Umělá inteligence a chyby minulosti

5. 3. 2024. (redaktor: František Doupal, zdroj: Hewlett Packard Enterprise)
Mnoho vrcholových manažerů si v současnosti klade otázku, jak mohou pomocí umělé inteligence vydělat peníze, zvýšit svou produktivitu nebo zachránit planetu. To je ale špatná otázka.
Johannes Koch, ředitel společnosti HPE pro střední Evropu (foto: Linked In)

Ale počkat! Není to jedna z nejdůležitějších otázek zejména pro Evropu? Silně se zaměřujeme na umělou inteligenci, protože si uvědomujeme, že se nám nepodařilo prosadit na některé z nejrozhodnějších technologických vln posledních desetiletí.

Platí to o oblasti e-commerce, mobilní výpočetní techniky i veřejného cloud computingu. V těchto segmentech nemáme jediného evropského globálního lídra a jsme velmi závislí na platformách z USA a Asie.

Proto je pochopitelné, že vedoucí představitelé podniků a státní správy tentokrát nechtějí promeškat šanci, protože generativní umělá inteligence vstoupila na scénu s větším příslibem než jakákoli jiná technologie předtím.

Jak se tedy v případě umělé inteligence vyhnout chybám z minulosti?

Obecně se zdá, že už jsme vyspělejší. Termín „hype“ se v současnosti používá skoro stejně často jako slovní spojení umělá inteligence. Už se navíc nenecháme unést mediálním přeháněním.

Koncept hype křivky nás naučil, že bychom neměli svá rozhodnutí o technologiích činit pod vlivem přehnaných očekávání nebo naopak deziluze. Začít s něčím příliš brzy může být stejně špatné, jako začít moc pozdě.    

Nicméně ani toto vědomí nás nemůže ochránit před největším nebezpečím, a tím je tunelové vidění. Máme totiž tendenci zapomínat: technologie sama o sobě nevytváří žádnou přidanou hodnotu pro zákazníka ani nevytváří konkurenční výhodu.

Tuto lekci jsme mohli dostat už před dlouhou dobou od naprostého guru digitální ekonomiky Steva Jobse: „Musíte začít s uživatelskou zkušeností a postupovat zpátky k technologii. Nemůžete začít s technologií a snažit se přijít na to, kde jí zkusíte prodat.“

Jobs nebyl průkopníkem mobilní výpočetní techniky, sledování zařízení nebo technologie fotoaparátu, dokonce ani nevymyslel app store – ale jako málokdo si dokázal představit, jak s těmito technologiemi přinášet zákazníkům užitek, radost a potěšení.

Na tomto příkladu jsme se zároveň naučili, že jedna samostatná technologie nikdy netvoří uživatelský zážitek. Vždycky jde o dokonalé propojení mnoha různých technologií, díky kterému jsou zákazníci šťastní a spokojení. Jinak řečeno, pokud si zákazník všímá technologie, pak nejde o zážitek.

Umělá inteligence není nástroj, ale jen špička ledovce

Druhým důsledkem tunelového vidění je přesvědčení, že umělá inteligence je nástroj. Ve skutečnosti ale jde jen o špičku ledovce plného dat. A to má dalekosáhlé důsledky.

Už víme, že jakákoliv umělá inteligence je jen tak dobrá, jak dobrá jsou data pro její výcvik. Ani ten nejlepší AI model nebude fungovat správně, pokud nebude neustále zásobován dostatečným množstvím, kvalitou a rozmanitostí dat.

Zde přichází problém – společnosti obecně nejsou moc dobré v organizování a agregování svých dat nebo jejich využití pro vytváření hodnot. Data jsou často vzájemně izolována, uložena v různých formátech nebo jsou redundantní a nekvalitní.

Tento problém nemůže být vyřešen pouze s pomocí technologie. Jeho řešení vyžaduje strategii, organizaci, procesy a správné znalosti. K tomu je zapotřebí čas.

Je pravda, že již existují AI nástroje připravené k okamžitému používání, které nás ušetří tohoto pracného procesu, protože poskytovatelé již mají přístup k našim datům. Náš kancelářský software nám pomáhá psát texty a shrnovat schůzky. Výrobce našich strojů předvídá problémy, takže se můžeme vyhnout výpadkům výroby.  

Takové nástroje zvyšují naši produktivitu. Nicméně to dokáží udělat pro všechny zákazníky, včetně našich konkurentů. Jinými slovy, neposkytují nám konkurenční výhodu ani nám nepomáhají vyhnout se chybám minulosti.

Nejde to zkrátka obejít, musíme se naučit stát na vlastních nohou. Musíme se stát stejně dobrými v budování AI aplikací, jako jsme dobří v našich hlavních oborech podnikání.  

A je tady jedna věc, kterou se musíme naučit od Američanů – jejich posedlost dělat zákazníky šťastnými. Z tohoto bodu pak „pracovat zpětně“ na umělé inteligenci a provádět zpětné inženýrství nikoli produktu, ale zážitku. Nevadí, když to bude trvat o něco déle. Protože na konci dne nevyhraje ten, kdo byl nejrychlejší, ale ten, kdo je nejlepší.

Autor: Johannes Koch, ředitel společnosti HPE pro střední Evropu

Štítky: 
Umělá inteligence, Hewlett Packard Enterprise

Podobné články

Konference Red Hat Summit 2024 přinesla řadu novinek z oblasti open source a AI

10. 5. 2024. (redaktor: František Doupal, zdroj: Red Hat)
Setkání společnosti Red Hat v Denveru v Coloradu se stalo jednou z největších světových událostí v oblasti open source a mimo jiné nabídlo i řadu zásadních oznámení v oblasti podnikového využití umělé inteligence nebo cloudově nativních technologií. Čtěte více

Nová vlna zařízení podporujících práci s AI

6. 5. 2024. (redaktor: Michala Benešovská, zdroj: DCD Publishing)
Na trh začínají přicházet nová zařízení, která jsou uzpůsobená práci s umělou inteligencí. Přední výrobci následují trend rozšiřování nástrojů gen-AI a díky novému hardwaru umožňují odbavovat úlohy pro AI částečně lokálně, a tudíž rychleji. Čtěte více

HPE Aruba Networking: přístupové body Wi-Fi 7 řady 730

4. 5. 2024. (redaktor: František Doupal, zdroj: Hewlett Packard Enterprise)
Nové bezdrátové přístupové body řady 730 s Wi-Fi 7 představují komplexní IT řešení na okraj sítě, připravené pro implementaci technologií umělé inteligence. Nabízí bezpečné a výkonné připojení pro záznam a přenos dat pro trénink umělé inteligence a automatické vyvozování. Čtěte více

O důvěře zaměstnanců v umělou inteligenci rozhodne kvalita a přesnost generovaných dat

2. 5. 2024. (redaktor: František Doupal, zdroj: Salesforce)
Největším problémem umělé inteligence je špatná práce s daty, soudí podle průzkumu společnosti Salesforce analytici firem napříč světovými trhy. Téměř šest z deseti oslovených uživatelů AI tvrdí, že je obtížné získat od AI to, co zrovna potřebují, přičemž více než polovina respondentů tvrdí, že nedůvěřuje datům používaným k trénování dnešních systémů AI. Čtěte více