A mesterséges intelligencia robbanás
Róbert kedvenc kávézójában ült, egyedül, amikor már harmadjára jelent meg a számára ideális túrabakancsról szóló reklám, és most rákattintott. Pont ilyen bakancsot szeretne, és az ára szemérmetlenül alacsony. Bár a minőséget nem tudja így ellenőrizni, de ennyi pénzt biztosan megér neki. Meglepő módon nem egy webshophoz vezette a kattintás, hanem egy formot kellett kitölteni az adataival, és már meg is rendelte a bakancsot. Volt egy kis rossz érzése, de megkapta a regisztrációs emailt, és megnyugodott.
“Milyen fejlettek ma már ezek az algoritmusok, hogy szinte kitalálták a gondolatomat!”
Most az jutott eszébe, ami ma délelőtt történt, amikor a multi vevőjének a beszerzési vezetőjével tárgyalt. A hölgy is mintha minden gondolatát tudta volna. Ő árat akart emelni, de nagyvállalati hidegvérrel minden érvét szerelte a nő azokon a pontokon, ahol a leggyengébb volt az érvelés – és persze nem sikerült egy fillérrel sem árat emelnie. A fejében a képek az embertelen multiról és a vágyott bakancsról összefonódtak, és a felismerés intuícióként felvillant az agyában: a bakanccsal át lett verve. Egyszerűen okosabbak voltak nála most is, mint azon a tárgyaláson.
Előkapta a táskájából a notebookját, és rákeresett a bakancsos visszaigazoló email szövegrészeire az interneten. “Hát persze! Kamu az egész.” Egy adathalász hirdetésnek dőlt be. Gyorsan hívta a bankját, és letiltatta a kártyáját.
De vajon hogyan tudta a multinál a 29 éves lány átvágni délelőtt?
Erősödött benne a gondolat, hogy a két dolog összefügghet. Még amikor fizikát tanult az egyetemen, járt egy “Neurális hálózatok” kurzusra, ahol a mesterséges intelligenciáról tanultak. Ott megismerkedett azzal, hogy egyszerű programokkal hogyan lehet modellezni az emberi agy működését, és sokkal gyorsabban és pontosabban elemző gépi tanuló algoritmusokat alkotni. Csodálattal töltötte el, ahogy a kézírás felismerését vagy arcfelismerési problémákat képes volt megoldani ez a program. A hideg futkosott a hátán, amikor arra gondolt, hogy egy kezdetleges programot megtanítottak pókerezni, majd az teljesen önállóan elkezdett blöffölni anélkül, hogy megmutatták volna “neki”, hogy mi is az.
Újra elővette a délelőtti prezentációját, és szisztematikusan végignézte, hol lehettek azok a tárgyalási hibák, amikbe belekapaszkodott a beszerző. Valószínűleg regressziót használt: a sok hasonló tárgyalás alapján egy algoritmus segített neki, hogy mibe kössön bele. Egyszerűen nem jó érveket hangsúlyozott, most már azt is sejti, hogy mit kellett volna statisztikákkal megmutatni, hogy bizonyítsa az igazát.
“The greatest danger in the times of turbulence is not the turbulence, it is to act with yesterday's logic .”
Mit hozhat az új korszak?
A Magyar Mentőszolgálat (OMSZ) világviszonylatban is az egyik legjobban digitalizált egészségügyi szervezet. Nagy előnye, hogy egyedülálló módon egyetlen szervezet fedi le az egész ország területét, de emblematikus vezető nélkül valószínűleg sohasem tudták volna a munkatársakkal megértetni az alapos adatrögzítés fontosságát a legnehezebb vészhelyzetekben is.
Amikor először találkoztam Dr. Csató Gáborral, egy rendezvényen adott elő. Miután nyugtáztuk, hogy még az is lehet, hogy a Debreceni Orvostudományi Egyetemen anno találkoztunk, megosztotta velem az ötletét: a mentőszolgálat meglévő, több évet átölelő adataira támaszkodva lehetne előrejelzéseket adni, hogy egy adott napon egy adott mentőállomásra várhatóan hány darab és milyen prioritású segélyhívás fog érkezni.
Mivel úgy gondolom, ha van olyan szakma, aminek igazán létjogosultsága van, akkor a mentős biztosan ezek egyike, ezért pro bono, nagy erőkkel nekiláttunk a projektnek.
A projekt keretében az OMSZ saját adatain kívül sokszázezer más adatsort is elemeztünk, és kerestük az összefüggéseket a magyar segélyhívási adatokkal. Egyértelmű összefüggést fedeztünk fel az időjárás és az útjavítási adatokkal, de gyengébb, még használható korrelációt sok más idősornál is találtunk. Érdekes például, hogy úgy tűnik, hogy a Vénusz-Föld távolságtól is függ az, hogy a következő napon hányszor fogják hívni a mentőket.
Jelenleg nemcsak a feladatok számának előrejelzésében tudunk segíteni az OMSZ munkatársainak, hanem a kifejlesztett mesterséges intelligencia algoritmus olyan lokációkat is javasol a szervezőknek Budapesten, ahová a mobil mentőállomásokat érdemes vezényelni, mert a környéken aznap sürgős eset várható.
A fejlesztések azóta sem álltak meg: Gáborral egyéb futó projektjeink tovább fogják növelni a betegek túlélési esélyeit a sürgős feladatoknál. A Dyntell komoly megtiszteltetésnek tekinti, hogy ehhez a nemes feladathoz adhatja a szakértelmét.
Bár az OMSZ-es szolgáltatásunk 2019 óta üzemel, és elmondható, hogy a mesterséges intelligenciát számos területen is használják már évtizedek óta, valahogy a vállalatok körében még csak óvatos tapogatózásokat látunk ebben az irányban. A ChatGPT és más generatív AI algoritmusok elterjedése óta (ezekről nemsokára írok bővebben) azonban már nem kérdés, hogy az új ipari forradalom belépett az életünkbe, és hamarosan átalakítja az eddig ismert világunkat.
A magam részéről a 4. ipari forradalomnak nevezett Ipar 4.0-át, ami az IoT-ről, automatizációról és az eszközök egymáshoz kapcsolódásáról szólt, nem éreztem igazi forradalomnak. Azonban ha hozzávesszük a mesterséges intelligencia robbanást, akkor már nincsenek kétségeim. És az ipari forradalmakkal kapcsolatban van egy elméletem, amit technológia felezési időnek nevezek.
A második ipari forradalom kapcsán Karl Marx írt a gombostű-készítő gépről. A 19. században a tűk (például kalapok rögzítéséhez) hihetetlenül drágák voltak, és luxuscikknek számítottak: egy kézzel készített gombostű többe került, mint egy kiadós ebéd az étteremben.
A gombostű-készítő gép megváltoztatta ezt a helyzetet: egy betanított munkás esetén a munka-termelékenységét napi 20 tűről 10 000-re emelte.
Elég egyértelmű, hogy innentől kezdve ha egy gombostű-gyártó cég produktívan szeretne tűket készíteni, akkor egy ilyen eszközre szüksége van. Az új technológiák elterjedése azonban időt vesz igénybe. A változtatni nem akaró vagy nem tudó, manuális módszerrel tűket gyártó cégek hosszú évekig túléltek, végül azonban kivétel nélkül mind csődbe mentek.
Az ipari termelékenységről sokszor, sokan elmondták már, hogy kimaxoltuk, és nem fog/nem tud tovább növekedni – ennek ellenére időről-időre robbanás következik be ezen a területen, ami mindent megváltoztat. Ezek a hangok elaltatják az éberségünket, és azt gondoljuk, hogy jelenleg is elég jó eszközökkel dolgozunk. Általában elég sok a munka, és meglehetősen elfoglaltak vagyunk ahhoz, hogy bővítsük az ismereteinket, vagy elvégezzünk egy képzést, ami tágíthatja a világképünket. Szóval a keményebb munka ritkán működik jobban, mint a hatékonyabb eszközök keresése, és ami még nagyobb probléma, hogy most még kevesebb időnk van a változtatásra, mint a gombostűk korában.
A második világháborúban a hadrendbe állított hajók többsége gőzmeghajtású volt. A gőzgépet az 1600-as évek végén fedezték fel, ez volt az első ipari forradalom, és tiszteletreméltó, hogy 250 év után még használatban volt a technológia, bár már az 1800-as évek második felében, a második ipari forradalom modernebb hajtástechnikákat is kitermelt. Megfigyelhetjük, hogy az ipari forradalmak közötti idő nagyjából feleződik, tehát kétszer olyan gyorsan következik be a következő, mint ahogyan az előző végbement. Sokak szerint a mesterséges intelligencia már az 5. ipari forradalom. Az én meggyőződésem, hogy ez még a negyedikhez tartozik, s míg a második ipari forradalomra kétszáz évet, a harmadikra 100 évet, erre csak 50 évet kellett várni. A 2030-as években fog jönni a következő, az 5. ipari forradalom, aminek minden bizonnyal a biológia lesz a fő területe, de az IT fogja ezt is támogatni.
Ami talán még ennél is fontosabb, hogy az az idő is feleződik, amíg az új technológiát a versenyképességünk elvesztése nélkül használatba vehetjük. A gőzgép lecserélésénél a csatahajók esetében ez még 30-40 év volt, aki viszont az internetet nem használta a 90-es évekbeli elterjedése után 15-20 évvel, az biztosan kiesett a versenyből. A digitális transzformációra és a mesterséges intelligencia használatba vételére van tehát 7-10 évünk, azaz a 2030-as évek elejére mindenki el fog tűnni, aki nem alkalmazza. És sajnos a feladat egyre nagyobb. A digitális transzformációt nem lehet megvásárolni a gyártótól, mint egy lézervágó gépet – új módon gondolkodó, felelős belső stakeholderek és nagyon komoly edukáció szükséges ahhoz, hogy a szervezet ezt a technológia-váltást meg tudja lépni.
Szingularitás
A mesterséges intelligencia fogalom némelyeket félelemmel tölt el, másokat kifejezetten inspirál, azonban itt az ideje, hogy mindannyian megbarátkozzunk vele. A félelmekkel kapcsolatban számomra nagyon szórakoztató, ahogyan minden tizedik évben elhiszik, amikor valamilyen emergencia történik, hogy megoldották a tudat problémáját, majd pedig azt követően gyorsan rájönnek, hogy valójában iszonyú messze vagyunk még ettől (kb. tíz éve írtam erről, kétperces olvasmány: https://dyntell.com/amikor-elon-musk-szerint-a-mesterseges-intelligencia-eltorli-az-emberiseget-a-fold-szinerol/).
De önmagában az, hogy az AI nagyon messze van attól, hogy tudatra ébredjen, és elpusztítson minket, nem jelenti azt, hogy már most nem egy olyan mindent elsöprő erő, aminek a használatával minden cégvezetőnek foglakoznia kell, aki nem akarja végül a süllyesztőben végezni.
Tehát emergencia már többször történt a mesterséges intelligencia történetén, de az ún. szingularitás (https://en.wikipedia.org/wiki/Technological_singularity), amiről rengeteg cikket lehet manapság olvasni, még nem jött el.
Az AI-hoz kapcsolódó technológiai szingularitás fogalma is Neumann Jánostól ered, és arra utal, hogy a mesterséges intelligencia önmaga fejlesztésével átléphet egy exponenciálisan fejlődő fázisba, ahol már egy robbanásszerű, korábban sosem látott fejlődés lesz megtapasztalható.
A szingularitás az exponenciális görbe azon pontja (ú.n. térde), ahol a lineáris növekedés átcsap exponenciálisba, és öngerjesztővé válik.
A szingularitás “eljövetele” reális esély, de a hatóköre véleményem szerint korlátozott lesz, és nem kell a Terminátor-ban megismert szcenárióra számítani. Az viszont biztos, hogy a szingularitás bekövetkeztekor, akik addig nem csatlakoztak a technológiai változáshoz, menthetetlenül lemaradnak.
https://dyntell.com/a-vilagtortenelem-legizgalmasabb-idoszaka/.
Mesterséges intelligencia
De mi is a mesterséges intelligencia? Röviden megfogalmazva, amit mesterséges intelligenciának hívnak az valójában matematikai statisztikai modellezés. Ilyenek a neurális hálózatok, amelyek az agy modelljéből alakultak ki, de ilyenek a regressziós eljárások, amik képletesen térbeli pontokra legjobban illeszkedő síkok megtalálását jelentik. Ha jobban érdekli ez a kérdéskör, akkor – már az előző fejezetben is ajánlott – alábbi cikkben lehet olvasni a leggyakrabban használt algoritmusokról az előrejelzés témája köré csoportosítva: https://dyntell.com/mesterseges-intelligencia-es-big-data-a-cegvezetesben/.
A cikkben is írok róla, hogy a mesterséges intelligencia alapkövei a neurális hálók, a biológiai ideghálózat matematikai modelljei, és általánosságban is igaz, hogy a technológia, gyakran indul ki a biológiai példákból. Nehéz nem észrevenni például az alábbi ábrán a sólyom és a lopakodó repülőgép közötti hasonlóságot.
A Dyntellnél mi úgy látjuk, hogy ahogyan az idegrendszerünk behálózza a testünket, és irányítja az érzékelésünket, gondolkodásunkat és cselekvesünket, ugyanúgy fogja a digitális vállalati idegrendszer begyűjteni az információt a cég minden területéről, majd ezeket feldolgozva olyan döntéseket hoz és hajt végre helyettünk, amelyek növelik a hatékonyságot, vagy olyan irányba tereli a cég működését (a megadott keretek között), amit prioritásként beállítottunk neki.
A digitális idegrendszer koncepció nem újdonság, először Bill Gates vázolta ezt a víziót 1999-es könyvében “Business @ the Speed of Thought” című könyvében, és amit egy azévi hollandiai előadásában is meghallgathatunk:
Zero-Latency Enterprise (ZLE)
Gates urat sokan alábecsülik Magyarországon, de szerintem nagyhatású digitalizációs látnok volt a 90-es években. Érdemes végighallgatni (a fenti linken csak rövidített) a teljes előadást
hiszen csodálatos, hogy Bill szinte profetikus jövőbelátással írta le 25 évvel ezelőtt a jelenlenlegi technológia lehetőségeit.
Szeretnék helyet szentelni azoknak a következtetéseknek, amiket a közel 30 éves könyvben Bill Gates levont a technológia alkalmazásával kapcsolatban. Azért tartom fontosnak ezt, mert sokan még mindig nem alkalmazzák ezeket az elveket sem Magyarországon a vállalatvezetésben, illetve érdemes elgondolkodni azon, hogy ha 30 éve ezt az olvasó tudta volna, hogy valóra válik, miként alakította volna a személyes és az üzleti döntéseit.
A Business @ the Speed of Thought (1999) könyv kivonata:
- A technológia át fogja alakítani az üzleti működést. Az IT hatékonyabbá teszi a folyamatokat, automatizációs lehetőségeket nyújt, támogatja, hogy mindenki birtokában legyen a szükséges információnak (tudásmegosztás). Segítségével gyorsabban tudunk reagálni a veszélyekre és a lehetőségekre.
- Az ügyvezető kontrollt kap az alkalmazottai munkája felett. A hatékonyságot növeli az is, hogy a vezetők pontosan látják a beosztottaik teljesítőképességét az informatika eszközeivel.
- A papír eltűnik. A standardizált elektronikus folyamatok időt és papírmunkát takarítanak meg, hiszen az alkalmazottaknak csak a kivételekkel kell több időt tölteniük.
- Az ügyfélszolgálat jelentősége növekszik. Önkiszolgáló digitális tranzakciók alakulnak ki az internet segítségével, amelyeknek köszönhetően a vállalat növekedni tud (aki pedig nem használja ezeket, lemarad és eltűnik).
- Nem létező piacok jönnek létre. A web azzal az egyedülálló képességével, hogy embereket képes összehozni, olyan vásárlói piacokat generál, amelyek előtte nem léteztek.
- Az internet megváltoztatja az üzletet. „Az internet megköveteli, hogy vagy nagy volumenű és alacsony költségű szolgáltató legyen egy vállalat, vagy magas szintű ügyfélszolgálatot kell üzemeltessen. A nagy volumenű és alacsony költségű modellhez szükséges használni az internetes technológiát ahhoz, hogy az önkiszolgáló megközelítés kialakítható legyen. A piacokon csak néhány vállalat képes nagy volumenű szereplővé válni. Ahhoz, hogy magas szintű ügyfélszolgálati szolgáltatóként sikeres legyen egy vállalat, fel kell fegyverezze munkatársait digitális információs eszközökkel, hogy kapcsolatba léphessenek az ügyfelekkel, és kezelni tudják ezeket a kapcsolatokat.”
- A vásárlók másképpen vásárolnak. A “push to talk” gomb normává válik, amely segítségével a vásárló direkt összeköttetést tud kezdeményezni az eladóval.
- A vásárlói élmény fókuszba kerül. A sikeres website-ok kihasználják az internet és technológia által adott lehetőségeket az online kommunikációra.
- El fog jönni a “web workstyle” korszaka. A webes munkavégzés lehetővé teszi a munkatársak számára, hogy az interneten keresztül kommunikáljanak és dolgozzanak együtt, megosszák az információkat és ötleteket, és ezt a magánéletükben is használni fogják (“web-lifestyle”).
- Az adat az új arannyá válik. A digitális tranzakciók digitális ujjlenyomatokat hagynak maguk után, ezek az adatok egy új-generációs erőforrást jelentenek, elemzésükkel valós üzleti értékhez juthatunk.
- A technológia meg fog szüntetni munkahelyeket, de újakat is fog generálni. A rutinszerű munkák eltűnnek, ugyanakkor az emberi intelligencia felértékelődik.
Amit azonban Gates felvázol, az még nem a vállalati digitális idegrendszer. Ugyanis ahhoz valós idejű döntések meghozatalára képes szoftverre lenne szükség. Ennek a lehetősége nagyon távol volt még 30 évvel ezelőtt.
Ahhoz, hogy a vállalti digitális idegrendszer koncepció megvalósulhasson el kell érnünk a Gartner által “késleltetés nélküli vállalat”-nak (ZLE – Zero-Latency Enterprise, https://www.gartner.com/en/information-technology/glossary/zle-zero-latency-enterprise) nevezett állapotot. Az előző fejezet utolsó részében volt szó a paradigmaváltásról, amely során megszűnik az OLTP, OLAP adatok különálló kezelése (SigleStoreDB adatbázis használatával), amely azt teszi lehetővé, hogy valós időben kapjon a BI és az AI is információt a vállalati történésekről, és a döntések meghozatalához szükséges információhalmaz teljeskörű legyen – ez a hiányzó láncszem a ZLE-hez.
Így például ha meghibásodik egy gép, akkor a gép adatai és a hibával kapcsolatos információk nem csak az ERP tranazakciós adatbázisába kerülnek be, ahol a gépi tanuló algoritmusok számára nehezen hozzáférhetőek, hanem ezzel egyidőben egy adatkockába is, és ennek köszönhetően az adatelemző eszköz is azonnal láthatja és látja, hogy baj van.
Egy nagykereskedelmi cég esetében például megrendeléskor ZLE architektúrában a rendelés adatai azonnal látszódnak az adattárházban, ahol azonnal feldolgozásra kerülnek, és valamennyi alkalmazás, amely rendelésekkel dolgozik, azonnal információt kaphat róla. A készlet automatikusan ellenőrizhető, és a raktár automatikusan figyelmeztethető a megrendelés kitárolására és csomagolására. Ha a megrendelt cikkek nincsenek raktáron, a felhasználó azonnal visszajelzést kaphat, és/vagy azonnali intézkedés céljából megrendeléseket lehet küldeni az ellátási lánc partnereinek. Az ügyfélkapcsolat-kezelő szoftver is látja az új rendelést és az esetleges késés lehetőségét, és udvariassági hívást lehet intézni az ügyfél felé, vagy tájékoztatni, amikor a rendelés már a teherautón van.
A Dyntellnél 2021 óta dolgozunk az új paradigmával, és 2022-ben találtunk rá a SingleStoreDB-re. Hisszük, hogy az új, mesterséges intelligencia által “uralt” világban erre az architektúrára lesz szükségünk és minden olyan ERP rendszernek a kódját, ami jelenleg nem ezt használja, újra kell majd írni.
A következő fejezetben olvashatsz még arról, hogy a biológiai idegrendszer miért lehet jó analógia a vállalati digitális idegrendszer számára, ami a ZLE alapstruktúráját tudja biztosítani, és bizonyos tekintetben túl is tudja haladni a biológiát.
Bár az evolúció során a biológiai rendszereink igen robosztussá váltak, a mesterségesen programozott rendszerek beállítása könnyebb, mert működésük jól átlátható. Például a modern életmódunk sok hatékonytalanságot okoz abban az örökölt szervezetünkben, ami évmilliók során alakult ki. Ha például cukrot eszünk, és megemelkedik a vércukorszintünk, akkor a szervezetünk félredob mindent, és igyekszik elraktározni a cukrot, hiszen ez az energiaforrás az ősidőkben nagyon értékes volt számára. Mivel a modern életmódunk lehetővé teszi, hogy folyamatosan magasan tartsuk a vércukorszintünket, és komfortosan érezzük magunkat, ezért szervezetünk folyamatosan a raktározó rendszert pörgeti, és nem marad idő a javító, öngyógyító folyamatok futtatására. Ez azt eredményezi, hogy nem elég hogy meghízunk, de gyorsabban öregszünk, és gyakrabban leszünk betegek .
Azoknál a mesterséges rendszereknél, amiket mi programozunk, sokkal direktebben és hatékonyabban felépíthetjük a kívánt eredményhez vezető workflowt, még akkor is, ha ezek nem fognak életre kelni sohasem.
Egy kollégámat idézve: jelenleg két fő dologra lehet használni a mesterséges intelligenciát:
- Egyik, hogy az ember helyett gondolkodjon, és az embernek már csak végre kelljen hajtani (aztán majd ha jönnek a humanoid robotok, akkor már azt sem ember fogja végezni),
- a másik pedig, hogy az ember által végrehajtott feladatok azonnal kerüljenek be egy adatbázisba, amiből az AI további utasításokat tud kiosztani.
Társalgás a mesterséges intelligenciával
A harmadik fejezetben már volt szó a Gen AI-ról és használatáról a vállalatban, amit Conversational (társalgó) AI-nak is hívnak. Emlékeztetőül ott arra jutottunk, hogy ezek az eszközök hamarosan lehetővé teszik, hogy ahelyett, hogy a szoftvereket kattingatnánk vagy programoznánk, inkább kommunikáljunk a számítógéppel, vagyis a hagyományos szoftverhasználat helyett inkább együttműködjünk, beszélgessünk velük. Ez talán majd egyszer egy kevert valóság (mixed reality) szemüveggel lesz elérhető, ami viszont már most mindenki számára elérhető eszköz: a fülhallgató vagy headset. Headseten keresztül már jelenleg is tudunk beszélni a szoftverhez, ő pedig tud válaszolni, vagy felhívni bennünket a telefonunkon, ha valamit közölni akar velünk.
A Dyntellnél hiszünk a beszéd feldolgozásban, és abban, hogy ennek meg is kell jelennie a vállalati rendszerek minden szintjén. Azonban akár beszédfeldolgozás nélkül is (“chat” módban) a Gen AI használata egy gyors alkalmazási lehetőség minden ERP szállító számára. Ezek a megoldások terjedőben vannak a piacon, illetve gyakran “3rd party” szoftverként is integrálhatók a már meglévő ERP rendszerekbe.
Tartalom-generálás és tartalom-feldolgozás
A ChatGPT mellett sorra jelennek meg azok az eszközök (Google Bart, Jasper), amelyek segítségével egy adott kulcsszóra tartalmat tudunk gyártani. Számos olyan szoftver is létezik, amivel szövegből képet lehet generálni (Midjourney, Stable Diffusion, DALL-E, Adobe), továbbá nagyon jó beszédhang-generátorok is elérhetők már (pl. Murf AI).
A tartalomfejlesztés mellett ezek az eszközök alkalmasak meglévő tartalmak feldolgozására is. Ha egy meetinget rögzítettünk, akkor abból már egyszerű szöveget generálni, vagy például egy hosszú tanulmányt is lehet kivonatolni GenAI eszköz segítségével.
Számomra a legizgalmasabb annak az óriási tudásanyagnak a feldolgozása, ami a Dyntellnél 25 év alatt keletkezett. Ezek nemcsak szöveges tartalmak, hanem többek között a CRM és Projektmenedzsment rendszereinkben írt bejegyzések, pénzügyi bizonylatok, hangjegyzetek, videók. A kimenet egy olyan (belső elérésű) weboldal, ahol bármit kérdezhetek a GenAI-tól, ami a Dyntell rendszereivel kapcsolatos, és a mesterséges intelligencia válaszol. Hangsúlyozni szeretném, hogy nemcsak a dokumentumokat dolgoztuk fel, hanem összekötöttük az információkat a fejlesztés, pénzügy, projekt-menedzsment és a support rendszerekben lévő adatokkal is.
Vállalati felhasználásban létfontosságú a masszív generatív AI modellek megfelelő használati eseteken történő tanítása, és a vállalati adatokkal való integrálásuk alapvető fontosságú a GenAI kezdeményezések sikere szempontjából.
Marketing
A marketing legerősebb eszköze a szakmai tartalom, de ütős szakmai tartalmat csak a szakértők tudnak írni, ők pedig általában nagyon elfoglaltak, és a vállalat értékteremtő folyamataiban “nyakig” vannak a munkában. Kicsi az esély, hogy egy marketinges le tud ülni velük elbeszélgetni arról, hogy mit is/miről is lenne jó írni a marketing anyagokban, annak pedig még kisebb az esélye, hogy a szakértő leül, és szöveget ír.
Bár ezt a könyvet most nem a ChatGPT írta, a Dyntellnél mi is alkalmazzuk azt a technikát, amikor is a marketing meghatározza a témaköröket, amelyekben szakmai cikket kell írni, és a szakértőtől csak azt kérjük, hogy ezekben a témákban írjon 2-3 releváns mondatot (vagy mondjon a telefonba a marketingesnek). A magvas mondatokból a GenAI segítségével már terjedelmesebb szöveg íratható, azt neten keresgéléssel a marketinges még kiegészíti, és a folyamat végén a szakértőnek “csak” lektorálni kell az elkészült cikket. Ingyenes eszközökkel megoldható, könnyen kipróbálható módszer lehet ez mindenki számára.
Másik alkalmazási lehetőség, ha a marketing sok időt tölt piackutatással és versenytársak elemzésével. Ha nincs erre elég ideje, akkor érdemes ebbe a folyamatba bevonni pl. a ChatGPT platformot. Mivel a mesterséges intelligencia nagy mennyiségű adatot képes automatikusan feldolgozni, fontos piaci vagy versenytársi betekintések derülhetnek ki, amelyeket a marketing csapat tagjai esetleg figyelmen kívül hagytak.
Értékesítés
Az értékesítésben az adminisztráció automatizálásában is tud segíteni a mesterséges intelligencia, például. az ügyfelekkel történő beszélgetések automatikus “szövegesítése” valamilyen ú. n. SpeechToText eszközzel, és ennek automatikus adminisztrációja a CRM rendszerbe.
Egyre több szerepet kap a GenAI az email kampányok megírásában. Természetesen azok, akik kapják ezeket az emaileket (vagy LinkedIn üzeneteket), egyre immunisabbá válnak, és feltételezik, hogy egy szöveggeneráló alkalmazás küldte nekik a levelet, és így általában válasz nélkül hagyják.
Hamarosan telefonon fognak hívni minket ezek a robotok, hogy véleményt kérjenek adott szolgáltatásról, termékről, vagy eladjanak nekünk valamit. Akik az első hullámban tudják alkalmazni ezt a technológiát, extra profitra tehetnek szert, azonban valószínű, hogy nagyon gyorsan át fog fordulni egy általános bizalmatlanságba a telefonos GenAI alkalmazása.
A 4. fejezetben számos értékesítést támogató BI és AI eszköz került bemutatásra, mint például az árérzékenység, partnerminősítés, mikroszegmentálás, ajánló rendszerek, lemorzsolódó vevők elemzése és vevői rendelések előrejelzése területeket támogató megoldások.
Support, szolgáltatás
Egy Microsoft SQL adatbáziskezelő supportjával foglalkozó cég szinte teljesen át tudta állítani a szolgáltatását ChatGPT-re, ami a profitját az egekbe röpítette. Azoknál az iparágaknál, technológiáknál jelenthet ez gyors eredményt, amelyekről az interneten sok információ megtalálható. Nem kell jósnak lenni ahhoz, hogy előrejelezzük, hogy GenAI felhasználásnak terjedésével egyre kevesebben fognak ezeknek a cégeknek fizetni a szolgáltatásokért, ugyanis direktben, kisebb költséggel megkaphatják ugyanezt a supportot például a ChatGPT-től.
Sokkal izgalmasabb üzleti lehetőség egy belső tudásanyaggal rendelkező cég telefonos supportjának kiváltása. Ebben az esetben a belső tudás anyagokat kell “feltanítani” a mesterséges intelligenciának, és a vásárlói/felhasználói kérdésekre értelmes válaszokat adni ezek segítségével.
A céges tudásanyaggal tanított chatbot óriási hatékonyságnövelést jelenthet a belső feladatok elvégzésében is, gondoljon csak az alábbi kérdésekre:
- Kitől szoktuk megrendelni ezt a terméket?
- Hol találom a dokumentációt?
- Tavaly milyen áron adtuk el?
- Ha túl sok selejt van az adott gépen, akkor mit kell megnéznem, mi szokott elállítódni?
- Milyen óradíjon szerződtem ezzel az ügyféllel?
És lehetne még sorolni azokat a kérdéseket, amelyek nap mint nap felmerülnek a kollégáink munkája során, és sokszor hosszú, akár többórás keresés után kaphatnak csak rá választ.
Ha összekapcsoljuk a múlt tudását az ERP-ből kinyerhető aktuális információkkal (pl. készletszint, aktuális eladási ár, nyilvántartási ár), akkor valós időben gyors válaszokat tudunk adni a külső és belső ügyfelek kérdéseire is.
HR
A toborzásnál álláshirdetés írásában könnyen használhatóak a GenAI eszközök, például tud segíteni HR-es kollégáknak az adott pozícióhoz szükséges skill-ek összegyűjtésében, hogy jobban meg tudjon írni egy álláshirdetést, de a Jasper képes arra is, hogy egy általános szöveget (megfelelő tanítás után) “brandesít”-sen, vagyis az adott vállalat stílusában írjon meg.
A jelentkezők által írt anyagok elemzésében is nélkülözhetetlen segítséget nyújthatnak, hiszen fontos, hogy lássuk a jelölt maga írta-e a szövegeket. A Dyntellnél a GenAI-t állásjelentkezők önéletrajzainak kivonatolására is használjuk, hogy gyorsabban össze tudjuk hasonlítani a jelölteket, és tudjuk kiválasztani, hogy kiket hívunk meg a következő interjúra.
Mi történik ha megalkotják az AGI-t, az általános mesterséges intelligenciát?
AGI, vagyis Általános Intelligencia, az emberi intelligencia általános tulajdonságainak és képességeinek szintetizálására törekszik egy mesterséges rendszerben. Az AGI célja, hogy egy olyan intelligens entitást hozzon létre, amely képes általános feladatokat megoldani, és adaptálódni széles körű környezetekben, hasonlóan az emberi gondolkodáshoz és tanuláshoz. Az Általános Intelligencia (AGI) megalkotása jelentős hatással lenne a világra, és számos területen hozhatna változásokat.
A munkaerőpiac gyökeresen megváltozna, hiszen a robotok képesek lennének a legtöbb feladatot elvégezni helyettünk, és technológiailag ez lenne a Neumann-féle szingularitás, amely beindítaná az exponenciális fejlődés ideáját (az AGI újratervezné magát, és egyre hatékonyabbá válna). Ez beláthatatlan gazdasági előnyöket jelentene azoknak a cégeknek, akik birtokában vannak ennek a technológiának, és természetesen társadalmi és politikai változásokat is beindítana.
Még legalább 10 évig várnunk kell az AGI megszületésére, de érdemes figyelni a humanoid robotok fejlesztését, mert hamarosan meglepő fejlesztésekkel fogunk találkozni ezen a területen is:
Vállalati Digitális Idegrendszer
Most (2022 után), hogy sokan ünneplik a generatív mesterséges intelligenciát, míg mások attól félnek, hogy ezek az eszközök el fogják foglalni a világot, és uralkodnak felettünk, valószínűleg nem leszek népszerű azzal a véleményemmel, hogy szerintem a GenAI eszközök buták és korlátozottak, és önmagukban nem képesek meglépni az AGI elérését.
Az 1990-es évek második fele óta követem a mesterséges intelligencia technológiák fejlődését, és nem vitatom, hogy a mélytanulás-forradalom után a jelenlegi ChatGPT-áttörés jelentős, és minden bizonnyal a történelemkönyvekben is fognak írni róla. Ugyanakkor a GenAI egy statisztikai rendszer, ami feldolgozza az interneten elérhető óriási információ tömeget, majd a Bayes-féle feltételes valószínűségi modell alapján (https://www.ejable.com/tech-corner/ai-machine-learning-and-deep-learning/bayesian-network-for-machine-learning/) “visszaböfögi” a válaszokat a kérdéseinkre. Hogyan bízhatnánk meg egy olyan eszközben, ami nem érti, amit mond, hiszen csak a kérdésre adott válasz legvalószínűbb szavait biggyeszti egymás után? Ön megbízna egy rendszerben, ami gyakran hazudik (vagy ahogy szebben szokták mondani “hallucinál”)? Ráadásul csak az interneten elérhető adatokat tudja feldolgozni, a valós fizikai világ, ahol mi élünk, viszont ennél jóval több.
Persze bizonyos feladatokban gyorsabbak és hatékonyabbak az embernél, de óriási távolság van még akár a Morzsi kutyám feldolgozó és modellalkotó képessége és a GenAI között (és nem a GenAI az okosabb).
Abban hiszek, hogy vissza kell térnünk a biológiai idegrendszer modelljéhez, és az új technológiák felhasználásával egy modellalkotásra és alapvető megértésre képes rendszert fejleszteni, ami szolgálhat majd a Bill Gates-féle vállalati digitális idegrendszerként is.
A cégvezetők között, akikkel találkozom, sokan azért nem cserélik le a már nem megfelelően működő rendszereiket, mert éppen az új, mesterséges intelligenciával támogatott verzióra várnak. Ők is látják, hogy a jelenlegi modernek mondott üzleti rendszerekben az AI nem valósídejű, gyakran erőltetett alkalmazásai találhatók, és nem használható a vállalati rendszerek teljes területén. Ugyanez igaz a 3rd party AI szolgáltatókra is. Hasonlít az eset ahhoz, hogy már nem akarod megvenni a kedvenc autógyártód aktuális típusát, mert tudod, hogy jön a következő, sokkal vagányabb verzió. Nos, az idő elérkezett a próbaútra.
A következő fejezetben megmutatom, hogyan fog kinézni ez az új generációs üzleti szoftver. Hogyan alakítható ki a mesterséges intelligencia segítségével egy digitális idegrendszer, és hogyan támogatja ezt a SingleStore technológia, az extended reality, a modern interfészek, az Ipar 4.0 és a folyamattérkép.