Europa DI lenktynes pralaimėjo, bet Lietuvai ir Lenkijai atsiveria nišos: pramonė ir gynyba

Didžiųjų modelių lenktynės

Diskusijose apie dirbtinį intelektą Europoje vis dažniau skamba realistinis vertinimas: varžytis su pasauliniais lyderiais kuriant didžiausius generatyvinius modelius būtų itin sunku. Tam reikia milžiniškų duomenų, lustų, kapitalo ir ekosistemų, kurios JAV ir Kinijoje formuotos ne vienus metus.

Tačiau tai nereiškia, kad regionas pasmerktas vien importuoti technologijas. Ekspertai vis aiškiau akcentuoja kitą kryptį: laimėti galima ten, kur DI susijungia su pramoniniais procesais, saugumu, reguliuojamomis sritimis ir specifinėmis žiniomis.

Nišos, kuriose DI atsiperka

Pramonė, energetika, sveikatos apsauga ir gynyba išlieka sritys, kuriose svarbiausia ne didžiausias bendros paskirties modelis, o tiksliai konkrečiam darbui pritaikytos sistemos. Tokiose srityse vertė kuriama ne vien teksto generavimu, bet ir gebėjimu prognozuoti gedimus, optimizuoti gamybą, aptikti anomalijas, valdyti tiekimo grandines.

Europos pranašumas čia siejamas su dideliu gamybos ir inžinerijos sektorių svoriu, aukštais saugos standartais bei aiškesniu reguliavimu. Įmonėms dažnai pakanka mažesnių, domenui pritaikytų modelių ir lokalesnės infrastruktūros, jei tik duomenys kokybiški, o procesai aprašyti.

„Mūsų šansas yra nišose: mažesni, konkrečiai sričiai pritaikyti sprendimai, kuriems nereikia didžiausių pasaulyje skaičiavimo pajėgumų“, – sakė skaitmeninės ekonomikos ekosistemoje dirbantis ekspertas.

Kas stabdo verslą ir valstybę?

Vienas dažniausių nusivylimų šaltinių – bandymas diegti DI neparuošus organizacijos pagrindų. Jei įmonėje nėra aiškių procesų, duomenys išmėtyti per sistemas, o atsakomybės ir sprendimų grandinės nesutvarkytos, DI dažnai tik pagreitina klaidas ir padidina chaosą.

Praktikoje tai reiškia, kad sėkmingas diegimas turi prasidėti nuo duomenų valdymo, procesų standartizavimo ir aiškaus verslo tikslo. DI taip pat neturėtų būti vien IT skyriaus projektas: reikalinga visos organizacijos transformacija, įtraukiant vadovybę, teisininkus, saugos ir rizikų valdymo komandas.

Viešajame sektoriuje kritiškai svarbi koordinacija, nes be ilgalaikių prioritetų ir pirkimų logikos sunku sukurti paklausą vietiniams sprendimams. Gynybos ir civilinės saugos srityse tai ypač aktualu dėl testavimo, sertifikavimo ir atsakomybės klausimų.

Mokslas, verslas ir finansavimo spragos

Kita dažnai minima problema – atotrūkis tarp mokslinių tyrimų ir realių diegimų. Tyrimai gali būti stiprūs, tačiau kelias iki produkto ilgas: reikia bandomųjų aplinkų, užsakovo, duomenų, o svarbiausia – tarpinio finansavimo etapui, kai technologija dar rizikinga, bet jau reikalauja investicijų.

Ekspertai pabrėžia, kad bendradarbiavimą silpnina instituciniai „silosai“ ir trumpalaikės paskatos. Jei vertinama tik publikacijų gausa, o ne komercinimo rezultatai, mokslininkams sunkiau skirti laiką prototipams, patentams ar darbui su įmonėmis.

Vis daugiau kalbama ir apie atviresnės mokslo ekosistemos svarbą, kai barjerai tarp disciplinų ir institucijų mažėja, o komandos telkiamos pagal problemą, o ne pagal formalų pavaldumą. Tokia praktika ypač reikalinga kuriant domeninius DI modelius, kur svarbi ir informatika, ir konkreti sritis.

Ką reikėtų daryti artimiausiu metu?

Norint realios pažangos, prioritetu turėtų tapti mažų ir vidutinių įmonių įgalinimas: jos sudaro didelę ekonomikos dalį, tačiau dažnai neturi kompetencijų ir resursų pradėti DI projektų. Efektyviausios priemonės paprastai yra praktinė pagalba duomenų paruošimui, bandomieji projektai ir aiškios paskatos pereiti nuo eksperimento prie diegimo mastu.

Lygiagrečiai būtina investuoti į kokybiškus duomenis ir žmones, kurie moka juos tvarkyti bei supranta konkrečios srities procesus. Be to, pramonės ir gynybos nišose lemiamas tampa patikimumas, saugumas ir atsekamumas, todėl DI sprendimai turi būti kuriami kartu su rizikų valdymu, kibernetinio saugumo praktikomis ir aiškia atsakomybe.

Europos ir regiono šalis į priekį stumia ne pažadai apie universalius proveržius, o konkretūs, pamatuojami rezultatai gamyboje, logistikoje, energetikos balansavime, medicinos srautų valdyme ir saugumo srityse. Ten DI gali tapti ne mada, o įrankiu, kuris atsiperka.