„Nie powinni?my dopuszcza? do sytuacji, w której AI kierowa?oby biznesem w niebezpiecznym kierunku” – twierdzi Marcin Gajdzi?ski, Dyrektor generalny, IBM Polska i kraje ba?tyckie w rozmowie z Bartoszem Martyka, Redaktorem Naczelnym, Brandsit oraz Arturem Wro?skim, AI Technology Advocacy Lead, IBM Polska.
W naszym wywiadzie z Marcinem Gajdzi?skim oraz Arturem Wro?skim, IBM zg??biamy pocz?tki i ewolucj? ich flagowego produktu Watson, który zadebiutowa? w 2011 roku oraz poznajemy najnowsze kierunki, w jakich rozwija si? AI w IBM.
Bartosz Martyka, Brandsit: IBM jest liderem lub raczej pionierem w dziedzinie AI. Jakie by?y pocz?tki wdro?enia technologii AI przez IBM, szczególnie na przyk?adzie Watsona?
Artur Wro?ski, IBM: Watson, znany od 2011 roku, zadebiutowa? podczas teleturnieju telewizyjnego, który w Polsce jest znany jako “Va banque”. W tym programie, IBM zaprezentowa?o swoje rozwi?zanie, rywalizuj?c z najlepszymi uczestnikami w historii tego show. Ju? ponad dekad? temu Watson udowodni?, ?e mo?e odpowiada? lepiej ni? najlepsi gracze. To stanowi?o pocz?tek dla marki i linii produktów Watsona. Jednak technologia AI by?a rozwijana przez IBM znacznie wcze?niej. Analiza danych zawsze by?a powi?zana z algorytmami uczenia maszynowego, a produkty takie jak SPSS Statistics czy SPSS Modeler to przyk?ady rozwi?za?, które s? rozwijane od ponad 30 lat.
Bartosz Martyka, Brandsit: Jak wygl?da?a ta ewolucja?
Artur Wro?ski, IBM: Warto na pocz?tku wspomnie? o kilku wydarzeniach zwi?zanych z Watsonem, które zyska?y szeroki rozg?os. Na przyk?ad pojedynek szachowy “Deep Blue” z Kasparowem czy wspomniane ju? zwyci?stwo Watsona w teleturnieju “Jeopardy!” nad najlepszymi graczami. Pó?niej, w 2018 roku, mieli?my okazj? obserwowa? debat? naszej sztucznej inteligencji z zawodowym mówc?. By?o to fascynuj?ce, poniewa? nasz algorytm nie tylko generowa? odpowiedzi, ale równie? analizowa? i kontrowa? argumenty przeciwnika.
Obecnie koncentrujemy si? na tworzeniu narz?dzi biznesowych, które nie s? bezpo?rednio skierowane do ko?cowych u?ytkowników, takich jak ChatGPT. Nasza platforma sztucznej inteligencji Watsonx umo?liwia du?ym firmom rozwijanie w?asnych rozwi?za? AI. IBM pe?ni rol? zarówno konsumenta, jak i dostawcy technologii AI, co jest widoczne w naszych wewn?trznych systemach obs?ugi klienta i sprzeda?y, gdzie AI odgrywa kluczow? rol?.
Marcin Gajdzi?ski, IBM: Chocia? powszechne zainteresowanie sztuczn? inteligencj? wywo?ane dzia?aniami wokó? ChatGPT i OpenAI zacz??o narasta? po 2022 roku, nasze do?wiadczenia si?gaj? dalej. Z naszego bogatego do?wiadczenia i silnej pozycji rynkowej wynika nasze zaanga?owanie w dostarczanie rozwi?za? biznesowych, szczególnie dla przedsi?biorstw klasy „enterprise” i sektora publicznego. Oferujemy szeroki zestaw narz?dzi, które s? dostosowywane z uwzgl?dnieniem regulacji i rygorów, którym musz? sprosta? nasi klienci. Nasza oferta ró?ni si? od popularnych rozwi?za? generatywnej AI, koncentruj?c si? na szczególnych potrzebach naszych klientów.
Bartosz Martyka, Brandsit: Jakie s? zatem kluczowe zastosowania sztucznej inteligencji w biznesie wed?ug IBM?
Marcin Gajdzi?ski, IBM: Sztuczna inteligencja oferuje szeroki wachlarz mo?liwo?ci, a g?ównym ograniczeniem w jej zastosowaniach s? wyobra?nia oraz lokalne regulacje prawne dotycz?ce technologii AI, szczególnie w specyficznych sektorach, takich jak bankowo?? i ubezpieczenia, ale nie tylko. Przejd?my jednak do konkretnych przyk?adów, wynikaj?cych z globalnego zainteresowania AI generatywn?. Do takich nale?? chatboty, audio boty ulepszaj?ce komunikacj?, systemy do obs?ugi du?ej ilo?ci dokumentów, indeksowania oraz przeszukiwania pod k?tem tworzenia podsumowa?, streszcze? czy zaawansowanej analizy tre?ci du?ych zbiorów danych.
Mniej oczywiste zastosowania obejmuj? prace z du?ymi modelami j?zykowymi, takimi jak analiza danych geograficznych, pogodowych, trendów rynkowych oraz zdarze? w cyberbezpiecze?stwie, a tak?e zaawansowane modele do analizy moleku? i zwi?zków chemicznych.
Ceni? sobie równie? liczne pomys?y p?yn?ce od przedsi?biorców oraz polskich uczelni. Interesuj?ce jest, ?e wiele z tych innowacji generowanych jest przez dziedziny takie jak ?rodowisko, biologia czy chemia, a nie tylko przez tradycyjnie zwi?zane z AI dyscypliny, jak informatyka czy fizyka. W IBM wspó?pracujemy z ka?dym wydzia?em i uczelni? na zasadach indywidualnych.
W naszej codziennej dzia?alno?ci stosujemy liczne modele AI. Jako globalna organizacja, eksperymentujemy z ró?norodnymi modelami, na przyk?ad u?ywaj?c inteligentnego interfejsu do komunikacji z systemami HR. To rozwi?zanie umo?liwia prowadzenie rozmów w naturalnym j?zyku i automatyzacj? procesów biznesowych.
Nasze eksperymenty zawsze maj? na celu zwi?kszenie efektywno?ci pracy, a nie jej eliminacj?. Jest to równie? istotny aspekt naszej dalszej dyskusji, dotycz?cy spo?ecznych wymiarów AI.
Artur Wro?ski, IBM: Chcia?bym rozszerzy? wypowied? Marcina o kilka przyk?adów zastosowa?, które dotycz? g?ównie przetwarzania du?ej ilo?ci dokumentów. Na przyk?ad, nasz klient, ABP Patent Network, specjalizuje si? w zarz?dzaniu dokumentacj? patentow?. Nasze rozwi?zanie, IBM watsonx, zainstalowane lokalnie, znacz?co poprawia produktywno??. Przetwarzanie olbrzymiej liczby dokumentów jest dla cz?owieka zadaniem ?mudnym, szczególnie gdy chodzi o ekstrakcj? danych. Ponadto, nasze rozwi?zanie umo?liwia wykonanie zada?, które wcze?niej by?y niemo?liwe z powodu z?o?ono?ci procesów.
Naszym wyró?nikiem jest mo?liwo?? budowy ca?ego ?rodowiska w lokalnej serwerowni, co zwi?ksza bezpiecze?stwo. Dla klienta kluczowe jest zapewnienie poufno?ci przetwarzanych danych oraz dost?pu do wniosków. Jest to przyk?ad charakterystyczny, ale przetwarzanie tekstu stanowi podstaw?. Istotne jest, jak i w jakim zakresie mo?na to zrobi?.
Marcin zwróci? uwag?, ?e generatywna sztuczna inteligencja otwiera ogromne mo?liwo?ci, które my staramy si? wykorzystywa?. Jako producent szerokiej gamy modeli j?zykowych i specjalistycznych w ró?nych dziedzinach, przyk?adowo wspó?pracujemy z NASA nad modelem geoprzestrzennym, który s?u?y do analizy terenów i oceny wp?ywu katastrof naturalnych na ich degradacj?. Nasze prace wspieraj? tak?e badania nad potencjalnym ryzykiem przy budowie infrastruktury.
Dodatkowo rozwijamy inne modele, takie jak IBM/ MoLFormer-XL, u?atwiaj?cy zrozumienie struktury cz?steczek, co mo?e pomóc w przewidywaniu ich wp?ywu na projektowanie reakcji na leki czy w?a?ciwo?ci produktów farmaceutycznych.
Podsumowuj?c, ró?norodno?? modeli jest kluczowa. Dlatego nie tylko sami tworzymy modele, ale tak?e otwieramy si? na wspó?prac? zewn?trzn?, oferuj?c platformy do ich integracji. Chodzi tu g?ównie o repozytorium Hugging Face, które mo?e by? wykorzystane przez klientów. Jednak warto podkre?li?, ?e modele tworzone przez zewn?trzne spo?eczno?ci wymagaj? narz?dzi kontroli ich zachowania, co jest dla nas priorytetem w zapewnianiu bezpiecze?stwa.
Bartosz Martyka, Brandsit: Zastanawiam si? nad przysz?o?ci? dost?pno?ci sztucznej inteligencji. Wiemy, ?e du?e korporacje i instytucje publiczne maj? dost?p do specjalistów, którzy mog? dostosowa? AI do swoich potrzeb. Tymczasem mniejsze firmy, które równie? chcia?yby korzysta? z AI, mierz? si? z ograniczeniami zasobów. Jak mog? one nawi?za? wspó?prac? z IBM, aby zacz?? korzysta? z AI?
Artur Wro?ski, IBM: Je?li przyjrze? si? generatywnej sztucznej inteligencji, jej g?ówn? zalet? jest ?atwa dost?pno??. Jako u?ytkownik, mog? dzi? korzysta? z chatbota i mie? dost?p do skoncentrowanej wiedzy, bez konieczno?ci posiadania specjalistycznych kompetencji. To samo dotyczy modeli bazowych. Oznacza to, ?e mniejsze firmy mog? korzysta? z gotowych modeli, które inni ju? stworzyli. Tworzenie w?asnych modeli jest czasoch?onne i kosztowne, natomiast korzystanie z gotowych modeli jest znacznie ta?sze. Je?eli mniejsze firmy mog? skorzysta? z tych modeli, na przyk?ad w chmurze, kiedy priorytetem jest szybkie uruchomienie z minimalnymi kosztami inicjalnymi, to staje si? to dla nich atrakcyjne rozwi?zanie. To jest w?a?nie filozofia i idea stoj?ca za modelami bazowymi, która jest szczególnie dedykowana mniejszym firmom, które nie chc? tworzy? modeli od zera.
Marcin Gajdzi?ski, IBM: Chcia?bym zacz?? od aspektu wsparcia, który jest szczególnie istotny. Dost?pno?? modeli AI oraz ich ?atwo?? u?ycia s? bardzo atrakcyjne i przyci?gaj? uwag?. Z naszej perspektywy, wszystkie firmy — niezale?nie od tego, czy s? to ma?e, ?rednie czy du?e przedsi?biorstwa — podlegaj? tym samym regulacjom i zasadom. Dlatego podchodzimy z jednakow? uwag? do ka?dego klienta, bez wzgl?du na skal? czy wielko?? jego operacji. Wsparcie jest krytyczne, poniewa? samo pobranie modelu to dopiero pierwszy krok. Uruchomienie, wdro?enie i nadzór modelu w ramach organizacji, a tak?e okre?lenie zakresu danych, to zadania bardziej skomplikowane, zw?aszcza je?li chcemy dzia?a? etycznie i zgodnie z regulacjami. IBM jest prawdopodobnie jedyn? firm?, która równie? w Polsce, oferuje wsparcie na trzech ró?nych poziomach.
Zainwestowali?my ogromne zasoby ludzkie w nasze us?ugi, w tym w krakowskim Labie IBM, który jest jednym z nielicznych o?rodków w Polsce zajmuj?cych si? rozwojem produktów AI. Nasz zespó? jest du?y i ci?gle go wzmacniamy, oferuj?c zaawansowane wsparcie techniczne i laboratoryjne. Na poziomie krajowym mamy zespo?y znane jako Client Engineering. To zespó? techniczny, który anga?ujemy do wsparcia i nadzoru nad projektami AI, niezale?nie od wielko?ci przedsi?wzi?cia klienta. Dysponujemy równie? bogatym zestawem autoryzowanych firm partnerskich, które oferuj? swoje rozwi?zania, zw?aszcza dla przedsi?biorstw z okre?lonych sektorów. Te firmy maj? przygotowane ‘starter packi’, które obejmuj? wybrane modele i niezb?dn? infrastruktur? software’ow?, aby umo?liwi? pe?ne wdro?enie modelu w procesy biznesowe charakterystyczne dla danego sektora. Ta szeroka sie? partnerska stanowi nasz? trzeci? lini? wsparcia, któr? intensywnie wzmacniamy.
Bartosz Martyka, Brandsit: Jakie sektory gospodarki osi?gn? najwi?ksze wzrosty dzi?ki sztucznej inteligencji? Chocia? mówi si?, ?e AI jest narz?dziem uniwersalnym, interesuje mnie, które sektory maj? najwi?kszy potencja? do szybkiego rozwoju dzi?ki tej technologii.
Artur Wro?ski, IBM: To pytanie jest do?? z?o?one, poniewa? tempo rozwoju zale?y od stopnia zaawansowania firm w wykorzystaniu AI. S? firmy, dla których AI jest kluczowym elementem strategii, decyduj?cym o ich sukcesie lub pora?ce. Dla nich stanowi fundament konkurencyjnego rozwoju. Istniej? tak?e organizacje, które dopiero rozpoczynaj? eksplorowanie mo?liwo?ci AI, szukaj?c odpowiednich rozwi?za? i czerpi?c inspiracj? z dzia?a? innych. Warto ró?nicowa? mi?dzy organizacjami sektora regulowanego a nieregulowanego. W sektorze nieregulowanym AI ju? mocno si? zakorzeni?a, a dyskusje skupiaj? si? na tym, jakie jeszcze korzy?ci mog? przynie?? algorytmy uczenia maszynowego. Natomiast w sektorach regulowanych, takich jak finanse czy administracja publiczna, widz? du?y potencja? do rozwoju. Oczywi?cie, musz? by? spe?nione okre?lone warunki, takie jak zapewnienie bezpiecze?stwa i budowanie zaufania do systemów AI. Wyzwaniem jest to, ?e AI zast?puje zadania wykonywane dotychczas przez ludzi, do których mamy zaufanie, poniewa? mo?emy ich kszta?ci? i wp?ywa? na nich poprzez systemy warto?ci. Proces budowania zaufania do AI jest bardziej wymagaj?cy, poniewa? musimy zwraca? uwag? nie tylko na algorytmy, ale i na dane, które s? wykorzystywane. To kluczowy element budowania zaufania do technologii. Istotne jest tak?e, aby rozwój AI odbywa? si? zgodnie z zewn?trznymi normami prawnymi, takimi jak Europejski Akt o AI, co stanowi pewne ograniczenie, ale jednocze?nie normuje rozwój AI.
Bartosz Martyka, Brandsit: Co Panowie s?dz? o tym, ?e wykorzystanie sztucznej inteligencji do operacji na danych jest powszechnie akceptowane, ale gdy przekracza ona granice twórczo?ci, pojawiaj? si? obawy o to, ?e wymyka si? ona spod kontroli?
Artur Wro?ski, IBM: Okre?lenie “wymyka si? spod kontroli” mo?e by? trudne do zdefiniowania. W kontek?cie uczenia maszynowego i sztucznej inteligencji rozumiemy, ?e te technologie dzia?aj? autonomicznie, bazuj?c na istniej?cych wzorcach danych. Nawet gdy generuj? nowe tre?ci, s? ograniczone przez te wzorce. Zatem kluczowe jest pytanie o zakres wykorzystania tych technologii. Na przyk?ad, w bezpiecznych zastosowaniach, takich jak podsumowywanie tekstu czy analiza dokumentów prawnych, ryzyko jest minimalne. Jednak w obszarach, gdzie wyniki ich dzia?ania mog? by? ryzykowne, potrzebna jest zwi?kszona ostro?no?? i lepsze stosowanie narz?dzi kontrolnych. Jest to wi?c kwestia specyficznego przypadku u?ycia, a nie samej natury sztucznej inteligencji.
Marcin Gajdzi?ski, IBM: W kontek?cie biznesowym, zarówno w sektorze przedsi?biorstw, jak i publicznym, kreacjonizm w AI, o którym Pan wspomnia?, mo?e by? ryzykowny. Wprowadza to niepewno?? i pytania dotycz?ce wyja?nialno?ci proponowanych rozwi?za? przez AI. Jako dostawcy i partnerzy naszych klientów, mamy obowi?zek zapewni?, by tworzenie rozwi?za? by?o ograniczone regu?ami biznesu, oparte na solidnych danych, zawsze przejrzyste, wolne od stronniczo?ci i b??dów.
Nie powinni?my dopuszcza? do sytuacji, w której AI kierowa?oby biznesem w niebezpiecznym kierunku, bez wzgl?du na jego wielko??. Pomijaj?c nawet kwestie regulacyjne, które zobowi?zuj? niektóre podmioty do przestrzegania okre?lonych zasad, wa?ne jest, aby?my nie stworzyli sobie problemów przez nadmierne korzystanie z tych technologii. Mamy cywilizacyjn? szans?, któr? mo?emy skutecznie wykorzysta? dzi?ki odpowiednim ludziom, odpowiedzialnym partnerom i narz?dziom.
To jest kluczowe, i odnosz?c si? do Pa?skiego poprzedniego pytania o zwrot z inwestycji i wdra?anie tych rozwi?za? AI w ró?nych bran?ach, pocz?tkowo mo?na spodziewa? si?, ?e u wi?kszo?ci klientów AI przyniesie efekt jako?ciowy, taki jak poprawa komunikacji z klientami przez lepsze dostosowanie oferty i zarz?dzanie du?ymi ilo?ciami informacji.
Taki efekt jako?ciowy to pierwszy rezultat, którego mo?na si? spodziewa?. Równolegle, optymalizacja kosztowa b?dzie przyspiesza? adopcj? tych rozwi?za? w biznesie, co w niektórych przypadkach oznacza mo?liwo?? wykonywania czynno?ci, które by?yby niemo?liwe z powodu braku zasobów. AI mo?e zast?pi? brakuj?ce kadry, co oznacza lepsz? obs?ug?, rozwi?zanie pewnych problemów i obni?k? kosztów. Ostatecznie, te dzia?ania kosztowe umo?liwiaj? optymalizacj? wydatków na nowe zakupy w ró?nych dziedzinach, co u?atwia precyzyjne okre?lenie struktury kosztów projektu, co z kolei pomaga w podejmowaniu decyzji o inwestycjach i kosztach.
Bartosz Martyka, Brandsit: Jestem bardzo ciekaw, jak Panowie, z perspektywy swoich do?wiadcze?, oceniaj? kwesti? otwarto?ci biznesu na sztuczn? inteligencj??
Marcin Gajdzi?ski, IBM: Obecnie sztuczna inteligencja jest ch?tnie wykorzystywana jako narz?dzie do autopromocji. Sta?o si? popularne i modne w??czanie elementów AI do strategii firm, co jest pewnego rodzaju dzia?aniem marketingowym. Mamy w Polsce bogate do?wiadczenia zwi?zane z implementacj? AI w biznesie, co jest optymistycznym sygna?em. Bardzo cieszy mnie równie? powa?ne zainteresowanie polskiego rz?du regulacj? kwestii AI i tworzeniem narodowej strategii, gdzie s?owo “narodowe” ma wy??cznie pozytywne konotacje.
W polskim sektorze publicznym i biznesowym obserwujemy intensywne zaanga?owanie w projekty zwi?zane z AI. Pomimo, ?e kulturowa ostro?no?? moderuje nasze podej?cie i nie obserwujemy du?ego zachwytu, charakterystycznego np. dla stylu ameryka?skiego, podchodzimy do tematu ostro?nie, ale systematycznie.
Nasza strategia korporacyjna idealnie wpisuje si? w ten trend. Prowadzimy prace nad prototypami i przygotowujemy POC (Proof of Concept), anga?uj?c si? wspólnie z klientami w tworzenie modeli, które s?u?? do podejmowania decyzji. Chc? podkre?li?, ?e polskie ministerstwa podchodz? bardzo powa?nie do wykorzystania AI. Mamy ambitne plany dotycz?ce strategii AI w Polsce, które zamierzamy realizowa? poprzez tzw. Sovereign AI, czyli Narodow? Platform? AI do lokalnych zastosowa?.
Artur Wro?ski, IBM: W tym zakresie chodzi o otwarto?? klientów na AI. Z uwagi na to, ?e wi?kszo?? firm chce wdra?a? AI, kwesti? wart? rozwa?enia nie jest „czy wdra?a?”, ale istotnymi zagadnieniami s? skala, tempo i zakres, oraz jak przewidzie? rozwój sytuacji, w której si? znajdujemy. Dlaczego? Poniewa? nasi klienci zawsze pytaj? nie tylko o to, co mo?na osi?gn??, ale tak?e o to, jak to zrealizowa?, by uzyska? zamierzony efekt.
Przyk?adowo, ka?dy mo?e przejrze? dokument, który ma 15 stron, ale kiedy mamy do czynienia z dokumentem na 1000 stron, porównywanie informacji z wielu ?róde? przerasta mo?liwo?ci jednej osoby. Nie chodzi tylko o ilo?? pracy, ale tak?e o jako?? i utrzymanie za?o?onego standardu. ?atwo sobie wyobrazi?, ?e publiczna instytucja, przetwarzaj?c wnioski o dotacje, chcia?aby robi? to transparentnie i zgodnie z okre?lonymi zasadami. Ka?dy pracownik wykonuje prac? troch? inaczej, dlatego warto mie? ustalone standardy.
AI mo?e wprowadzi? taki standard, czyni?c proces bardziej transparentnym i przewidywalnym. Oczywi?cie nie zast?puje decyzji, ale przynajmniej wzbogaca prac? osoby tak, aby nic nie zosta?o pomini?te w procesie. Powtarzalne czynno?ci, które zu?ywaj? nasz? energi? intelektualn?, powinny by? wykonane szybko i ?atwo, a ostateczna decyzja powinna pozosta? w r?kach cz?owieka.
Bartosz Martyka, Brandsit: Jak wygl?da podej?cie IBM do edukacji rynku? Czy jest to dla Was wyzwanie, czy mo?e wynika to z procesu sprzeda?y?
Artur Wro?ski, IBM: Poj?cie “rynek” jest szerokie, poniewa? mamy do czynienia z klientami na ró?nym poziomie zaawansowania w rozumieniu i wykorzystaniu AI w procesach biznesowych. Niektórzy z nich s? gotowi na inwestycje, inni jeszcze nie. Dla wszystkich organizujemy warsztaty, a dla klientów z dobrze okre?lonymi potrzebami nasz zespó? Client Engineering prototypuje rozwi?zania. Pokazujemy klientom, jakie technologie mog? wykorzysta? i jak je zaimplementowa?. Takie dzia?ania prowadz? do stworzenia prototypu rozwi?zania, który realizuje konkretne funkcje. Oczywi?cie, nie ka?dy projekt od razu przekszta?ca si? w komercyjne przedsi?wzi?cie, ale cz?sto jest to wspólne zaanga?owanie, które kreuje form? rozwoju i przysz?o?? firmy.
Marcin Gajdzi?ski, IBM: Zajmujemy si? prowadzeniem edukacji, realizuj?c j? na poziomie akademickim, co jest kluczowym elementem naszej dzia?alno?ci. Wspó?pracujemy blisko z kilkunastoma o?rodkami akademickimi w ró?nych miastach, takimi jak Gliwice, Kielce, Warszawa, Lublin, Gda?sk, Olsztyn, a tak?e w Poznaniu, aby nie pomin?? regionu zachodniego. Nasza dzia?alno?? edukacyjna obejmuje tworzenie partnerskich centrów kompetencyjnych w poszczególnych o?rodkach, co jest zdecydowanie dzia?alno?ci? dydaktyczn?. Jednocze?nie, wspólnie z tymi o?rodkami, prowadzimy projekty badawcze i projektowe, w których rozwijane s? nowe modele i zastosowania.
W ramach wspó?pracy z o?rodkami akademickimi, doktoranci i studenci starszych roczników tworz? specjalistyczne grupy skupiaj?ce si? na rozwoju konkretnych projektów deweloperskich. Drugi aspekt, o którym wspomnia? Artur, to edukacja oparta na projektach.
W tej formie mamy do czynienia z konkretnymi zapytaniami i projektami od naszych klientów lub partnerów. Edukacja ta jest zintegrowana z logik? realizacji tych przedsi?wzi??.
Ponadto, prowadzimy szereg dzia?a? ogólnorynkowych i konferencji, które s? du?ymi przedsi?wzi?ciami edukacyjnymi. Maj? one na celu nie tylko prezentacj? przypadków u?ycia i organizacj? warsztatów praktycznych dla startupów oraz firm ró?nej wielko?ci, ale równie? s?u?? jako forum do wymiany informacji o korzy?ciach z implementacji ró?nych rozwi?za?. W sumie wykorzystujemy trzy g?ówne kierunki edukacyjne w naszej dzia?alno?ci.
Bartosz Martyka, Brandsit: Pytam o kwesti? edukacji w kontek?cie wdra?ania sztucznej inteligencji w firmach, bo zastanawiam si?, czy istniej? specjalne procedury, którym musz? podporz?dkowa? si? przedsi?biorstwa, aby rozpocz?? my?lenie o implementacji AI, czy procedury te wynikaj? ze specyfiki danej firmy?
Artur Wro?ski, IBM: Przede wszystkim, implementacja AI wynika z istniej?cej potrzeby. Na wst?pie warto zaznaczy?, ?e AI to tylko narz?dzie. Istniej? ró?ne metody dostosowywania AI do potrzeb firmy. Tradycyjne programowanie nadal jest aktualne i wi?kszo?? systemów jest na nim oparta. Skupiamy si? na tym, czy przypadki u?ycia AI wykraczaj? poza tradycyjne metody programowania. Zastanawiamy si?, czy dzi?ki AI mo?emy co? zrobi? lepiej, szybciej, dok?adniej oraz czy mo?emy wygenerowa? now? warto??, która wcze?niej by?a niemo?liwa do osi?gni?cia. AI pozwala na tworzenie rozwi?za? opartych na wzorcach wyst?puj?cych w danych. Proces ten jest automatyczny – uczymy system na podstawie danych, a nie poprzez tradycyjne programowanie.
Marcin Gajdzi?ski, IBM: Kluczowe jest zdefiniowanie oczekiwanej zmiany, czyli tego, co chcemy osi?gn??. To pytanie jest fundamentalne niezale?nie od skali i wielko?ci przedsi?biorstwa. Chodzi o okre?lenie celów, takich jak poprawa funkcjonowania firmy, pozyskanie nowych klientów, podniesienie poziomu zadowolenia klientów, czy redukcja kosztów w okre?lonym procesie. Ta definicja jest krytyczna, zw?aszcza ?e rozwój generatywnej sztucznej inteligencji nie wyklucza klasycznych rozwi?za? AI – oba te elementy wzajemnie si? uzupe?niaj?.
Punktem startowym jest jasne okre?lenie celów i oczekiwanych korzy?ci. Nast?pnie, w kontaktach z nami czy naszymi partnerami, prowadzimy klienta przez ca?y proces wdra?ania, nie tylko po to, by zrealizowa? kolejne wdro?enie AI, ale przede wszystkim, aby osi?gn?? konkretny efekt biznesowy, co jest naszym kluczowym wska?nikiem efektywno?ci.
W kontek?cie instytucji publicznych oraz du?ych przedsi?biorstw cz?sto kluczowy jest odpowiedni dobór modelu AI. Proces ten bywa skomplikowany i wymaga precyzji. Decyzja o wyborze modelu nie jest prosta, zw?aszcza ?e dost?pnych modeli jest ju? bardzo du?o. Trzeba zatem umiej?tnie wybra? najbardziej optymalny model, który zapewni po??dane efekty przy jednoczesnym zachowaniu kontroli nad kosztami, co równie? jest wa?nym parametrem.
Bartosz Martyka, Brandsit: Chcia?bym powróci? do tematu Krakowskiego Labu. Zastanawiam si?, jak du?y jest udzia? polskiego oddzia?u w globalnych procesach kreowanych przez IBM?
Marcin Gajdzi?ski, IBM: Jest to dla nas powód do dumy, ?e polski oddzia? jest integraln? cz??ci? mi?dzynarodowej struktury IBM, zajmuj?cej si? badaniami. Nasz wieloosobowy i dynamicznie rozwijaj?cy si? zespó? AI to kluczowy element tej struktury.
Jeste?my bardzo dumni z zaanga?owania naszego laboratorium w Krakowie w liczne operacje, w tym przygotowanie polskich modeli j?zykowych. Bierze ono równie? udzia? w projektach akademickich maj?cych na celu tworzenie dedykowanych rozwi?za?, które adresuj? konkretne wyzwania, cz?sto ?rodowiskowe, gdzie AI pomaga monitorowa? ró?ne zjawiska.
Równocze?nie oprócz rozwijania produktów, prowadzimy prace nad tworzeniem i rozwijaniem polskich case’ów oraz lokalizacj? naszych modeli.
Jednym z przyk?adów wa?nych inicjatyw, które planujemy realizowa?, jest AI factory. To koncepcja, w ramach której IBM Research nawi?zuje ?cis?? wspó?prac? g?ównie z o?rodkami akademickimi oraz du?ymi firmami programistycznymi specjalizuj?cymi si? w tworzeniu aplikacji i narz?dzi AI. Jest to forma rozszerzonego laboratorium, gdzie badania przenikaj? do projektów klientów czy uniwersyteckich.
Bartosz Martyka, Brandsit: Bardzo dzi?kuj? za rozmow?.
