A mesterséges intelligencia üzleti vállalkozásoknál történő kiterjedt sikeres alkalmazásához a technológiai fejlesztések mellett a szervezet megfelelő átalakítása, a munkatársak szemléletmódjának és kompetenciájának fejlesztése és a működési folyamatok újragondolása is elengedhetetlen. A Computerworld magazinban nemrég megjelent cikkünkben, amelyet Damsai Andrei MI tanácsadónk és Werschitz Ottó társalapítónk írt, ezekkel a kérdéssel foglalkoztunk. Az írást az alábbiakban változtatás nélkül közöljük.
Mesterségem: Intelligencia
Változásmenedzsment és a gépi tanulás bevezetése
Prediktálók: MI kora
Az 1950-es években egy csapat, különböző szakterületről érkező tudós úgy döntött, hogy kidolgozza a mesterséges intelligencia (MI) alapjait. Ekkor még nem sejtették, hogy legalább 60 évet kell várni arra, hogy a technológia kiforrjon és széles körben alkalmazható legyen. Ma, 2022-ben az MI már nem csak laborokban elérhető, rakétatudomány-magasságokban szárnyaló misztikus jövőbelátás, hanem kis-, közép-, és mikrovállalkozások számára is elérhető szolgáltatás. Ez többek között annak köszönhető, hogy drasztikusan megnövekedett a digitális eszközök számítási kapacitása, szignifikánsan csökkent az adattárolás költsége, valamint exponenciálisan növekedett – és folyamatosan növekszik – az algoritmusok tanításához szükséges adatmennyiség.
A gyakorlatban az MI alatt a legtöbb esetben a gépi tanulás módszertanát értjük, mely során az algoritmus előre programozott szabályok helyett az adatokból kinyert információk alapján ismer fel és tanul meg összefüggéseket.
Emberek, folyamatok, eszközök
Az egyik legismertebb, szervezeti átalakulást és ennek menedzsmentjét támogató keretrendszer a PPT (People, Process, Tools) módszertan. A modell szerint a sikeres szervezeti átalakuláshoz elengedhetetlen a megfelelő szakmai/operatív csapat felállítása, a folyamatok pontos meghatározása, valamint az optimális technológiai eszköztár kiválasztása. Az MI bevezetése is egészen jól illeszthető ebbe a – esetenként arany háromszögnek is nevezett – keretrendszerbe, de érdemes szem előtt tartani a terület sajátosságait.
Eszközök terén viszonylag könnyű dolgunk van, hiszen ebben az MI széleskörű arzenállal rendelkezik. Elérhetőek olcsó, felhőben működő IT infrastruktúrák (tár- és számítási kapacitás, IaaS), kulcsrakész IT platformok (operációs rendszer vagy rendszerkörnyezet szintig, PaaS), és igénybe vehetők közvetlenül az MI-hez kapcsolódó megoldások (SaaS). Ezek kiterjednek a feltanított modellektől (például a Yolo), a modulokon át (például a TensorFlow), egészen az API-n keresztül elérhető szolgáltatásokig (például a DeepL).
A folyamatok ki- és átalakításánál azonban más a helyzet. Az MI egy erősen iteratív sportág, a projektek többségének kezdeti szakaszban még nem tudni milyen kifutása lesz. Az üzleti tervezés mellett ez speciális helyzetet teremt a változásmenedzsment szempontjából is. A kezdeti specifikációk jobb esetben is csak irányokat jelölhetnek ki, a döntéshozatal nagymértékben építkezik az adatokból folyamatában kinyert információkra. Ezekre a kihívásokra reagálva jelentek meg az olyan módszertanok, mint például a CRISP-ML, illetve az MI specifikus folyamatokat támogató keretrendszerek (lásd UBER: Michelangelo).
Az MI sikeres bevezetésének, valamint üzemeltetésének kulcstényezője a technológiával közvetlenül dolgozó csapat, illetve a teljes szervezet felkészültsége. A technológia alapjainak és működésének ismerete nem szabad csak a szakmai stáb kiváltsága legyen, ezért ajánlott energiát és időt fektetni a munkatársak képzésébe. Több szempontból is előnyt kovácsol, ha a szervezeten belül kialakul egy alapvető kompetencia az MI-re vonatkozóan. A technológia ismertsége növeli az elfogadottságát, segíti a projekt futtatását és a további fejlesztések propagálását (feloldja a black-box folyamat érzését), valamint megkönnyíti a külső partnerekkel (beszállítókkal, szolgáltatókkal valamint tanácsadókkal) való kommunikációt és együttműködést.
Jó, de hogyan leszek adatvezérelt?
Az MI alkalmazása nem egyenlő az adatvezérelt működéssel, viszont nagymértékben támogatja annak elérését. A megfelelő információk és előrejelzések birtokában a vezetők olyan, adatokon alapuló stratégiai és operatív döntéseket hozhatnak, amelyek támogatják a szervezet működését. Az MI beépítéséhez szorosan kapcsolódik a jó gyakorlatok feltérképezése és áttekintése, a belső lehetőségek ismerete (főképp az adatok, az infrastruktúra és a folyamatok mentén), valamint a megfelelő integrációs pontok – projektek vagy transzformálható területek – megválasztása (egy jó pilot projekt megalapozhatja a további fejlesztések hatékonyságát). Érdemes átgondolni, hogy szervezeti szinten rendelkezésre áll-e a megfelelő szaktudás, energia és idő ahhoz, hogy házon belül maradjanak a feladatok, vagy hatékonyabb külső partnert (tanácsadót vagy integrátort) bevonni. A folyamat graduális – a szervezet támaszkodhat teljes mértékben a beszállítóra, bevonódhat a feladatokba, valamint viheti is a munka oroszlánrészét, konzultálva a partnerrel. Az MI bevezetése nem izoláltan, egy funkció esetében jelenik meg, hanem rendszerszinten, az emberek, a folyamatok, és az eszközök mentén teremt értéket.
Forrás:
https://computerworld.hu/cwprint/computerworld-lapozo-h1systems-felho-kozelrol-307915.html
Ne maradjon le a mesterséges intelligencia legújabb megoldásairól!
Kérje blogértesítőnket, és legyen mindig naprakész korunk legfontosabb technológiájával kapcsolatban!
