AI RADAR Trendbook: “AI w biznesie. Szanse i braki – AI potrzebuje myśli strategicznej” – Michał Dżoga, Intel

Sztuczna inteligencja już definiuje konkurencję – firmy, które ją mądrze wdrażają, zyskują przewagę, a te zwlekające, szybko tracą dystans do liderów. Michał Dżoga, Country Manager Michał Dżoga, wskazuje największe szanse i ryzyka: od prywatnych systemów AI i automatyzacji produkcji, przez lukę kompetencyjną i bezpieczeństwo, po budowę „gigafabryk” AI.

Jakie są najważniejsze szanse i wyzwania związane z coraz powszechniejszym wykorzystaniem AI w polskich firmach?

To bardzo dobre i aktualne pytanie. Ponad dekadę temu Intel współtworzył Koalicję na rzecz Polskich Innowacji. Wspominam o tym dlatego, że dziś ta organizacja jest operatorem jednego z dziesięciu w Polsce Digital Innovation Hubów finansowanych przez Komisję Europejską. Łącznie w Europie działa ich około 150. To program wspierający cyfrową transformację MŚP – obejmuje szkolenia, audyty, a nawet wdrożenia usług. Jesteśmy w połowie realizacji, a skorzystało już z niego ponad 200 firm.

Widzimy coraz więcej firm, które chcą – i niektóre już potrafią – skutecznie konkurować na rynkach zagranicznych. To oznacza otwarcie się na znacznie szerszą konkurencję niż tylko lokalna, a ta w wielu miejscach już wykorzystuje AI w procesach biznesowych. Mówiąc wprost: bez tego nie da się wygrać. Żyjemy w globalnym marketplace – można łatwo porównać ceny, szybko dostarczyć produkty dzięki rozwiniętej logistyce. Liczy się czas, cena i jakość. Jeśli konkurencja korzysta z AI, ma przewagę. Polskie firmy zaczynają to rozumieć – i to dobra wiadomość. Zła jest taka, że ta świadomość wciąż często pozostaje na bardzo ogólnym poziomie.

Największy problem polega na tym, że firmy często nie wiedzą, w jakim obszarze powinny zacząć, a co więcej – jak przygotować organizację do wdrożenia AI. Samo wskazanie procesu do usprawnienia nie oznacza jeszcze gotowości.

Można nie być gotowym infrastrukturalnie, choć to akurat jest najłatwiejsze do rozwiązania, bo infrastrukturę można kupić lub wynająć. O wiele trudniejsze jest przygotowanie procesowe. Jeśli firma przez lata nie zbierała danych w odpowiedni sposób, to musi zacząć to robić – i nie może liczyć na efekty od razu. Drugi obszar to przygotowanie technologiczne i procesowe, trzeci – kompetencyjne. Europejski Chips Act nakłada obowiązek, by każda firma wykorzystująca AI – nawet w niewielkim stopniu – miała nie tylko przeszkoloną kadrę, ale i cały proces podnoszenia kwalifikacji. W grę wchodzi etyka, bezpieczeństwo, standardy pracy. Tymczasem świadomość tego obowiązku wśród firm jest minimalna. Oczekiwania są ambitne, ale brakuje przygotowania. 

Przejdźmy do priorytetowych kierunków rozwoju i zastosowań AI – jakie są dziś najważniejsze z tych obszarów z biznesie?

Kluczowe są tu trzy obszary. Pierwszym są wewnętrzne procesy i pamięć organizacyjna. Duży potencjał mają prywatne systemy AI, w których dane nie opuszczają firmy. Przykład: działasz na rynku zamówień publicznych, składasz 200 ofert rocznie. Dziś, by znaleźć podobną ofertę sprzed dwóch lat, musisz pytać ludzi wewnątrz firmy. System AI pozwala złożyć zapytanie i otrzymanie zestawienia treści, kontekstu i dokumentów. To także sposób na zachowanie wiedzy przy rotacjach kadry.

Drugi obszar to obsługa klienta. Chatboty potrafią już załatwić większość prostych spraw, podając odpowiedź, zamiast odsyłać do FAQ. Muszą być jednak dobrze zaprojektowane – złe implementacje irytują i psują obraz technologii AI.

Kolejny obszar to automatyzacja produkcji. Polska ma wciąż silny sektor przemysłowy. Do tego dochodzi rolnictwo, które w Polsce wciąż odgrywa ważną rolę gospodarczą. I tu również zastosowań dla AI jest bardzo wiele: kontrola jakości, optymalizacja procesów, automatyzacja czy robotyzacja. Dobrze zaplanowane inwestycje w robotyzację potrafią zwrócić się w ciągu nawet dwóch lat.

Tyle, że znowu kluczowa jest wiedza. Zarządy i właściciele firm często są gotowi na wdrożenia, ale w organizacjach brakuje ludzi, którzy potrafiliby odpowiednio doradzić. A małe i średnie firmy nie są klientami globalnych korporacji doradczych. Powstaje więc luka kompetencyjna – i to właśnie ją trzeba zasypać, jeśli chcemy, by polskie przedsiębiorstwa rzeczywiście weszły na ścieżkę transformacji opartej na AI.

Widzę tu pole dla integratorów i niezależnych, mniejszych firm konsultingowych. Jestem natomiast ciekaw opinii na inny temat. Czy dziś AI to przede wszystkim narzędzie do redukcji kosztów w firmach, czy raczej motor napędzający innowacje i nowe sposoby prowadzenia biznesu? Redukcja wydatków uzyskana poprzez AI nieraz wiąże się także z pewnym kosztem społecznym.

Historia zna takie momenty – to kolejny etap automatyzacji. W czasach rewolucji przemysłowej maszyny przejmowały najpierw prace fizyczne: proste, powtarzalne, a często niebezpieczne. Dziś sztuczna inteligencja przejmuje część pracy umysłowej. I to na wszystkich poziomach.

Dlatego AI można traktować zarówno jako narzędzie do oszczędności, jak i do tworzenia nowej wartości. Firmy naturalnie zaczynają od redukcji kosztów, bo to najprostsze i najszybsze. Ale potencjał innowacyjny jest równie duży, choć trudniej go uchwycić i wymaga innych kompetencji. Tu wracamy do kwestii umiejętności. AI nie jest nieomylne – wręcz przeciwnie. Potrafi konfabulować z ogromną pewnością siebie, co może prowadzić do poważnych błędów.

To ogromna zmiana jakościowa – od prezentacji, po badania medyczne i leki. To jest właśnie „supermoc” AI: umożliwia coś, co wcześniej było niewyobrażalne lub całkowicie nieopłacalne – Michał Dżoga, Country Manager, Intel Polska

Niestety, brak jest wsparcia systemowego. System edukacji wciąż kształci w zawodach, które powoli odchodzą, zamiast przygotowywać młodych ludzi do pracy z nowoczesnymi technologiami.

To prawda, ale zaczynają się pojawiać pierwsze działania systemowe. Intel niedawno podpisał porozumienie z Ministerstwem Rozwoju – będziemy szkolić MŚP w zakresie AI. Na razie w ramach pilotażu, ale jeśli się sprawdzi, program może wejść na szeroką skalę. Ruszają też szkolenia dla młodzieży, więc widać pierwsze jaskółki zmian. Natomiast faktycznie, potrzeba masowego podejścia jest ogromna.

Wracając do pytania: AI nie tylko pozwala oszczędzać i tworzyć nowe wartości, ale też wspiera coś, co nazywam operational excellence – podnoszenie jakości pracy i produktów. Podam przykład: jeszcze niedawno przygotowanie dedykowanego layoutu prezentacji pod konkretny temat było czasochłonne i kosztowne, więc nikt tego nie robił. Dziś AI może dostosować układ i styl slajdów nie tylko do tematyki prezentacji, ale nawet do treści poszczególnych slajdów. Efekt końcowy jest lepiej dopasowany i bardziej profesjonalny. To ogromna zmiana jakościowa – od prezentacji, po badania medyczne i leki. To jest właśnie „supermoc” AI: umożliwia coś, co wcześniej było niewyobrażalne lub całkowicie nieopłacalne. Oba aspekty działają jednocześnie – redukcja kosztów i wzrost jakości, która w dłuższej perspektywie sama w sobie staje się przewagą konkurencyjną.

A jaka jest rola AI w strategii Intela?

Wydaje mi się, że w naszej branży AI staje się dla rynku pracy tym, czym kiedyś by- ły komputery PC, a potem centra danych. Dziś to właśnie sztuczna inteligencja napędza biznes – i to na wielu poziomach. Mamy ogromne centra danych, które służą do trenowania modeli oraz obsługi ich działania. To dwa różne zadania, wymagające odmiennych parametrów procesorów i produktów, a konkurencja w tym obszarze jest niezwykle silna. Ale AI przenika także inne kategorie produktów – właściwie każdy obszar naszego portfolio. Można powiedzieć, że zmienia sposób myślenia o tym, czym jest dostarczanie mocy obliczeniowej, która zawsze była podstawą działalności Intela.

Równolegle mówimy o wielu warstwach – od sprzętu po oprogramowanie. Duża część prac w naszym centrum w Gdańsku dotyczy właśnie optymalizacji i bezpieczeństwa. I tu dochodzimy do kolejnego aspektu: cyberbezpieczeństwa. AI wchodzi w coraz więcej zadań, co zwiększa ekspozycję na ryzyko. Jeśli powierzamy jej coraz poważniejsze obszary – od codziennych narzędzi po autonomiczne pojazdy – to musimy być świadomi, że atak na taki system może mieć tragiczne skutki. Rozwój AI musi iść w parze z rozwojem świadomości i systemów cyberbezpieczeństwa. I to na wielu poziomach – od krzemu, przez software, aż po użytkowników. Potrzebna jest powszechna edukacja i podstawowe zasady korzystania z technologii. Tak jak nie wypuszcza się kierowcy na drogę bez prawa jazdy i znajomości przepisów, tak samo użytkownicy powinni mieć pewien zakres wiedzy obejmujący technologie cyfrowe – zestaw podstawowych kompetencji i świadomości ryzyka.

Rozwój AI musi iść w parze z rozwojem świadomości i systemów cyberbezpieczeństwa. I to na wielu poziomach – od krzemu, przez software, aż po użytkowników. Potrzebna jest powszechna edukacja – Michał Dżoga, Country Manager, Intel Polska

Co jest dziś najbardziej niedocenianym aspektem sztucznej inteligencji? O czym wciąż mówi się za rzadko?

Pierwszym tematem jest oczywiście bezpieczeństwo – mówi się o nim zbyt mało. To już jednak poruszyliśmy. Drugi, równie istotny, to zdolności predykcyjne. Zbyt mocno skupiamy się na analizie danych i ich obróbce, a za mało na wnioskowaniu i przewidywaniu. Tymczasem to potężne narzędzie. W przemyśle predictive maintenance już przynosi realne oszczędności, chroniąc firmy przed poważnymi stratami. Można przewidzieć, kiedy serwisować maszynę, zanim dojdzie do awarii. Ale predykcja nie ogranicza się tylko do produkcji – może być zastosowana w wielu innych obszarach.

Trzeci to brak działań systemowych. Dużo rozmawiamy o strategiach i planach, ale wciąż za mało jest konkretnych wdrożeń. Pojawiają się pierwsze projekty, także w edukacji, ale są to fragmenty – wąskie wycinki całości. Weźmy przykład szkół: lata pracy, wiele dobrej woli i dopiero po pięciu latach rusza program obejmujący 11 tysięcy nauczycieli, podczas gdy w Polsce mamy ich około pół miliona. Skala jest wciąż niewystarczająca.

Widać to szczególnie w administracji publicznej. Jeżeli administracja dostrzega potrzebę, to jej rolą powinno być wdrażanie rozwiązań – nie tylko planowanie. Nie twierdzę, że to łatwe, ale przełożenie strategii na realne działania, z zapewnieniem finansowania, jest kluczowe.

Spójrzmy na przykład europejskich „gigafabryk” AI. Mówi się o instalacjach złożonych ze 100 tysięcy GPU – dziś takie zasoby mają może dwie firmy na świecie. Nowy model finansowania zakłada jedną trzecią środków z Komisji Europejskiej i dwie trzecie z biznesu. Kto prywatnie sfinansuje taki CAPEX i – co ważniejsze – do czego wykorzysta tę moc, skoro w Europie brakuje odpowiednich modeli i danych? Brytyjczycy, już poza Unią, zdecydowali się na całkowicie publiczne finansowanie kilku centrów danych, jasno wskazując na bezpieczeństwo jako uzasadnienie. W Europie często mówimy o infrastrukturze, ale zbyt rzadko o jej realnym zastosowaniu.

Tu brakuje pogłębionej dyskusji. Nie na poziomie haseł, ale praktycznych scenariuszy: do czego konkretnie potrzebujemy takiej infrastruktury. To pytanie, na które powinni odpowiadać praktycy – naukowcy czy przedsiębiorcy. Dziś wciąż zbyt często słyszymy: „budujmy infrastrukturę”, ale rzadko: „po co i dla kogo?” Tu trzeba myśli strategicznej.  

Aby bezpłatnie pobrać cały raport AI RADAR – Trendbook (ponad 400 stron, bezcennej wiedzy o AI) kliknij w poniższy baner: