Rozdział 1 Czym jest firma zasilana sztuczną inteligencją?

Już teraz wiele spośród największych i najbardziej zaawansowanych technologicznie przedsiębiorstw na świecie deklaruje, że chce postawić wszystko na sztuczną inteligencję i być "AI-first" - a z pewnością wkrótce będzie ich o wiele więcej. Google ujmuje to tak: "w świecie AI-first technologia obliczeniowa jest powszechnie dostępna, w domu, w pracy, w samochodzie i w drodze, a każda z tych form staje się coraz łatwiejsza i bardziej intuicyjna w obsłudze oraz, przede wszystkim, inteligentniejsza"[10]. Firmy z innych branż, które chcą być napędzane sztuczną inteligencją, również dążą do tego, żeby znaleźć intuicyjne i inteligentne rozwiązania technologiczne, tylko dla konkretnych zastosowań, na przykład w usługach finansowych, produkcji czy opiece zdrowotnej.

Przedsiębiorstwa w pełni AI-fueled, czyli zasilane sztuczną inteligencją, stanowią mniej niż jeden procent dużych firm. Nie było łatwo znaleźć ich dość, żeby wypełnić książkę, ale udało nam się opisać około trzydziestu. Spodziewamy się także, że wiele przedsiębiorstw pójdzie w ich ślady. I nie bez powodu! Firmy, które tu przedstawiamy, radzą sobie znakomicie. Obrały skuteczne modele biznesowe, podejmują trafne decyzje, utrzymują bliskie relacje z klientami, oferują potrzebne produkty i usługi, a dyktowane przez nie ceny zapewniają im wysoką rentowność. Są teraz uczącymi się maszynami, które wspomagają działania pracowników technologiami AI. Dysponują większą ilością danych, dane te są lepszej jakości, a na ich podstawie sztuczna inteligencja przeprowadza analizy i podejmuje decyzje. Zasoby te są z sukcesem wykorzystywane do rozbudowy przedsiębiorstw i wytwarzania społecznej i ekonomicznej wartości.

W wypadku wielu firm droga do realizacji pełnego potencjału sztucznej inteligencji zaczyna się od ostrożnego badania wybranych możliwości biznesowych i kilku potencjalnych przypadków użycia. Często nigdy nie dochodzi do etapu, który jako jedyny może przynieść wartość ekonomiczną, czyli do wdrożenia modelu do produkcji. Chociaż takie ostrożne badanie terenu pomaga zdobyć cenną wiedzę, raczej nie wystarczy, żeby firma stała się animatorem rynku albo należała do grupy "szybkich naśladowców". Aby sztuczna inteligencja wniosła znaczącą wartość w działanie przedsiębiorstwa, konieczne jest gruntowne przebudowanie systemu interakcji ludzi i maszyn w całym środowisku pracy. Taka firma musi dokonać dużych inwestycji i wykorzystywać nie tylko oprogramowanie pilotażowe, ale też w pełni wdrożone systemy produkcyjne, które zmieniają zarówno sposób pracy pracowników, jak i formy interakcji z klientami. Jej dyrekcja dąży do systemowej implementacji narzędzi opartych na sztucznej inteligencji na każdym szczeblu i na każdym etapie działania przedsiębiorstwa, żeby wspomóc projektowanie procesów biznesowych (BPD, business process designs) i podejmowanie decyzji na podstawie danych (DDDM, data-driven decision-making). Sztuczna inteligencja kształtuje nowe modele biznesowe oraz ofertę towarów i usług. Na razie tak agresywne eksploatowanie sztucznej inteligencji zapewnia przedsiębiorstwu pozycję lidera w branży. W przyszłości transformacja w firmę zasilaną AI nie będzie już tylko możliwą drogą do sukcesu - stanie się niezbędnym warunkiem przetrwania.

Co się składa na system zasilania sztuczną inteligencją?

Po czym poznać, czy firma jest zasilana AI? Co jest niezbędne, żeby zasłużyć na to miano? Nie istnieje jedna, powszechnie uznana lista składowych. W ramach naszych badań i konsultacji zwróciliśmy jednak uwagę na szereg zjawisk typowych dla firm szczególnie agresywnie stosujących technologie sztucznej inteligencji. W ciągu ostatnich czterech lat przeprowadziliśmy trzy badania aktywności przedsiębiorstw na polu AI, dzięki czemu wiele z tych elementów możemy ująć w liczby. Liczby te oddają stan rzeczy na październik 2021 roku.

Szerokie zastosowanie sztucznej inteligencji, wykorzystanie różnorodnych technologii

Firmy zasilane sztuczną inteligencją używają AI we wszystkich częściach organizacji, w różnych zastosowaniach. Sztuczna inteligencja to technologia ogólnego zastosowania, która może wspomagać realizację wielu celów biznesowych. Według naszych ankiet technologie AI najczęściej wdrażane są po to, aby wspomagać efektywność procesów biznesowych i podejmowanie decyzji oraz udoskonalać istniejące produkty i usługi. Zgodnie z najnowszym badaniem na ten temat przeprowadzonym przez Deloitte w 2020 roku już wtedy najczęściej realizowane były właśnie te trzy cele[11]. Pod wspomnianymi hasłami kryje się jednak wiele różnorodnych szczegółowych zastosowań sztucznej inteligencji. Na przykład wspomaganie procesów biznesowych może obejmować zwiększanie efektywności łańcucha dostaw przez lepsze koordynowanie dostaw i zapotrzebowania, kalkulację zapotrzebowania na obsługę techniczną sprzętu fabrycznego, a nawet przewidywanie, kto z kandydatów do zatrudnienia będzie najlepszym pracownikiem. Firmy w pełni zasilane sztuczną inteligencją z czasem zaczynają stosować tę technologię do wykonywania szerokiej gamy funkcji i procesów, a także przy tworzeniu produktów i świadczeniu usług. Żaden pojedynczy przypadek użycia nie przyniesie jeszcze transformacji całej firmy, ale gdy jest ich bardzo wiele, dokonuje się głęboka zmiana.

W naszym najnowszym badaniu wykorzystania AI firmy, które wdrożyły najwięcej rozwiązań i osiągnęły największe sukcesy - nazwane przez nas firmami transformującymi - stanowią dwadzieścia osiem procent wszystkich zbadanych przedsiębiorstw. Jak wyjaśnimy poniżej, firmy transformujące są już na dobrej drodze do pełnego wykorzystania możliwości sztucznej inteligencji, ale bardzo niewiele z nich można określić jako zasilane AI (firmy z tej grupy były zbyt nieliczne, żeby dało się je wyodrębnić w szeroko zakrojonym badaniu). W grupie firm transformujących wdrożono na pełną skalę przeciętnie sześć scenariuszy użycia AI i osiągnięto siedem wyników biznesowych, co stanowi imponujący rezultat - jednak daleki od tego, czego można oczekiwać w firmie zasilanej sztuczną inteligencją. Nazywanie tych firm transformującymi sugeruje, że ich celem jest pełna transformacja biznesowa, ale bardzo niewiele z nich zostało już faktycznie przekształconych przez sztuczną inteligencję. Przedsiębiorstwa, które istotnie zmierzają do całkowitej transformacji za pomocą AI, na ogół posuwają się znacznie dalej - niektóre wdrażają setki systemów i osiągają tak wiele wyników biznesowych, że trudno je policzyć. Naturalnie transformacja biznesowa to ciągły proces i przekształcenia żadnej firmy nigdy nie się kończą.

Firmy, które są w pełni zasilane sztuczną inteligencją, nie ograniczają się w swoim portfolio do pojedynczej technologii AI, lecz starają się wykorzystać wszelkie dostępne możliwości. Opis różnorodnych technologii oferowanych przez sztuczną inteligencję znajduje się w tabeli 1-1. Na sztuczną inteligencję składają się trzy główne, podstawowe zasoby: jest to wiedza w formie statystyki, logiki i semantyki - integrowana przez obliczenia, w tej rodzinie technologii można jednak znaleźć różnorodne metody, narzędzia i przypadki użycia.

Liderzy przedsiębiorstw zasilanych AI wiedzą wystarczająco dużo o sztucznej inteligencji, żeby podejmować trafne decyzje dotyczące tego, jakie narzędzia stosować do jakich przypadków użycia. Nie zawsze łatwo to ocenić z uwagi na - niewidoczną na pierwszy rzut oka - złożoność narzędzi. W tabeli 1-1 można na przykład znaleźć wiele różnych typów uczenia maszynowego, a ofensywni użytkownicy tej technologii muszą wiedzieć, który typ najlepiej zastosować do jakiego celu. Ponadto wybory, przed którymi stają przedsiębiorcy, mają charakter piętrowy. Na przykład "semantyczne systemy sztucznej inteligencji" w tabeli 1-1 obejmują technologie oparte na przetwarzaniu języka, takie jak rozumienie języka naturalnego (NLU, natural language understanding) czy tworzenie języka naturalnego (NLG, natural language generation). Jednak w rdzeniu aplikacji NLU często znajdują się nie tylko wykresy powiązań między słowami a pojęciami, co sugeruje termin "semantyka", lecz także algorytmy uczenia głębokiego. Podobnie bywa z oprogramowaniem NLG, które działa na bazie systemu przewidywania słów, jak na przykład niezwykle wyrafinowany system GPT-3 rozwijany przez OpenAI, który potrafi generować wszelkiego rodzaju teksty, od wierszy po programy komputerowe. Proste programy NLG bywają również konstruowane przez odwołanie do reguł. To, jak złożone są technologie AI, powoduje, że kadra kierownicza wdrażająca sztuczną inteligencję musi się sporo nauczyć, zanim zdecyduje o poważnych inwestycjach w poszczególne narzędzia i projekty.

TABELA 1-1 Technologie AI stosowane w firmach zasilanych sztuczną inteligencją

Rodzaj technologii AI

Działanie

Statystyczne uczenie maszynowe

Nadzorowane uczenie maszynowe

Tworzy modele predykcyjne trenowane na danych

Nienadzorowane uczenie maszynowe

Grupuje podobne przypadki bez uprzedniego szkolenia

Samonadzorowane uczenie maszynowe

Znajduje w danych sygnały kontrolne. Technologia dopiero powstaje

Uczenie ze wzmacnianiem

Uczy się przez eksperymentowanie i maksymalizowanie nagrody

Sieci neuronowe

Używają warstw ukrytych do przewidywania/klasyfikowania

Uczenie głębokie

Używa wielu ukrytych warstw do tworzenia modeli predykcyjnych

Uczenie głębokie - rozpoznawanie obrazów

Uczy się rozpoznawać obrazy w zbiorach oznaczonych danych

Uczenie głębokie - przetwarzanie języka naturalnego

Uczy się rozumieć lub wytwarzać mowę i tekst

Logiczne systemy sztucznej inteligencji

Silniki regułowe

Podejmuje proste decyzje na podstawie reguł jeśli/to

Zrobotyzowana automatyzacja procesów (RPA)

Łączy przepływ pracy, dostęp do danych oraz decyzje na podstawie reguł

Semantyczne systemy sztucznej inteligencji

Rozpoznawanie mowy

Rozpoznaje ludzką mowę i przekształca w tekst pisany

Rozumienie języka naturalnego (NLU)

Ocenia treści o charakterze tekstowym pod kątem znaczenia i intencji

Tworzenie języka naturalnego (NLG)

Tworzy tekst - dostosowany do potrzeb i nadający się do czytania

Niektóre firmy łączą w swojej działalności różne technologie. Na przykład Cotiviti, przedsiębiorstwo specjalizujące się w wykrywaniu oszustw ubezpieczeniowych i analityce danych w ochronie zdrowia, stosuje silniki regułowe oraz uczenie maszynowe, co stanowi wyjątkowo użyteczne połączenie. Tę samą parę technologii wybrał DBS Bank do walki z praniem brudnych pieniędzy. Wiele firm używa zrobotyzowanej automatyzacji procesów (RPA, robotic process automation) do organizacji procesów przepływu pracy na zapleczu operacyjnym i podejmuje decyzje na podstawie reguł. Coraz więcej firm i ich klientów łączy też RPA z uczeniem maszynowym, żeby dodatkowo usprawnić proces decyzyjny - często nazywane jest to "inteligentną automatyzacją procesów". Ta kombinacja różnych form sztucznej inteligencji będzie w coraz powszechniejszym użyciu i pewnie wkrótce poznamy ją pod nowymi nazwami. Najbardziej agresywni gracze wdrażają najczęściej wszystkie dostępne technologie - zarówno w takiej postaci, jak opisano w tabeli 1-1, jak i w różnych kombinacjach, których nie potrafimy jeszcze dokładnie scharakteryzować, bo dopiero zaczynają się pojawiać. W przyszłości do powszechnego użycia wejdą też pewnie nowe technologie, które wykorzystują formy sztucznej inteligencji, takie jak wirtualna rzeczywistość i inne formy symulacji, modele cyfrowe (cyfrowe bliźniaki) i metawersum.

Wstęp do wydania polskiego

Tempo zmian technologii AI wydaje się być tak szybkie, że wszystkie książki na jej temat jawią się jako przestarzałe niemalże już w momencie druku. Częściowo to złudzenie - w końcu przegrana Kasparowa z Deep Blue miała miejsce ćwierć wieku temu. Rozwój sztucznej inteligencji trwa od dziesięcioleci i postępy są regularne. Częściowo jednak coś jest na rzeczy: publikacje, które skupiają się na technologicznych aspektach rewolucji, faktycznie dezaktualizują się błyskawicznie. Na tym tle niniejsza pozycja jest zdecydowanie wyjątkowa - nie koncentruje się na szybko zmieniających i, w gruncie rzeczy, mało istotnych kwestiach technicznych, a na strategicznych fundamentach rewolucji AI w zarządzaniu.

Kiedy mówimy o sztucznej inteligencji, często myślimy o przyszłości - filmach science fiction, robotach, które przejmują świat. Ale ta książka pokazuje, że sztuczna inteligencja to nie tylko przyszłość, ale również teraźniejszość. AI jest tu i teraz, jest częścią naszego codziennego życia, wpływa na wiele aspektów naszej codzienności, a jej znaczenie będzie tylko rosło.

"All in on AI" to nie tylko teoria. To praktyczne spojrzenie na to, jak sztuczna inteligencja zmienia różne sektory - od biznesu, przez medycynę, aż po edukację. Ta książka dostarcza unikalnych przemyśleń, inspirujących przykładów i praktycznych wskazówek, które pomogą Ci lepiej zrozumieć i wykorzystać potencjał AI.

"All in on AI" to podróż do serca rewolucji technologicznej, która już teraz kształtuje naszą przyszłość. Autorzy, uznani eksperci w dziedzinie AI, z pasją i precyzją tłumaczą, jak technologie oparte na AI, takie jak uczenie maszynowe, głębokie uczenie, czy przetwarzanie języka naturalnego, zmieniają sposób, w jaki pracujemy, uczymy się i żyjemy.

Davenport i Mittal's z sukcesem demistyfikują AI, pokazując, że nie jest to tylko domena naukowców i technologów. Przytaczają liczne przykłady zastosowań AI w różnych dziedzinach - od medycyny, przez finanse, aż po produkcję i usługi. Pokazują, jak AI pomaga lekarzom w diagnozowaniu chorób, bankom w wykrywaniu oszustw, a firmom w dostarczaniu spersonalizowanych usług dla swoich klientów.

"All in on AI" to jednak nie tylko opis stanu obecnego. Autorzy z wizjonerskim zacięciem rysują obraz przyszłości, w której AI będzie jeszcze bardziej wszechobecne i wpływowe. Przedstawiają scenariusze, w których AI pomaga rozwiązywać najbardziej palące problemy ludzkości, od zmian klimatycznych po walkę z ubóstwem.

Ale Davenport i Mittal's nie ignorują też wyzwań i zagrożeń związanych z AI. Omawiają kwestie etyczne, społeczne i ekonomiczne, które niesie ze sobą rozwój AI, takie jak prywatność danych, bezpieczeństwo cyfrowe, czy wpływ automatyzacji na rynek pracy.

"All in on AI" to książka, która inspiruje, edukuje i prowokuje do myślenia. To lektura obowiązkowa dla każdego, kto chce zrozumieć, jak AI zmienia nasz świat i jak możemy skorzystać z tej rewolucji.

Powyższe, wyróżnione kursywą elementy wstępu, zostały wygenerowane za pomocą kilku zapytań do ChatGPT 4. Dobrze pokazują zarówno wady, jak i zalety generatywnej AI na dziś. To poprawnie napisane, sensowne i odnoszące się do meritum zdania - ale jednocześnie na tyle górnolotne i nie zawierające głębszej myśli, że stanowią odpowiednik dietetyczny Big Maca: co prawda zaspokajają podstawową potrzebę, ale raczej nie zwrócą niczyjej uwagi i nie mają konkretniejszej treści.

Istotą książki Davenporta i Mittala jest to, że AI nie miałaby szans jej napisać. Autorzy nie dają się porwać fali hurraoptymizmu i nie przesadzają z futurologicznymi fantazjami, ale jednocześnie trzeźwo dostrzegają ogrom nadchodzącego tsunami rewolucji technologicznej i strategicznej. Dzięki silnemu umocowaniu swoich tez w przykładach i wiedzy z zakresu zarządzania, są w stanie powiedzieć coś ciekawego i wartego uwagi. Zdecydowanie polecam.

Prof. dr hab. Dariusz Jemielniak,

Akademia Leona Koźmińskiego, faculty associate Berkman-Klein Center for Internet and Society na Uniwersytecie im. J. Harvarda, wiceprezes Polskiej Akademii Nauk, współautor "AI w strategii: Rewolucja sztucznej inteligencji w zarządzaniu" (2023, Poltext).

Wstęp

Nikt nie był szczególnie zdziwiony, gdy w 2017 roku, podczas dorocznej konferencji technologicznej Google, Sundar Pichai, dyrektor generalny Alphabet (spółki matki Google), ogłosił, że firma zamierza stać się "AI-first". "W świecie AI-first wszystkie produkty trzeba wymyślić na nowo, wykorzystując sztuczną inteligencję i uczenie maszynowe do rozwiązywania problemów użytkowników" - powiedział Pichai w wystąpieniu dla deweloperów[1]. Już w roku 2015 w firmie Google prowadzono ponad dwa tysiące siedemset projektów z udziałem AI i uczenia maszynowego[2]. Sztuczna inteligencja stanowi rdzeń niemal wszystkich produktów i usług Google, w tym wyszukiwarki, map, Gmaila, komunikatora Duo, Asystenta i wielu innych. Także chmura Google korzysta z TensorFlow, czyli zestawu algorytmów uczenia maszynowego i innych narzędzi AI. Wiele innych biznesów prowadzonych przez Alphabet, w tym spółka zajmująca się autonomicznymi pojazdami Waymo i firma biotechnologiczna Calico, również wykorzystuje sztuczną inteligencję na szeroką skalę.

Fakt, że Alphabet/Google stawiają na sztuczną inteligencję, nie był dla znawców branży żadną nowością, więc oświadczenie Pichaia nie zwróciło większej uwagi. To normalna praktyka w Dolinie Krzemowej, świecie dynamicznie przekształcających się firm, które są cyfrowymi tubylcami. Nikogo również nie zdziwi, że istnieje już książka o start-upach technologicznych, które przeszły na zasilanie sztuczną inteligencją[3]. Wszyscy pomyśleli chyba: "No tak, Google tak po prostu działa - podobnie jak Facebook, Amazon, Tencent, Alibaba i tym podobne".

Ale Alphabet/Google i inni giganci technologiczni to absolutnie nie są jedyne firmy, które postanowiły, że ich biznesy będą napędzane przez AI. Niektóre wielkie, a nawet średnie i małe przedsiębiorstwa tradycyjne również próbują osiągnąć ten cel. Na przykład, chociaż w tamtych latach niewiele małych firm już interesowało się rozwojem sztucznej inteligencji, Radius Financial Group, inicjator kredytów hipotecznych z przedmieść Bostonu, zatrudniający zaledwie 200 pracowników, od razu uznał AI za priorytet[4]. Keith Polaski, współzałożyciel firmy i jej dyrektor operacyjny, już w 2016 roku zaczął intensywnie szukać odpowiednich narzędzi AI. Polaski nazywa swój biznes "wytwarzaniem kredytów", a w jego kredytowym zakładzie produkcyjnym wszystko musi być dobrze zmierzone. Dzięki wdrożonym automatyzacjom i sztucznej inteligencji teraz firma Polaskiego jest o wiele bardziej wydajna i rentowna niż przeciętne przedsiębiorstwo w tej branży[5].

Sztuczna inteligencja podobno rozwija się głównie w Dolinie Krzemowej, ale europejski gigant przemysłu lotniczego Airbus chyba o tym nie słyszał. Również w okolicach roku 2015, zdając sobie sprawę z potrzeby ciągłego dostosowywania się do błyskawicznych zmian związanych z informatyzacją branży lotniczej oraz podwyższania wydajności operacyjnej, Airbus zdecydował się na szeroko zakrojoną transformację cyfrową. Głównymi motorami przemiany miały być sztuczna inteligencja i dane, a przekształcenia obejmowały liczne inicjatywy w całej firmie. Airbus zainwestował w nowe technologie i zaczął szkolić pracowników do używania AI. Jego zamiary nie są tajemnicą. Jak firma deklaruje na swojej stronie internetowej, "Sztuczna inteligencja (AI) to nie tylko obszar badawczy - to wszechobecna technologia przyszłości, która ma szansę wpłynąć na wszystkie aspekty ludzkiego funkcjonowania. Wierzymy, że AI to klucz do uzyskania przewagi konkurencyjnej, który pozwoli nam czerpać zyski z wartości naszych danych"[6].

Airbus wykorzystuje funkcjonalności sztucznej inteligencji we wszystkich formach działalności i na wszystkich poziomach organizacji, od produkcji samolotów po działy helikopterów, obrony i przestrzeni kosmicznej. Technologie AI leżą u podstaw wielu oferowanych przez Airbus produktów, w tym usługi obrazowania OneAtlas, systemu ATTOL (zautomatyzowanej nawigacji wspomagającej kołowanie, start i lądowanie), systemu nawigacji dla helikopterów i wirtualnych asystentów dla pilotów w kokpitach oraz astronautów w Międzynarodowej Stacji Kosmicznej.

Niewątpliwie również chińskie firmy będące cyfrowymi tubylcami, takie jak Alibaba czy Tencent, intensywnie angażują się w rozwój AI. Jednak i w Chinach technologie te przyciągają również tradycyjne firmy ubezpieczeniowe, bankowe, zajmujące się opieką zdrowotną i sprzedażą samochodów. Gigantyczne przedsiębiorstwo Ping An prowadzi interesy we wszystkich wspomnianych branżach. W każdej z nich wykorzystuje też AI - do błyskawicznej wypłaty roszczeń ubezpieczeniowych na podstawie zdjęć, ustalania tożsamości w ramach weryfikacji kredytowej za pomocą rozpoznawania twarzy, wdrażania inteligentnych rozwiązań w telemedycynie i wyceny używanych samochodów. Model biznesowy firmy polega na oferowaniu klientom kompleksowych produktów finansowych i łączeniu różnych podmiotów w ekosystemach obejmujących usługi finansowe, samochodowe i zdrowotne oraz profilaktykę chorób. Zarazem Ping An bezustannie wykorzystuje wszystkie te dane do udoskonalania swoich scenariuszy użytkownika.

Z całą pewnością coś dobrze działa w Ping An: firma została założona w roku 1988, a w roku 2020 jej przychody sięgnęły prawie dwustu miliardów dolarów. Również i ta organizacja nie kryje swoich zamiarów. Jak można się dowiedzieć ze strony Ping An Technology (technologicznego działu Ping An): "Sztuczna inteligencja stanowi jeden z technologicznych rdzeni Ping An Technology i zasila szereg rozwiązań, w tym modele predykcyjne, kognitywne i decyzyjne"[7]. Dalej czytamy: "Ping An Technology utworzyło matrycę inteligentnych technologii obejmującą rozpoznawanie twarzy, głosów, zwierząt, analizę obrazu w medycynie i multimodalne dane biometryczne, które coraz częściej i coraz powszechniej wykorzystuje się w codziennym życiu". Nawet firmy technologiczne nieczęsto mogą się poszczycić podobnym podejściem.

Ping An, Airbus i Radius to firmy tradycyjne - nie należą do branży technologicznej czy e-commerce, choć niewątpliwie dysponują wieloma zaawansowanymi funkcjonalnościami z tego obszaru. To właśnie takimi firmami interesujemy się tu najbardziej. Tego rodzaju organizacje potrafią szeroko wykorzystywać AI, chociaż sztuczna inteligencja nie leży u podstaw ich najważniejszych usług czy produktów. Pewien dyrektor do spraw AI w dużej firmie handlowej powiedział nam kiedyś: "Ludzie pytają mnie, czemu przyjmuję oferty pracy na stanowiskach związanych z danymi, analityką i sztuczną inteligencją wyłącznie w firmach tradycyjnych. Otóż dlatego, że w biznesach, które są cyfrowe od powstania, ta robota jest za łatwa!". Chociaż podejrzewamy, że nie jest aż tak łatwa, jak może się wydawać na pierwszy rzut oka, zasadniczo zgadzamy się z tą wypowiedzią. Trudno jest przekształcić istniejący biznes osadzony w tradycyjnej branży w firmę, której całe działanie zasilane jest sztuczną inteligencją. Będziemy czasem przywoływać przykłady start-upów i przedsiębiorstw technologicznych, tak jak na początku tego rozdziału, ale tylko wtedy, gdy mogą nas one nauczyć czegoś ważnego albo gdy firmy te współpracują z tradycyjnymi organizacjami. Przede wszystkim skupimy się na branżach i firmach, które istniały, zanim nawet się urodziliśmy. Opiszemy tu banki, firmy ubezpieczeniowe, wytwórców, sprzedawców, producentów, przedsiębiorstwa z branży nauk przyrodniczych, a nawet organizacje rządowe. Napotykają one bardzo różne trudności i muszą zaspokajać inne potrzeby klientów, ale wszystkie zdołały znaleźć drogę do zasilania sztuczną inteligencją.

Interesuje nas przede wszystkim to, jak wielkie firmy, które radziły sobie znakomicie przed nastaniem ery AI, wykorzystują te technologie w swoich transformacjach. Zamiast analizować typowe czy najpowszechniejsze podejście do wdrażania sztucznej inteligencji, zajmiemy się tymi organizacjami, które postawiły wszystko na tę kartę - słusznie założyły, że technologie AI przyniosą im wielki biznesowy sukces, i już teraz widzą, że ryzyko się opłaciło. Takie podejście nazywamy tu na różne sposoby: "zasilaniem AI", "napędzaniem przez AI", "byciem AI-first" itp. Wspólną cechą tych firm jest to, jak wiele ich wydatków, planów, strategii, wdrożeń i projektów jest związanych z technologiami sztucznej inteligencji. Nie każde przedsiębiorstwo musi podążać tak ambitną drogą, ale naszym zdaniem każde może się czegoś nauczyć od takich firm, a może nawet czerpać inspirację z ich przykładu.

Naszym celem będzie zbadanie, co znaczy być zasilanym przez sztuczną inteligencję i jak firma może to osiągnąć. Skupiamy się na skrajnych przykładach - wyjątkowo agresywnej implementacji, najlepszej strategii, najgłębszej przemianie operacji, najwyższej wartości biznesowej. Opiszemy, jakie są konsekwencje agresywnego wdrażania AI dla strategii, procesów, technologii, kultury organizacyjnej i rozwoju talentów. Wiedza o tym, co robią liderzy implementacji AI, może pomóc innym organizacjom w ocenie, co nowe technologie mogą zmienić w ich funkcjonowaniu.

Nasze doświadczenie

Obaj możemy się pochwalić pracą dla firm, które przodują w dziedzinie AI, a także doświadczeniem w ich profilowaniu. Tom, zanim zajął się sztuczną inteligencją, przez wiele lat badał firmy wykorzystujące analitykę danych, pisząc znakomicie sprzedające się książki i artykuły na temat "rywalizacji na polu analizy"[8]. Tekst, który ukazał się pod takim tytułem w "Harvard Business Review", został nawet zaliczony do dwunastu najważniejszych artykułów w całej stuletniej historii pisma. Reakcja czytelników zarówno na tamtą publikację, jak i na książki jasno pokazuje, że analiza przypadków firm o kompleksowym podejściu do określonych rozwiązań przydaje się nawet organizacjom niemającym tak ambitnych zamiarów. Od tamtej pory Tom współpracował z setkami przedsiębiorstw z całego świata, które najpierw chciały rozbudowywać zdolności biznesowe w obszarze analityki danych, a teraz sięgają po spokrewnione technologie AI. Niektóre z firm, które Tom profilował, gdy zajmował się analityką, takie jak Capital One czy Progressive Insurance, pojawią się również w naszej książce. Od tamtej pory podjęły one jednak wiele inicjatyw, aby się rozwijać w zakresie sztucznej inteligencji.

Nitin już od wielu lat zajmuje się analizowaniem, propagowaniem i objaśnianiem klientom tego, co to znaczy być zasilanym sztuczną inteligencją. Jest dla niego jasne, że wielu kierowników wysokiego szczebla, którzy nie wiedzą zbyt wiele na temat sztucznej inteligencji, chętnie dowiaduje się, jak inne firmy mogły dokonać transformacji z wykorzystaniem całej mocy tych technologii. Zanim skupił się na AI, przez mniej więcej piętnaście lat pracował dla firm z branży ochrony zdrowia i nauk przyrodniczych, pomagając im w wykorzystaniu technik analizy danych. Jako osoba, która od pięciu lat kieruje działem analityki i AI amerykańskiego oddziału Deloitte, miał kontakt z wieloma klientami i dyrektorami, którzy układali strategie przekształcania firmy za pomocą sztucznej inteligencji, a także z dostawcami wytwarzającymi i sprzedającymi najbardziej wyrafinowane oprogramowanie AI na świecie[9]. Przewodzi również inicjatywie strategicznej, której celem jest transformacja samego amerykańskiego Deloitte, największej firmy świadczącej usługi biznesowe na świecie.

Obaj jesteśmy zafascynowani sztuczną inteligencją jako technologią, ale jeszcze bardziej interesują nas złożone zależności między AI a strategiami i modelami biznesowymi; to, jak wpływa ona na kluczowe procesy, zarządzanie pracą i zmianą, a także istniejące architektury, którymi dysponują tradycyjne firmy. Stworzenie nowego algorytmu to imponujące osiągnięcie, jednak nie bardziej niż dokonanie znaczącej zmiany biznesowej, która obejmuje wdrażanie AI. Lubimy pracować dla organizacji, które wykorzystują nowe technologie, a szczególnie sztuczną inteligencję, do odkrywania nowych sposobów na rywalizację i sukces w biznesie, i lubimy pisać o takich firmach. Takie właśnie historie znajdziecie w naszej książce.

Czego można się dowiedzieć z naszej książki

Będziemy tu przytaczać wiele konkretnych przykładów na to, jak firmy zasilane AI wykorzystują sztuczną inteligencję. Przykłady te jednak służą ilustracji bardziej ogólnych tez na temat tego, co jest niezbędne, aby osiągnąć sukces, stawiając wszystko na AI. Tytuły rozdziałów i zagadnienia, które w nich opiszemy, to:

Rozdział 1. Czym jest firma zasilana sztuczną inteligencją?

Wyjaśniamy tu, co jest konieczne, aby firma była zasilana AI. Omawiamy konkretne technologie używane przez takie przedsiębiorstwa, sposoby na uzyskiwanie wartości i elementy charakteryzujące ambitne podejście do AI. Wspominamy o wielu firmach, a szczegółowo piszemy o Ping An i chatbocie indyjskiego digibanku DBS.

Rozdział 2. Czynnik ludzki

W tym rozdziale pokazujemy, że tym, co najważniejsze dla osiągnięcia sukcesu w wykorzystaniu sztucznej inteligencji, są nie maszyny, lecz ludzie: liderzy, nastawienie i chęć zmiany. Rozpoczynamy rozdział od historii Piyusha Gupty, dyrektora generalnego DBS Bank, który stał się skutecznym liderem inicjatywy AI tej firmy. Opisujemy także, jakie trudności napotkało kierownictwo w Morgan Stanley, Loblaw i CCC Intelligent Solutions. Aby omówić, jak można pogłębić rozumienie zagadnień związanych z AI, zarówno u dyrektorów, jak i pracowników, przywołujemy przykłady firm: Shell, Deloitte, Airbus, Bank of Montreal, Eli Lilly i Unilever.

Rozdział 3. Strategia

AI może napędzać lub przekształcać strategię biznesową przedsiębiorstwa i to właśnie analizujemy w rozdziale trzecim. Opisujemy tu trzy główne archetypy strategiczne, którymi mogą kierować się firmy nastawione na użycie sztucznej inteligencji. Przywołujemy w tym kontekście szereg przedsiębiorstw, w tym takie marki, jak: Loblaw, Toyota, Morgan Stanley, Ping An, Airbus, Shell, SOMPO, Anthem, FICO, Manulife, Progressive i Well.

Rozdział 4. Technologia i dane

Nie można wejść w świat zaawansowanej sztucznej inteligencji bez zaawansowanej technologii i wielkich zbiorów danych. W rozdziale czwartym opisujemy elementy niezbędne dla stworzenia nowoczesnej infrastruktury wykorzystującej sztuczną inteligencję i środowiska danych. Omawiamy, jak użyć wszystkich dostępnych narzędzi AI, zarządzać danymi na potrzeby sztucznej inteligencji, korzystać z uczenia maszynowego i zautomatyzowanego AutoML, metodyki MLOps, technologii firm tradycyjnych i stosować AI do skalowania rozwiązań technologicznych. Omawiamy tu przykłady takich organizacji, jak: DBS, Kroger Co. (wraz ze spółką zależną tej firmy 84.51°), Shell, Unilever, Anthem i Airbus.

Rozdział 5. Zdolności biznesowe związane z AI

Możemy oceniać osiągnięcia firm w zakresie AI pod różnymi względami, podobnie jak w wypadku wszystkich innych zdolności biznesowych. Ponieważ wyróżniliśmy trzy archetypy strategiczne użycia sztucznej inteligencji, każdy z nich będzie miał nieco inny model dojrzałości. W tym rozdziale przyglądamy się bliżej Ping An, a także firmom Scotiabank, Manulife, Progressive i Anthem. Charakteryzujemy również aspekty etyczne AI i tu skupiamy się przede wszystkim na organizacji Unilever.

Rozdział 6. Przypadki użycia AI w różnych branżach

Przypadki użycia, czyli zastosowania, AI determinują to, jak firma naprawdę wykorzystuje sztuczną inteligencję w działaniach biznesowych. W rozdziale szóstym opisujemy przypadki jej użycia w najróżniejszych branżach. Dzielimy je na typowe i rzadziej stosowane, a także dla każdej branży podajemy przykłady wczesnych naśladowców, którzy wyjątkowo agresywnie wdrożyli dane rozwiązanie. Firmy, które tu przywołujemy, to między innymi: Walmart, Seagate, Capital One, rządy Stanów Zjednoczonych i Singapuru, Cleveland Clinic, Pfizer, Novartis, AstraZeneca, Eli Lilly i Disney.

Rozdział 7. Droga do zasilania sztuczną inteligencją

W ostatnim rozdziale opisujemy cztery alternatywne drogi do przejścia na zasilanie sztuczną inteligencją. Każdą z nich ilustruje konkretny przykład. Deloitte to nasze studium przypadku dla pierwszej ścieżki, która polega na transformacji przedsiębiorstwa z branży usług dla biznesu z firmy skupionej wyłącznie na ludziach w firmę skupioną i na ludziach, i na sztucznej inteligencji. CCC Intelligent Services jest naszym przykładem ścieżki wiodącej od informacji do AI. Capital One ilustruje drogę od analityki do sztucznej inteligencji. Na koniec omawiamy Well, start-up z branży ochrony zdrowia - firmę, która budowała swoje zdolności biznesowe w obszarze AI od zera.

Chociaż oferujemy tu wiele rad, nasza książka to nie jest przepis na to, jak przejść na zasilanie sztuczną inteligencją. Każda firma musi wykształcić własne idee, strategie i konkretne sposoby na włączenie AI w swoje działania biznesowe. Jesteśmy jednak pewni, że przykłady i lekcje płynące z naszych analiz pomogą każdemu przedsiębiorstwu znaleźć własną drogę. Wiedza o tym, co potrafią osiągnąć liderzy w wykorzystaniu AI, powinna co najmniej zainspirować czytelników i przekonać inne firmy do tego, że "Najwyższa pora się za to zabrać".