Umělá inteligence (AI)
Umělá inteligence (AI) označuje počítačové systémy, které vykonávají úkoly běžně vyžadující lidskou inteligenci, jako je rozpoznávání vzorů, porozumění jazyku nebo rozhodování.
Umělá inteligence je obor informatiky zaměřený na stavbu systémů, které dokážou řešit úkoly běžně vyžadující lidské myšlení, jako je rozpoznávání vzorů, porozumění jazyku, tvorba předpovědí nebo podpora rozhodování. Většina dnes používaných systémů AI se opírá o strojové učení: místo aby byly výslovně naprogramovány pravidly, jsou natrénovány na velkém množství dat a učí se z nich statistické vzory. Známým příkladem jsou velké jazykové modely, které generují text opakovaným předvídáním nejpravděpodobnějšího dalšího slova na základě vzorů naučených z obrovského množství textu. Užitečné je rozlišovat mezi úzkou AI, postavenou pro jeden konkrétní úkol, a obecnou AI, která by odpovídala lidskému myšlení napříč libovolnou oblastí, ale zatím neexistuje.
Ve firemním prostředí se AI většinou používá pro úzce vymezené úkoly, ne pro široké, obecné řešení problémů. Mezi běžné příklady patří automatická klasifikace dokumentů, odhalování vad na fotografiích, analýza dat ze strojů k předpovědi poruch (prediktivní údržba) nebo provoz chatbotů zákaznického servisu. Modely AI podporují i plánování a předpovídání, například v řízení zásob nebo plánování výroby. V kombinaci s RPA (robotickou procesní automatizací) často AI dodává rozhodovací logiku, zatímco RPA provádí samotné kroky uvnitř firemních systémů.
Systém AI je jen tak dobrý jako data, na kterých byl natrénován, a rozhoduje se na základě pravděpodobnosti, ne skutečného porozumění. To znamená, že může produkovat sebejisté, ale nesprávné nebo vymyšlené odpovědi, což je jev známý jako halucinace. Proto zůstává lidský dohled u důležitých rozhodnutí nezbytný, zejména tam, kde výsledky mají právní, finanční nebo bezpečnostní důsledky. Firmy zavádějící AI obvykle dopadnou lépe, když začnou v malém, výsledky namátkově kontrolují a nejdřív ji nasadí tam, kde se chyby zachytí brzy a způsobí jen malou škodu.
Prakticky priklad
Řemeslná firma s 18 zaměstnanci používá rozpoznávání obrazu poháněné AI k zachycení poškozených dílů při vstupní kontrole zboží. Dříve jeden zaměstnanec ručně kontroloval kolem 200 příchozích dílů denně a přehlédl přibližně 3 až 4 procenta vad. Po zavedení kontroly pomocí AI klesne míra přehlédnutých vad pod 1 procento a zaměstnankyně získá zhruba 45 minut denně, které nyní věnuje řešení reklamací a jednání s dodavateli. AI zaměstnankyni nenahrazuje, přebírá opakující se část kontroly, zatímco hraniční případy stále rozhoduje člověk.
Jak pomaha Leanshift
Pro Leanshift je umělá inteligence nástrojem ke zlepšování procesů, ne cílem sama o sobě. Vyplatí se ji použít tam, kde citelně zlepší konkrétní krok procesu, ušetří čas nebo sníží chybovost, posuzováno stejným měřítkem jako jakékoli jiné opatření Kaizen. Díky tomu zůstává v centru pozornosti skutečný cíl: nepoužívat AI co nejvíc, ale pomoct lidem porozumět vlastním procesům a zlepšovat je.
Casto kladene otazky
Je AI totéž co algoritmus?
Ne. Každý algoritmus je pevná posloupnost výpočetních kroků, ale ne každý algoritmus se učí z dat. Systémy AI používají algoritmy, které samy odvozují vzory z příkladů, místo aby byly výslovně naprogramovány pro každý případ.
Potřebuje malá firma vlastní modely AI?
Obvykle ne. Hotové nástroje a služby AI už pokrývají typické úkoly, jako je generování textu, rozpoznávání obrazu nebo předpovídání; natrénovat vlastní model se vyplatí jen u velmi specifických, opakujících se případů použití.
Jak spolehlivé jsou výsledky AI?
Hodně záleží na úkolu a trénovacích datech. U úzce vymezených úkolů, jako je rozpoznávání obrazu, bývá chybovost nízká a snadno měřitelná, zatímco otevřené úkoly, jako je generování textu, by se měly vždy namátkově kontrolovat.