Facebook Recbot LinkedIn Recbot

Jak wykorzystać AI w biznesie? Co warto zrobić w 2024 roku?

Dziedzina informatyki nazywana sztuczną inteligencją” (AI) rozwija się od kilkudziesięciu lat. W ostatnich latach obserwowaliśmy kilka przełomowych momentów, takich stworzenie modelu Alpha Zero w 2017, który osiągnął poziom arcymistrzowski w szachach oraz w go, czy powstanie w tym samym roku architektury transformer, która leży u podstaw licznych modeli przetwarzających język. Jednak dopiero udostępnienie modelu GPT-3.5 w wersji czatbota, jako ChatGPT 30 listopada 2022 r. sprawiło, że o sztucznej inteligencji zaczęli mówić niemal wszyscy. Powszechne stało się jej zastosowanie nie tylko w życiu prywatnym, ale również poszukiwanie zastosowań AI w biznesie – aby oszczędzać czas, usprawniać procesy, czy zwiększać zyski.

Zaznaczmy, że to wykorzystanie algorytmów opartych o AI (czy – bardziej precyzyjnie – uczenie maszynowe, Machine Learning) do zastosowań biznesowych trwa już od co najmniej kilkunastu lat. Powszechne są m.in. systemy rekomendujące reklamy lub inne treści użytkownikom Internetu, systemy predykcyjne na przykład w instytucjach finansowych, czy algorytmy do detekcji obrazu w przemyśle. Następuje wciąż rozwój tych algorytmów, jednak obecnie firmom daleko do wykorzystania w pełni potencjału AI.

Dlatego w tym artykule przedstawię nie tylko, jak wykorzystać w firmie generatywną sztuczną inteligencję (taką jak ChatGPT czy Midjourney), ale opiszę szerzej, jak podejść do identyfikacji obszarów możliwych do usprawnienia przez różne rodzaje algorytmów AI.

1. Poznaj podstawowe narzędzia AI

Przygodę z AI warto zacząć od przeglądu dostępnych narzędzi. Powstało ich już całkiem sporo, a każde z nich służy do bardzo różnych zastosowań. Oto kilka przykładów.

Adobe Firefly to zaawansowane narzędzie do generowania i edytowania grafiki, idealne dla działów marketingu i projektowania. Z kolei Synthesia pozwala tworzyć wideo z generowanymi głosami i postaciami, co jest świetnym rozwiązaniem do produkcji materiałów szkoleniowych i prezentacji.

Chat GPT oraz Gemini to uniwersalne narzędzia, które mogą Ci pomóc w tworzeniu treści marketingowych, w obsłudze klienta, odpowiedziach na e-maile, czy w poszukiwaniu pomysłów. Grammarly z kolei pomaga w poprawie gramatyki i stylu pisania, co jest nieocenione przy tworzeniu wysokiej jakości treści marketingowych i raportów.

Turbologo i Logopony to narzędzia do generowania logo, które mogą przyspieszyć proces tworzenia identyfikacji wizualnej firmy.

Canva oferuje szeroki zakres narzędzi do projektowania, w tym z użyciem modeli generatywnego AI. Wysokiej jakości grafiki stworzysz za pomocą Midhourney lub Leonardo.ai. Jeśli potrzebujesz podkładu muzycznego, warto zerknąć do Suno.

Narzędzia takie jak Slides AI, Presentations AI, Pitch i Beautiful.AI umożliwiają tworzenie atrakcyjnych prezentacji z automatycznym formatowaniem, co może znacznie oszczędzić czas i poprawić jakość wizualną prezentowanych materiałów.

Nie zapominaj używać narzędzi do transkrypcji spotkań, takich jak OtterAI, oraz systemów do streszczania tekstów, jak SummarizeBot.

Dla zespołów zajmujących się badaniami naukowymi, Scite.AI oferuje zaawansowane możliwości szukania informacji naukowych i znacznie przyspiesza wykonywanie researchu.

Warto eksperymentować z różnymi narzędziami, aby znaleźć te, które najlepiej odpowiadają na potrzeby Twojego biznesu. Zwiększą one z pewnością efektywność Twoich pracowników. Jednak ich użycie, to zaledwie początek możliwości AI w Twojej firmie!

2. Eksperymentuj z systemami generatywnymi

Pewnie słyszałeś już, że aby uzyskać wysokiej jakości wyniki z modelu generatywnych, kluczowe jest odpowiednie napisanie polecenia, tzw. promptu. Bazując tylko na krótkich i intuicyjnych promtach, szybko przekonasz się, że odpowiedzi zwracane przez narzędzia są dość standardowe i powtarzalne. Zapewne często nie będą spełniać potrzeb Twojej firmy.

Dlatego kolejnym krokiem będzie próbowanie i eksperymentowanie z różnymi promptami. Dzięki temu poznasz lepiej możliwości, ale też ograniczenia systemów AI. Szybko poznasz też podstawowe cechy algorytmów AI:

  • dobrze zastosowany algorytm AI może dać znaczne oszczędności czasu pracy Twoich pracowników oraz sprawić, że ich praca będzie zrobiona lepiej i dokładniej,
  • algorytm AI musi mieć ściśle zdefiniowane zadanie, które ma wykonywać
  • generyczne, ogólne systemy AI zwykle muszą być mocno dostosowane do konkretnego problemu Twojej firmy, aby dawać istotną korzyść,
  • użycie systemu AI musi być wpięte w procesy Twojej firmy oraz systemy IT (poprzez odpowiedni obieg danych), żeby po prostu jego użycie było wygodne i opłacalne czasowo, oraz przede wszystkim, aby dane Twojej firmy były bezpieczne,
  • finalne rozwiązanie AI tworzy się metodą prób i błędów, poprzez eksperymenty,
  • system AI prawie nigdy nie działa ze stuprocentową skutecznością, dlatego trzeba uwzględnić obsługę błędów i halucynacji (lub po prostu świadomie je zignorować).

3. Zbuduj własnych asystentów

Po pierwszych próbach, raczej dla zabawy niż do poważnych zastosowań, możesz tworzyć bardziej zaawansowane (choć wciąż – szybkie do zbudowana) rozwiązania AI dla Twojego biznesu.

Może to być stworzenie dobrego prompta (czyli instrukcji dla modelu) i zapisanie go w celu powtarzalnego użycia. Przykładowo może to być instrukcja dotycząca wpisów w mediach społecznościowych, gdzie określisz styl Twojej marki, wymagania co do długości wpisów, ewentualne użycie emotikonów, czy hashtagów.

W wielu narzędziach (np. w Chat GPT) możesz również załadować pliki w rozmaitych formatach – czy to tabelek (XLSX), czy dokumentów (PDF, DOCX), czy obrazków (JPG). W ten sposób zbudujesz asystentów do zarządzania wiedzą w Twojej firmie, np. jeśli chodzi o informacje dla pracowników, czy szybkie wyszukiwanie informacji, aby dać odpowiedź klientowi.

4. Poznaj możliwości innych grup sztucznej inteligencji

Modele generatywne to tylko niewielka część z całej palety algorytmów AI. Bardzo możliwe, że nie wykorzystają one w pełni potencjału, który leży w danych gromadzonych przez Twoją firmę. Dlatego warto poznać inne klasy modeli, by zastanowić się nad ich użyciem w Twoim biznesie.

Pamiętaj, że ich użycie będzie z reguły wymagało zbudowania własnego systemu AI przez zespół Data Science. Alternatywą może być wykorzystanie do tego narzędzi low-code lub no-code, gdzie osoby bez zaawansowanej umiejętności programowania mogą również stworzyć dostosowany system AI.

Najważniejsze rodzaje nie-generatywnego („tradycyjnego” AI) to:

Przetwarzanie obrazu (computer vision)

Są to algorytmy, które na wejściu dostają zwykle zdjęcie lub film. Ich efektem może być klasyfikacja, detekcja obiektów (oznaczenie zidentyfikowanych obszarów np. za pomocą kolorowego prostokąta), czy tzw. segmentacja semantyczna – wykrycie całej powierzchni zdjęcia i oznaczenie pikseli przedstawiających konkretny obiekt.

Przykład detekcji obiektów oraz segmentacji. https://manipulation.csail.mit.edu/segmentation.html

Algorytmy przetwarzania obrazu mają szerokie zastosowanie w wielu branżach. W przemyśle mogą być wykorzystywane do kontroli jakości produktów, monitorowania procesów produkcyjnych oraz zarządzania zasobami. W diagnostyce medycznej umożliwiają analizę obrazów rentgenowskich, MRI i innych skanów, pomagając w szybkim wykrywaniu chorób i anomalii. Handel detaliczny korzysta z tych technologii do analizy zachowań klientów, zarządzania asortymentem czy personalizacji ofert.

Systemy rekomendacyjne

Systemy rekomendacyjne są kluczowe w e-commerce, usługach streamingowych oraz marketingu cyfrowym. Dzięki analizie preferencji i zachowań użytkowników, te algorytmy mogą dostarczać spersonalizowane rekomendacje produktów, treści czy usług, co zwiększa zaangażowanie i lojalność klientów.

Systemy predykcyjne i grupujące

Algorytmy predykcyjne analizują historyczne dane, aby przewidywać przyszłe zdarzenia, co jest nieocenione w wielu sektorach, takich jak finanse, logistyka czy zarządzanie zasobami. Algorytmy grupujące pomagają w identyfikacji wzorców i segmentacji danych, co jest przydatne w analizie rynku oraz zarządzaniu klientami.

Systemy optymalizacyjne

Systemy optymalizacyjne wykorzystują algorytmy AI do zarządzania procesami, zasobami i logistyką w sposób najbardziej efektywny. Mogą one znacząco obniżyć koszty operacyjne i zwiększyć efektywność działania firmy. Przykłady zastosowań to zarządzanie magazynem, planowanie tras dostaw, planowanie produkcji, optymalizacja wykorzystania maszyn i zasobów, redukcja odpadów.

5. Przeprowadź warsztaty eksploracyjne i buduj kulturę AI

W wykorzystaniu potencjału AI w Twojej firmie bardzo przydatne będzie  przeprowadzenie warsztatów eksploracyjnych oraz budowanie kultury AI. Tego typu inicjatywy pomagają zespołom lepiej zrozumieć, jakie możliwości oferuje AI oraz jak te technologie mogą zostać zaadaptowane do specyficznych potrzeb biznesowych.

Warsztaty eksploracyjne to interaktywne sesje, które mają na celu identyfikację obszarów w firmie, gdzie sztuczna inteligencja może przynieść największe korzyści. Podczas tych warsztatów, pracownicy różnych działów współpracują, aby zrozumieć, jakie problemy można rozwiązać za pomocą AI oraz jakie nowe możliwości można dzięki niej otworzyć.

Wprowadzenie do warsztatów zwykle zaczyna się od przeglądu podstawowych zagadnień związanych z AI, co pozwala uczestnikom na lepsze zrozumienie koncepcji i terminologii. Następnie, analizowane są konkretne przypadki użycia AI w branżach podobnych do tej, w której działa Twoja firma. W kolejnym etapie uczestnicy identyfikują własne wyzwania i potrzeby biznesowe, które mogą być adresowane za pomocą AI, a następnie wspólnie opracowują wstępne pomysły na rozwiązania.

Budowanie kultury AI w firmie wymaga również stworzenia środowiska, które wspiera innowacyjność i ciągłe uczenie się. Kluczowe jest promowanie otwartości na nowe technologie i zachęcanie pracowników do eksperymentowania z narzędziami AI. Ważne jest także, aby liderzy w firmie aktywnie wspierali inicjatywy związane z AI i dawali przykład poprzez angażowanie się w projekty związane z wdrażaniem sztucznej inteligencji.

6. Przejdź do większych wdrożeń

Dostosowane rozwiązania AI będą wymagały dużo większych nakładów finansowych niż proste narzędzia AI (które często są darmowe lub kosztem kilkadziesiąt-kilkaset złotych miesięcznie). Koszt budowy takich rozwiązań to kilkadziesiąt lub kilkaset tysięcy złotych.

Jednak jeśli masz dobrze zdefiniowany problem oraz wykonany Proof-of-Concept, który pokaże, że system AI spełni nasze oczekiwania, zyski mogą pojawić się bardzo szybko w postaci zwiększonej sprzedaży o kilka-kilkanaście procent, oszczędności na stratach, czy oszczędności tysięcy godzin pracy Twoich pracowników.

Podsumowanie

Temat sztucznej inteligencji w biznesie to tak naprawdę cała rodzina bardzo różnych podejść. Pierwsze próby możesz wykonać samodzielnie, używając do tego gotowych narzędzi, które są darmowe lub których koszt jest bardzo niski. Jeśli jednak szukasz czegoś bardziej zaawansowanego, dopasowanego do specyfiki Twojej firmy, musisz się liczyć z większymi kosztami i skorzystać z pomocy osób technicznych. Gdybyś miał jakieś pytania lub chciał skonsultować swój pomysł, zapraszam do kontaktu!

 

Autor:
Adam Gabriel Dobrakowski – ekspert sztucznej inteligencji i uczenia maszynowego.
https://www.linkedin.com/in/dobrakowski/

Zobacz profil pracodawcy

Wyślij Uwagi

*Ocena treści pod kątem Seniority
Junior Mid Senior Expert
Oceń post przed wysłaniem komentarza

Twój komentarz:

To pole jest wymagane. (min. 3 znaki)
To pole jest wymagane

*- konieczne do uzupełnienia

Dziękujemy za wysłanie komentarza!

Oferty pracy

Mid Data / AI Engineer

Nest Bank

  • remote
  • Umowa o pracę, Kontrakt B2B
  • 15000 - 22000 PLN (net)
  • 977
  • 1 miesiąc

Prompt Engineer

Recbold

  • remote
  • Kontrakt B2B
  • 12000 - 17600 PLN (net)
  • 747
  • 1 miesiąc

ML Tech Leader/Senior Data Scientist

Infinite Services

  • remote
  • Kontrakt B2B
  • 29000 - 35000 PLN (net)
  • 31
  • 1 tydzień

Data Scientist / AI Engineer

Hirexa

  • remote
  • Umowa o pracę
  • Nieokreślone
  • 21
  • 3 tygodnie
future processing

Senior Machine Learning Engineer

Future Processing

  • remote
  • Kontrakt B2B
  • 18000 - 27000 PLN (net)
  • 37
  • 4 tygodnie

Data Scientist

Recbold

  • remote
  • Kontrakt B2B
  • 12000 - 15000 PLN (net)
  • 909
  • 1 miesiąc

Inżynier Machine Learning

Recbold

  • remote
  • Kontrakt B2B
  • 14400 - 24000 PLN (net)
  • 720
  • 1 miesiąc

Inżynier MLOps

Recbold

  • remote
  • Kontrakt B2B
  • 12800 - 20000 PLN (net)
  • 701
  • 1 miesiąc

Data Migration Specialist

Mettler Toledo

  • Warszawa
  • Umowa o pracę
  • Nieokreślone
  • 76
  • 1 miesiąc

Data Scientist

DELVE

  • remote
  • Umowa o pracę, Kontrakt B2B
  • Nieokreślone
  • 912
  • 2 miesiące