Dlaczego zwrot „narzędzie AI” nie niesie już za sobą żadnej wartości?
W tym artykule dowiesz się:
- Czym jest fauxtomation
- Na co należy uważać podpinając rozwiązania AI do swoich projektów
- Jak poprawić jakość odpowiedzi sugerowanych przez AI
- Jak ocenić wartość narzędzia AI
AI w zegarku, AI w telefonie, nawet AI w rowerze – wydaje się, że sztuczna inteligencja jest już wszędzie. Z tego powodu warto zastanowić się, czy narzędzia AI jeszcze mają sens, czy są tylko nieco lepiej działającymi programami schowanymi za marketingowymi terminami?
Wszystko w tych czasach jest już „AI”
Jak można przeczytać w opublikowanym przez IAB Polska raporcie „Przewodnik po sztucznej inteligencji”, współcześnie w praktycznie każdej branży znaleźć można jakieś zastosowanie dla SI. W e-commerce służy do segmentacji klientów i produkcji opisów produktów, copywriterów i marketerów wspomaga w tworzeniu treści, a w branży produkcyjnej jest stosowana do automatyzacji linii produkcyjnych. Zainteresowanie AI potwierdza też rozmiar rynku – tylko w 2024 roku jego branżę SI wyceniano na 184 miliardy dolarów, a do 2030 roku ma ona osiągnąć wartość 826 miliardów!
Sama Altmana, CEO OpenAI, kojarzą już praktycznie wszyscy, ChatGPT, flagowy produkt jego organizacji, jest używany przez miliony osób na całym świecie, ale warto zapytać – czy wszystkie zastosowania AI są zasadne? Czy głosy osób sceptycznych wobec boomu na rozwiązania AI właściwie wybrzmiewają? Zdaje się, że SI wyskakuje już praktycznie z każdej lodówki (i to dosłownie – Samsung wprowadził do sprzedaży lodówki wykorzystujące AI do tworzenia przepisów i list zakupów), a inwestorzy wydają się być zainteresowani rozwojem tej technologii, ale czy na pewno ma to zawsze sens?
Biorąc pod uwagę niektóre zastosowania AI, można pomyśleć o pojęciu „fauxtomation”, fałszywej automatyzacji. Mówiąc inaczej, oznacza to automatyzację, która tak właściwie niczego nie automatyzuje. Przykładów jest wiele – Chirper to platforma społecznościowa, na której są tylko boty AI, AI Excuse Generator wygeneruje wymówkę, a Grover to SI do generowania fake newsów. Wszystkie te rozwiązania pokazują moc drzemiącą w sztucznej inteligencji, ale w ich wypadku więcej niż uzasadnione jest pytanie – po co?
Czy podpięcie GPT do projektu sprawia, że jest on rewolucją „AI”?
Kolejne pytanie brzmi – czy jeśli organizacja zintegruje z ChatGPT (lub innym dużym modelem językowym) stosowane w swoim środowisku pracy rozwiązanie, czy będzie uczestniczyć w rewolucji AI? Krótka odpowiedź brzmi „i tak, i nie”, ale zdecydowanie domaga się ona rozwinięcia.
Najpierw można rozważyć powody przemawiające na korzyść takiego rozwiązania. Nie da się ukryć, że GPT ma ogromne możliwości, a wiele przykładów można spotkać w marketingu – AI podpina się pod Google Forms czy Google Sheets, pomaga też w organizacji maili w Microsoft Outlook. Ułatwia wyszukiwanie informacji – Bing od 2023 roku jest zintegrowany z ChatGPT, a Google powoli wprowadza własne rozwiązania w tym zakresie.
Wydaje się, że integracja różnych narzędzi z GPT to same korzyści, ale bliższe przyjrzenie się sprawie pokazuje, że obraz SI nie jest tak kryształowy, jak chcieliby jej twórcy. SI mają tendencję do zmyślania danych (co specjaliści od AI nazywają dyplomatycznie „halucynacjami”), co podkreśla ich zależność od jakości danych treningowych. Ignorowanie tego problemu może doprowadzić do sytuacji, w której w połowie 2024 roku znalazło się Google – ponieważ SI wbudowane w wyszukiwarkę traktowało satyryczną stronę The Onion jako wartościowe źródło wiedzy, w odpowiedziach zachęcało użytkowników do włączenia kamieni do diety.
Mówiąc inaczej, podpięcie GPT do firmowych narzędzi będzie bezużyteczne, jeśli nie zostanie to przeprowadzone wcześniejszą analizą potrzeb i możliwości. Różne rozwiązania SI wielokrotnie udowadniały już swoją przydatność, ale stosowanie ich bez zastanowienia może prowadzić do wielu problemów.
Jak weryfikować rzeczywiste wykorzystanie algorytmów SI?
Współcześnie firmy zastanawiają się nie tylko nad tym, czy stać je na utrzymywanie własnych modeli językowych, ale również nad sposobami weryfikacji wykorzystania algorytmów SI. AI może znacząco poprawić wydajność pracy, ale bez odpowiednich metod ewaluacji efektów mogą pogorszyć jej jakość.
Najlepszym przykładem może być tworzenie treści w Internecie – owszem SI pozwoliło w krótkim czasie generować duże ilości materiałów, ale doprowadziło też do „zaśmiecenia” sieci. Poziom owego zaśmiecenia (np. przez obrazy generowane przez AI) jest już tak duży, że eksperci od SEO mówią, że kiedyś mieliśmy spam, a współcześnie mamy slop (co można tłumaczyć jako „pomyje”), czyli masę tekstów i obrazów sprawiających wrażenie wiarygodnych, ale okazujących się fałszywymi po bliższym przyjrzeniu.
Istnieje jednak kilka metod weryfikacji narzędzi do GPT lub innych SI. W przypadku własnych modeli warto zadbać o odpowiednią jakość danych treningowych – im będą lepsze (czyli odpowiednio wyczyszczone, przygotowane pod kątem np. formatów oraz pozbawione nieuświadomionych uprzedzeń), tym lepsze będą efekty pracy modelu.
Wartość narzędzi AI można też weryfikować na podstawie codziennej pracy z nimi – w tym wypadku szczególnie dobrze sprawdzi się umiejętność właściwego promptowania. Prompty (czyli polecenia) powinny być pisane maksymalnie szczegółowo – dobrze jest uwzględnić kontekst, w którym zostanie wykorzystany wynik, warto podawać przykłady i źródła, a także po kolei opisywać, co ma zrobić maszyna, a także dawać jej ograniczenia (np. napisać, żeby nie generowała odpowiedzi w formie tabeli). W ten sposób można poprawić jakość odpowiedzi.
Jak określić, czy narzędzie „AI” jest warte swojej ceny?
Krótka odpowiedź na postawione w nagłówku pytanie brzmi – jeśli dane rozwiązanie AI spełnia swoje zadania i nie generuje kosztów przekraczających możliwości finansowe firmy, to wypełnia swój cel. Warto jednak zastanowić się chwilę nad wartością narzędzi AI, ponieważ istnieje wiele sposobów oceny tejże.
Podstawową metodą oceny pluginów do GPT lub innych narzędzi AI jest ocena ich zbieżności z celami biznesowymi firmy. Dokładne określenie wymogów wobec rozwiązania AI oraz celów, które ma spełniać, bardzo pomaga w ocenie jego skuteczności. Jeśli np. SI ma być zastosowane do automatyzacji linii produkcyjnej, należy sprawdzać, jak jego implementacja przełożyła się na wolumen produkcji oraz jak w jej wyniku zmniejszyły się koszty.
W tym miejscu można przejść do drugiej metody – pomiaru efektów pracy rozwiązań AI. W tym celu należy ustalić konkretne KPI i konsekwentnie je stosować. Jeśli plugin do GPT ma pomóc w optymalizacji działań marketingowych firmy, dobrze jest mierzyć, jak jego zastosowanie przekłada się na konwersję. Jeśli jest stosowany do analizy danych, warto sprawdzić, o ile krócej trwa proces analizy.
Wartość narzędzi AI można też ocenić, pytając o zdanie ich użytkowników. Ponieważ najprawdopodobniej będą ich oni używać codziennie, będą mieli najlepsze pojęcie, co działa dobrze, a co należy poprawić.
Warto też pamiętać, że rozwiązania AI nie są magicznym duchem, który po zstąpieniu odmieni oblicze firmy. Warto podchodzić do nich tak samo, jak do innych narzędzi biznesowych, czyli krytycznie i na podstawie wyników ich działalności optymalizować ich funkcje. Przede wszystkim jednak nie należy zapominać, że AI jest tylko narzędziem i do działania potrzebuje człowieka, a jej efekty mają być użyteczne zwłaszcza dla ludzi.
Porozmawiajmy!
a my pomożemy Ci wdrożyć najnowsze rozwiązania!
Podobne wpisy:
Współczesne zastosowania sztucznej inteligencji w biznesie
Czy robotyzacja bankowości zwiększy jej efektywność?
Dlaczego przyszłość robotyzacji nadejdzie wcześniej niż się spodziewano?
Przedsiębiorca w erze automatyzacji – nowe wyzwania i szanse