Silný nástup umělé inteligence ukázal jednu velkou slabinu řady firem: mizerně spravovaná data. Proč se nasazení AI neobejde bez těch kvalitních?
Dnes už nikdo nepřemýšlí o tom, že by generativní umělá inteligence byla jen módním výstřelkem. Nevídaná úroveň kvality výstupů všechny rychle přesvědčila, že jde o užitečný nástroj, který může kompletně změnit mnoho odvětví. Firmy však začaly narážet na dlouho číhající problém: nedostatečnou kvalitu dat, bez nichž umělou inteligenci nikdy nevyužijí naplno.
Je to už více než rok od chvíle, co většina firem objevila generativní umělou inteligenci a začala žasnout nad jejím potenciálem. Po prvotním nadšení ale přichází vystřízlivění. Aby firmy mohly využít umělou inteligenci naplno, čeká většinu z nich ještě dlouhá cesta.
Velká část jich dlouho zanedbávala kvalitu svých dat a věnovala jim pozornost pouze v situacích, kdy k tomu byl výjimečně dobrý důvod – například při zavádění regulace GDPR. Jenže pokud nemá AI k dispozici co nejkvalitnější datové vstupy, výsledky podle toho vypadají.
Naopak firmy, které o kvalitu svých dat pečovaly, mají pro zavedení umělé inteligence daleko lepší výchozí pozici a mohou díky tomu získat náskok před konkurencí. Takové jsou však v menšině.
Podle průzkumu Amazon Web Services většina dotazovaných firem ještě nezačala řešit strategické změny v oblasti dat. Naopak jen jedenáct procent společností potvrdilo, že pro využití generativní umělé inteligence mají kvalitní datový základ.
Většina zároveň uvedla, že jim AI zatím nepřináší výraznou ekonomickou hodnotu. Místo implementování řešení, která posunou jejich byznys dopředu, trčí firmy ve fázi experimentování.
Vedení často nevidí, jak podstatné jsou pro firmu nástroje zrychlující práci s daty.
V první řadě jim chybí dlouhodobá strategie. Data neřeší konzistentně a systémově napříč celou organizací a specialisté, kteří si dokážou poradit s velkými databázemi informací, jsou často přetížení. Získat z dat relevantní výsledky totiž zabere spoustu času.
Je potřeba řadu dotazů odladit manuálně a vyfiltrovat spoustu nekvalitních dat. Ani pak nemusí být informace stoprocentně spolehlivé, protože i v datech se tvoří nepořádek. A když ho dlouho nikdo neuklízí, těžko se na ně spoléhá.
Práce s daty je zkrátka časově náročná činnost. Technické týmy firem si to moc dobře uvědomují a snaží se implementovat řešení, která celou práci s daty zrychlí a zefektivní. Ne vždy si ale dokážou náklady na pořízení vhodných nástrojů obhájit před svým managementem, který často nevidí, jak podstatné pro firmu jsou.
Princip ohledně nutnosti kvalitních dat nicméně platí i obráceně – AI může firmám výrazně usnadnit cestu k tomu, aby kvalitní data získaly. Vývojáři a vývojářky dosud využívali strojové učení k automatizaci některých jednoduchých kroků, ale tato „tradiční“ umělá inteligence sama o sobě nevytvářela nic tvůrčího.
Generativní umělá inteligence oproti tomu dokáže sama identifikovat trendy a navrhnout, jak s daty pracovat. Zvládne třeba z běžné lidské řeči pochopit, jaká data uživatel potřebuje, tento dotaz přeložit do „programátorského jazyka“ a téměř ihned nabídnout důvěryhodné výsledky, jejichž získání by lidem trvalo výrazně déle.
Právě demokratizace práce s daty díky umělé inteligenci je pro firmy zásadní. Navíc vyjde levněji než investice do drahých řešení. Díky tomu, že lidé už nemusejí mít tak hluboké technické znalosti, ušetří firmy také kapacity svých programátorů a programátorek, kteří se mohou soustředit na důležitou vývojářskou práci.
Zrychlí a zefektivní se tak cesta za kvalitními daty. A samozřejmě i za plným využitím generativní umělé inteligence a úspěšným byznysem. Bez toho mnohým firmám hrozí, že jim ujede vlak a „AI-powered“ konkurence je nadobro předběhne.
Autor je technickým ředitelem česko-kanadského startupu Ataccama.
