(Írta: Rembeczki Tünde) Egyre jellemzőbb, hogy az általános célú, nagy mesterségesintelligencia (AI)-modellekről inkább a kisebb, egy-egy feladatra szabott rendszerek felé fordul a céges használók figyelme. Ezt a változást a hatékonyság, a gyakorlati alkalmazhatóság iránti igény hajtja. A vállalatok ma már nem egyetlen AI-modellre támaszkodnak, hanem olyan stratégiát követnek, ami több modell együttes alkalmazásával növeli a mesterséges intelligencia pontosságát, csökkenti a költségeket és az AI-t megbízható módon integrálják a napi működésbe.
Az egyik irányzat a mesterséges intelligencia (AI) kapcsán az egy-egy iparág igényeinek megfelelően fejlesztett, gyorsaságra és hatékonyságra „kihegyezett” megoldások elterjedése. Ezeket az AI-modelleket jellemzően olyan ágazatokban vezetik be, ahol a pontosság és a valós idejű teljesítmény kiemelten fontos, mint például az egészségügy, pénzügy, ellátásilánc-menedzsment vagy az ügyfélszolgálat.
Ez azzal jár, hogy a mesterséges intelligencia a statikus információforrásból lendületes, feladat-végrehajtó rendszerré válik.
A folyamat jellemzői:
• iparágspecifikus AI-modellek, amiket a nagy pontosság és fontosság végett az adott iparág adataival tanítanak be;
• sokoldalú/teljes körű AI – olyan rendszer, ami egyszerre értelmezi a szöveget, képet, hangot és adatokat, hogy körültekintő, megalapozott, az adott szövegkörnyezethez jól illeszkedő megoldásokat nyújtsanak;
• AI-alapú végrehajtási képességek – a mesterséges intelligencia nem csupán elemez, hanem egyre inkább automatizálja a munkafolyamatokat és a döntéshozatalt is.
„Azt tapasztaljuk, hogy a vállalkozások az egy kaptafára készülő megoldások helyett egyre inkább az adott cég igényeire szabott AI-modellek alkalmazásokat részesítik előnyben. Ennek oka, hogy gyorsan adnak pontos eredményt olyan kritikus területeken, mint például az egészségügyi diagnosztika vagy a pénzügyi kockázatelemzés. Az egy-egy célra szakosított modellek nemcsak értelmezni tudják az iparágra jellemző adatokat, de képesek is automatizálni bizonyos kulcsfontosságú munkafolyamatokat, amivel időt és költséget takarítanak meg” – mondta Eperjesi Tamás, a Deloitte Magyarország technológiai tanácsadási üzletágának szenior menedzsere.
Bármilyen fejlett is egy AI-modell, ha a feldolgozandó adat gyenge minőségű, akkor az megbízhatatlan eredményekhez, a munkafolyamatok megakadásához és akár hitelességi vagy megfelelőségi kockázatokhoz is vezethet.
Ennek elkerülésére a szervezetek egyre nagyobb energiát fektetnek az
• az adatintegritásba és hitelesség-ellenőrzésbe, hogy tiszta, strukturált és egységes adatok álljanak az AI rendelkezésére;
• a folyamatos figyelő értékelésre az AI teljesítményének nyomon követésére, a modellek finomhangolására valós idejű visszajelzések alapján;
• az adatokhoz való hozzáférés szavatolására, ami olyan biztonságos keretrendszerek kialakítását teszi szükségessé/lehetővé, amelyek révén a modellek hatékonyan férhetnek hozzá a kiemelkedően jó minőségű adatokhoz.
Ezeknek a lépéseknek a megtétele elengedhetetlen azon cégek számára, amik az AI-t felelős, megbízható döntéshozóként kívánják alkalmazni.
„Még a legintelligensebb AI-modellek is kudarcot vallanak kiváló minőségű adatok nélkül. A tisztított és ellenőrzött adatok képezik az automatizálás és a megbízható döntéshozatal alapját. Ahogy az AI egyre inkább átveszi a feladat-végrehajtó szerepét, az adatpontosság és -integritás megteremtése már nem csupán ajánlott gyakorlat, mivel ez az, ami savatolja az automatizált folyamatok megbízhatóságát és megfelelőségét” – hangoztatta Takács István, a Deloitte Magyarország vezető szakembere.
A mesterséges intelligencia egyre inkább túllép az elemző szerepén, és bekapcsolódik a feladatok végrehajtásába, képes:
• automatizált tartalomgyártásra – üzleti jelentések vagy marketinganyagok készítésére minimális emberi beavatkozással;
• AI-vezérelt döntéshozatalra – olyan rendszerek működtetésére, amik valós idejű adatok alapján hajtanak végre előre meghatározott szabályok alapján üzleti feladatokat;
• folyamatok automatizálására – a munkafolyamatok tökéletesítésére például a feladat-ütemezés ellátási lánc vagy az ügyfélkapcsolatok területén. Az AI ezen képességei magukban hordozzák a hatékonyságnövekedés lehetőségét, egyúttal szigorú szabályozást is kívánnak azért, hogy a mesterséges intelligencia döntései összhangban maradjanak az üzleti célokkal és az etikai normákkal. ,
Az AI fejlődésének következő mérföldköve éppen ezért olyan rendszerek kifejlesztése, amelyek nemcsak tájékoztatnak, hanem felelősen, hatékonyan és skálázhatóan cselekednek is.
