Sztuczna inteligencja: dlaczego maszyny nie odbiorą nam pracy.
Sztuczna inteligencja (SI) nie zastąpi wielu zawodów, lecz je uatrakcyjni, przejmując od ludzi rutynowe zadania. Klucz do sukcesu SI: firmy muszą doprowadzić do porządku swoje zbiory danych.
- Badanie EOS: osoby podejmujące decyzje finansowe (47 procent) obawiają się utraty pracy przez sztuczną inteligencję (SI)
- Ilość błędów w zarządzaniu należnościami można zminimalizować dzięki SI.
Gdy mowa o potencjale sztucznej inteligencji (SI), pojawia się często co najmniej takie porównanie: „Tak jak 100 lat temu elektryczność doprowadziła do transformacji prawie wszystkich gałęzi przemysłu, obecnie sztuczna inteligencja zmieni prawie każdą dużą branżę” – pisze na przykład informatyk Andrew Ng. Kierował on projektami badawczymi SI dla największych wyszukiwarek świata: Baidu i Google i założył fundusz inwestycyjny SI.
Przy pomocy sztucznej inteligencji ludzie w rewolucyjny sposób zminimalizują ilość błędów w zarządzaniu należnościami. Przyznaje to również 30 procent osób podejmujących decyzje finansowe.
Joachim Göller, kierownik Center of Analytics Grupy EOS
Istnieje jednak pewna różnica w stosunku do wcześniejszych rewolucji technicznych. Strach przed utratą pracy dotyka teraz także dobrze wykształconych przedstawicieli zawodów opartych na wiedzy. W przypadku osób podejmujących decyzje finansowe na przykład prawie połowa (47 procent) obawia się utraty pracy przez sztuczną inteligencję. Wynika to z badania „European Payment Practices” 2019. Świadcząca usługi finansowe firma EOS zapytała łącznie 3.400 ekspertów w 17 krajach m.in. o to, jaki wpływ SI będzie miała na zarządzanie należnościami w ich przedsiębiorstwie.
Systemy SI pomagają ludziom w unikaniu błędów.
„Kto na hasło SI od razu myśli o konflikcie człowieka z maszyną, temu często brakuje potrzebnej wiedzy. Pomóc może tylko uświadamianie” – mówi Joachim Göller, kierownik Center of Analytics Grupy EOS. Wraz ze swoim zespołem pracuje nad rozwiązaniami SI wspierającymi EOS w zarządzaniu należnościami. „Przy pomocy sztucznej inteligencji ludzie w rewolucyjny sposób zminimalizują ilość błędów w zarządzaniu należnościami. Przyznaje to również 30 procent osób podejmujących decyzje finansowe.”
Wyobrażenie, że firma zakupi sztuczną inteligencję, a następnie zwolni część załogi, jest mylne – mówi David Goossens z Latentine. Ten berliński startup SI doradza dużym przedsiębiorstwom, między innymi z branży farmaceutycznej, logistycznej i ubezpieczeniowej, które często nie mają dokładnego wyobrażenia o tym, co właściwie może lub powinna technologia. „Przedsiębiorstwa muszą wiedzieć, gdzie ich pracownicy są niedociążeni lub przeciążeni. Dowiadujemy się, że wysoko wykształceni eksperci finansowi spędzają zbyt wiele czasu nad powtarzalnymi zadaniami z zakresu kierowania przedsiębiorstwem i jednocześnie nie mają wystarczającej ilości czasu na sporządzanie wiarygodnych prognoz opartych na danych” – mówi Goossens.
Często brakuje inżynierów danych.
Kto prawidłowo obsadzi w tej funkcji sztuczną inteligencję, w najlepszym przypadku stanie się bardziej konkurencyjny i umożliwi swoim pracownikom obejmowanie bardziej interesujących zadań. Na przykład w EOS zespoły ds. windykacji stosują sztuczną inteligencję do rutynowych przypadków, dzięki czemu mogą mocniej skoncentrować się na klientach, których sprawy są bardziej skomplikowane. Także inne branże odciążają swój specjalistyczny personel od standardowych procesów. Fińskie przedsiębiorstwo informatyczne Basware opracowało na przykład wirtualnego asystenta, który odpowiada na codzienne pytania w dziale zakupów. Natomiast SEB Bank w Szwecji odciąża swój zespół wsparcia IT przy pomocy inteligentnej wirtualnej asystentki Amelii firmy IPsoft.
„Najpierw przedsiębiorstwo powinno opracować zestawienie obszarów, w których SI może zautomatyzować proste zadania i takich, w których może pomóc w obsłudze złożonych procesów” – mówi Goossens. Już w tym miejscu wiele firm zauważa, że brakuje im najważniejszej podstawy do wprowadzenia samouczących się systemów, czyli danych w niezbędnej jakości i ilości do zasilania algorytmów. „Zasadniczo w większości przedsiębiorstw brakuje inżynierów danych” – mówi Goossens – czyli ekspertów dbających o to, aby wszystkie dane posiadały uporządkowaną strukturę i były centralnie zapisywane. Jest to wyzwanie dla przedsiębiorstw, w których działy dziś jeszcze pracują z różnymi systemami IT i oddzielnymi bazami danych.
„Tylko sprawdzone dane zapobiegają podejmowaniu błędnych decyzji przez maszyny” – wie o tym również Andreas Dix z zespołu EOS Data Science. Na bazie tysięcy czysto udokumentowanych przypadków windykacyjnych maszynowe algorytmy uczące decydują, co w przypadku danego klienta jest najlepszym następnym krokiem. „Sądzę, że na końcu systemy ze sztuczną inteligencją będą zawsze pomocnym uzupełnieniem dla człowieka” – mówi Dix. „Ponad wszystkim zawsze stoi człowiek, który sprawuje kontrolę i podejmuje ważne decyzje.”
Potrzebują Państwo więcej informacji? Zachęcamy do kontaktu z nami!
Photo credits: IPsoft, Sebastian Vollmert / EOS, Achim Multhaupt, Latentine GmbH