AI ieviešanas šķēršļi, kas liek uzņēmumiem vilcināties ar AI ieviešanu

AI ieviešanas šķēršļi joprojām ir būtisks izaicinājums organizācijām, kas apstrādā sensitīvus datus vai darbojas regulētā vidē. Lai gan uzņēmumi atzīst mākslīgā intelekta potenciālu, daudzi atliek ieviešanu, jo viņiem trūkst pietiekamas kontroles pār datu glabāšanu, piekļuvi, atbilstību un pamatā esošo AI infrastruktūru.

Šajā rakstā ir aplūkots, kāpēc ārējie AI risinājumi bieži vien neatbilst uzņēmuma prasībām un kā intelekta var nodrošināt lielāku drošību, elastību un darbības kontroli.

Kāpēc datu drošība ir būtisks šķērslis mākslīgā intelekta ieviešanai

“Var šķist, ka tirgū ir daudz MI risinājumu — atliek tikai izvēlēties kādu no tiem un sākt to lietot. Tomēr galvenais jautājums, kas satrauc uzņēmumus, nav gluži funkcionalitāte. Daudzi no šiem risinājumiem ir veidoti, par pamatu izmantojot citus modeļus, kas darbojas un glabā datus ārpus organizācijas.

Tas nozīmē, ka organizācija būtībā daļu datu apstrādes nodod ārpakalpojumu sniedzējiem, bieži vien zaudējot pilnīgu kontroli pār to, kur šie dati nonāk un kā tie tiek izmantoti. Tieši tāpēc daudzi uzņēmumi ir apzināti atlikuši MI risinājumu ieviešanu, lai gan izprot to vērtību, — vienkārši trūkst iespējas tos pilnībā kontrolēt,” komentē valodu tehnoloģiju uzņēmuma Tilde IT vadītāja Renata Špukiene (Renata Špukienė).

Šo situāciju apstiprina arī BTA Insurance valdes loceklis Ģedimins Radavičius (Gediminas Radavičius):

“Mēs jau sen apzināmies mākslīgā intelekta potenciālu, taču praksē viss atduras pret ļoti konkrētiem jautājumiem: kur tiek glabāti dati, kas tiem var piekļūt un kā tiek nodrošināta atbilstība. Strādājot ar klientu datiem, nevar atļauties izmantot risinājumus, ko paši pilnībā nekontrolējam.

Ilgu laiku situācija bija vienkārša: mēs redzējām risinājuma vērtību, bet nevarējām to ieviest, jo nebija tehnoloģiskā pamata, kas atbilstu mūsu drošības prasībām,” viņš stāsta.

Riski nākotnē var rasties arī ASV politikas dēļ

Špukiene piebilst, ka drošība ir tikai viens no MI ieviešanas šķēršļiem, bet otrs ir atkarība no ārējiem faktoriem:

“Viens jautājums ir, kur dati nonāk, bet cits — ja mēs pārvaldām savu organizāciju, izmantojot mākslīgā intelekta risinājumus, kas būvēti, piemēram, balstoties ASV lielajos valodas modeļos, mēs esam atkarīgi no ASV lēmumiem. Piemēram, ja ASV prezidents nolemtu pārtraukt visu Eiropas valstu piekļuvi ASV DI, visi mūsu rīki pārstātu darboties. Ja tie ir sistemātiski ieviesti uzņēmos, to darbība tiek apturēta, jo MI aģenti Eiropā vairs nav izmantojami.

Līdzīgi piemēri jau ir bijuši. Atcerēsimies Ķīnas gadījumu: kad ASV aizliedza Google un Apple lietotņu veikalu izmantošanu Ķīnā ražotos tālruņos, Ķīnas viedtālruņi palika bez visām būtiskajām lietotnēm un cilvēki Lietuvā nevarēja lejupielādēt, piemēram, Lietuvā strādājošas bankas lietotni. Politiskie lēmumi ASV ietekmēja mūs šeit, Lietuvā, jo mēs izmantojām ārējo aprīkojumu. Tieši tas pats var notikt ar mākslīgo intelektu,” saka Renata Špukiene.

Kā iekšēji izvietota mākslīgā intelekta izmantošana uzlabo datu kontroli

Pēc Špukienes teiktā, šie MI ieviešanas šķēršļi vairs nav strupceļš — organizācijām vairs nav jāizvēlas starp drošību un mākslīgā intelekta izmantošanu.

“Mūsdienu tehnoloģijas ļauj iegūt abus. Galvenā atšķirība rodas, kad lielais valodas modelis, uz kura pamata ir balstīts mākslīgā intelekta rīks, darbojas organizācijas ietvaros – vai nu uz saviem serveriem, vai arī kādā uzticama Eiropas infrastruktūra. Šajā gadījumā dati nekad nepamet organizāciju – tie paliek tur, kur organizācija saglabā kontroli.”

Tas pilnībā maina situāciju: mākslīgais intelekts vairs nav ārējs rīks, bet kļūst par neatņemamu sistēmas sastāvdaļu, ko var integrēt tāpat kā jebkuru citu IT sistēmu.

Turklāt tas attiecas arī uz kvalitātes jautājumiem. Modeli var pielāgot konkrētam uzņēmumam, tajā izmantotajai terminoloģijai, valodas lietojumam un unikālajām īpašībām. Tas ir īpaši svarīgi mazākos tirgos, kur globālie modeļi bieži vien nav pietiekami precīzi,” viņa skaidro.

No apguves līdz radīšanai

Pēc Špukienes teiktā, bizness pašlaik ieiet jaunā — mākslīgā intelekta — fāzē.

“Līdz šim lielākajā daļā risinājumu uzmanības centrā ir bijis lietojums — kā izmantot esošos rīkus. Taču tagad mēs runājam par citu līmeni — tādu, kurā organizācijas vēlas iegūt tehnoloģisku pamatu, kurā tās var balstīt savus risinājumus.

Tas nozīmē ne tikai lielāku kontroli, bet arī lielāku elastību. Organizācija pati var izlemt, kā integrēt MI risinājumus, kurus procesus automatizēt un kā tālāk šos risinājumus attīstīt. Ar laiku tas kļūst ne tikai par efektivitātes, bet arī par konkurences priekšrocību,” viņa saka.

Pēc Tilde IT vadītājas domām, tieši šis pavērsiens noteiks, kā mākslīgais intelekts tiks izmantots turpmākajos gados: “Pašiem sava tehnoloģiskā infrastruktūra šodien nozīmē ne tikai drošību, bet arī izaugsmes iespējas. Uzņēmumi, kas to sapratīs ātrāk, varēs izmantot mākslīgo intelektu gan procesu optimizēšanai, gan arī pievienotās vērtības radīšanai saviem klientiem.”

Kā uzņēmumi var pārvarēt mākslīgā intelekta ieviešanas šķēršļus?

Uzņēmumi var samazināt mākslīgā intelekta ieviešanas šķēršļus, izvēloties risinājumus, kas nodrošina skaidru kontroli pār datu glabāšanu, piekļuvi un izvietošanu. Modeļi, kas tiek mitināti organizācijas pašu infrastruktūrā vai uzticamās Eiropas mākoņvidēs, var palīdzēt samazināt atkarību no ārējiem pakalpojumu sniedzējiem un atbalstīt stingrākas pārvaldības prasības.

Tikpat svarīga ir pielāgošana. MI sistēmas, kas pielāgotas organizācijas terminoloģijai, iekšējām zināšanām un darbības procesiem, visticamāk, sniegs uzticamus rezultātus nekā vispārīgi rīki, kas ieviesti bez pietiekamas integrācijas vai uzraudzības.

Veiksmīga uzņēmuma AI ieviešana tāpēc ir atkarīga ne tikai no paša modeļa, bet arī no drošas infrastruktūras, definētas datu pārvaldības un nepārtrauktas kontroles pār to, kā risinājums tiek izstrādāts un izmantots.