Viss, kas saistīts ar jaunajām tehnoloģijām, automatizāciju vai mākslīgo intelektu, ir inovācija. Taču šobrīd redzam, ka investīcijas inovācijās samazinās. Ņemot vērā Covid-19, organizācijas fokusējas vairāk uz praktiskām lietām, piemēram, kā saglabāt klientus un kā tikt galā ar pandēmijas sekām. Līdz ar to inovācijas paliek otrajā plānā.
Piemēram, elektroniskajā komercijā, ko izmanto internetveikali, ir ļoti daudz iespēju, kā mākslīgais intelekts var palīdzēt iepirkties un atgādināt klientam par noteiktām precēm, kuras viņš allaž izvēlas, vai piedāvāt līdzīgas. Piemēram, veikalu pašapkalpošanās nodaļās mākslīgais intelekts var palīdzēt efektivizēt procesus. Tagad klientam pašam ekrānā jāievada sveramā produkta veids, bet mākslīgā intelekta kamera varētu šo darbību aizstāt, atpazīstot produktu, kolīdz tas tiek novietots uz ierīces.
Nepieciešamas zināšanas nevis par tehnoloģiju, bet par procesu
Mākslīgo intelektu var iedalīt “lētajā” un “dārgajā”. Pirmajā gadījumā mākslīgais intelekts ir plašāk pieejams, piemēram, automātiskā tulkošana, bilžu atpazīšana, kas līdz noteiktam apjomam ir par brīvu.
Taču sarežģītais un unikālais mākslīgais intelekts ir dārgs, jo speciālisti to nemitīgi trenē un pilnveido. Daudziem mazajiem uzņēmumiem tas var nebūt pieejams. Lai gan Latvijā ir daudzas nozares, kurās mākslīgo intelektu sāk iekļaut arvien vairāk. Piemēram, putnkopībā vai piena nozarē, kur mākslīgais intelekts mēra un atlasa defektīvos produktus, lai padarītu procesu efektīvāku. Zivju apstrādes rūpnīcā iekārta uz ražošanas līnijas nogriež zivīm galvas, taču zivis ir dažāda garuma. Ja mākslīgais intelekts precīzi izmērīs zivju garumu, uzņēmējs gadā ietaupīs tonnām zivju. Tā ir biznesa efektivizācija, mašīnredze, kurā robotu var apmācīt un dot tam vajadzīgos algoritmus.
Pēdējo 30 gadu laikā datori ir uzspieduši darbiniekiem dažādus procesus, kas pēc idejas datoram būtu jāveic pašam. Piemēram, būtu tikai normāli, ja dators dienu iepriekš pats ģenerētu pieprasījuma atgādinājumus dokumentācijas izstrādei, nevis to veiktu cilvēks dažādos uzstādījumos. Papīra dokumentu aprites process šajā ziņā bija dabisks – paņem dokumentu no galda, paraksta, nodod tālāk. Taču digitalizācijas procesā parādījās dažādas “dokumentu kastītes”, un joprojām cilvēkam pašam daudz jāatceras, bet mēs sagaidām, ka to darīs mākslīgais intelekts.
Pirmais solis tam bija robotu procesu automatizācija, kas sākās jau 2010. gadā. Taču galvenā problēma ir tā, ka ne visu, ko cilvēks dara, var vienkārši aprakstīt un iemācīt robotam. Tāpēc nākamais solis mākslīgā intelekta adaptācijā ir izveidot atsevišķus elementus – tādus kā klucīšus, – ko var paņemt un savienot kopā, lai ikdienas darbā kļūtu vēl produktīvāki.
Uzņēmums grib automatizēt visu procesu, efektivizēt to, atmest cilvēkus, bet cilvēks to negrib. Cilvēks grib būvēt savu karjeru, kļūt par profesionāli, dzīvot pilnvērtīgu dzīvi. Kā apvienot šos elementus, lai viedā tehnoloģija būtu pa vidu?
Pirms 150 gadiem cilvēki lielāko daļu darbu veica ar rokām, tad sekoja industriālā revolūcija, kad daudzu roku darbs vairs nebija nepieciešams. Tas ir smags pārejas posms, kad tiek ieviestas jaunas tehnoloģijas un nepieciešamais darba spēka apjoms strauji krīt, vēlāk atkal pieaug. Taču to starpposmu, līdz rodas jaunas darba vietas, ko cilvēks varētu darīt, ir grūti pieņemt.
Zināšanas nav nepieciešamas par pašu tehnoloģiju, bet gan par procesu. Var novērot, ko dara apkopēja, pierakstīt un ieprogrammēt šo pašu procesu robotam, taču ir grūti aprakstīt, ko dara ierēdnis valsts iestādē pie datora – meklē informāciju vai izstrādā dokumentāciju. Tehnoloģiju ieviešana zināšanu procesos nozīmē, ka darbinieks labprātīgi dalās un apraksta, ko un kādā veidā dara. Tas ļauj izstrādāt noteiktus algoritmus.
Ja darbinieks saka, ka viņam grūtības sagādā tulkošanas darbi, procesu efektivizācijas dēļ var pievienot automātisko tulkotāju, un process kļūs labāks, bet tikai kopā ar konkrēto cilvēku, ja viņš dalīsies savās zināšanās. Cilvēks nekad nebūs ar mieru savu darbu pilnībā automatizēt, bet viņš var aprakstīt savu darba procesu – dalīties ar zināšanām –, lai saprastu, kā šo darbu paveikt vēl labāk.
Žurnālistikā mākslīgais intelekts varētu vienu rakstu ģenerēt uzreiz, piemēram, desmit valodās, saglabājot konkrētā žurnālista valodas stilu un domu. Taču jāsaprot, kā tas palīdzēs konkrētā žurnālista karjerai, – vai tas padarīs šo žurnālistu labāku, vai tikai izcels mediju, kurā strādā. Kamēr šis jautājums nav atbildēts, žurnālists visdrīzāk nedalīsies ar savām zināšanām.
Drīz arī valsts sektorā dzirdēsim arvien vairāk par mākslīgā intelekta iespējām – čatbotiem, dokumentu anonimizāciju, finanšu, nodokļu un muitas dokumentāciju, kur jāsaprot dažādas sakarības.
Nākotnes biznesa stūrakmens - individualizētais piedāvājums un klientu lojalitāte
Latvijā mākslīgā intelekta risinājumi tiek izmantoti pietiekami daudz, tikai mēs tos ikdienā neredzam, jo tie iebūvēti dažādos biznesa pamatprocesos. Finanšu un kredītu joma ir balstīta uz mākslīgā intelekta risinājumiem – algoritmi izskaitļo riskus, kam piešķirt finanšu piedāvājumu, cik daudz un kad prasīt atmaksu. Tieši to pašu dara arī bankas – izvērtē klienta finanšu riskus, un, ieejot savā internetbankas kontā, klienti redz izlecošus paziņojumus ar dažādiem piedāvājumiem, ko ģenerē mākslīgais intelekts.
Ar atbilstošiem mākslīgā intelekta risinājumiem elektroenerģijas ražotājs un piegādātājs var prognozēt elektrības patēriņu un laicīgi nodrošināties pret šo patēriņu pīķa stundās. Īpaši būtiski to prognozēt pirms lieliem pasākumiem, lai elektrības jauda būtu iepirkta laicīgi.
Taču lielākais potenciāls šobrīd ir individualizētajiem piedāvājumiem. Uzņēmumi, kuri grib lojālus klientus, cīnīsies par šo lojalitāti, kas būs būvēta uz mākslīgā intelekta bāzes. Patlaban tas vairāk notiek reaktīvā veidā – pieprasot attiecīgo informāciju, tā tiek piedāvāta. Taču jāpāriet uz proaktīvu rīcību, kad uzņēmums vēl neko neprasa, bet mākslīgais intelekts jau piedāvā tam nepieciešamo. Tālab, lai iegūtu klientu lojalitāti, vajadzēs šādus individualizētus risinājumus.
Latvijā lielajiem uzņēmumiem ir atsevišķas nodaļas, kas izstrādā mākslīgā intelekta risinājumus, kamēr mazie izmanto jau gatavus viedos piedāvājumus, taču tiem nereti pietrūkst zināšanu, kā to visu jēgpilni pielietot. Dažkārt pie neliela darba apjoma cilvēks ir daudz efektīvāks.
Tālab nākotnē šī individuālā pieeja būs ļoti būtiska, jo biznesam ir vajadzīgi lojāli klienti, un arī klienti vēlas tādi būt. Plaša izvēle cilvēkiem parasti sagādā stresu un grūtības. Pārlieku lielas izvēles priekšā cilvēks nejūtas laimīgs. Lojāls klients izvēlēsies “to, ko parasti” un netērēs savu laiku un enerģiju. Bez tehnoloģiju zināšanām to ir grūti “iztaustīt”, taču ar mākslīgā intelekta iespējām var paveikt daudz vairāk, – ja to veic prātīgi. Iespējas ir.
