Az AI megoldások egyre nagyobb teret nyernek az ügyfelekkel való közvetlen interakciókban

A mesterséges intelligencia (AI) kifejezéssel egyre többször találkozunk napjainkban, egyre inkább bekerül az aktív szókincsünkbe. Mit is értünk azonban AI alatt? Mit jelent pontosan? Mire használjuk? Valódi térnyerésről van szó vagy egy újabb „hangzatos” terminusról? A témában induló blogunk első bejegyzésének célja, hogy magas szinten betekintést nyújtson a mesterséges intelligencia fogalmába, működésébe és valós használati területeibe. A blogsorozatunk további részeiben mélyebben, illetve más szempontokból fogjuk vizsgálni a mesterséges intelligencia fogalmát, felhasználási területeit, lehetőségeit és kockázatait.

Az első AI megoldások az 1950-es években jelentek meg, elmélete az egyik legrégebbi informatikai terület, amelynek változatos alkalmazási területei voltak az évtizedek során[1]. Ebből kifolyólag az AI definíciója nem egyszerű feladat, mivel az alkalmazási célok folyamatosan változnak. Marvyn Minsky, az AI egyik első úttörője így fogalmazott:

“Az AI olyan dolgok tudománya a számítástechnikában, amelyek intelligenciát igényelnének, ha emberek végeznék őket… Ugyanakkor nem érzem hasznosnak az ‘intelligencia’ vagy ‘intelligens viselkedés’ abszolút meghatározását. Céljaink az ‘okos gépek’ tervezésében folyamatosan változnak az egyre növekvő erőforrásainkhoz képest ezen a területen. Mindig volt valamilyen célunk, vágyunk egy gondolkodó gépre, de mi is az a gondolkodás? Valóban gondolkodás, vagy csak egy feladat végrehajtása? Ahogy kitaláltuk, hogyan kell ezt a dolgot csinálni, általában az a válasz, hogy ‘ez csak egy számítás, ez csak egy képlet végrehajtása, de a gép nem gondolkodik”[2].

A fent említett folyamat az AI hatása: Egy olyan jelenség, amikor a korábban mesterséges intelligenciának számító technológiát a felhasználói már nem tekintenek AI-nek, mivel már nem tekintették ‘valós’ intelligenciának az adott technológiát. „Valós” intelligencia alatt az olyan feladatokat értik, amelyek addig kizárólag emberi intelligenciával tűntek elvégezhetőnek. Éppen ezt a hatást kikerülendő mi azt a definíciót tekintjük mérvadónak, ahol a mesterséges intelligencia az a képesség, amivel egy számítógépes rendszer képes utánozni emberi kognitív képességéket, legyenek azok egyszerűek, vagy akár kimondottan komplexek is.

A mesterséges intelligencián belüli legnagyobb halmaz, a gépi tanulás (machine learning) fogalma azonban már kézzel foghatóbb. A gépi tanulás az a folyamat, ahol egy számítógépes rendszer matematikai modellek segítségével megtanulja elvégezni a feladatának szánt problémát, így “megtanulva” azt a kognitív funkciót. Ide sorolhatóak többek között a vizuális felismerő programok, a nyelvfeldolgozás, anomália-felismerés, de ennek tekinthetők már az egyszerűbb leíró és prediktív modellek is. Azonban milyen formulát lehet írni arra vonatkozóan, hogy felismerje a gép a betűket vagy megállapítsa egy pénzügyi adatról, hogy milyen jelentéssel bír? A válasz az, hogy nem szükséges egzakt módon – egy algoritmussal – definiálnunk, ahogyan azt a „hagyományos” programozásban tesszük. A gépi tanulás során példákkal – deduktív módon – illusztráljuk a gép számára a helyes megoldásokat, ezért a gépi tanulás egy újfajta kommunikációs módot nyit meg az ember és gép között. A gép a példákat és matematikai-statisztikai modelleket felhasználva magának definiálja az algoritmust, amivel képes lesz kategorizálni, feldolgozni a betöltött képeket, szöveget vagy pénzügyi adatokat.[3]

A mesterséges intelligencia jelenlegi határai

Fontos ugyanakkor megjegyeznünk, hogy a mesterséges intelligencia képessége még messze nem jár ott, hogy az ember minden egyes kognitív képességét egyszerre lemásolja, és a gépek egyenértékűvé váljanak egy humán erőforrással. Két fő limitációját emelnénk ki valamennyi AI megoldásnak:

  • A kognitív képességek egy részében túl tudják szárnyalni az emberi agyat (pl. matematikai műveletek, adatfeldolgozás), de számos olyan képesség van, ahol közelében sincsenek képességeinknek (pl. érzelmeken, illetve érzelmi intelligencián alapuló vagy kreatív gondolkodásból fakadó ötletek, döntéshozatal etikai kérdésekben, saját célok). A legtöbb megoldás – hasonlóan más szoftverekhez – egy-egy adott problémára, területre alkalmazható, nem tud egy modell minden területen egyszerre helyt állni ahogyan mi emberek tesszük. Általános mesterséges intelligencia létrehozására hosszú ideje vannak törekvések, azonban valamennyi csak kutatási fázisban van.
  • Fontos továbbá szem előtt tartani, hogy valamennyi AI megoldás valószínűségeken alapul. A repetitív feladatokat nagyon magas valószínűséggel tudják hatékonyan megoldani, azonban a feladat összetettségével csökken az eredmények pontossága.

Mindezt szükséges tudatosítani a felhasználókban is, mivel ennek következménye, hogy a gépek által adott válaszokat feltételekkel kell kezelni, illetve a kéréseket is úgy megfogalmazni, mely az adott modell számára könnyen értelmezhető.

Hogyan válasszunk technológiát?

A mesterséges intelligencia ennélfogva egy régóta létező fogalom, amelynek mára számos felhasználási területe van. Generatív AI jelenleg a legfelkapottabb a mesterséges intelligencia területén, a legtöbb mesterséges intelligenciával kapcsolatos tartalom erre összpontosít. Vállalati szinten számos megjelenési formája van, mivel a legtöbb szervezeti egység munkáját képes támogatni. A generatív AI a legújabb típusa az AI technológiának, azonban mindez nem azt jelenti, hogy valamennyi felhasználási területre mostantól a generatív AI technológia lenne a megoldás. Így felmerül a kérdés, hogy mi alapján tudunk az adott problémára megtalálni az optimális megoldást.

Példának vegyük a dokumentumfeldolgozás esetét, mely során különböző struktúrájú fájlokból ugyanazon információkat (egyedi azonosító, üzleti partner stb.) kívánjuk kinyerni. Számos „tradícionális”, természetes nyelvfeldolgozáson (NLP) és képfelismerésen alapuló megoldás született célszerűen dokumentumfeldolgozásra. Habár a legújabb generatív AI megoldások magukban foglalják a természetes nyelvfeldolgozást és a képfelismerést, a tradícionális megoldások önmagukban hatékonyabb megoldással szolgálhatnak információk kinyerésére:

  • A GenAI modellek szélesebb körű feladatokra tervezettek, így működésünk lassabb és költségesebb dokumentumfeldolgozás esetén, mint egy tradícionális dokumentumfeldolgozó.
  • A tradícionális dokumentumfeldolgozó megoldások mintákon alapuló feltanítása jelentősen könnyebb és rövidebb, mint generatív AI modellek optimalizálása az adott feladatra.
  • A GenAI modellek jellemzője a hiányzó adatok „kitalálása”, az ún. hallucináció jelensége. A dokumentumfeldolgozó megoldások modelljeinél – működési elvük miatt – nincs hallucinációs jelenség.

Árnyaltabb az optimális megoldás megtalálása az anomália-felismerés esetében. Az anomália-felismerés kiugró adatok, mintázatok és tendenciák azonosítása historikus adatokban, amelyek emberi szemmel vagy „hagyományos programozással” nem feltétlenül megvalósíthatóak. Anomália-felismerésre matematikai-statisztikai módszerek, gépi tanulási megoldások, de már a legújabb GPT modell is képes. Ilyen esetekben több modell kipróbálása vezet eredményre és a különböző megoldások eredményeinek összevetése alapján kerül meghatározásra, hogy melyek a legvalószínűbb anomáliák az adathalmazban.

A generatív modellek – ahogy az elnevezés is sugallja – alapvetően tartalomgenerálásra a legmegfelelőbb megoldások. A legjobb technológia megtalálásához hüvelykujjszabálynak tekinthető, hogy a lehető legegyszerűbb működő megoldást szükséges használni egy problémára. Ez kéz a kézben jár a másik axiómával, miszerint minél probléma-specifikusabban egy modell, annál hatékonyabban tudja megoldani az adott problémát. Ha a probléma összetett, érdemes azt szétbontani és specifikus megoldásokat keresni az egyes részeire vagy az egészre több különböző típusú modellt futtatni.

Ennélfogva vállalati szinten célszerű úgy bevezetni egy AI-alapú megoldást, hogy először egy kisebb területre kerül bevezetésre egy már kiforrott technológia. Ha ez bevált, akkor érdemes beépíteni még jobban a belső működésbe, valamint a vállalat által nyújtott termékek/szolgáltatások körébe, amelyek már az ügyfelek számára is érezhető és kedvező kimenetelekhez vezetnek. A bevezetéshez azonban számos szempontot figyelembe kell venni, például megfelelő adatok használata, a szükséges szabályzatok, szervezeti egységek kialakítása/átalakítása, biztonsági háttér kialakítása, stb. Ezekre részletesebben egy külön blogbejegyzésben fogunk kitérni majd a jövőben.

AI trendek

A globális szintű előrejelzések szerint 2024/2025-re az AI megoldások egyre nagyobb teret nyernek majd az ügyfelekkel/vásárlókkal való közvetlen interakciókban, 2025 után pedig még nagyobb térhódítás fog bekövetkezni: a Világgazdasági Fórum becslése szerint az AI világpiaci mérete a kiskereskedelemben 2028-ra 31,8 milliárd USD lesz[4]. Egy másik elemzés szerint az AI megoldásokkal kapcsolatos beruházások 2023-ban elérik az 500 milliárd USD-t, az AI becsült hozzájárulása a világgazdasághoz 2030-ban pedig 15,7 billió USD lesz.[5]

Az elmúlt egy-két év trendjei, valamint a ChatGPT megjelenése a generatív AI megoldások szervezeten belüli felhasználására, bevezetésére fókuszáltak. A KPMG 2023. évi Global Tech Report-ja alapján a megkérdezett technológiai szakemberek 57%-a szerint a mesterséges intelligencia/gépi tanulás az első helyen áll a technológiák közül a vállalatok rövid távú (három éves) ambícióinak támogatásában. A válaszadó vállalatok 55%-a viszont kiemelte, hogy azért késlekednek AI megoldások bevezetésével, mert kétségeik vannak a mesterséges intelligenciával kapcsolatos biztonsági és etikai kérdések felől. Hozzáteszik, hogy a biztonságos és etikus használathoz új belső szabályzatok, folyamatok és gyakorlatok kialakítására lesz szükség vállalati szinten.[6]

A KPMG CEO Outlook 2023 eredményei azt mutatják, hogy a vezérigazgatók is hisznek a digitalizáció erejében és nagymértékben fektetnek be például a generatív mesterséges intelligenciába, mert versenyelőnyt remélnek tőle. Tízből 7 vállalatvezető középtávú befektetéseinek élén a generatív mesterséges intelligencia áll, és minden második vezető (52%) három-öt éven belül már a befektetéseik megtérülésére is számít. Bár a vezérigazgatók hajlandóak beruházni az új technológiába, a legtöbben (57%) az etikai kihívásokat hozzák fel visszatartó erőként. Az aggodalmak közt a rangsorban 55%-kal második a megvalósítás költsége, míg a vezetők fele említi a szabályozási és a technikai képességek hiányát.  Tízből kilenc (87%) vállalatvezető ugyanakkor tart attól, hogy az AI előretörése magával hoz új, kifinomultabb kibertámadási technikákat is.[7]

Összességében elmondható, hogy az AI megoldások térnyerése tovább fog folytatódni a következő években, a kapcsolódó megoldások egyre elterjedtebbé fognak válni a mindennapi életben és vállalati szinten egyaránt. Ehhez azonban szükség lesz megfelelő mértékű és kiterjedésű előkészületre, felkészülésre, különösen vállalati szinten.

A KPMG Magyarország AI szolgáltatásai

A KPMG tanácsadói csapatai, a technológiai trendekkel lépést tartva, az alábbi AI megoldásokra fókuszáló szolgáltatásait építették ki:

  • Vállalati AI stratégia kialakítása;
  • Prediktív analitika és előrejelző modellek készítése;
  • Generatív AI és felhő szolgáltatások nyújtása;
  • Applikáció fejlesztés;
  • Természetes Nyelvfeldolgozás (Natural Language Processing);
  • Képfeldolgozás és Computer Vision megoldások.

Szolgáltatásaink kialakításakor figyelembe vesszük ügyfeleink igényeit és lehetőségeit, a felmerülő kockázatokat és költségeket, valamint az oktatásra is kiemelt figyelmet fordítunk. Blogunk következő bejegyzéseiben körbejárjuk a leíró és a generatív AI megoldások közötti különbségeket, a különböző felhasználási területeket, a kapcsolódó kockázatokat, az AI stratégiaalkotás elemeit, valamint a KPMG által nyújtott AI-alapú megoldásokat.

További részletekért tekintse meg weboldalunkat ide kattintva.

[1] History of Artificial Intelligence – Artificial Intelligence (coe.int)

[2] Steps Toward Artificial Intelligence – – -Marvin Minsky (mit.edu)

[3] The simplest explanation of machine learning you’ll ever read | by Cassie Kozyrkov | Medium

[4] Here’s how artificial intelligence can benefit the retail sector | World Economic Forum (weforum.org), letöltve: 2023.10.23. 18:04.

[5] AI Act: the great divider of AI practice? – KPMG Belgium, letöltve: 2023.10.23. 18:06.

[6] https://assets.kpmg.com/content/dam/kpmg/xx/pdf/2023/09/kpmg-global-tech-report.pdf, 19. oldal., letöltve: 2023.10.26. 18:50.

[7] https://kpmg.com/hu/hu/home/media/press-releases/2023/10/kpmg-2023-ceo-outlook-lehetosegek-polikrizis-idejen.html, letöltve: 2023.10.26. 18:50.


Írta

Olvass tovább