Mesterséges intelligencia Magyarországon: Mi az, ami még hiányzik a valódi áttöréshez? A mesterséges intelligencia (MI) világszerte forradalmasítja a különböző iparágakat, és Magyarország sem maradhat ki ebből a trendből. Azonban ahhoz, hogy a hazai MI-k
"Az AI nem csupán IT-probléma, hanem szervezeti transzformációs és HR kihívás, ahol a HR-ben a H betű megkérdőjeleződhet. Tudatos üzleti döntéshozókra van szükség, akik értik az AI-t, és nem félelemből vagy kényszerből cselekednek" - mondja Kállai Gábor. A ShiwaForce CTO-ja szerint a hazai vállalatok már átléptek azon a szinten, amikor még csak "mutogatják", hogy AI-t használnak, és ma már valódi alkalmazási területeket fedeztek fel. Azonban most jön még csak a neheze, amikor az értékteremtésre képes AI-megoldások már rendszerben működnek. A változásmenedzsment kulcsfontosságú lesz ebben a folyamatban.
Fedezd fel a generatív AI technológia banki alkalmazásának izgalmas világát november 4-én megrendezésre kerülő Banking Technology eseményünkön! A rendezvény során mélyrehatóan foglalkozunk az elért eredményekkel, tapasztalatainkkal és valós példákkal. Ne hagyd ki ezt a lehetőséget! Regisztrálj most, és tudd meg a részleteket itt!
Jelenleg hol állnak a nagyvállalati mesterséges intelligencia (AI) implementációk? Megtudtuk-e már, hogy az első generatív AI (GenAI) projektek milyen irányba fejlődtek?
A nagyvállalatok megtanulták, hogy IT-oldalon indulnak a változások, ezért az AI-t is IT-projektként kezelik, mintha csak egy új technológiát kellene megtanulni. Az IT a szokásos módszertanával választja ki a megfelelő megoldást, és várja, hogy lecsengjen a hype, AI-csapatot alapít, és elemzi a versenytársakat. Ezt a házi feladatot a cégek is jól elvégezték Ám nagy különbség a korábbi technológiákhoz képest, hogy az AI a teljes értékláncot és folyamatokat érinti. Nem csupán technológiai fejlesztésről van szó, hanem erős nyomás érkezik üzleti- és HR oldalról is, ezért nem elég kizárólag IT-projektként kezelni.
Az átlagfelhasználó talán úgy tapasztalhatja, hogy a Generatív AI modellek fejlődése az utóbbi két évben felülmúlta az internet vagy a mobiltechnológia két évtizedes fejlődését. Ma már a modellek kevesebb téves információt adnak, a válaszok logikusabb szórenddel rendelkeznek, és a fölösleges, modoros kifejezések is ritkábbak. De hol nyerhetünk ezzel a tudással a vállalati szektorban?
Jelentős minőségi előrelépés figyelhető meg a modellek terén: a hallucinációk száma csökkent, a válaszok precízebbé váltak, és az adatbázisok is naprakészebbek lettek. Ráadásul a modellek optimalizálódása révén már nem szükséges szuperszámítógép a működésükhöz; lokális eszközökön is zökkenőmentesen futnak. Ez különösen lényeges, amikor érzékeny üzleti adatokat kívánunk a GenAI-be táplálni. A Shiwaforce-nál mi is alkalmazunk szabályozott módon felhőalapú GenAI szolgáltatásokat, mind az irodai, mind az IT feladatokhoz, emellett kollégáink a saját szerverükön futó GPT-4 modellt is használhatják. A fejlődés mértékét nehéz megjósolni, de egy dolog biztos: a cégeknek el kell kerülniük a követő üzemmódot. Nem érdemes olyan irányba haladni, ahol már más versenytársak is elértek.
Számos nemzetközi kutatás eredményei arra utalnak, hogy az AI projektek 80-90%-a üzleti szempontból nem hozza vissza a befektetett költségeket. De mit is jelent ez pontosan? Azt jelenti, hogy a vállalatok által indított mesterséges intelligencia kezdeményezések túlnyomó része nem képes a várt nyereséget vagy megtérülést biztosítani. Ez a helyzet több okra is visszavezethető. Előfordulhat, hogy a projektek nem megfelelően vannak megtervezve, vagy a technológia nem felel meg a valós üzleti igényeknek. Esetleg a vállalatok nem rendelkeznek elegendő adatminőséggel ahhoz, hogy az AI rendszerek hatékonyan működjenek. Továbbá, a munkavállalók képzése és az AI integrálása a meglévő folyamatokba is komoly kihívásokat jelenthet. Személyes véleményem szerint ez a jelenség valóban létezik, de nem feltétlenül a mesterséges intelligencia technológia hibája. Sokkal inkább a megvalósítási mód, a stratégiai tervezés és a megfelelő támogatás hiányának következménye. Ahhoz, hogy a vállalatok sikeresen kihasználhassák az AI előnyeit, elengedhetetlen, hogy alaposan megértsék a lehetőségeket és a kihívásokat, és megfelelően készüljenek fel a projektekre.
Az MIT legfrissebb kutatási eredményei alapján a nagyvállalatok globálisan 30-40 milliárd dollárt invesztáltak a generatív mesterséges intelligencia (GenAI) projektekbe, de ezek 95%-a soha nem hozott vissza pénzügyi hasznot. A Gartner elemzése ezt azzal egészíti ki, hogy az AI projektek 85%-ának kudarca mögött a gyenge minőségű, korlátozott vagy relevanciátlan adatok állnak, amelyeken az algoritmusokat tanítják. A McKinsey szintén hangsúlyozza, hogy a projektek 70%-ának elbukásáért az adatminőség mellett a meglévő rendszerekkel való rossz integráció is felelős.
Az, hogy működik az AI-megoldás, önmagában még csak IT-siker, ami ma már többnyire adott. Az igazi kérdés az, hogy üzletileg mit változtat meg. Az AI tekintetében az elvárások azonban nem a szokásos megtérülésről szólnak, hanem arról, hogy drasztikusan folyamatában és volumenében változzon meg az üzlet. A legtöbb esetben nem feltétlenül a bevétel oldali növekedés a cél, hanem inkább kiadások csökkentése vagy a szűk kapacitások tehermentesítése. Ezek a leginkább elvárt előnyök az üzleti stakeholderektől. Konkrétan az a vágy, hogy a munkatársaknak sokkal több ideje legyen figyelmet igénylő, értékteremtő feladatokra, és át lehessen szervezni a működésüket.
Egy számlavezető rendszer cserénél lehet TCO-t (Total Cost of Ownership - egy termék vagy szolgáltatás teljes élettartama során felmerülő összes költség - a szerk.) számolni 5 évre, és ha most befektetünk 1 milliárdot, megbecsülhetjük, hogy ez vissza fog-e jönni. Egy internetbank fejlesztésnél el lehet azt mondani, hogy több lesz az ügyfelünk, javul a konverzió, és ez a befektetés 3 éven belül megtérül. Azonban azt nehezebb felmérni, hogy ténylegesen transzformatívan hatott-e az üzletmenetünkre egy AI gerinc kiépítése, különösen agentic AI megoldásokkal. Átformálta-e a belső gondolkodásmódunkat a saját üzletvitelünkről? Az egy sokkal nehezebb kérdés. Itt azt kell mondanom, hogy az ilyen sikertörténetek száma ma még valóban elenyésző.
Mi áll ennek a hátterében?
Ez egy rendkívül összetett téma, hiszen a legtöbb vállalat körültekintően közelíti meg ezeket a projekteket. Az elsődleges céljuk, hogy elkerüljék a szervezet hirtelen átalakítását és a meglévő folyamatok felborítását. A kickoff meetingeken gyakran hallhatunk három tipikus megnyilvánulást, amelyek sokak számára ismerősek lehetnek:
"Ne engedjük, hogy valami lényeges tönkremenjen!" "Védjük meg mindenáron azt, ami igazán értékes számunkra!" "Fektessünk bele rengeteg energiát, hogy a lehető legjobb eredményt érjük el!"
A három egyébként jó szándékú motiváció végeredménye gyakran egy drága, nem skálázható, nehezen implementálható, haszontalan eszköz, ami a végén irreleváns lesz, és ezért elbukik.
A valódi változáshoz nem csupán eszközökre, hanem gondolkodásmód és működési paradigma váltásra van szükség. Az első lépés, amikor a munkatársak kezébe egy AI-eszközt adunk, hasonló ahhoz, mintha kalapácsot adnánk nekik: azonnali lehetőséget biztosítunk számukra, hogy egy szeget beverjenek. Ezzel a lépéssel a kollégák időt nyernek, és a feladatok elvégzése után képesek lesznek mások támogatására is, amit konkrét eredményekkel és növekvő hatékonysággal mérhetünk. Azonban ez a változás nem elegendő ahhoz, hogy az egész szervezet működési alapjaiban megújuljon. Jelenleg az AI-t csupán eszközként alkalmazzuk, mint egy gyakornokot, aki monoton, jól körülhatárolt feladatokat végez el, de nem képes a kontextust értelmezni. Ez a megközelítés kétségtelenül előnyökkel jár, de el kellene engednünk azt a korlátot, hogy az AI-t a hatékonyság növelésének egyetlen eszközeként tekintsük. Emlékezzünk Henry Ford tapasztalataira, aki felismerte, hogy a vevői igények nem csupán a gyorsabb lovakról szólnak, hanem egy teljesen új gondolkodásmódra van szükség.
Milyen módon tudnánk még ambitiózusabb lépéseket tenni a fejlődés útján?
A kulcsszavak valószínűleg a munkafolyamat és a célok meghatározása. Akárcsak egy emberi szervezetben, a dolgok igazán akkor tudnak fejlődni és teret nyerni, amikor a vezető már nem kénytelen minden apró részletet kézben tartani. Ekkor lehetőség nyílik arra, hogy egy megbízható "ügynökre" bízza a folyamatokat, aki a meghatározott szabályok mentén, de már önállóan hoz döntéseket és cselekszik. Ez a megközelítés nemcsak hatékonyabbá teszi a munkát, hanem lehetőséget teremt a kreativitás és az innováció kibontakozására is.
Ha az AI-technológiákat agent-módszerrel alkalmaznánk, olyan innovatív munkakörnyezeteket teremthetnénk, ahol az mesterséges intelligencia nem csupán az emberek munkáját támogatja, hanem önállóan, proaktívan is betölt bizonyos szerepeket. Ezáltal a munkahelyek dinamikája megváltozna, és új lehetőségek nyílnának meg az automatizálás és a hatékonyság terén.
Az ilyen típusú megoldásokhoz elengedhetetlen, hogy világos és tiszta visszajelzéseket, valamint információkat nyújtsunk a vállalati értékekről és célkitűzésekről. Fontos, hogy bemutassuk, miként alakítjuk ki üzleti tevékenységünket, és milyen alapelvek mentén működik a szervezeti kultúránk. Míg az emberek esetében ez általában magától értetődő, a gépekkel való kapcsolatunkban most újra kell tanulmányoznunk és elsajátítanunk ezeket az alapvető elveket.
Természetesen! Íme néhány példa, amelyek különböző kontextusokban illusztrálják az egyediséget: 1. **Művészet**: Gondoljunk Vincent van Gogh-ra. Az ő festményei, mint például a „Csillagos éjszaka”, egyedi stílusával és színválasztásával kiemelkednek a korabeli művészetből. 2. **Irodalom**: James Joyce „Ulysses” című regénye forradalmasította a modern irodalmat. Az egyedi narratív technikái és a részletes karakterábrázolásai miatt sokáig emlékezetes maradt. 3. **Zene**: A Queen együttes híres arról, hogy a rockzenét ötvözi különböző műfajokkal. Freddie Mercury egyedi énekstílusa és a zenekar sokszínű dalai miatt váltak legendásokká. 4. **Divat**: Coco Chanel forradalmasította a női divatot, amikor bevezette a kényelmes, mégis elegáns stílust, amely eltér a korábbi, szigorú női öltözködési normáktól. 5. **Technológia**: Steve Jobs és az Apple által kifejlesztett iPhone nem csupán egy új telefon volt, hanem egy olyan termék, amely megváltoztatta a kommunikációs szokásokat, és új irányt mutatott a mobiltechnológia fejlődésében. Ezek a példák jól mutatják, hogy az egyediség milyen fontos szerepet játszik a különböző területeken, és hogyan lehet valami maradandót alkotni.
A gépesített ügyfélszolgálat mellett napjainkban egy másik figyelemre méltó trend, hogy a vállalatok teljes média- és marketingkampányokat bíznak multi-agent modellekre. Ennek a folyamata úgy zajlik, hogy az AI megkapja az elmúlt két évtized marketingtudományának összegyűjtött tudását és tapasztalatait. Feltöltjük az AI-ba a vállalat eddigi tevékenységeit, a kommunikációs stílusunkat, valamint információkat adunk arról, hogy vevőink mire és hogyan reagálnak, illetve mik a jövőbeli elképzeléseink. Ezt követően lehetőség nyílik arra, hogy az AI-ra bízzuk egy adott folyamat irányítását, így az képes lesz kiválasztani a megfelelő eszközöket a repertoárból. Ezzel a megközelítéssel valódi és kézzelfogható változásokat érhetünk el.
Nem azért, mert öntudatra ébredne, hanem mert sokkal szélesebb körű adatgyűjtés révén képes új megoldásokat generálni. Olyan ötleteket is kipróbál, amelyek esetleg már egyes kollégák elméjében megfordultak, de valaha költségesnek, túlzottan bonyolultnak vagy nehezen mérhetőnek tűntek. Az is lehet, hogy egyszerűen csak az adott vezető nem bízott bennük.
Amikor a gátakat sikerül eltávolítani, és a jól megtervezett architektúrára bízzuk a döntéshozatalt, olyan lenyűgöző eredmények születhetnek, amelyek messze felülmúlják a várakozásainkat.
A mesterséges intelligencia számos izgalmas és innovatív alkalmazási területen tűnik fel, amelyek jelentős hatással lehetnek a társadalomra és a gazdaságra. Íme néhány példa a nagyobb léptékű use-case-ekre: 1. **Egészségügy**: A mesterséges intelligencia diagnosztikai rendszerekben segíthet a betegségek korai felismerésében, például a rák vagy szívbetegségek esetében. Az AI képes hatalmas mennyiségű orvosi adatot elemezni, és előrejelzéseket készíteni a betegek állapotával kapcsolatban. 2. **Fenntartható városok**: Az MI alkalmazásával optimalizálhatók a városi közlekedési rendszerek, csökkentve a dugókat és a szennyezést. Az intelligens forgalomirányító rendszerek képesek valós idejű adatokat feldolgozni, hogy javítsák a közlekedési áramlást. 3. **Pénzügyi szektor**: A mesterséges intelligencia a kockázatelemzés és a csalások megelőzése terén is hasznosítható. Az MI-alapú rendszerek képesek azonosítani a gyanús tranzakciókat, és gyorsan reagálni a potenciális veszélyekre. 4. **Mezőgazdaság**: A precíziós mezőgazdaságban az MI segíthet a termények hozamának növelésében, a kártevők és betegségek korai észlelésében, valamint a környezetbarát növényvédő szerek alkalmazásában. 5. **Oktatás**: Az intelligens tanulási rendszerek képesek személyre szabott tanulási élményeket nyújtani a diákok számára, figyelembe véve az egyéni igényeiket és tanulási tempójukat. Az AI segíthet a pedagógusoknak is az oktatási módszerek fejlesztésében. 6. **Energiahatékonyság**: Az MI alkalmazása az energiahálózatok optimalizálásában és a megújuló energiaforrások integrálásában kulcsfontosságú lehet a fenntartható jövő érdekében. Az intelligens rendszerek képesek előre jelezni az energiaigényt, és ennek megfelelően szabályozni a termelést. 7. **Környezetvédelem**: Az MI technológiák segíthetnek a környezeti változások nyomon követésében, a biodiverzitás védelmében és a klímaváltozás hatásainak mérséklésében, például a szén-dioxid-kibocsátás csökkentésével. Ezek a példák csak a jéghegy csúcsát jelentik, hiszen a mesterséges intelligencia potenciálja szinte végtelen, és folyamatosan fejlődik, új lehetőségeket teremtve a jövő számára.
Nagy változást hozhat az AI a logisztika területén is. A gyárak, raktárak, kereskedők közötti áruterítés egy jól lemodellezhető folyamat. Már a gyárban előre jelezhetjük, hogy miből mennyi fog fogyni, megkapjuk a rendelést, és végül kiszállítjuk. Csakhogy ebben a folyamatban rengeteg a hibalehetőség: a határon elakad a kamion, lebetegedik a kamionsofőr, és emberi hibák történnek. Mindez rendkívül gyorsan zajlik, néhány kulcsmunkatársnak folyamatosan be kell avatkoznia, és újraterveznie kell az útvonalakat. Erre a feladatra kiválóan alkalmas egy multi-agent, AI-vezérelt megoldás.
Az említett kulcsemberek pótlása rendkívül nehézkes, és az új munkatársak integrálása akár évekig is eltarthat. Az AI esetében ez a betanítás hasonlóan hosszú időt vehet igénybe, viszont ezt követően képes rendkívül megbízhatóan végrehajtani az újratervezéseket és beavatkozásokat. Bár a példa a logisztikai ágazatra vonatkozik, ez a megállapítás a szolgáltató szektor minden területére érvényes, ahol bonyolult, többlépcsős és sok elágazással rendelkező folyamatokkal találkozunk.
Szeretném hangsúlyozni, hogy bármennyire is fejlett az AI, ha egy üzleti folyamat valamely szakaszában szükség van emberi minőségellenőrzésre, beavatkozásra vagy jóváhagyásra, akkor ott mindig kialakulhat egy szűk keresztmetszet. Az AI gyorsíthatja a munkafolyamatokat, de a végén az emberi beavatkozás szinte mindig lelassítja a folyamatokat. Ráadásul, ha a mesterséges intelligencia gyorsan és nagy mennyiségben dolgozza fel az adatokat, azok eláraszthatják az emberi munkatársakat, akik végül a generált tartalmak vagy feldolgozott információk tömegét (a McKinsey szerint már most 73%-át) ellenőrzés nélkül engedik át.
Milyen állapotban van a hazai vállalati szektor az AI technológia integrálása terén?
Vállalati AI implementációban mi 4 korszakot különböztetünk meg: AI Washing, AI Islands, AI Backbone, AI Black Mirror - ezeket a Shiwaforce Enterprise AI Evolution Guide-ban be is mutatjuk részletesen. Az első fázison szerencsére többnyire túl vagyunk, ez az AI-washing, amikor a cégek az ügyfeleik és a versenytársak felé inkább még csak kommunikálják, hogy AI-képességgel rendelkeznek.
Az első valódi alkalmazási területek jellemzően az AI-chatbotok, illetve a tudást közvetítő belső "robot munkatársak". Ezekben az esetekben még az AI-t egy eszközként adjuk oda az alkalmazottaknak: eddig kézzel csavaroztál, most adtam valamit, amivel hatékonyabban tudod elvégezni a feladatot. Szuper! Ez nagyon kell, de ez még csak a horizontális terjedés, ezek az úgynevezett AI-szigetek. Azonban senki ne felejtse el, hogy itt nem szabad megállni, és most már itt tart mindenki. Gőzerővel dolgozni kell azon, hogy szintet lehessen lépni.
A következő szintlépés akkor következik be, amikor egy vállalat mesterséges intelligencia alapú gerincét kiépítik, melynek révén az értékteremtésre alkalmas AI-megoldások összhangban működnek. Ezen a ponton az üzleti igények egységesen, szabványosított formában jelennek meg az IT részleg felé, ami lehetővé teszi a jövedelmező folyamatok méretgazdaságos és biztonságos újraszervezését. A történet végén pedig átfordíthatjuk a diskurzust: nem csupán azt kérdezzük, miként használható az AI, hanem azt is, mi az, amihez valóban emberi érintés szükséges?
Milyen irányban érdemes fejleszteni a vállalatok mesterséges intelligenciával kapcsolatos képességeit és struktúráját?
A gyors ütemű változások következtében a vállalati struktúrák sokszor lemaradnak a fejlődés mögött, és az alkalmazottak gyakran autodidakta módon próbálkoznak az AI-készségek elsajátításával. Ennek ellenére sokan csak a napi feladataik tökéletesítésére fókuszálnak. Az ilyen kihívások kezeléséhez elengedhetetlenek a határozott vezetők, akik képesek stratégiai szinten meghatározni az irányvonalakat, és nem csupán Excel-táblázatokban gondolkodnak.
Az AI nem csupán technológiai kihívás, hanem mélyreható szervezeti átalakulást és humánerőforrási megfontolásokat is igényel. A HR szerepe új fényben tűnhet fel, ahol a „H” betű jelentősége megkérdőjeleződhet. Olyan tudatos üzleti döntéshozókra van szükség, akik valóban értik az AI működését, és nem csupán félelemből vagy kényszerűségből lépnek fel, hanem proaktívan, a lehetőségeket kihasználva formálják a jövőt.
A változásmenedzsment kulcsfontosságú ebben a folyamatban. A helyes megközelítés, ha hosszútávú változásmenedzsment programként tekintünk erre a korszakra, és a technológiai kísérletezéssel párhuzamosan egyszerre hatunk a munkatársak tudására, képességeire és attitűdjére is.
A cikk megjelenését a ShiwaForce támogatta, amely hozzájárulásával lehetővé tette a tartalom létrejöttét.
Címlapkép: Kállai Gábor Fotó: Hajdú D. András/Portfolio
A cikk megírásához a magyar nyelvhez tökéletesen alkalmazkodó Alrite online diktáló és videó feliratozó applikáció nyújtott segítséget, ami jelentősen hozzájárult a munka folyamatához.
