Veštačka inteligencija ulazi u fazu u kojoj više nije dovoljno pokazati da model može da napiše tekst, odgovori na pitanje ili napravi impresivnu demonstraciju. Ključno pitanje postaje da li veštačka inteligencija može pouzdano da funkcioniše unutar realnih poslovnih i institucionalnih sistema, sa pravim podacima, jasnim pravilima, proverljivim zaključcima i čovekom koji ostaje odgovoran za odluku.
Foto: Kheng Ho Toh/Panthermedia/Profimedia
Veštačka inteligencija ulazi u fazu u kojoj više nije dovoljno pokazati da model može da napiše tekst, odgovori na pitanje ili napravi impresivnu demonstraciju. Ključno pitanje postaje da li veštačka inteligencija može pouzdano da funkcioniše unutar realnih poslovnih i institucionalnih sistema, sa pravim podacima, jasnim pravilima, proverljivim zaključcima i čovekom koji ostaje odgovoran za odluku.
Dragan Trifunović, Oracle Consulting Technical Vice President, fokusiran na veštačku inteligenciju i digitalnu transformaciju, govori upravo o toj sledećoj fazi: AI kao delu svakodnevnog odlučivanja i operativne infrastrukture organizacija, a ne kao izolovanom alatu.
Od razgovora sa veštačkom inteligencijom do njene aktivne uloge u procesu rada
Dosadašnja faza razvoja generativne veštačke inteligencije najvećim delom je bila usmerena na interakciju čoveka i mašine. Sledeći korak, prema Trifunoviću, jeste uključivanje veštačke inteligencije u samu arhitekturu poslovnih i institucionalnih procesa. To ne znači da algoritam samostalno preuzima odluke, već da postaje sistem koji u realnom vremenu prikuplja relevantne informacije, povezuje ih, pravi projekcije i predikcije i priprema čoveku mnogo kvalitetniju osnovu za odluku.
„Veštačka inteligencija će postati deo svakodnevnog donošenja odluka. Objedinjivaće informacije, projekcije i predikcije mnogo brže i preciznije, uz jasno prikazivanje izvora i logike na osnovu kojih daje preporuke. Omogućiće nam i ‘what-if’ analize i testiranje različitih scenarija pre nego što neku ideju sprovedemo u praksi. To znači da ljudi mogu da troše manje vremena na traženje informacija i pripremu analiza, a više na stručni posao zbog kog su zapravo angažovani.“
U tome je i suštinska razlika između veštačke inteligencije kao pomoćnog alata i veštačke inteligencije koja je uključena u ključne poslovne procese i podršku odlučivanju i na taj način postaje deo operativnog poslovnog sistema. U prvom slučaju korisnik postavlja pitanje i dobija odgovor. U drugom, sistem mora da razume organizacioni kontekst, poveže informacije iz različitih izvora, prepozna odnose u kompleksnim skupovima podataka, proceni moguće ishode i objasni na čemu zasniva preporuku.
‘What-if’ analiza menja način na koji se odluke pripremaju
Posebno važan deo takvog pristupa jeste mogućnost da se odluka proveri pre nego što postane stvarna. Umesto jedne statične analize, veštačka inteligencija može da pomogne u poređenju više scenarija: šta se menja ako se promeni određena pretpostavka, koji faktori najviše utiču na rezultat i kakve posledice različite opcije mogu da proizvedu.
Time se uloga stručnjaka ne smanjuje. Naprotiv, ideja je da se čovek oslobodi velikog dela mehaničkog prikupljanja podataka, pretraživanja dokumenata i pripreme osnovnih analiza, kako bi više vremena posvetio proceni, iskustvu, kreativnosti i konačnoj odluci. Veštačka inteligencija ubrzava pripremu odluke, a odgovornost za njene posledice ostaje ljudska.
Pravi izazov nije demonstracija mogućnosti, već pouzdana primena u svakodnevnom radu
Trifunović zauzima pragmatičan stav prema trenutnom AI talasu. Tehnologija napreduje izuzetno brzo, ali broj impresivnih demonstracija i prototipa i dalje je znatno veći od broja sistema baziranih na veštačkoj inteligenciji koji pouzdano funkcionišu u kritičnim poslovnim okruženjima. Upravo taj jaz smatra jednim od najvažnijih prostora za dalji razvoj.
Moćan AI model je samo početak. Za ozbiljnu primenu potrebno je obezbediti pouzdane podatke, razumeti njihov kontekst i jasno odrediti granice u kojima sistem može da radi.
Jednako je važno da možemo da proverimo kako je došao do zaključka pre nego što taj zaključak postane osnova za odluku. To je posebno važno u državnoj upravi, energetici, finansijama i zdravstvu. U tim oblastima pogrešan odgovor nije samo loše korisničko iskustvo. Može da proizvede finansijsku štetu, operativni i reputacioni problem ili posledice po ljude i institucije. Zbog toga pouzdanost, kontrola pristupa, proverljivost i odgovornost postaju podjednako važni kao i sama inteligencija modela.
Veštačka inteligencija mora da pokaže izvor i obrazloženje
Jedna od centralnih poruka Trifunovićevog pristupa jeste da u ozbiljnim sistemima nije dovoljno da se ponudi uverljiv odgovor. Korisnik mora da zna na osnovu kojih informacija je preporuka nastala i kako je sistem do nje došao. To je posebno značajno kada sistem prelazi iz domena asistencije u domen podrške odlučivanju.
Transparentnost zato nije samo pitanje objašnjavanja tehnologije. Ona je praktičan uslov da stručnjak može da proveri preporuku, ospori je kada je potrebno i donese sopstveni zaključak. Sistem treba da ubrza dolazak do relevantnih činjenica i scenarija, a ne da od čoveka traži slepo poverenje.
Pristrasnost sistema je realan rizik, zato čovek ostaje u procesu odlučivanja
„Veštačka inteligencija uči iz podataka i interakcija sa korisnicima, a ti podaci nikada nisu savršeni, tako da je rizik od sistematski pristrasnih ili nepravednih rezultata realan. Potrebni su transparentnost, kontinuirano testiranje i što je najvažnije, „čovek u procesu odlučivanja“ (“human-in-the-loop”) pristup. Sistem baziran na veštačkoj inteligenciji može da informiše, analizira i preporučuje, ali ljudi moraju ostati odgovorni za odluke koje imaju stvaran uticaj na druge ljude i institucije.“
Ovo postavlja jasnu granicu između automatizacije analize i automatizacije donošenja odluka i odgovornosti.
Model može da obradi više informacija nego čovek, pronađe obrasce koji nisu odmah vidljivi i predloži opcije. Ali kada odluka ima stvarne posledice po ljude, konačna odgovornost ne može jednostavno da se prebaci na algoritam.
Princip „čovek u procesu odlučivanja“ zato nije samo sigurnosna kočnica. To je deo arhitekture sistema: čovek mora da ima dovoljno informacija da razume preporuku, mogućnost da je proveri i ovlašćenje da je prihvati, izmeni ili odbaci.
Zašto zaposleni pružaju otpor i kako se to menja
Drugi veliki izazov nije tehnički nego organizacioni. Zaposleni često veštačku inteligenciju prvo vide kroz pitanje šta će tehnologija oduzeti njihovom poslu.
Trifunović smatra da je za prihvatanje sistema baziranih na veštačkoj inteligenciji ključno na prvom mestu pokazati konkretnu vrednost u svakodnevnom radu, tako da zaposleni vide praktičnu korist tj. Manje rutinskog rada i više vremena za posao koji zahteva kreativnost, iskustvo i rasuđivanje.
„Uvek počinjem od njihovih svakodnevnih problema, a ne od tehnologije. Ljudima treba pokazati kako AI uklanja repetitivan posao i daje im više vremena za delove posla koji zaista zahtevaju iskustvo, kreativnost i rasuđivanje. Kada ljudi vide AI kao nešto što im pomaže da bolje rade svoj posao, otpor se obično pretvara u prihvatanje.“
Takav pristup menja i kriterijum uspeha projekta. Cilj nije da organizacija može da kaže da koristi veštačku inteligenciju, već da ljudi do relevantne informacije dolaze brže, da manje vremena troše na rutinske zadatke, da mogu da provere više scenarija i da stručni deo posla obavljaju kvalitetnije.
AI u energetici: dodatni sloj nad sve kompleksnijim sistemom
Energetika je jedan od primera oblasti u kojima Trifunović vidi značajan prostor za primenu AI. Tržišta električne energije postaju složenija zbog rasta obnovljivih izvora, distribuiranih energetskih resursa, promena obrazaca potrošnje i dinamičkog formiranja cena. Tradicionalni analitički modeli ostaju važni, dok veštačka inteligencija omogućava kontinuiranu obradu velikih količina podataka, prepoznavanje složenih obrazaca i unapređenje prognoziranja i podrške odlučivanju. U energetici to može značiti sistem koji istovremeno analizira istorijsku i očekivanu potrošnju, vremenske uslove, proizvodnju iz obnovljivih izvora, tržišne cene i raspoloživost proizvodnih kapaciteta, a zatim stručnjaku prikazuje moguće scenarije i posledice svake od razmatranih odluka.
Ovaj primer dobro ilustruje širu poruku: veštačka inteligencija ne mora da zameni postojeće stručne modele i procese da bi donela vrednost. Može da postane dodatni inteligentni sloj koji povezuje podatke, analitiku i ljudsku ekspertizu.
Nije pitanje da li će “artificial general intelligence” stići za tri, pet ili dvadeset godina, pitanje je šta se sa sve sposobnijim AI sistemima može napraviti danas i kako ih pouzdano primeniti u realnim poslovnim i institucionalnim procesima.
„AI sam po sebi nije poslovni model. Prava prilika je razumeti šta postaje moguće kada veštačka inteligencija postane sastavni deo načina na koji organizacije rade, analiziraju informacije i donose odluke.“
Ključna poruka
Sledeća faza neće se meriti samo veličinom modela ili kvalitetom generisanog odgovora. Meriće se time koliko pouzdano rešenje može da radi sa stvarnim organizacionim podacima, koliko dobro razume kontekst, da li pokazuje izvore i logiku svojih preporuka, može li da simulira različite scenarije, kako se integriše u svakodnevne procese rada i najvažnije, da li ljudima omogućava da donose kvalitetnije odluke, uz zadržavanje ljudske kontrole i odgovornosti.
