Sztuczna Inteligencja: to będzie wielka zmiana w gospodarce!

Czym tak naprawdę jest Sztuczna Inteligencja (SI)? Jakie może przynieść korzyści, a jakie są największe ryzyka związane z jej powszechnym zastosowaniem w sektorze finansowym i  innych obszarach gospodarki? Wreszcie jak sensownie wdrażać rozwiązania bazujące na Sztucznej Inteligencji i czy obawy o to, że wymkną się one spod kontroli są słuszne? - nad tymi zagadnieniami debatowali eksperci podczas debaty Interii w cyklu "Bankowość Przyszłości".

Dyskusje na temat praktycznego zastosowania SI najczęściej rozpoczynają się od próby jej zdefiniowania, ale nie jest łatwe. Czy można sprecyzować czym jest Sztuczna Inteligencja?

Marcin Strzelczyk, Senior Data Scientist z BCG Gamma przyznaje, że w masowej wyobraźni Sztuczna Inteligencja jest uważana często za autonomiczną żyjącą maszynę, ale na szczęście jesteśmy od tego jeszcze daleko. -  Na razie są to algorytmy, które potrafią dobrze układać pewne ciągi logiczne i zależności, ale nie wiedzą po co to robią, dlaczego, jakie mogą być ich kolejne zastosowania, itd.  W praktyce mamy więc raczej do czynienia z automatyzacją procesów, których kiedyś nie dało się zautomatyzować, bo było to zbyt skomplikowane, zbyt kosztowne czy zbyt trudne do wyskalowania. Teraz mamy narzędzia, które na to pozwalają - tłumaczy.

Na pytanie jakiego rodzaju algorytmy funkcjonują w sektorze finansowym Kamil Konikiewicz, dyrektor Biura Rozwoju Sztucznej Inteligencji w PKO BP odpowiada, że raczej jest to pewna domena zastosowań, a nie klasa konkretnych algorytmów.

- To nie jest jakiś nadzwyczajny "byt", który pojawił się nagle. Mówimy o technologii, która  ewoluuje wraz z pewnymi usprawnieniami w algorytmach. Coraz większa ilość dobrze opisywanych danych oraz malejące koszty infrastruktury sprzętowej otwierają nowe możliwości. Na obecnym etapie celem jest nauczenie maszyny naśladowania pewnych umiejętności poznawczych człowieka. Mogą być to umiejętności komunikowania się językiem naturalnym, przetwarzania i analizowania obrazu czy umiejętność podstawowego wnioskowania. Mówimy więc o nauczaniu naśladowania, a nie wykształcenia funkcji poznawczych, do czego jest jeszcze daleko - minimum kilkadziesiąt lat - uważa ekspert PKO Banku Polskiego.

Piotr Towarek,  dyrektor dywizji danych w ITMAGINATION,  zauważa jednak, że "przebłyski" samodzielności w działaniu Sztucznej Inteligencji już się pojawiają np. w robotyce, rozpoznawaniu obrazu czy mowy. - To są algorytmy o pewnym stopniu samodzielności, co oznacza, że nie jesteśmy w stanie w stu procentach przewidzieć ich wyników, a ich wytłumaczalność nie jest prosta ze względu na złożoność obliczeń, które wykonuje ta maszyna. Dobrze obrazuje to historyczne wydarzenie, kiedy to właśnie maszyna wygrała w rozgrywce "Go"  z mistrzem świata, a algorytm pokazał wówczas, że potrafi grać nieszablonowo i ze sporą inwencją - tłumaczy ekspert.

Kamil Konikiewicz nie kwestionuje tego, że algorytmy są w stanie przeprowadzić bardzo złożone procesy od początku do końca, ale na razie wykonują je tylko wtedy, gdy są prowadzone pod uważnym nadzorem człowieka, który je szczegółowo zaprogramuje czyli są w stanie przeprocesować nawet bardzo trudne, ale wąsko określone zadania. - Nadal nawet najlepsze maszyny są rozwiązaniami, które uczą się przede wszystkim od człowieka - tłumaczy.

Mirosław Deja, dyrektor ds. IT w UNIQA Polska uważa, że wartość dodana jaką uzyskujemy obecnie przy stosowaniu SI wynika z tego, że one są już w pewnym stopniu samouczące.

- Różnica obecnych wersji SI w stosunku do tych sprzed 20 czy 30 lat polega na tym, że wówczas były to zaprogramowane działania według ściśle określonych reguł, a dziś można liczyć na to, że te rozwiązania będą się dostosowywały do tego co na bieżąco obserwują i jakie dostają informacje wejściowe - tłumaczy. Jak dodaje, można prowadzić rozważania na temat budowy Sztucznej Inteligencji, która będzie w coraz większym stopniu naśladować człowieka, ale w biznesie kluczowe są praktyczne zastosowania, które są stanie zrewolucjonizować pewne obszary i dać nową jakość usług.

- Jeszcze do niedawna w komunikacji z klientami instytucje opierały się na segmentacji i dostosowywaniu oferty do kilku grup. Dzisiaj możemy dopasować usługę do indywidualnych potrzeb klienta, a SI pozwala to robić w bardzo zaawansowany sposób. Dysponujemy ogromnymi zasobami danych, które umiejętnie analizowane pozwalają nam poprawić customer experience i oferować produkty, których w danej chwili oczekują klienci. Już dzisiaj rozwiązania SI pozwalają na podstawie zdjęcia określić nasz tryb życia, co może być bardzo ciekawe w kontekście oceny ryzyka dla branży ubezpieczeniowej - mówi Mirosław Deja. Jak podkreśla, zastosowanie SI nie ogranicza się tylko do wsparcia kontaktów z klientem, ale można ją wykorzystywać np. do ochrony przed cyberzagrożeniami, zabezpieczeń przed atakami hakerskimi, itd.

- Podsumowując, jesteśmy jeszcze daleko od wymyślenia sztucznego mózgu, ale w kontekście szerokiego zastosowania w biznesie, jesteśmy w stanie dostarczać lepsze i lepiej skalibrowane usługi oraz produkty i w tej sferze pokładam bardzo duże nadzieje w Sztucznej Inteligencji - mówi Mirosław Deja.

Kamil Konikiewicz dodaje, że żyjemy w czasach, w których nie ma ograniczeń w dostępie do infrastruktury, technologii czy kompetencji. - Barierą w zastosowaniu SI jest sposób funkcjonowania wewnątrz danej organizacji czy mała gotowość na przyjęcie rozwiązań opartych o Sztuczną Inteligencję. Wielokrotnie firmy inwestują duże pieniądze w rozwiązania, które akurat nie są im potrzebne. Owszem, dobrze wyglądają w prezentacjach, ale bywa, że w praktyce nie dają żadnej wartości dla organizacji - uważa przedstawiciel PKO BP.

Eksperci starali się odpowiedzieć na pytanie co decyduje o tym czy zastosowanie Sztucznej Inteligencji w konkretnej organizacji przynosi wymierne korzyści lub nie.

- Z naszych doświadczeń wynika, że decyzja o zainwestowaniu w budowę nowego rozwiązania wynika często z chęci zastosowania danego algorytmu lub technologii, a nie zaczyna się od zdiagnozowania konkretnego problemu, który powinien zostać rozwiązany. Przecież powinno być dokładnie odwrotnie czyli najpierw konieczne jest określenie problemu i potem dobranie odpowiednich sposobów i technik do tego, by go rozwiązać czy poprawić daną usługę. Nie zawsze musi temu służyć najnowsza, najciekawsza i najbardziej wysublimowana technologia oparta na SI, bo może się okazać, że optymalne będzie prostsze narządzie - tłumaczy Marcin Strzelczyk. Jak zastrzega, pole do zastosowania tego typu narządzi jest ogromne, ale nie jest to maszynka do znajdowania i automatycznego rozwiązywania problemów w danej organizacji, niezależnie od branży.

Zgadza się z tym Kamil Konikiewicz. - Nie wpuszczamy do wnętrza organizacji osobnika, który sam się orientuje w sytuacji, sam czyta dokumenty, prowadzi spotkania, wymienia się wnioskami i sam dowiaduje się jak działają procesy. Algorytmy nadal trzeba odpowiednio i szczegółowo zaprogramować - mówi ekspert PKO BP.

- Możemy je zapętlić, w celu douczenia bądź kalibracji, ale im bardziej złożony problem rozwiązują, tym większe ryzyko że bez naszego nadzoru mogą "zawędrować" w kompletnie nieprzewidywalnym kierunku. Takie obawy bardzo dobrze pokazano chociażby w filmie dokumentalnym "Alpha Go". Pojawia się tam scena, w której twórcy algorytmu drżą o to czy nie wykona on irracjonalnego i niewytłumaczalnego ruchu w czasie pojedynku w arcymistrzem gry Go. Ta sytuacja doskonale obrazuje, że na razie nie można pozostawić SI samej sobie. Dlatego Sztuczna Inteligencja sprawdza się w wyspecjalizowanych domenach - takich jak np. tłumaczenia, analiza zdjęć rentgenowskich czy analiza obrazu z kamery na taśmie produkcyjnej - mówi przedstawiciel PKO Banku Polskiego.

Mirosław Deja podkreśla, że większość przypadków, z którymi spotykamy się w biznesie jest w dużej mierze do opisania tymi algorytmami. Cały czas jesteśmy daleko od SI, które przedstawiają filmy o samodzielnie działających robotach, ale nie zmienia to faktu, że praktyczne zastosowania i korzyści są ogromne, a są one coraz bardziej zaawansowane.

- Przykłady to identyfikacja osób na podstawie rozpoznawania twarzy czy odcisku palca - podaje przykład przedstawiciel Uniqa.

- Dziś już są algorytmy, które potrafią zweryfikować tożsamość użytkownika bez poddawania hasła i bez rozpoznawania twarzy czy odcisku palca, ale na podstawie jego zachowania i np. sposobu uderzania w klawiaturę. Algorytmy potrafią ocenić ryzyko danego użytkownika na podstawie jego ruchów i sposobu korzystania z komputera. Takie narządzi są wykorzystywane do budowy systemów scoringowych przy udzielaniu kredytów - dodaje Piotr Towarek.

Podkreśla, że np. zastosowanie sztucznej inteligencji w medycynie to ogromy postęp w procesie diagnozowania i leczenia, zwłaszcza wykorzystując je do oceny obrazów RTG czy rezonansów magnetycznych.

- Warto tu podkreślić, że to nie eliminuje udziału lekarza w ostatecznej diagnozie i decyzji o rodzaju leczenia, ale może on to zrobić na podstawie dokładnie przeanalizowanego rentgena czy rezonansu. Badania amerykańskie pokazują, że skuteczność oceny tych obrazów przez SI  jest kilkudziesięciokrotnie wyższa nawet niż przez lekarza czy nawet konsylium lekarskie -tłumaczy ekspert ITMAGINATION.

Mirosław Deja dodaje, że ten przykład doskonale pokazuje, że Sztuczna Inteligencja pomaga bardzo szybko rozwiązać 80 proc. problemu, bo zazwyczaj największym i najtrudniejszym wzywaniem jest  zidentyfikowanie elementu, na którym należy się skupić i następnie dogłębnie przeanalizować.

Jego zdaniem drugim szerokim zastosowaniem, które przyniesie wymierne korzyści jest wykorzystywanie sterowania głosowego do obsługi klientów.

- Dziś jeśli firma chce zapewnić obsługę 24/h przez 7 dni w tygodniu, musi zatrudnić dużą liczbę pracowników, którzy dyżurują także w nocy i dni świąteczne. Wyobraźmy sobie sytuację, w której np. w godzinach nocnych taką obsługą zajmuje się maszyna, która potrafi dobrze komunikować się z klientem, która rozumie co się do niej mówi i potrafi trafnie odpowiedzieć na pytania klienta. Owszem czasem jeszcze potrzebuje wsparcia konsultanta, ale sporo podstawowych problemów można załatwić szybko i zdalnie, bez konieczności interakcji z pracownikiem. Korzyści dla biznesu wynikające ze stosowania takich rozwiązań są naprawdę duże - tłumaczy przedstawiciel Uniqa. 

Mirosław Deja dodaje, że w wielu branżach duże efekty daje połączenie Sztucznej Inteligencji z Internetem Rzeczy.

- W ubezpieczeniach można np. monitorować sposób prowadzenia samochodu i na tej podstawie określić jakim kierowcą jest dana osoba, co z kolei przekłada się na ocenę ryzyka i w konsekwencji cenę jego polisy. Takich elementów będzie coraz więcej, tym bardziej, że jest coraz więcej źródeł i ilości danych, które mogą być do tego wykorzystywane - tłumaczy Deja.  Podaje też przykład ważnego zastosowania w życiu codziennym.

- Ludzie będą używać urządzeń, które na bieżąco będą monitorowały ich stan zdrowia. To pozwala wychwytywać już pierwsze niepokojące symptomy i zapobiegać rozwojowi chorób. To nie jest "sciencie fiction", ale bliska przyszłość - podkreśla.

Dlaczego niektóre firmy testują już robo-doradców, a w innych połączenie z konsultantem na infolinii wygląda tak jak 10 lat temu? 

- Ograniczenie na pewno nie tkwi w technologii, bo jest ona szeroko dostępna na rynku. W PKO Banku Polskim pracujemy nad rozwiązaniem, które pozwoli na zastąpienie klasycznego "drzewka"  przekierowującego po kolei według kategorii sprawy, w jakiej klient dzwoni na infolinię. Naszym celem jest stworzenie wirtualnego operatora, który sam zapyta w jakiej sprawie dzwoni klient, zrozumie jego intencje i od razu rozwiąże problem. Tylko w uzasadnionych przypadkach klient przekierowany zostanie do połączenia z człowiekiem - tłumaczy Kamil Konikiewicz.

Eksperci podkreślają jednak, że takie chatboty muszą być maksymalnie dopracowane, bo jeśli będą działać słabo, klienci będą poirytowani po nieudanych kontaktach. 

- To wymaga czasu, odpowiedniego podejścia do budowy takich rozwiązań i ich konieczności udoskonalania. Istotna jest także ilość oraz jakość danych wyjściowych, na których pracuje taki bot - podkreśla Piotr Towarek.

Jak się okazuje duże znaczenie mają nie tylko ich podstawowe funkcje i umiejętności, ale także bardziej "miękkie cechy".

Kamil Konikiewicz podaje przykład wirtualnego asystenta, który wkrótce zostanie udostępniony przez PKO BP i udoskonalenia, które zostało wprowadzone na ostatniej prostej, tuż przed startem pilotażowego testu.

- Programując naszego asystenta skupiliśmy się na realizacji konkretnych funkcji tj. "zrób przelew", "pokaż mi historię transakcji". Po pewnym czasie zorientowaliśmy się, że prawie równie istotny jak i funkcjonalny jest też aspekt społeczny - asystent powinien potrafić na przykład odpowiedzieć na komendy "cześć", "dziękuję" czy "co słychać?" - mówi ekspert PKO Banku Polskiego.

Jak dodaje, w projektowaniu takich rozwiązań bardzo ważna jest cierpliwość i świadomość ograniczeń.

- Trzy lata temu wykonano test oceniający uogólniony współczynnik inteligencji asystentów głosowych największych graczy jak Google czy Apple. Narzędzie, które otrzymało najlepszy wynik, zakwalifikowano jednocześnie na poziomie rozwoju 5-letniego dziecka. Wniosek - skoro bigtechy wydając ogromne kwoty, nadal budują rozwiązania o takich umiejętnościach pojmowania świata, to musimy pogodzić się z tym, że doskonalenie własnych narzędzi wymaga czasu, cierpliwości i ciągłego weryfikowania już wypracowanych elementów - przekonuje Kamil Konikiewicz.

Czy wirtualny asystent może popełnić błąd, bo źle zrozumie polecenie klienta?  Zdaniem ekspertów takie niebezpieczeństwa są i można starać się je zminimalizować, ale nie da się ich uniknąć.

- Jeśli klient rozmawiając z botem posłuży się taką kombinacją słów czy zgłosek, że ten nie zrozumie polecenia lub nie jest jego pewny, działamy tak aby bot potrafił dopytać klienta do momentu zrozumienia intencji  i uniknięcia sytuacji mylnej interpretacji - wyjaśnia ekspert PKO Banku Polskiego.  Jak zaznacza, w przypadku dyspozycji typu przelew, które przygotowuje wirtualny asystent i tak finalnie musi zostać on potwierdzony przez klienta.

- Na początku trzeba automatyzować takie procesy, które są masowe i takie, dla których daje to wymierną korzyść czyli najbardziej popularne, co do których jest najwięcej zapytań ze strony klientów itd. Po drugie takie, które zbudują ufność, bo badania pokazują, że na razie klienci boją się interakcji z wirtualnymi asystentami. Ryzyko jest takie, że jeśli taka usługa nie będzie wprowadzana w sposób umiejętny, to można na długo zrazić klientów - mówi Piotr Towarek.

Z kolei zdaniem Marcina Strzelczyka, obecnie jesteśmy na etapie skalowania tych narzędzi i w związku z tym jeszcze nie do końca rozumiemy, jakie będą implikacje ich masowego  zastosowania czyli jak będą one działać w dłuższym okresie i jak będą wzajemnie na siebie wpływały.

- Dopóty nie ma jeszcze naprawdę szerokiej skali takich zastosowań, to nie uwidaczniają się potencjalne problemy, ale wzajemne interakcje rozwiązań opartych na SI mogą przynieść nieprzewidziane skutki. Jeśli wyjdziemy poza pewne proste zastosowania to pojawi się również ryzyko etyczne. Kluczowe pytanie dotyczyć będzie tego jak używamy SI, do czego i jak kontrolujemy te narzędzia. Jeśli systemowo bardzo duża grupa instytucji zastosowałaby ten sam algorytm, to pytanie jakie to przyniesie implikacje dla społeczeństwa i gospodarki.

Mirosław Deja zwraca uwagę, że w kontekście zastosowania SI w sektorze finansowym, pojawia się ryzyko, że algorytm zachowa się w nieoczekiwany sposób, co może powodować różne problemy regulacyjne. Docelowo jedna z kluczowych zalet SI jaką jest samouczenie się algorytmów, może stać się największym zagrożeniem stosowania SI w sektorze finansowym.

Już teraz część ekspertów zastanawia się czy szerokie zastosowanie SI i analityki danych używane nieodpowiedzialnie nie doprowadzi do pogłębienia różnic społecznych, do zachowania ekosystemów gospodarczych, a nawet przyrodniczych.

 Jednak to czy takie narzędzia się upowszechnią zależy od otwartości ze strony użytkowników.

- Na dziś te rozwiązania nie są jeszcze tak doskonałe, żeby nie można było rozpoznać czy po drugiej stronie jest maszyna czy człowiek, ale badania pokazują, że sposób oswajania z tymi narzędziami nie jest tak szybki jak się wcześniej wydawało. Barierą dla wdrażania SI jest pewien opór ze strony użytkowników - mówi Piotr Towarek.  Jego zdaniem na otwartość wobec tych rozwiązań ma kontekst kulturowy, podejście do ochrony danych osobowych i innych.

A może to nie kwestia wyboru? Nie chodzi nam o to aby asystent głosowy duplikował wszystkie funkcje, które klient może samodzielnie "przeklikać" w dostępnych już aplikacjach. Wokół podstawowych opcji pojawią się takie, które trudno byłoby zaprogramować w ramach przyjaznego interfejsu np. funkcje doradcze czy zaawansowane wyszukiwania. Zważywszy na fakt, że w aplikacjach bankowych pojawia się coraz więcej różnych usług i zwykła nawigacja staje się trudniejsza - poszukiwanie nowych rozwiązań jest kluczowe - mówi przedstawiciel PKO Banku Polskiego i podaje przykład:

- Jeśli chciałbym zaprojektować np. podsumowanie wydatków po to, aby sprawdzić ile wydałem na paliwo w ciągu pół roku, to nie uniknąłbym konieczności wykonania minimum kilku kliknięć. Jeśli taką komendę podamy asystentowi głosowemu w jednym zdaniu, to on, będąc odpowiednio wyuczony błyskawicznie podsunie gotowy wynik - tłumaczy Konikiewicz.

Według Marcina Strzelczyka duże znaczenie będzie mieć jakość tych narzędzi, bo na razie są jeszcze niedoskonałe i "niewygrzane".

- Natomiast jeśli o dotychczasowe zastosowania, to zdecydowanie największą wartość dodaną udało się uzyskać tam gdzie SI wspiera specjalistę niż tam gdzie działa już samodzielnie. Przykładem jest zastosowanie algorytmów do poprawy logistyki na lotniskach i planowania siatki lotów, tak aby zminimalizować niedogodności dla klientów z powodu opóźnień.  Automatyzacja przyniosła odczuwalną poprawę, ale cały czas monitoruje i zarządza procesami specjalista w centrum lotów - tłumaczy ekspert BCG Gamma.

Obszary, które jego zdaniem są jeszcze w Polsce w zasadzie "nietknięte" przez SI to np. sektor wydobywczy.

- Australijczycy wykorzystują w tej branży Sztuczną Inteligencję na szeroką skalę i dzięki optymalizacji działania kopalń i zakładów przetwórczych zwiększyli ich efektywność o ponad 20 proc. -  podaje przykład Marcin Strzelczyk.

Jak dodaje, być może z punktu widzenia zwykłego obywatela nie wydaje się to zbyt interesujące, ale pewnie gdyby się wykazało, że dzięki temu prąd mógłby być tańszy o 15-20 proc. to zaciekawiłoby to szersze grono. 

Wskazuje też inny obszar, w którym zastosowanie SI dałoby ogromne korzyści zarówno finansowe jak i społeczne.

- Przede wszystkim chodzi o zagospodarowanie przestrzenne miast i ich rozbudowę. Można byłoby to robić zdecydowanie lepiej, optymalizując sieć komunikacyjną w miastach, zdecydowanie lepiej projektować nowe osiedla i infrastrukturę, a przy okazji zminimalizować ilość spalin, niedogodności transportowe, itd. To nadal odbywa się w bardzo analogowy sposób - dodaje.

Eksperci podkreślają też, że teraz przyszedł czas wdrożeń, bo "suchych" projektów zakładających stosowanie Sztucznej Inteligencji jest już bardzo dużo. -Tymczasem jest wiele palących problemów, które można byłoby rozwiązać z wykorzystaniem narzędzi bazujących na SI - podkreśla Piotr Towarek.

- Staramy się też obrazowo tłumaczyć firmom, które rozważają wdrożenia tego typu decyzje, że "nie budujemy od razu kosmicznej rakiety, ale najpierw hulajnogę, potem rowerek, motocykl, samochód, a dopiero na końcu rakietę". Tak wygląda proces budowy narzędzi SI i tak to należy rozumieć - dodaje ekspert ITMAGINATION.

Kamil Konikiewicz wśród obszarów, w których SI dałaby ogromną korzyść wymienia cały sektor publiczny.

Chodzi o zastosowanie w takich instytucjach jak służba zdrowia, transport publiczny czy administracja, a więc wszędzie tak gdzie jest masa danych i wiele potencjalnych scenariuszy do zastosowania takiej technologii. Choć trzeba zauważyć, że jest też masa ryzyk - przede wszystkim organizacyjnych - mówi ekspert PKO BP.

Debatę prowadziła Monika Krześniak-Sajewicz