Mesterséges Intelligencia (AI)
A mesterséges intelligencia (AI) olyan számítógépes rendszereket jelöl, amelyek normál esetben emberi intelligenciát igénylő feladatokat végeznek, mint a mintafelismerés, a nyelvértés vagy a döntéshozatal.
A mesterséges intelligencia az informatika azon területe, amely olyan rendszerek felépítésére összpontosít, amelyek képesek olyan feladatokat megoldani, amelyek normál esetben emberi gondolkodást igényelnének, mint a mintafelismerés, a nyelvértés, az előrejelzés vagy a döntéstámogatás. A ma használt AI-rendszerek többsége gépi tanulásra épül: ahelyett hogy kifejezetten szabályokkal programoznák be őket, nagy mennyiségű adaton tanítják be, és statisztikai mintákat tanulnak belőle. Ismert példa a nagy nyelvi modellek, amelyek úgy generálnak szöveget, hogy ismételten megjósolják a legvalószínűbb következő szót a hatalmas mennyiségű szövegből tanult minták alapján. Hasznos megkülönböztetés a szűk AI, amelyet egyetlen konkrét feladatra építettek, és az általános AI, amely bármely területen az emberi szintű gondolkodással vetekedne, de amely még nem létezik.
Üzleti környezetben az AI-t leginkább szűken meghatározott feladatokra használják, nem pedig tág, általános problémamegoldásra. Gyakori példa a dokumentumok automatikus osztályozása, a hibák felismerése fotókon, a gépadatok elemzése meghibásodások előrejelzésére (előrejelző karbantartás), vagy ügyfélszolgálati chatbotok üzemeltetése. Az AI-modellek a tervezési és előrejelzési munkát is támogatják, például a készletgazdálkodásban vagy a termelésütemezésben. RPA-val (robotic process automation) kombinálva az AI gyakran biztosítja a döntési logikát, míg az RPA végzi el a tényleges lépéseket a vállalati rendszerekben.
Egy AI-rendszer csak annyira jó, amennyire jó az adat, amelyen tanították, és valószínűség alapján hoz döntéseket, nem valódi megértés alapján. Ez azt jelenti, hogy magabiztosan hangzó, de hibás vagy kitalált válaszokat is adhat, ezt a problémát hallucinációnak nevezik. Emiatt a fontos döntéseknél továbbra is elengedhetetlen az emberi felügyelet, különösen ott, ahol az eredményeknek jogi, pénzügyi vagy biztonsági következményei vannak. Az AI-t bevezető vállalkozásoknak jellemzően jobban megéri kicsiben kezdeni, szúrópróbaszerűen ellenőrizni az eredményeket, és először ott alkalmazni, ahol a hibák korán felismerhetők, és kevés kárt okoznak.
Gyakorlati példa
Egy 18 fős kézműipari vállalkozás AI-alapú képfelismerést használ a sérült alkatrészek kiszűrésére a bejövő áruk ellenőrzése során. Korábban egy munkatárs kézzel ellenőrzött naponta körülbelül 200 beérkező alkatrészt, és a hibák mintegy 3-4 százalékát nem vette észre. Az AI-ellenőrzés bevezetése után a téves elnézési arány 1 százalék alá csökken, a munkatárs pedig napi mintegy 45 percet nyer, amelyet most reklamációk kezelésére és beszállítókkal folytatott beszélgetésekre fordít. Az AI nem váltja ki a munkatársat; átveszi az ellenőrzés ismétlődő részét, míg a határeseteket továbbra is ember dönti el.
Hogyan segít a Leanshift
A Leanshift számára a mesterséges intelligencia a folyamatok javításának eszköze, nem öncél. Ott érdemes használni, ahol érzékelhetően javít egy konkrét folyamatlépést, időt takarít meg, vagy csökkenti a hibákat, ugyanazon mérce szerint megítélve, mint bármely más Kaizen-intézkedést. Ez a fókuszt a valódi célon tartja: nem az a cél, hogy minél több AI-t használjunk, hanem hogy segítsünk az embereknek megérteni és fejleszteni a saját folyamataikat.
Gyakran ismételt kérdések
Ugyanaz az AI, mint egy algoritmus?
Nem. Minden algoritmus egy rögzített számítási lépéssorozat, de nem minden algoritmus tanul adatokból. Az AI-rendszerek olyan algoritmusokat használnak, amelyek önállóan vezetnek le mintákat példákból, ahelyett hogy minden esetre kifejezetten beprogramoznák őket.
Szüksége van egy kisvállalkozásnak saját AI-modellre?
Általában nem. A kész AI-eszközök és -szolgáltatások már lefedik az olyan tipikus feladatokat, mint a szöveggenerálás, a képfelismerés vagy az előrejelzés; egyedi modell betanítása csak nagyon konkrét, visszatérő felhasználási esetekben éri meg.
Mennyire megbízhatók az AI eredményei?
Nagymértékben függ a feladattól és a tanítóadattól. Az olyan szűken meghatározott feladatoknál, mint a képfelismerés, a hibaarány gyakran alacsony és könnyen mérhető, míg az olyan nyitott feladatokat, mint a szöveggenerálás, mindig szúrópróbaszerűen ellenőrizni kell.