Ludzkość gromadzi ogromne ilości danych – sam Google tworzy przez dwa dni więcej informacji niż wygenerował łącznie przez pierwsze 5 lat swojego istnienia. Moc obliczeniowa komputerów jest obecnie bilion razy większa niż 60 lat temu. Koszty przetwarzania danych znacząco spadły. Ludzie przyzwyczaili się już do tego, że wiele aplikacji czy programów samodzielnie przelicza i przetwarza za nich różnego rodzaju informacje. Coraz częściej staje się to wręcz oczekiwaniem kierowanym pod adresem firm i instytucji – wskazuje w swojej analizie Paweł Iwanowski, menedżer w Dziale Konsultingu Deloitte.
Sztuczna Inteligencja to koncept stworzenia maszyn, które potrafiłyby „myśleć jak człowiek” – innymi słowy wykonywać zadania takie jak rozumowanie, planowanie, uczenie się, wyciąganie wniosków czy rozumienie języka. Dla większości z nas przykładem takiej maszyny będzie pewnie – znany z serii filmów o Terminatorze – Skynet, czy postaci z tegorocznego hitu HBO – czyli serialu Westworld. Wyobrażenia kreowane przez produkcje science fiction często przesłaniają jednak fakt, że już dziś sztuczna inteligencja ma ogromny wpływ na życie większości z nas, a w najbliższym czasie możemy wręcz tak się do niej przyzwyczaić, że trudno będzie nam akceptować jej brak.
Rozwiązania oparte o sztuczną inteligencję stają się coraz bardziej powszechne, a przez to niedostrzegalne przez użytkownika. Droga w kierunku SI była raczej formą ewolucji niż rewolucji. Systemy i algorytmy stawały się coraz bardziej zaawansowane, a przejście było płynne. Spowodowało to, że większość z nas nie jest świadoma w jak wielu aspektach ich codziennego życia wspiera ich SI.
Wirtualni asystenci w smartfonach rozpoznają naszą mowę, rozumieją kontekst wypowiedzi i potrafią podpowiadać nam rozwiązania. Aplikacje do streamingu muzyki czy filmów znają nasze preferencje i tworzą dedykowane playlisty oraz podpowiadają nowe utwory, które mogą nam się spodobać. Sklepy internetowe rekomendują nam produkty zgodne z naszymi zainteresowaniami oraz wcześniejszymi wyborami. Algorytmy serwisów społecznościowych potrafią rozpoznawać ludzi na zdjęciach – w przypadku Facebooka – nawet z ponad 90. procentową skutecznością.
Przyzwyczajenia cyfrowe tworzą się szybko
Konsumenci bardzo szybko absorbują korzyści, jakie czerpią z rozwiązań technologicznych, zaczynając poszukiwać podobnych usprawnień w kolejnych dziedzinach życia. Wiedzą, że firmy przetwarzają informacje o ich zachowaniach i oczekują w zamian coraz lepiej dopasowanej, szybkiej i inteligentnej obsługi. Oczekują, że każdy sprzedawca będzie potrafił zaoferować im produkt lub usługę w oparciu o ich wcześniejsze wybory. Ktoś, komu smartfon codziennie podpowiada najszybsza trasę powrotu do domu, lub komu aplikacja każdego dnia wybiera kilka najlepiej dopasowanych do jego upodobań płyt z muzyką, zaczyna szukać takiego samego podejścia u sprzedawcy garniturów czy jedzenia.
Samodzielnie nie da się jednak przeanalizować wszystkich dostępnych danych oraz wyciągnąć na ich podstawie odpowiednich wniosków – szczególnie przy ogromnej liczbie klientów. Czy to oznacza, że w niedalekiej przyszłości każda, najmniejsza nawet firma będzie zmuszona do inwestowania w ogromne systemy analityki danych, zespoły inżynierów oraz olbrzymią infrastrukturę technologiczną?
Do stworzenia SI potrzebny jest zespół naukowców i programistów aby wydobyć i przygotować odpowiednie informacje, zbudować odpowiednie modele, a następnie zintegrować wyniki z systemami CRM. Wszystko to powoduje, że SI jest niedostępne dla firm, które nie są w stanie zainwestować olbrzymich ilości pieniędzy, aby zatrudnić specjalistów i przygotować infrastrukturę.
Jednak przyszłość rysuje się przed nami zgoła inna. Tak jak w przypadku kreatorów stron internetowych czy pakietów biurowych udostępnianych w chmurze, nawet małe firmy będą mogły wykorzystać rozwiązania oferujące zaawansowane mechanizmy analityczne oparte o sztuczną inteligencję. Jednym z przykładów takiego podejścia może być zaprezentowany ostatnio przez giganta technologicznego Salesforce system Einstein. System ten nie tylko podpowiada określone rozwiązania w oparciu o analizę danych, ale także pokazuje prawdopodobieństwo osiągnięcia sukcesu przy zastosowaniu zaproponowanych rozwiązań. Szuka on wzorców w posiadanych przez nas danych oraz rekomenduje kolejne kroki, jakie powinniśmy podjąć.
Maszyna nie ulega stereotypom
Pierwsze przykłady zastosowania tego typu rozwiązania przynoszą spektakularne wręcz efekty. Jedna z amerykańskich firm zajmujących się opieką zdrowotną potrzebowała przygotować raport dotyczący przyczyn hospitalizacji pacjentów. Firmy analityczno-doradcze proponowały przeanalizowanie danych i przygotowanie raport zawierającego blisko 250 różnych parametrów (wiek, choroby, wskaźnik BMI, itp.) w ciągu kilku miesięcy. Wykorzystanie Einsteina, analizując jednocześnie zdecydowanie więcej danych, skróciło ten czas do DWÓCH godzin i dało dosyć zaskakujące rezultaty. Okazało się bowiem, że 49 proc. procent kobiet z cukrzycą było hospitalizowanych. Liczba ta wydaje się tak ogromna, że wszyscy powinni o tym wiedzieć, a jednak nikt nie dostrzegł wcześniej takiej zbieżności. Ludzie opierali bowiem swoje analizy na przekonaniach, uprzedzeniach i stereotypach. W związku z tym, generalnie młodzi ludzie oraz kobiety mają niski odsetek hospitalizacji nikomu nie przyszło do głowy, żeby w ogóle przyglądać się takiej grupie docelowej. Podczas takiej analizy wszyscy patrzyli na starszych mężczyzn. Sztuczna inteligencja wykryła jednak pewną regułę – gdy chorzy na cukrzycę nie biorą insuliny ich organizm nie radzi sobie z przetwarzaniem cukru, co prowadzi do utraty masy ciała. Okazało się, że młode kobiety traktowały ten fakt jako swoistą strategię żywieniową i celowo nie przyjmowały insuliny, by stracić wagę – częstym efektem ubocznym były późniejsze hospitalizacje. Odkrycie tego związku pozwoliło na podjęcie rzeczowego dialogu z kobietami – uświadomienie im konsekwencji, a finalnie znaczne zmniejszenie liczby hospitalizacji w tej grupie.
Paweł Iwanowski, menedżer w Dziale Konsultingu Deloitte Digital, zespół Salesforce.
