Sok vállalat és fejlesztői csapat „megégett” már a mesterséges intelligencia (AI) bevezetésén: a nagy kutatóintézetek — például a McKinsey és a Gartner — arra hívják fel a figyelmet, hogy egy AI-projekt bukásának esélye többszöröse lehet a sikerének, a cikk szerint körülbelül húszszoros. Ennek ellenére jól láthatók azok a területek, ahol az AI-ba érdemes befektetni.
Hol éri meg AI-t bevezetni? Konkrét számok
A döntéshez pontosan ismerni kell, hol és mennyi időt töltenek a kollégák egy-egy folyamaton belül. Ha egy tevékenység a munkaidő 10 százalékát emészti fel, és azon 20 százalékos optimalizálás érhető el, akkor az az egész folyamatra vetítve csak 2 százalékos javulást jelent — ez általában nem indokolja a nagy beruházást. Ezzel szemben, ha egy folyamat egyes részei az idő 60–70 százalékát kötik le, akkor egy 20 százalékos hatékonyságnövelés már mintegy 14 százalékos javulást eredményez, ami általában gazdaságilag megtérülővé teszi a költséges fejlesztéseket.
Ez a különbség az oka annak, hogy a „rendszervezérelt” (system-driven) megközelítés gyakran jobb megtérülést és kisebb kockázatot kínál, mint az úgynevezett „AI-vezérelt” stratégia, amikor a szervezet pusztán azért alkalmaz AI-t, mert reméli, hogy az általánosságban javítja a működést.
AI-vezérelt vs. rendszervezérelt bevezetés
A számok azt mutatják, hogy az AI-vezérelt projektek kockázatosabbak: ha a modell jól körülhatárolt kérdést kap és rendelkezésre állnak a megoldáshoz szükséges adatok, a válaszok minősége jó. Amikor viszont a modellnek „találjon ki valamit” jellegű, kevésbé strukturált dokumentumhalmazokat adnak, a teljesítmény gyengébb lehet. Ezért a rendszervezérelt megközelítés — amely konkrét feladatok megoldására fókuszál — kisebb bizonytalansággal jár.
Adatbiztonság és szabályozás
Fontos mérlegelni, hogy milyen adatokat lehet kiadni nyilvános modelleknek. Bizonyos adatkategóriák — például ügyfelek egészségügyi adatai — szinte biztosan nem adhatók ki. A tervezéskor erre előre fel kell készülni: hiába készül el például egy OpenAI-integráció, ha a használathoz szükséges adatok nem hozhatók külső rendszerekbe.
A szabályozói környezet is érzékenyebbé teszi a helyzetet: az Európai Unió mesterséges intelligenciáról szóló rendelete (EU AI Act) idén augusztusban lépett hatályba, és emellett figyelembe kell venni a kiberbiztonsági irányelveket is, például a NIS2-t. Emellett az egyre gyakoribb adatszivárgási esetek is azt mutatják: ha egy adat kiszivárog a belső rendszerből, a kontroll elveszhet. Érzékeny adatok esetén ezért érdemes a rendszert lokálisan, zárt környezetben kialakítani.
Saját mérések szerint a lokálisan futtatott modellek teljesítménye általában a felhős megoldások 80–90 százalékát éri el, miközben az érzékeny információk a szervezeten belül maradnak. A cikk említése szerint a Quattrosoft például egy DGX Spark eszközt használ, amely 128 gigabájt memóriával rendelkezik és komolyabb modellek helyben történő futtatására alkalmas.
Gyors változások és folyamatos kockázatok
Az AI-technológiák nagyon gyorsan fejlődnek: döntéseket — például a feladathoz leginkább megfelelő modell kiválasztását — olyan környezetben kell meghozni, ahol két hét alatt újabb, jelentősen jobb modell jelenhet meg. Ugyancsak fontos kockázat a fejlesztésekhez használt AI-eszközök megbízhatósága: a rendelkezésre álló becslések szerint az AI által előállított forráskódok hibaaránya a legoptimistább számítások szerint is másfélszerese az ember által írt kódokénak; vannak becslések, amelyek ennél lényegesen nagyobb, akár tízszeres hibaaránnyal számolnak.
Továbbá folyamatosan nő az interneten az AI által előállított tartalom mennyisége, amelynek minősége átlagosan valamivel gyengébb az emberi tartalomnál. Ha ilyen, AI-gyártotta anyagokat visszatáplálnak a tanítóadatok közé, a modell teljesítménye nem feltétlenül javul: hosszabb távon romló minőségre lehet számítani. Emiatt indultak olyan kezdeményezések is, amelyek például a 2022 előtti, AI-mentes könyveket gyűjtik össze a tisztább tanítóadatok érdekében.
Következtetések: használni kell, de kontrollal
Bár sok a bizonytalanság és a gyors változás, a szerző szerint nem kétséges, hogy élni kell a mesterséges intelligencia nyújtotta lehetőségekkel. A javaslat az, hogy AI-t arra használjuk, amire való: rendszerek és folyamatok optimalizálására, a bevezetést pedig rendszervezérelt módon, jól definiált feladatokra és megfelelő adat- és jogszabályi kontroll mellett végezzük.
