Ako ste posljednjih godina pratili konferencije o umjetnoj inteligenciji, vjerojatno vam je ovaj scenarij poznat. Govornik izađe na pozornicu, pokaže impresivan demo, izračuna koliko će sati godišnje biti ušteđeno i zaključi da nas čeka potpuno novi svijet rada.
Na trećem izdanju Automation Summita, održanom 15. i 16. listopada u Splitu, situacija je bila drugačija. Konferencija u organizaciji Money Motiona, uz potporu partnera Robotiqa, OTP banke, ASEE-a, HCL Softwarea, Datuma, DNA Consultinga, Vise, Wonderfula i Procesne inteligencije, okupila je poslovne i tehnološke lidere iz različitih industrija i više od 140 kompanija.
Njihova su iskustva otkrila neugodnu istinu: AI uglavnom radi. Problem nastaje kada ga treba pustiti među stvarne zaposlenike, zastarjele informacijske sustave, loše strukturirane dokumente, regulativu i procese čiju svrhu ponekad više nitko u organizaciji ne zna objasniti.
AI je, čini se, postao ogledalo organizacije. Ako su vam procesi loši, AI će ih ubrzati. Ako nemaju vlasnika, dobit ćete automatizirane procese bez vlasnika. Ako menadžment ne zna koje odluke želi prepustiti stroju, vrlo brzo može dobiti sustav čije odluke nitko ne zna objasniti.
Iz dva dana razgovora s predstavnicima financija, tehnologije, industrije, logistike, znanosti i obrazovanja iskristaliziralo se sedam pravila koja na prvi pogled zvuče kontradiktorno, ali bi mogla biti presudna za poslovanje u sljedećih pet godina.
- Najbolji AI projekt možda je onaj koji nikada ne pokrenete
Ivana Slović Gudurić iz Delta Holdinga naizgled je imala odličnu početnu poziciju: 5.000 zaposlenika, stotinjak kompanija, visoku individualnu upotrebu AI alata i niz pilot-projekata. Rezultat? Nijedan nije zaživio u produkciji.
Problem nije bila tehnologija, nego nedostatak odgovornosti za procese. Tek kada su zaposlenicima dali jasne sigurnosne granice, edukaciju i ovlasti da sami grade rješenja, nastalo je više od 300 automatizacija koje danas tjedno štede stotine radnih sati.
To je važan korektiv za kompanije koje osnivaju AI odbore i izrađuju strategije, ali ne znaju odgovoriti na mnogo jednostavnije pitanje: tko je odgovoran za proces koji pokušavamo poboljšati?
Jer uvođenje AI-ja nije poslovni problem. Spor onboarding, preduga obrada zahtjeva, loša korisnička podrška jesu. AI dolazi tek poslije.
Prije nekoliko godina kompanije su tražile procese u koje mogu umetnuti AI. Danas bi trebale krenuti suprotno: pronaći problem dovoljno vrijedan rješavanja, a zatim provjeriti je li AI uopće najbolji alat. U sljedećoj fazi tržišta možda neće pobjeđivati kompanije s najviše AI projekata, nego one koje najbrže odustaju od pogrešnih.
- Najopasnija stvar koju možete pokazati upravi odličan je AI demo
Ne zato što je demo lažan. Upravo suprotno. Vjerojatno će raditi. Problem je što funkcionira u uvjetima koji gotovo nigdje ne postoje izvan prezentacije.
Senko Rašić, serijski poduzetnik i alumnus Y Combinatora, upozorio je da je nekada funkcionalan demo bio gotovo završetak razvoja. Danas je tek početak. U stvarnoj primjeni dolaze neuredni podaci, nepredvidivi korisnici, sigurnosna ograničenja i troškovi koje prototip lako sakrije. U produkciji potrošnja tokena može biti i više od stotinu puta veća od prvotne procjene.
Siniša Behin iz Datuma isti je problem opisao kao uspjeh pilota u „stakleničkim uvjetima”, s očišćenim podacima, motiviranim korisnicima i kontroliranim opsegom.
Zato pitanje za upravu više nije radi li AI rješenje, nego radi li pouzdano deset tisuća puta dnevno, koliko košta svaka pogreška i tko snosi odgovornost kada se dogodi.
Zvonimir Mavretić iz ASEE-a ponudio je možda najbolje pravilo za regulirane procese: koristite AI da napiše pravila, ali ne dopustite da on bude pravilo. Kod njih AI predlaže kod i logiku, čovjek ih odobrava, a deterministički sustav izvršava. Svake noći provodi se više od 5.400 automatiziranih testova.
To nije osobito futuristička vizija autonomne kompanije. Ali vrlo vjerojatno jest način na koji ćemo ih stvarno graditi.
- Najskuplji AI model često je pogrešan AI model
AI industrija još uvijek funkcionira prema intuitivnoj logici: veće mora biti bolje. Više parametara, veći kontekst, snažniji model, više agenata. Poslovna matematika mogla bi krenuti u suprotnom smjeru.
Darko Jovišić iz Robotiq.ai upozorio je da za velik broj poslovnih zadataka nisu potrebni najveći modeli. Manji, specijalizirani modeli mogu biti brži, jeftiniji i sasvim dovoljni.
Slično je poručila Francesca Curzi iz HCL Softwarea: cilj nije izgraditi univerzalnog superagenta, nego sustav u kojem različiti agenti imaju precizno definirane zadatke, ovlasti i njima prilagođene modele.
Uprave bi zato trebale postaviti novo pitanje: koja je najjeftinija razina inteligencije kojom možemo pouzdano riješiti problem?
Ema Puljak iz CERN-a pokazala je koliko je taj problem fundamentalan. Pomicanje prema najvišim razinama inteligencije donosi drastičan rast latencije i troškova, zbog čega se razvijaju metode kompresije koje velike modele mogu približiti malim uređajima.
U eri računalstva u oblaku kompanije su učile optimizirati infrastrukturu. U eri AI-ja morat će naučiti optimizirati inteligenciju. Budućnost AI-ja možda zato neće biti samo veća. Mogla bi biti mnogo manja.
- Automatizacija lošeg procesa samo vam omogućuje da brže radite pogrešnu stvar
Generativni AI donio je kompanijama nešto vrlo zavodljivo: mogućnost da preskoče neugodnu fazu sređivanja vlastite kuće. Ako zaposlenici ne mogu pronaći dokumentaciju, stavimo chatbot iznad dokumenata. Ako je proces složen, dodajmo agenta.
Problem je što AI vrlo brzo razotkrije ono što su organizacije godinama ignorirale: dokumenti su loši, procesi nepotrebni, podaci razbacani, a isti pojam u tri odjela znači tri različite stvari.
Joško Šugar iz OTP banke opisao je kako su tek tijekom implementacije internog chatbota otkrili koliko su vlastiti dokumenti loše strukturirani, sve do načina imenovanja datoteka i umetanja slika.
Nikola Dlaka i Željko Jurin iz DNA Consultinga problem su nazvali „grobljem dokumentiranih procesa”. Kompanije imaju goleme količine procedura i priručnika koje gotovo nitko ne koristi. AI može to znanje učiniti dostupnim, ali pod uvjetom da procesi prethodno imaju smisla.
Ista logika vrijedi izvan ureda. Kako je objasnio Anđelko Katalenić iz Centra izvrsnosti MARBLE, u digitalizirano skladište možete uvesti autonomne viličare, ali u nedigitaliziranu marinu ne možete jednostavno dodati autonomna plovila.
- AI agent ne bi trebao dobiti prava. Trebao bi ih zaslužiti
Jedna od najkorisnijih ideja konferencije bila je earned autonomy, odnosno zaslužena autonomija. Kompanije danas lako naprave konceptualnu pogrešku: ako je AI dovoljno sposoban izvršiti zadatak, pretpostavljaju da mu treba dati i ovlasti da to radi samostalno.
To su dvije različite stvari.
Francesca Curzi opisala je pristup u kojem AI prvo obavlja jednostavne zadatke, zatim postaje savjetnik, a tek nakon dokazane pouzdanosti dobiva višu razinu autonomije. Čak i tada ostaje pod nadzorom.
Sigurnosni stručnjaci bili su izravniji. Vlatko Košturjak iz Marlink Cybera ispričao je slučaj hrvatske kompanije u kojoj su AI agenti, nakon što su dobili preširok pristup sustavu, obrisali podatke. Tvrtku je spasila sigurnosna kopija kojoj agenti nisu mogli pristupiti.
Njegova je poanta jednostavna: napisati agentu „nemoj brisati podatke” nije sigurnosna mjera. Ograničiti mu ovlasti i nadzirati ponašanje jest.
Kristian Kamber iz Zscalera zato je budućnost kibernetičke sigurnosti povezao s upravljanjem identitetima, dozvolama i pravima AI agenata.
Dosad su kompanije prava pristupa dodjeljivale ljudima i aplikacijama. Sada ih dodjeljuju sustavima koji samostalno djeluju brzinom daleko većom od čovjeka.
CISO budućnosti zato neće upravljati samo korisnicima. Upravljat će i digitalnom radnom snagom.
- Produktivniji zaposlenik ne znači produktivniju kompaniju
Jedna od najlakših pogrešaka u mjerenju AI-ja jest pitati zaposlenike jesu li brži. Vjerojatno jesu. Ali kompanija zbog toga ne mora biti ni sekunde brža.
Jelena Jurišić iz Ericsson Nikole Tesle opisala je kako su uvođenjem AI agenata ubrzali pisanje koda, ali se usko grlo preselilo na njegov pregled. Lokalna produktivnost porasla je, ukupna učinkovitost procesa nije. Zato su razvili pristup u kojem se razina ljudskog nadzora određuje prema riziku.
To je lekcija puno šira od razvoja softvera. Ako AI omogući prodaji da napiše dvostruko više ponuda, ali pravna služba mora pregledati dvostruko više ugovora, niste automatizirali kompaniju. Premjestili ste red čekanja.
Viktor Olujić iz Monrija dao je primjer druge strane istog fenomena. AI može ubrzati interne procese, ali sada i korisnici pomoću AI-ja pišu prigovore od dvije ili tri stranice. Količina proizvedenog sadržaja raste na obje strane.
