Według niego za pięć lat korzystanie z narzędzi generatywnej sztucznej inteligencji (GenAI), takich jak ChatGPT, stanie się normalną częścią życia zawodowego. Dona Schuermanadyrektor ds. technologii w Pegasystems, amerykańskiej firmie tworzącej oprogramowanie wykorzystywane za kulisami przez niektóre z największych organizacji na świecie do zarządzania i automatyzacji procesów biznesowych.
„Myślę, że stanie się to równoznaczne z umiejętnością pisania formuł w Excelu” – mówi.
Schuerman wierzy, że GenAI jest o krok od umożliwienia firmom nie tylko automatyzacji procesów biznesowych, ale także realizacji celów biznesowych.
Pod nazwą przedsiębiorstwa autonomicznego chodzi o to, że firmy będą mogły wyznaczać cele biznesowe, a ich procesy biznesowe oparte na sztucznej inteligencji nauczą się, jak je osiągać.
Na razie firmy niespiesznie wdrażają GenAI. Dzieje się tak szczególnie w branżach regulowanych, w tym w bankowości, opiece zdrowotnej i ubezpieczeniach, gdzie w pierwszej kolejności chcą się upewnić, że rozumieją potencjalne ryzyko biznesowe. „Są podekscytowani, ale chcą też przepracować to w swoich modelach zgodności, analizie ryzyka i zespołach regulacyjnych” – mówi Schuerman.
Nie jest jeszcze jasne, w jaki sposób sztuczna inteligencja będzie regulowana, co jest kolejnym powodem, dla którego niektóre firmy się wstrzymują. Stany Zjednoczone pozostają w tyle i prawdopodobnie to Europa przejmie wiodącą rolę w regulacji GenAI.
Ryzyko publicznego ujawnienia danych prywatnych firm za pośrednictwem dużych modeli językowych, takich jak ChatGPT, jest jednym z powodów, dla których firmy mogą na razie zachować ostrożność. Inną jest zdolność modeli GenAI do tworzenia informacji, czyli „halucynacji”.
Czas RAG
Oba te problemy można rozwiązać, twierdzi Schuerman, lub przynajmniej ograniczyć. Jedno z potencjalnych rozwiązań jest znane jako generacja rozszerzona odzyskiwania (RAG).
Mówiąc prościej, oznacza to podawanie podpowiedzi w dużym języku, które zawierają zarówno pytanie, jak i cały zestaw danych potrzebnych do udzielenia odpowiedzi.
Tak więc, gdy pracownik lub klient zadaje pytanie, oprogramowanie RAG będzie w stanie pobrać fragmenty informacji z bazy danych istotne dla zapytania i wykorzystać je do zbudowania podpowiedzi AI zawierającej informacje wymagane do udzielenia odpowiedzi na pytanie.
Jeśli system sztucznej inteligencji nie może znaleźć odpowiedzi, otrzymuje polecenie powiedzenia, że nie wie, aby zmniejszyć ryzyko halucynacji.
Pega próbowała to zrobić, korzystając z własnej bazy danych produktów. Stworzyło Interfejs AI które mogą syntezować odpowiedzi na podstawie informacji przechowywanych w różnych dokumentach, zamiast wymagać od klientów czytania każdego dokumentu indywidualnie.
Na tej stronie internetowej znajdują się odpowiednie ostrzeżenia i zastrzeżenia i choć być może nie wyeliminowała ona skutków halucynacji, „znacznie je zminimalizowała”, mówi Schuerman.
Wielu klientów Pegasystems jest zainteresowanych wykorzystaniem podejścia RAG w celu zwiększenia dostępności danych i informacji swojej firmy. Na przykład ubezpieczyciele chcieliby zapewnić swoim menedżerom ds. roszczeń dostęp do informacji o najlepszych praktykach, aby móc rozwiązywać problemy związane z roszczeniami ubezpieczeniowymi. „Chcą oprzeć swoje działania wyłącznie na wiedzy i dokumentacji, którą zbudowali wewnętrznie” – mówi.
Pracuj szybciej
Pierwsze wdrożenia GenAI w firmach nie zastąpią zapotrzebowania na ludzi z głęboką wiedzą i umiejętnościami biznesowymi, ale pomogą im szybciej pracować.
Jednym z zastosowań jest wykorzystanie GenAI do automatycznego generowania danych testowych, co znacznie skraca czas tworzenia oprogramowania.
Schuerman przyznaje, że nadal będzie potrzebny „człowiek w pętli”, który będzie sprawdzał, czy oprogramowanie generuje odpowiedź oczekiwaną na podstawie każdego fragmentu danych testowych i chronił przed halucynacjami.
Programowanie chatbotów AI to kolejny przykład, w którym sztuczna inteligencja może przyspieszyć pracę ręczną. Bank mógłby na przykład wykorzystać model sztucznej inteligencji do wygenerowania 50 różnych sposobów, w jakie klient mógłby poprosić o podanie salda bankowego. Dane te można następnie wykorzystać do szkolenia chatbota.
Nadal potrzebny byłby człowiek, który sprawdzałby, czy odpowiedzi mają sens i edytował je, czy jest odpowiedni, jednak mogłoby to znacznie przyspieszyć czas tworzenia.
Parku Bletchleya
Pega, podobnie jak wiele firm informatycznych, nie znajduje się na liście gości ekskluzywnego spotkania zagranicznego rządu Wielkiej Brytanii szczyt bezpieczeństwa sztucznej inteligencji w listopadzie w Bletchley Park.
Oczekuje się, że premier Rishi Sunak wykorzysta szczyt do ogłoszenia utworzenia międzynarodowej grupy doradczej ds. sztucznej inteligencji, działającej na wzór Panelu Narodów Zjednoczonych ds. Zmian Klimatu, w celu oceny zagrożeń związanych ze sztuczną inteligencją.
Schuerman argumentuje, że ważne jest, aby zaproszeni politycy i eksperci ds. sztucznej inteligencji rozumieli, jaki wpływ będą miały wszelkie decyzje regulacyjne na konsumentów, pracowników i firmy korzystające ze sztucznej inteligencji.
„Moim zadaniem jest upewnienie się, że w dyskusjach regulacyjnych będzie wystarczająca wiedza w terenie, aby odzwierciedlić rzeczywiste przypadki użycia sztucznej inteligencji i czynniki biznesowe stojące za wykorzystaniem części tej technologii” – mówi.
Autonomiczne przedsiębiorstwo
Operatorzy telefonii komórkowej i operatorzy kart kredytowych korzystają z oprogramowania Pega do uczenia maszynowego, aby przedstawiać klientom dostosowane rekomendacje. Oprogramowanie uczy się na podstawie reakcji klientów, dzięki czemu może w przyszłości podejmować lepsze decyzje i rekomendacje.
Następnym etapem wizji przedsiębiorstwa autonomicznego Pega jest umożliwienie organizacjom wyznaczania celów biznesowych, które będą wpływać na reakcję tego rodzaju procesów biznesowych, mówi Schuerman.
Na przykład bank mógłby postawić sobie za cel skrócenie czasu spędzonego na sporach dotyczących kart kredytowych, jednocześnie upewniając się, że nie wypłaca niepotrzebnego odszkodowania.
Oprogramowanie będzie w stanie analizować trendy historyczne i identyfikować przypadki, które mogą skutkować niepotrzebną wypłatą środków przez bank, opóźnieniami w rozstrzyganiu sporów i ich eskalacją. „Zasadniczo dajesz firmom narzędzia do określania swoich celów, celów oraz ciągłej optymalizacji procesów i znajdowania ulepszeń, które pomogą im lepiej realizować te cele biznesowe” – mówi.
Firmy mogłyby swobodnie modyfikować swoje cele biznesowe, aby dostosować je do zmieniających się warunków. Na przykład call center może chcieć zatrzymać klientów przy telefonie dłużej, aby sprzedać im więcej produktów w spokojnych porach roku. Jednak w ruchliwych porach roku priorytetem może być jak najszybsza obsługa klientów, aby uniknąć tworzenia się kolejek.
„Celem jest umożliwienie firmie wybierania i ponownego wybierania numeru oraz dynamicznego dostosowywania procesów” – mówi.
Automatyzacja procesów w ten sposób wymaga czasu. Zaczyna się od wykonywania ręcznych zadań i tworzenia uporządkowanego procesu, który będą mogli śledzić pracownicy. Kolejnym krokiem jest automatyzacja zadania.
Historia transakcji
Po zautomatyzowaniu zadań firmy mogą gromadzić dane na temat historii swoich transakcji. Tworzy to pulę danych, którą może eksplorować sztuczna inteligencja i oprogramowanie do uczenia maszynowego w celu sporządzania prognoz biznesowych i identyfikowania potencjalnych problemów, zanim one wystąpią.
„To właśnie tutaj mamy potencjał, aby przenieść ten proces i podnieść go do poziomu, który samooptymalizuje się, aby osiągnąć cele biznesowe” – mówi Schuerman.
Każdy krok może przynieść zwrot z inwestycji. „Korzyści kosztowe są dość dobrze określone, jeśli spojrzymy na proces ręczny i znajdziemy możliwości automatyzacji” – dodaje.
Firmom udało się przewidzieć, kiedy grozi im niedotrzymanie terminów regulacyjnych i podjąć działania mające na celu na przykład obniżenie kosztów kar finansowych. „Jeśli podasz mu dość podstawowe informacje na temat kosztów procesu, [the software] może faktycznie określić wartość biznesową, na przykład wąskiego gardła, oraz koszt roczny w postaci przepustowości, utraty przychodów lub spadku zadowolenia klientów” – mówi Schuerman.
Pegasystems jest na już w około 20% na drodze do przekształcenia się w autonomiczne przedsiębiorstwo.
Istnieją pewne procesy biznesowe, które nigdy nie wyjdą poza etap pracy ręcznej, ponieważ wolumen nie jest wystarczająco duży, aby uzasadniać automatyzację, lub złożoność procesu jest większa niż potencjalny wpływ jego automatyzacji.
„W porządku” – mówi. „Nie wszystko może faktycznie dojść do punktu, w którym w Twojej firmie nastąpi samooptymalizacja, ale powinien to być świadomy wybór, jakiego dokonuje firma”.
