Transformacja napędzana przez sztuczną inteligencję – jak firmy będą integrować sztuczną inteligencję w 2025 r.

Poszukiwanie efektywności

Wyniki badania wskazują, że firmy patrzą obecnie na wykorzystanie AI przede wszystkim przez pryzmat podniesienia efektywności. Wśród głównych motywacji stojących za wdrożeniami wymieniane są przede wszystkim automatyzacja procesów (41%) i możliwość lepszego dotarcia do klientów (35%). Znacząco niższy wynik uzyskała, kolejna w rankingu, chęć wprowadzenia nowej usługi (15%). Co ciekawe, dystans pomiędzy pierwszymi dwoma efektywnościowymi motywatorami a chęcią rozwoju biznesu powiększył się w przeciągu roku, co dodatkowo wskazuje, że motywacja coraz bardziej przesuwa się w kierunku poszukiwania efektywności.

Wzrost dojrzałości

Obserwujemy także, że technologia, która jeszcze niedawno była odbierana jako nowa i budząca dość ogólną ciekawość, zaczyna zadomawiać się w przedsiębiorstwach. Widać to m.in. w tym, jak postrzegane są bariery we wdrożeniach AI. W zeszłym roku jako kluczowe wskazywano ograniczenia kosztowe i technologiczne, co jest typowe dla innowacyjnych rozwiązań. Teraz ich znaczenie bardzo mocno spadło, a na pierwszą pozycję wysunęły się bariery organizacyjne, co sugeruje, że przedsiębiorstwa w jakimś zakresie poradziły sobie z dotychczasowymi kluczowymi wyzwaniami i zaczynają doświadczać nietechnologicznych aspektów związanych z transformacją. Coraz częściej też łączą we wdrożeniach wiedzę własną ze wsparciem zewnętrznych konsultantów (35% wskazań, wzrost o 6 pp.), co w tym roku stało się dominującym podejściem.

Czego merytorycznie możemy się spodziewać w najbliższej przyszłości?

Mimo że najczęściej odwołujemy się do ogólnego hasła „AI”, merytorycznie koncentrujemy się przede wszystkim na stosowaniu tzw. generatywnych modeli sztucznej inteligencji (GenAI). Są to rozwiązania wykorzystujące modele na tyle duże (LLM, ang. large language models), że nie tylko identyfikują wzorce (jak w klasycznym ujęciu AI), lecz także używają je do tworzenia nowych treści. To właśnie modele generatywne przyczyniły się do obecnego przełomu w zastosowaniach sztucznej inteligencji i to one budzą aktualnie największe zainteresowanie ze względu na swój transformacyjny potencjał. Zastosowania klasycznych modeli AI, i przy okazji wszelkich innych technologii okołodanowych, przeżywają dzięki temu renesans, natomiast ich rozwój jest w tym momencie bardziej ewolucyjny i w większym wymiarze konsumuje trendy, niż je kreuje. Rosnące wykorzystanie klasycznych modeli AI będzie stanowiło prawdopodobnie jeden z trendów w nadchodzącym czasie, ale to GenAI wyznaczy najbardziej przełomowe kierunki transformacji.

Co obserwujemy w tym momencie w zakresie GenAI? Przede wszystkim skłonność do odchodzenia od dużych modeli autonomicznie realizujących złożone zadania na rzecz zorkiestrowanych systemów mniejszych modeli, w których każdy jest dobierany i dostosowany do wymogów poszczególnych zadań. Takie podejście, łączące autonomię na poziomie zadań szczegółowych z nadzorem na poziomie całości zadania, pozwala precyzyjniej zarządzać jakością i audytowalnością (m.in. zmniejszyć ryzyko tzw. halucynacji), a na poziomie operacyjnym – kosztami i czasem egzekucji całego procesu.

Obserwujemy też coraz powszechniejsze integrowanie AI z zewnętrznymi narzędziami, często źródłami danych. Dostrzegamy to zarówno na poziomie dostawców technologii, którzy np. otwierają swoje rozwiązania na dostęp do Internetu, jak i podczas wdrożeń w przedsiębiorstwach, które np. pozwalają sztucznej inteligencji korzystać z wybranych danych zawartych w systemach ERP czy CRM.

Odnotowujemy w końcu, że po pierwszej fazie, w której przede wszystkim wykorzystywało się chatboty, zainteresowanie zaczyna przenosić się teraz w stronę autonomicznych agentów. Chatboty pozwalały na tworzenie wirtualnych asystentów, wykorzystujących sztuczną inteligencję do efektywnej interakcji z szeroko pojętymi systemami wiedzy. Systemy agentowe są w stanie pójść o krok dalej i nie tylko dać dostęp do wiedzy, lecz także na tej podstawie zrealizować odpowiedni proces. W praktyce umożliwia to zarządzenie działaniem pomniejszych wyspecjalizowanych agentów, tak aby w naszym imieniu zrealizowały proces. Przykładowo wirtualny asystent przeprowadzi rozmowę z klientem chcącym zgłosić reklamację, ale system agentowy od razu to zgłoszenie przeprocesuje, zarządzając działaniem wyspecjalizowanych agentów pobierających, przetwarzających (często inteligentnie) i zapisujących właściwą informację w odpowiednich systemach.