Tag: Duomenų valdymas

  • Dirbtinis intelektas gamyboje nėra magija: be strategijos ir duomenų kokybės jis tik didina chaosą

    DI gamyboje: nuo tikslo, ne nuo mados

    Ekspertai, aptarę dirbtinio intelekto diegimą gamyboje pramonės konferencijoje, sutaria dėl vieno: DI nepadarys tvarkos ten, kur procesai jau dabar nevaldomi. Technologija gali duoti apčiuopiamą naudą, tačiau tik tada, kai sprendžiamas konkretus verslo uždavinys ir iš anksto sutvarkomas pasirengimas.

    Pagrindinė klaida, kuri kartojasi skirtingose įmonėse, yra noras diegti DI vien todėl, kad tai skamba moderniai. Praktikai pabrėžia, kad investicijos sėkmę reikia matuoti ne „DI panaudojimu“, o tuo, ar sumažėjo brokas, prastovos, planavimo klaidos, o sprendimai tapo greitesni ir patikimesni.

    Be duomenų ir žmonių pasiruošimo DI neveiks

    Viena dažniausių kliūčių gamyboje yra duomenų fragmentacija, kai informacija laikoma skirtingose sistemose, kurios tarpusavyje beveik nesusikalba. Tokiu atveju net geriausi algoritmai negali pateikti patikimų įžvalgų, nes „mato“ tik dalį realybės.

    Ne mažiau svarbus ir duomenų kokybės klausimas: jei duomenys netikslūs, nepakankami, neaprašyti kontekstu ar renkami nenuosekliai, DI pateiks klaidinančias išvadas. Ekspertai pabrėžia, kad duomenų valdymas tampa esminiu pamatu, o kai kuriais atvejais vien duomenų sutvarkymas duoda efektą net ir be DI.

    „Jeigu tikimės, kad dirbtinis intelektas pats išspręs visas problemas, tada jis neišspręs nė vienos“, – sakė vienas diskusijos dalyvių.

    Dar viena dažna spraga yra kompetencijos organizacijoje: strategijos dokumento nepakanka, jei jo nesupranta vadovai ir komandos. Kai DI laikomas „juodąja dėže“, sprendimų priėmimas tampa lėtesnis, o atsakomybė išsiskaido, todėl didėja rizika, kad projektas taps brangiu eksperimentu.

    Maži pilotai ir aiškūs rodikliai sumažina riziką

    Praktikai rekomenduoja pradėti nuo nedidelių pilotinių projektų, kurie leidžia patikrinti visą ciklą: nuo duomenų surinkimo ir paruošimo iki modelio testavimo, diegimo ir priežiūros. Tokie pilotai padeda suprasti, ko trūksta organizacijai, ir realistiškai įvertinti, kiek kainuos sprendimo palaikymas ilgainiui.

    Akcentuojama, kad DI projektas nesibaigia paleidimu: modelius dažnai reikia pertreniruoti, stebėti jų tikslumą ir prisitaikymą prie pasikeitusių sąlygų. Jei įmonė neturi žmonių, suprantančių šį procesą, strategija tampa teorinė, o rezultatai nepastovūs.

    Ne mažiau svarbu iš anksto apsibrėžti rodiklius, pagal kuriuos bus vertinama sėkmė. Gamyboje tai dažniausiai yra kokybės nuokrypiai, prastovų trukmė, planavimo tikslumas, atsargų lygis, pristatymų laiku dalis ar energijos sąnaudos, tačiau tinkami rodikliai priklauso nuo konkretaus proceso.

    Kada užtenka automatizacijos, o kada reikia DI?

    Diskusijoje pabrėžta, kad ne kiekviena problema reikalauja dirbtinio intelekto. Jei užduotis gali būti patikimai išspręsta aiškiomis taisyklėmis ar analitiniais metodais, paprastesnė automatizacija dažnai būna pigesnė, greitesnė ir lengviau prižiūrima.

    DI labiausiai pasiteisina ten, kur reikia apdoroti didelius duomenų kiekius, kurių žmogus negali efektyviai įvertinti, arba kai sprendžiami vaizdo analizės, anomalijų aptikimo, sudėtingo planavimo ir optimizavimo uždaviniai. Tokiais atvejais DI gali veikti ir „šešėliniu režimu“: sprendimas dirba lygiagrečiai su esamu procesu, o įmonė palygina rezultatus prieš priimdama sprendimą dėl pilno diegimo.

    Ypač dažnai kaip praktiškas pavyzdys įvardijama anomalijų identifikacija priežiūroje ir kokybės kontrolėje, kai sistema padeda pastebėti nukrypimus, o galutinį sprendimą priima žmogus. Toks modelis mažina klaidų tikimybę ir kartu padeda išlaikyti atsakomybę ten, kur ji svarbiausia.

    DI diegimas yra pokytis, o ne vien įrankis

    Ekspertai sutaria, kad sėkmingas DI diegimas gamyboje reiškia verslo pokytį: reikia peržiūrėti procesus, atsakomybes, duomenų surinkimą ir darbuotojų įgūdžius. Vien technologijos įsigijimas nekompensuoja neefektyvių darbo praktikų ir neapibrėžtų tikslų.

    Galiausiai akcentuojama, kad reikės vis daugiau tarpdisciplininių kompetencijų: gebėjimo dirbti su duomenimis, suprasti procesus, valdyti pokytį ir kritiškai vertinti rezultatus. Įmonėms tai reiškia nuolatinį mokymąsi, nes DI sprendimai ir jų taikymo praktikos sparčiai keičiasi.

  • Skaitmenizacija, robotizacija ir DI gamyboje: kur baigiasi lūkesčiai ir prasideda reali nauda?

    Automatizacija, robotizacija ir gamybos skaitmenizacija jau kelerius metus iš „ateities fabriko“ vizijos persikėlė į kasdienę įmonių darbotvarkę. Vis dėlto pramonėje vis dažniau keliami ne pažadų, o realios grąžos klausimai: ką šios technologijos iš tiesų pakeitė produktyvumo, kokybės ir kaštų požiūriu.

    Ekspertai atkreipia dėmesį, kad naujos technologijos paprastai pereina kelis etapus: nuo entuziazmo ir per didelių lūkesčių iki nusivylimo ir galiausiai stabilaus, aiškiai pamatuojamo pritaikymo. Todėl šiandien svarbiausia tampa ne pats DI ar robotų diegimo faktas, o tai, ar įmonė geba pasirinkti tinkamus procesus ir turėti duomenis, leidžiančius įvertinti rezultatą.

    Ką duoda gamybos skaitmenizacija?

    Pramonėje skaitmenizacija dažniausiai siejama su duomenų surinkimu iš įrenginių, gamybos planavimu realiu laiku, kokybės kontrole ir gedimų prevencija. Tokie sprendimai gali sumažinti prastovas, greičiau aptikti broką ir geriau prognozuoti žaliavų bei energijos poreikį, tačiau tik tada, kai diegimas paremtas aiškiais verslo tikslais.

    Praktikoje įmonės dažnai susiduria su iššūkiu sujungti skirtingas sistemas ir suvienodinti duomenis, kad jie būtų palyginami ir patikimi. Būtent duomenų kokybė ir procesų standartizavimas neretai nulemia, ar investicija į skaitmeninius įrankius tampa konkurenciniu pranašumu, ar tik brangiu eksperimentu.

    Žmonės, kompetencijos ir saugumas

    Kartu su technologijomis išryškėja ir kompetencijų spraga: reikia darbuotojų, kurie gebėtų prižiūrėti automatizuotas linijas, analizuoti rodiklius ir priimti sprendimus remiantis duomenimis. Dėl to vis didesnę reikšmę įgyja kvalifikacijos kėlimas, vidinė komunikacija ir pokyčių valdymas gamyklose.

    DI pritaikymas gamyboje kelia ir papildomų klausimų dėl duomenų apsaugos bei patikimumo. Įmonėms svarbu užtikrinti saugų duomenų srautą, tinkamą jų saugojimą ir prieigos kontrolę, nes be šių pamatų skaitmeninė transformacija tampa rizikinga tiek veiklos tęstinumui, tiek komercinėms paslaptims.

    Diskusija apie realią grąžą

    Šios temos bus aptariamos pramonės bendruomenės diskusijoje Katovicuose vyksiančio renginio metu, kur dėmesys bus skiriamas investicijų tempui ir prioritetams, taip pat tam, kaip skaitmenizacija veikia gamybos kokybę ir kaštus. Organizatoriai žada akcentuoti verslo verifikaciją, kai rezultatai matuojami konkrečiais rodikliais, o ne vien deklaracijomis.

    Prieš diskusiją numatyta trumpo formato pristatymas apie tai, kad ateities gamykla prasideda nuo duomenų ir jų saugumo, o vėliau patirtimis dalinsis skirtingų pramonės sektorių atstovai. Tokios įžvalgos leidžia palyginti, kur technologijos jau veikia kaip standartas, o kur vis dar lieka daug nepanaudoto potencialo.

  • Kur dingsta DI nauda? Dauguma pirmųjų diegimų įmonėse neatsiperka, vadovai prašo KPI

    Dirbtinis intelektas žadėjo spartinti darbą ir mažinti sąnaudas, tačiau praktika dažnai nuvilia. Tyrėjų skaičiavimais, trys iš penkių pirmųjų DI diegimų versle baigiasi nesėkme, o net 95 proc. generatyvinio DI pilotų nesukuria aiškiai pamatuojamo poveikio pelno ir nuostolių eilutėms.

    Ši tendencija matoma ir gamybos sektoriuje: DI įvardijamas kaip vienas prioritetinių investicijų krypčių, tačiau realius bandomuosius projektus vykdo tik maždaug kas penkta įmonė. Kitaip tariant, rinka daug kalba apie technologiją, bet atsargiai ją leidžia į kritinius procesus.

    Kodėl pilotai dažnai neatsiperka?

    Dažnas scenarijus panašus: įmonės įsigyja licencijas, sukuria pilotus, apmoko komandas ir pradeda eksperimentuoti su DI agentais. Darbuotojai mato patogesnį darbą ar greitesnes užduotis, tačiau vadovybei pirmiausia matosi didėjančios išlaidos, o veiklos rezultatai lieka beveik nepakitę.

    „Įmonės perka licencijas, kuria pilotus, apmoko komandas ir eksperimentuoja su agentais. Vartotojai mato produktyvumą, valdybos mato augančias sąnaudas, o veiklos rezultatas dažnai lieka be pokyčių“, – sakė vienos DI sprendimus kuriančios bendrovės bendraįkūrėjas Jarosławas Sokolnickis.

    Ekspertai pabrėžia, kad dalis pilotų kuriami kaip technologinis bandymas, o ne kaip aiškiai apibrėžtas verslo pokytis. Kai iš anksto neįvardijamas konkretus naudojimo atvejis, atsakingi procesų savininkai ir sėkmės kriterijai, pilotas lengvai virsta demonstracija be tęsinio.

    Duomenys, sistemos ir žmonės

    Viena didžiausių kliūčių išlieka duomenys: jie būna išskaidyti per skirtingas sistemas, nevienodos kokybės arba sunkiai pasiekiami. Prie to prisideda integracijų sudėtingumas, kai DI sprendimas turi veikti ne atskirai, o kartu su ERP, CRM, gamybos valdymo ir kitomis verslo sistemomis.

    Tarptautiniai pramonės tyrimai rodo, kad diegimus stabdo ir organizaciniai bei biudžetiniai apribojimai, reguliavimo reikalavimai, vidinės procedūros bei ilgalaikės strategijos trūkumas. Praktikoje tai reiškia, kad net ir geras modelis neduoda vertės, jei įmonė nepasiruošia procesų, duomenų ir atsakomybių lygmeniu.

    Ne mažiau svarbus veiksnys yra kompetencijų stygius. Įmonėms trūksta specialistų, kurie gebėtų sujungti duomenų architektūrą, kibernetinį saugumą, pokyčių valdymą ir realų verslo procesų pertvarkymą, todėl DI iniciatyvos stringa tarp IT ir padalinių interesų.

    Baigiasi pažadų era, prasideda KPI

    Vadovų lūkesčiai keičiasi: vien investuoti į DI ar pristatyti pilotą nebepakanka. Vis dažniau prašoma aiškių rodiklių, kurie parodytų, ar sprendimas didina produktyvumą, mažina sąnaudas, trumpina ciklo laiką ar gerina kokybę.

    Globalios konsultantų apklausos taip pat rodo, kad daug organizacijų pasiekia tik dalį planuotų DI transformacijos rezultatų. Dėl to artimiausiu metu DI projektai, tikėtina, bus vertinami griežčiau: prioritetą gaus tie naudojimo atvejai, kurių grąža pamatuojama, o įdiegimas realistiškai įgyvendinamas su turimais duomenimis ir infrastruktūra.

  • DI strategijos ant popieriaus, grąža miglota: „KPMG“ įvardijo, kodėl verslai stringa diegdami DI

    DI strategijos ant popieriaus, grąža miglota: „KPMG“ įvardijo, kodėl verslai stringa diegdami DI

    DI strategijos yra, bet rezultatai ne visada aiškūs

    Įmonės vis aktyviau diegia dirbtinį intelektą, tačiau realus poveikis verslui dažnai atsilieka nuo ambicijų. Tai pabrėžė „KPMG France“ klientų ir rinkų vadovas Mathieu Wallich-Petit, kalbėjęs technologijų renginyje VivaTech Paryžiuje.

    Jo teigimu, dalis organizacijų jau susikūrė aiškias DI kryptis, bet praktikoje vis dar sunkiai įrodo, kad investicijos atsiperka. Didžiausia problema tampa ne idėjų trūkumas, o gebėjimas jas paversti kasdieniais procesais ir pamatuojamais rodikliais.

    „Mūsų klientai tikrai į DI žiūri strategiškai, bet realybėje matome didelį atsilikimą“, – sakė Mathieu Wallich-Petit.

    „KPMG“ kovo mėnesį paskelbtoje apžvalgoje nurodoma, kad 95 proc. klientų turi stiprią DI strategiją, o 64 proc. teigia jau matantys apčiuopiamų rezultatų. Vis dėlto tik 8 proc. gali aiškiai išmatuoti investicijų grąžą, o DI mastu yra įdiegę tik apie 10 proc. respondentų.

    Šis skirtumas, anot „KPMG“ atstovo, atskleidžia tipinę brandos problemą: organizacijos geba sukurti bandomuosius projektus, tačiau jiems pritrūksta duomenų valdymo, atsakomybės modelių ir darbuotojų pasirengimo, kad DI taptų nuolatine praktika.

    Nuo pilotų prie realaus masto

    Mathieu Wallich-Petit akcentavo, kad DI technologijos tobulėja itin sparčiai, o įmonių prisitaikymas dažnai vyksta gerokai lėčiau. Tai sukuria situaciją, kai strateginiai planai pasensta greičiau, nei organizacijos spėja pertvarkyti procesus ir kompetencijas.

    Jo vertinimu, proveržį lemia ne vien pasirinktas modelis ar platforma, o tai, ar DI įsiuvamas į kasdienę veiklą. Tai reiškia aiškiai aprašytas darbo eigas, atsakingus vadovus, duomenų kokybės standartus ir nuoseklią rizikų kontrolę.

    „Receptas paprastas: pereiti nuo įrodymo, kad veikia, prie to, kad DI būtų įmontuotas į procesą“, – sakė Mathieu Wallich-Petit.

    Pasak jo, DI sėkmė beveik visada atsiremia į žmones. Įmonėms reikia investuoti į darbuotojų kvalifikacijos kėlimą, mokymus ir aiškias taisykles, kaip DI naudojamas priimant sprendimus, rengiant dokumentus ar aptarnaujant klientus.

    Kartu auga ir vadovybių spaudimas greitai pamatyti rezultatą. Nors valdybos DI dažnai mato kaip konkurencinį pranašumą ir priemonę pritraukti talentus, vis dažniau reikalaujama aiškių, trumpesnio laikotarpio rodiklių, kurie pagrįstų didėjančius biudžetus.

    Suverenumas ir priklausomybė nuo tiekėjų

    „KPMG France“ atstovas atkreipė dėmesį į dar vieną ryškėjančią tendenciją: DI suverenitetą. Verslams tampa vis svarbiau neatsidurti situacijoje, kai kritiniai procesai priklauso nuo vieno tiekėjo ar vieno modelio, ypač kai prieigą gali paveikti geopolitika ar reguliaciniai sprendimai.

    Jo teigimu, įmonėms rekomenduojama planuoti kelių modelių ir tiekėjų strategiją, kad būtų galima perskirstyti krūvį, valdyti kainas, sumažinti tiekimo riziką ir pasirinkti tinkamiausią sprendimą skirtingoms užduotims.

    „Svarbiausia nėra remtis vienu modeliu, o turėti skirtingų modelių įvairovę“, – sakė Mathieu Wallich-Petit.

    Ši tema tapo ypač apčiuopiama po to, kai „KPMG“ ir JAV DI bendrovė „Anthropic“ paskelbė pasaulinę partnerystę, numatančią „Claude“ integravimą į „KPMG“ klientų aptarnavimo ir paslaugų teikimo platformas. Netrukus po to „Anthropic“ pranešė gavusi JAV valdžios nurodymą sustabdyti prieigą prie kai kurių pažangių modelių užsienio šalių piliečiams.

    Ekspertų vertinimu, tokie atvejai verslui primena, kad DI diegimas nėra tik technologinis projektas. Tai ir tiekimo grandinės, teisinės atitikties, duomenų apsaugos bei veiklos tęstinumo klausimas, kuriam reikia iš anksto parengtų scenarijų.

    Apibendrinant, „KPMG“ žinutė verslui aiški: strategija pati savaime dar nereiškia transformacijos. Tik tada, kai DI tampa kasdienės veiklos dalimi, atsiranda ir tai, ko labiausiai ieško valdybos, aiškiai pamatuojama vertė.

  • DI darbo neatims? Ekspertai įvardijo profesijas, kurių dar ilgai nepakeis jokie algoritmai

    DI darbo neatims? Ekspertai įvardijo profesijas, kurių dar ilgai nepakeis jokie algoritmai

    Dirbtinis intelektas jau dabar geba atlikti dalį užduočių, kurios dar neseniai buvo laikomos išimtinai žmogaus darbu: nuo teksto santraukų iki vaizdų kūrimo ar duomenų analizės. Vis dėlto darbo rinkos pokytis nėra vienkryptis, o daugelyje sričių DI greičiau tampa įrankiu, nei pilnaverčiu darbuotojo pakaitalu.

    Pastaraisiais metais daugėja įmonių, automatizuojančių rutinines operacijas ir peržiūrinčių komandas, tačiau tai nereiškia, kad žmogaus vaidmuo nyksta. Analitikai pabrėžia, kad didžiausi pokyčiai dažniausiai paliečia pareigybių dalis, o ne visą profesiją, todėl svarbiausia tampa gebėjimas perskirstyti užduotis ir kelti kvalifikaciją.

    Kur žmogus išlieka nepakeičiamas

    Viena atspariausių sričių išlieka sveikatos priežiūra ir kasdienė pagalba žmogui: slauga, individuali priežiūra, reabilitacija. Čia kritiškai svarbus tiesioginis kontaktas, pasitikėjimas, situacijos pajautimas ir sprendimų priėmimas realiu laiku, kai vien algoritminės rekomendacijos nėra pakankamos.

    DI gali pagreitinti dokumentavimą, padėti apdoroti tyrimų duomenis ar pasiūlyti galimus variantus, tačiau negali pakeisti emocinės paramos, empatijos ir atsakomybės už paciento saugumą. Be to, Europoje senstant visuomenei auga paslaugų poreikis, o tai ilgainiui didina specialistų paklausą.

    Auga naujos profesijos ir atsakomybės

    Kita tendencija yra naujų specializacijų kūrimasis. Plečiantis DI taikymui, vis dažniau reikalingi duomenų valdymo, modelių priežiūros, sistemų saugos ir atitikties specialistai, taip pat ekspertai, vertinantys rizikas ir šališkumą.

    Įmonėms neužtenka vien įsidiegti sprendimą, jos turi užtikrinti, kad algoritmai veiktų patikimai, skaidriai ir nepažeistų teisės aktų. Praktikoje tai reiškia daugiau darbo tiems, kurie sugeba derinti technologinį išmanymą su verslo procesų supratimu ir žmogaus poreikių analize.

    Didžiausią vertę kuria prisitaikantys

    Ekspertai vis dažniau kartoja, kad artimiausiais metais daug profesijų keisis greičiau nei anksčiau: dalis užduočių bus automatizuota, dalis persikels į kontrolės ir sprendimų priėmimo lygį. Daugelyje biurinių funkcijų DI perims pasikartojantį darbą, bet žmogui liks tikslų formulavimas, kokybės patikra ir atsakomybė už rezultatą.

    „Daugiausia laimės tie, kurie DI naudos kaip įrankį ir nuolat atnaujins įgūdžius, o ne bandys konkuruoti su automatizacija“, – sako darbo rinkos ekspertai.

    Ilgalaikėje perspektyvoje vis labiau vertinami gebėjimai, kuriuos sunku standartizuoti: kūrybiškumas, derybos, lyderystė, kritinis mąstymas ir darbas su žmonėmis. Dėl to prognozuojama, kad ateities darbo rinka remsis žmogaus ir DI bendradarbiavimu, o ne masiniu darbuotojų pakeitimu.

  • 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.

  • Lenkijos įmonės DI sprendimus perka net tris kartus ilgiau, nei vėliau juos įdiegia: kur stringa?

    Lenkijos įmonės dirbtinio intelekto sprendimus neretai perka gerokai ilgiau, nei vėliau juos realiai įdiegia. Praktikoje tai reiškia mėnesius trunkančius pirkimų ir vertinimo procesus, o diegimui skiriamas gerokai trumpesnis laikas, kuris ne visada leidžia pasiekti apčiuopiamą rezultatą.

    Su šia tendencija siejami ne tik biudžetų ribojimai ar atsargumas neapibrėžtumo laikotarpiu, bet ir organizacijų įpročiai. DI čia dažnai traktuojamas kaip vienkartinis projektas su aiškia pradžia ir pabaiga, nors reali nauda pasiekiama tik tada, kai sprendimai tampa nuolatine veiklos dalimi.

    Accenture Lenkijoje duomenų ir DI srities vadovas Dawidas Osiecki pabrėžia, kad DI nėra universali „dėžutė“, kurią nusiperki ir ji automatiškai pakelia efektyvumą. Pasak jo, dažniausiai tai tampa organizacijos brandos testu: nuo duomenų kokybės ir procesų iki sprendimų priėmimo greičio bei pasirengimo keisti veiklos modelį.

    Eksperto teigimu, rinkoje pasitaiko situacijų, kai dviejų ar trijų mėnesių apimties projektui įsigyti skiriama nuo šešių iki devynių mėnesių. Sudėtingesnėse iniciatyvose, pavyzdžiui, kuriant duomenų platformas ar integruojant sistemas, vien pirkimo etapas gali užsitęsti iki dvejų metų.

    Technologijos keičiasi greičiau

    Vienas didžiausių iššūkių yra tai, kad technologijų ciklai trumpėja: per vieną ketvirtį į rinką ateina naujos kartos modeliai ir įrankiai. Todėl, kuo ilgiau organizacija užstringa pirkimų fazėje, tuo didesnė rizika, kad pasirinktas sprendimas diegimo pradžioje jau bus pasenęs arba nebeatitiks realių poreikių.

    Tai ypač aktualu sektoriams, kuriuose sprendimų priėmimą veikia griežtas reguliavimas ir aukšti atitikties reikalavimai. Farmacijos srityje kliūtimi dažnai tampa ne technologijų prieinamumas, o veiklos mastas, duomenų valdymo reikalavimai ir papildomos priežiūros procedūros.

    Ne licencijos, o veiklos perprojektavimas

    Dažna klaida, kurią daro organizacijos, yra bandymas DI „priklijuoti“ prie esamų procesų, jų iš esmės nekeičiant. Tokiu atveju įsigyjamos licencijos ar infrastruktūra, tačiau produktyvumo šuolis neįvyksta, nes neperžiūrima, kaip iš tikrųjų atliekamas darbas, kaip priimami sprendimai ir kaip matuojama nauda.

    Accenture šį požiūrį apibūdina kaip reinvention, tai yra nuoseklų veiklos modelio ir procesų perprojektavimą. DI sprendimai efektyviausiai veikia tada, kai organizacija aiškiai susitvarko duomenų valdymą, atsakomybes ir pasirenka kelis prioritetinius naudojimo scenarijus, o ne bando „dengti viską iš karto“.

    „Svarbiausia yra asmeninis vadovų įsitraukimas ir DI traktavimas kaip strategijos dalies, o ne vieno projekto“, – sakė Dawidas Osiecki.

    Ko trūksta viešajam sektoriui?

    Kalbant apie sisteminius pokyčius, išryškėja pirkimų taisyklių ir technologijų dinamikos neatitikimas, ypač viešajame sektoriuje. Kai procedūros orientuotos į ilgas formalių reikalavimų grandines, greitai besikeičianti DI rinka tampa sunkiai „pagavusi“ per klasikinius konkursų modelius.

    Eksperto vertinimu, vienas praktiškiausių kelių būtų glaudesnis dialogas tarp viešojo sektoriaus ir organizacijų, turinčių daug realios diegimo patirties. Tokia partnerystė leistų greičiau identifikuoti pasikartojančias klaidas ir pasirengti sprendimams, kurie atitinka tiek reguliavimo, tiek technologijų raidos tempą.

  • Lenkijos įmonės DI sprendimus perka iki trijų kartų ilgiau, nei juos realiai įdiegia

    Lenkijos įmonėse diegiant dirbtinį intelektą dažnai stringama ne dėl technologijų trūkumo, o dėl pačių organizacijų veikimo įpročių ir lėtų sprendimų grandinių. Praktikoje nemaža dalis komandų daug laiko skiria pirkimui ir konkursams, tačiau pats įgyvendinimas vėliau vyksta skubotai, rizikuojant prarasti vertę.

    Apie tai Europos ekonomikos kongrese kalbėjo „Accenture“ Lenkijoje dirbtinio intelekto ir duomenų praktikos vadovas Dawidas Osieckis. Jis pabrėžė, kad DI netelpa į tradicinę projekto logiką, kai numatomas aiškus pradžios ir pabaigos taškas, o sėkmė pamatuojama vienkartiniu rezultatu.

    DI nėra sprendimas iš dėžutės

    Pasak eksperto, DI sprendimai dažniausiai turi būti pritaikomi konkrečiai organizacijai, jos procesams, duomenų kokybei ir valdymo kultūrai. Todėl vien licencijų ar įrangos įsigijimas savaime nepadidina našumo, jei nekeičiami darbo būdai, atsakomybės ir sprendimų priėmimo greitis.

    „Svarbiausia yra asmeninis vadovų įsitraukimas ir DI laikymas strategijos dalimi, o ne atskiru projektu“, – sakė Dawidas Osieckis.

    Jo teigimu, DI įmonėje turėtų veikti kaip nuolatinė funkcija, panašiai kaip logistika ar finansai. Tai reiškia aiškius savininkus organizacijoje, nuoseklų biudžetavimą, duomenų valdyseną ir gebėjimą nuolat tobulinti sprendimus, o ne vieną kartą juos pristatyti.

    Pirkimai užtrunka ilgiau nei diegimas

    Vienas ryškiausių paradoksų, kurį įvardija ekspertai, yra laiko disproporcija: įmonės mėnesiais vertina pasiūlymus, derina sąlygas ir vykdo pirkimų procedūras, o diegimui vėliau skiria santykinai mažiau laiko. D. Osieckio teigimu, pasitaiko atvejų, kai 2–3 mėnesių trukmės projektas perkamas 6–9 mėnesius.

    Sudėtingesnių iniciatyvų, tokių kaip duomenų platformų kūrimas ar kelių sistemų integracijos, pirkimai gali užsitęsti iki dvejų metų. Toks tempas prastai dera su DI rinkos dinamika, kai per vieną ketvirtį gali pasikeisti modelių galimybės, kainodara, saugumo praktikos ir geriausi taikymo scenarijai.

    Ši įtampa dar labiau išryškėja geopolitinio neapibrėžtumo fone, kai organizacijos linkusios griežčiau vertinti investicijas. Vis dėlto per ilgas sprendimų priėmimas DI srityje gali reikšti, kad įsigyjamas sprendimas diegimo starto metu jau bus pasenęs arba pareikalaus brangių pakeitimų.

    Skirtingi sektoriai, skirtingos kliūtys

    Kliūtys diegiant DI skiriasi pagal sektorių. Pavyzdžiui, farmacijos srityje problemą dažnai lemia ne technologijų prieinamumas, o veiklos mastas ir reguliaciniai reikalavimai, kurie DI projektus paverčia ilgesniais ir labiau riziką valdančiais procesais.

    Reguliuojamose industrijose svarbų vaidmenį atlieka ir institucijų požiūris į naujas technologijas, ypač kai kalbama apie jautrių duomenų tvarkymą, modelių paaiškinamumą ir atsakomybės paskirstymą. Eksperto nuomone, tokiose srityse praverstų aiškesnės gairės ir praktinis dialogas, panašus į tai, kas anksčiau padėjo greičiau įsitvirtinti debesijos paslaugoms finansų sektoriuje.

    „Pagrindinė problema yra ne reguliavimo trūkumas, o tai, kad jis nespėja su technologijų dinamika, ypač viešųjų pirkimų srityje“, – sakė Dawidas Osieckis.

    Nuo kosmetikos prie perkurto veiklos modelio

    Dar viena dažna klaida yra susitelkimas į patį įrankį, o ne į verslo ir operacinio modelio keitimą. D. Osieckis tai vadina perėjimu nuo pavienių patobulinimų prie esminio organizacijos persitvarkymo, kai DI pritaikomas ne kaip priedas, o kaip būdas iš naujo suprojektuoti procesus.

    Praktikoje tai reiškia, kad įmonės turi įsivertinti duomenų kokybę, integracijas, kibernetinį saugumą ir darbuotojų kompetencijas, taip pat numatyti, kaip bus valdoma rizika ir kaip matuojamas rezultatas. Patikimas kelias dažnai yra darbas su partneriais, turinčiais realios diegimų patirties skirtinguose sektoriuose.

    „Verta kalbėtis su įmonėmis, kurios yra įgyvendinusios daug diegimų ir gali palyginti skirtingus sektorius. Nėra vieno universalaus sprendimo, tačiau yra pasikartojančių klaidų, kurias organizacijos daro diegdamos“, – sakė Dawidas Osieckis.

    Ekspertų vertinimu, įmonėms, kurios nori greičiau pasiekti apčiuopiamą DI naudą, svarbiausia sutrumpinti sprendimų priėmimo ciklus, aiškiai paskirstyti atsakomybes ir DI įtvirtinti kaip nuolatinę, strategiškai valdomą veiklos sritį.