnosť skôr pre veľké organizácie s obrovským množstvom dát a transakcií. Menšie firmy bez veľkého množstva vlastných dát budú zase na trhu hľadať najvhodnejšiu AI aplikáciu.

Typicky bude vhodný prístup „build“ budovania vlastného AI modelu pre firmy, ktoré už majú existujúce oddelenie na dátovú analytiku, ktoré už s dátami spoločnosti systematicky pracujú a používajú jednoduchšie expertné systémy („obyčajné“ alebo „ne-inteligentné“ algoritmy). Keď takáto firma cíti, že dosiahla strop v zvyšovaní svojej výkonnosti alebo efektivity využívaním a používaním dát, začať stavať vlastné AI modely a vytvárať tým „AI nadstavbu“ nad existujúcou dátovou analytikou, je najjednoznačnejší prípad, kedy je „build“ spôsob implementácie AI najvhodnejší.

Naopak malé (alebo veľmi malé) firmy si môžu klásť otázku? Má pre moju mini-firmu vôbec zmysel zamýšľať sa nad implementáciou umelej inteligencie? Odpoveď je určite áno. V prvom rade AI zmení prostredie aj odvetvie, v ktorom daná firma pôsobí, a aj ako malá organizácia tieto zmeny bude musieť vnímať a reagovať na ne. Avšak AI ako technológia bude čoskoro dostupná pre každého aj individuálneho užívateľa, napríklad ako Microsoft Copilot alebo veľké množstvo iných malých AI aplikácii. Je dosť pravdepodobné, že zanedlho bude Copilot v pozícií ako MS Excel – každý ho má v počítači, má obrovský potenciál, s odbornou pomocou sa dá použiť ako platforma na postavenie akéhokoľvek funkčného nástroja, ale väčšina užívateľov využíva iba minimum jeho potenciálu.

Rozhodnutie medzi „build“ a „buy“ stratégiou by sa dalo zjednodušiť cez vzťah medzi vyspelosťou v dvoch AI pilieroch – dáta a infraštruktúra, a jej veľkosťou. V prípade, že ide o firmu, ktorá má na vysokej úrovni dátovú analytiku, má vyspelú IT a dátovú infraštruktúru a zavedený agilný spôsob riadenia a implementácie projektov, určite by mala rozmýšľať primárne nad možnosťou „build“. Pokiaľ ide zároveň o veľkú nadnárodnú korporáciu, treba zvážiť aj možnosť „acquire“, teda akvizíciu firmy, ktorá sa zaoberá AI v danom odvetví, alebo má na to vhodné predpoklady. Pokiaľ má firma na vysokej úrovni tieto dva AI piliere, ale je relatívne malá, je na zváženie, či má kapacitu na stavbu vlastných AI modelov, alebo či nemôže viac benefitovať z implementácii existujúcich AI riešení. Pre firmu, ktorá negeneruje a nezaznamenáva veľa dát /alebo nemá robustnú dátovu a IT infraštruktúru, by mala zvažovať možnosť „buy“. V prípade, že ide o veľkú korporáciu, do úvahy tiež prichádza možnosť „build“, ale s externou pomocou.

 

 

 

Najväčšie riziko je ako vždy - neprerobiť

Hlavne „Buy“ stratégia sa môže zdať ako veľmi jednoducho vykonateľná. Keď si firma identifikuje nejakú oblasť alebo proces na automatizáciu a začne hľadať, čo trh ponúka, zistí, že na trhu je veľké množstvo AI softvérov a AI aplikácii presne na vybraný účel. Navyše, tieto sa ani nejavia ako príliš drahé. Najväčšie riziko „buy“ stratégie je ale hlavne na tom neprerobiť. Možností, ako minúť peniaze na neúčinné alebo nedostatočne využité AI app-ky sú nekonečné. Nie je totiž vôbec samozrejmé, že pre firmu bude táto investícia efektívna, t.j. že benefity prevážia nad nákladmi. Pokiaľ je účinnosť alebo využitie kúpenej AI aplikácie nulová, akékoľvek náklady na jej kúpenie a implementáciu, sú čistá strata. Práve preto je potrebné nezanedbať žiadny AI pilier, a aj malý AI projekt už dopredu nastaviť na budúce úpravy a iterácie. Chybou je tiež stanoviť si cieľ AI implementácie výlučne ako ušetrenie nákladov (napríklad cez nahrádzania ľudskej práce automatizáciou). Začiatky s AI majú skôr charakter investície, ako sekania nákladov. Správny cieľ je ZLEPŠIŤ výkon cez kolaboratívny prístup spolupráce medzi ľuďmi a technológiou. Už pri prvom rozhodovaní o „buy vs build“ treba rozmýšľať dlhodobejšie. Toto rozhodnutie nie je jediné alebo jednorazové, ale začiatok transformačného procesu našej firmy a nášho odvetvia.

Súvisiace články

Jana Kyselová | 8.11.2024 | Novinky

Zmena minimálnej mzdy od 01.01.2025

Ľubomíra Murgašová | 10.9.2024 | Novinky

Fotovoltika v daňových súvislostiach

Solárna energia je v posledných rokoch veľmi zaujímavou alternatívou spomedzi…