Dirbtinio intelekto diegimo kliūtys, dėl kurių įmonės dvejoja diegti DI

Dirbtinio intelekto diegimo kliūtys tebėra didelis iššūkis organizacijoms, kurios tvarko neskelbtinus duomenis arba veikia reguliuojamoje aplinkoje. Nors įmonės pripažįsta dirbtinio intelekto potencialą, daugelis atideda diegimą, nes neturi pakankamai duomenų saugojimo, prieigos, atitikties ir pagrindinės dirbtinio intelekto infrastruktūros kontrolės.

Šiame straipsnyje nagrinėjama, kodėl išoriniai AI sprendimai dažnai neatitinka įmonių reikalavimų ir kaip viduje diegiamas, pritaikomas AI gali užtikrinti didesnį saugumą, lankstumą ir veiklos kontrolę.

Kodėl duomenų saugumas yra pagrindinė kliūtis AI diegimui

„Iš pirmo žvilgsnio gali atrodyti, kad DI sprendimų rinkoje yra labai daug, lieka tik išsirinkti ir naudoti. Tačiau verslui svarbiausias klausimas nėra tik funkcionalumas. Didelė dalis šių sprendimų yra kuriami kaip sluoksnis ant kitų modelių, kurie veikia ir duomenis saugo už organizacijos ribų.

Tai reiškia, kad organizacija iš esmės perduoda dalį informacijos apdorojimo į išorę – dažnai iki galo nekontroliuodama, kur tie duomenys keliauja ir kaip jie naudojami. Dėl to daug įmonių sąmoningai delsė diegti DI, nors suprato jo vertę – tiesiog trūko galimybės jį pilnai kontroliuoti“, – komentuoja Renata Špukienė, kalbos technologijų bendrovės „Tilde IT“ vadovė.

Šią situaciją patvirtina ir BTA draudimo valdybos narys Gediminas Radavičius:

„DI galimybes matėme jau seniai, tačiau praktikoje viskas atsiremia į labai konkrečius klausimus – kur saugomi duomenys, kas turi prieigą, kaip užtikrinama atitiktis. Dirbant su klientų informacija negali sau leisti naudoti sprendimų, kurių veikimo iki galo nekontroliuoji.

Todėl ilgą laiką situacija buvo paprasta: vertę matėme, bet pilno žingsnio žengti negalėjome, nes nebuvo technologinio pagrindo, kuris atitiktų mūsų saugumo reikalavimus“, – sako jis.

Rizikų ateityje gali kilti ir dėl JAV politikos

Špukienė priduria, kad saugumas yra tik viena iš DI diegimo kliūčių, o kita – priklausomybė nuo išorinių veiksnių:

„Viena yra, kur duomenys nukeliauja, visai kas kita, kad jei savo organizaciją valdome per DI sprendimus, pastatytus ant, pavyzdžiui, JAV didžiųjų kalbos modelių, esame priklausomi nuo JAV sprendimų. Tarkime, jei JAV prezidentas nuspręstų atkirsti visą Europą nuo JAV DI – visi mūsų įrankiai nustotų veikę. Jei jie sistemingai įdiegti versle, verslas nustoja veikęs, nes DI agentai nebedirba Europoje.

Pavyzdžių yra buvę, prisiminkime Kinijos atvejį: kai JAV uždraudė kiniškuose telefonuose naudoti „Google“ ir „Apple“ programėlių parduotuves, kiniški išmanieji liko be visų pagrindinių aplikacijų, žmonės Lietuvoje į savo naują „Huawei“ įrenginį negalėjo atsisiųsti, pavyzdžiui, Lietuvoje veikiančio banko programėlės. JAV politikos sprendimai paveikė mus, esančius Lietuvoje, nes naudojomės išorės įranga. Lygiai tas pats gali atsitikti su DI“, – pasakoja Renata Špukienė.

Kaip vidinis AI diegimas pagerina duomenų kontrolę

Pasak A. Špukienės, šios DI diegimo kliūtys jau nebėra aklavietė – organizacijoms nebereikia rinktis tarp saugumo ir dirbtinio intelekto naudojimo.

„Šiandienos technologijos leidžia turėti ir viena, ir kita. Esminis skirtumas atsiranda, kai didžioji kalbos modelis, kuriuo paremtas DI įrankis, veikia organizacijos viduje – arba jos serveriuose, arba a patikima Europos infrastruktūra. Tokiu atveju duomenys niekada nepalieka organizacijos – jie lieka ten, kur organizacija juos kontroliuoja.“

Tai iš esmės keičia visą situaciją: dirbtinis intelektas tampa ne išoriniu įrankiu, o vidine sistemos dalimi, kuri gali būti integruota į procesus taip pat, kaip bet kuri kita IT sistema.

Be to, tai leidžia spręsti ir kokybės klausimą. Modelis gali būti pritaikomas konkrečiam verslui, jo terminologijai, kalbai, specifikai. Tai ypač svarbu mažesnėms rinkoms, kur globalūs modeliai dažnai nėra pakankamai tikslūs“, – aiškina ji.

Nuo naudojimo prie kūrimo

Pasak R. Špukienės, šiandien verslas pereina į kitą dirbtinio intelekto etapą.

„Iki šiol dauguma sprendimų buvo apie naudojimą – kaip pasitelkti jau egzistuojančius įrankius. Tačiau dabar kalbame apie kitą lygį – kai organizacijos nori turėti technologinį pagrindą, ant kurio gali kurti savo sprendimus.

Tai reiškia ne tik daugiau kontrolės, bet ir daugiau lankstumo. Organizacija gali pati nuspręsti, kaip DI integruojamas, kokius procesus automatizuoja, kaip vysto sprendimą toliau. Ilgainiui tai tampa ne tik efektyvumo klausimu, bet ir konkurenciniu pranašumu“, – sako ji.

„Tilde IT“ vadovės teigimu, būtent šis pokytis lemia, kaip DI bus naudojamas artimiausiais metais: „Turėti savo technologinį pagrindą šiandien reiškia ne tik saugumą, bet ir galimybę augti. Tie verslai, kurie tai supras anksčiau, galės DI panaudoti ne tik procesams optimizuoti, bet ir kurti naują vertę savo klientams“.

Kaip verslui įveikti dirbtinio intelekto diegimo barjerus?

Įmonės gali sumažinti dirbtinio intelekto diegimo kliūtis pasirinkdamos sprendimus, kurie suteikia aiškią duomenų saugojimo, prieigos ir diegimo kontrolę. Modeliai, priglobti organizacijos infrastruktūroje arba patikimose Europos debesijos aplinkose, gali padėti sumažinti priklausomybę nuo išorinių tiekėjų ir palaikyti griežtesnius valdymo reikalavimus.

Ne mažiau svarbus ir pritaikymas. Dirbtinio intelekto sistemos, pritaikytos organizacijos terminologijai, vidinėms žinioms ir veiklos procesams, gali duoti patikimesnių rezultatų nei bendrosios priemonės, įdiegtos be pakankamos integracijos ar priežiūros.

Sėkmingas įmonės AI pritaikymas priklauso ne tik nuo paties modelio, bet ir nuo saugios infrastruktūros, apibrėžto duomenų valdymo ir nuolatinės kontrolės, kaip sprendimas yra kuriamas ir naudojamas.