Umjetna inteligencija nije problem, problem je što tvrtke ne znaju što same znaju

Najveći dio rasprave o umjetnoj inteligenciji u poslovanju godinama se vrti oko pitanja koji model odabrati i kako ga integrirati. No ta rasprava sve više promašuje bit. Modeli su danas dostupni svima, a prava razlika između tvrtki ne leži u pristupu tehnologiji, nego u tome može li organizacija vlastito znanje — ugovore, dopise, zapisnike, dosjee klijenata, arhivu — pretvoriti u nešto što stroj može pouzdano koristiti. Umjetna inteligencija, ma koliko bila snažna, ne može izmisliti kontekst koji joj nedostaje.

Studija koju je provela analitička služba Harvard Business Reviewa pokazuje koliko je taj jaz dubok: 94 posto ispitanih direktora smatra povezivanje podataka važnim za uspjeh s umjetnom inteligencijom, ali samo 27 posto tvrdi da je to doista i ostvarilo. Problem, dakle, nije manjak podataka. Problem je naša sposobnost da ih učinimo korisnima, pouzdanima i dostupnima u pravom trenutku.

Starac „smeće unutra, smeće van” dobio novu dimenziju

Pravilo je staro koliko i računalstvo: smeće unutra, smeće van. S generativnom umjetnom inteligencijom to pravilo poprima nove razmjere. Nije dovoljno modelu dati pristup cjelokupnom dokumentarnom fondu organizacije. Treba odabrati relevantne informacije, sačuvati njihov kontekst i razlučiti pouzdano od nepouzdanog. Milijun dokumenata i dalje može značiti siromaštvo stvarno iskoristivih informacija. Kvaliteta, kontekstualizacija i upravljanje sadržajem tako postaju strateška, a ne tek tehnička pitanja.

S razvojem takozvane agentne umjetne inteligencije — sustava koji sami pokreću radnje i komuniciraju s poslovnim procesima — zahtjev raste još jedan stupanj. Pomoćnik koji proizvede pogrešan odgovor već je problem. Agent koji samostalno tumači situaciju, pokreće radnju i odlučuje u ime tvrtke unosi posve novu kategoriju rizika. Što više autonomije, to više potrebnog konteksta. Agent koji obrađuje zahtjev klijenta, analizira ugovor ili preporučuje odluku ne može raditi na djelomičnoj, zastarjeloj ili iz konteksta izvađenoj informaciji.

Gdje je nestala odgovornost

Tu se otvara pitanje koje zagovornici brze primjene rado preskaču: ako agent donese odluku, tko jamči da je znamo objasniti — na temelju kojih informacija je donesena i s kojim ovlastima je djelovao? Upravljanje se više ne može smatrati sporednom funkcijom. Ono postaje uvjet bez kojeg automatizirana odluka nije odluka, nego lutrija.

Biti „spreman za umjetnu inteligenciju” ne svodi se na infrastrukturu. Oblak, dobro sučelje i pristup najnovijim modelima nužni su, ali nedovoljni. Organizacija koja je doista spremna mora istodobno napredovati na nekoliko kolosijeka: infrastruktura, kvaliteta sadržaja, upravljanje, odgovorna uporaba i kompetencije zaposlenika. I to se ne može prepustiti isključivo informatičkom odjelu. Tehničari mogu informaciju učiniti dostupnom, ali samo poslovni ljudi znaju što je relevantna informacija, valjan kontekst i prihvatljiva razina rizika.

Pritom ne treba čekati da sve bude savršeno posloženo. Razumno je krenuti od procesa u kojima informacija ima visoku vrijednost, gdje su koristi mjerljive, a rizici obuzdani — pa iz tih primjera postupno širiti praksu. Jer prednost sutrašnjice vjerojatno neće dolaziti od pristupa najboljim modelima, koji će svima biti sve dostupniji. Razlika će se stvarati u sposobnosti svake organizacije da vlastiti informacijski kapital stavi u službu umjetne inteligencije na relevantan, siguran i kontekstualiziran način.

A upravo tu leži slijepa pjega o kojoj se najmanje govori: ako tvrtka ne zna što sama zna, kako će znati što smije povjeriti stroju — i kome će odgovarati kada stroj pogriješi? Umjetna inteligencija već je tu. Sljedeće pitanje je zahtjevnije: jesmo li spremni pustiti je da radi s onim što naša tvrtka doista zna?