Kako izgleda ovaj prelazak sa teorije na realne rezultate u praksi, objašnjava Ivan Živanović iz kompanije MDS informatički inženjering. On za magazin BIZLife objašnjava kako kroz zaokružen inženjerski pristup automatizuju robusne sisteme u kojima čovek i dalje zadržava punu kontrolu nad poslovanjem.

• Veštačka inteligencija danas je jedna od najaktuelnijih poslovnih tema, ali se često postavlja pitanje kako njenu primenu pretvoriti u konkretne rezultate. Kako je MDS prepoznao gde AI može da donese stvarnu vrednost korisnicima i kako je razvio sopstvena AI rešenja?

‒ Pojava veštačke inteligencije u formi koja je dostupna svima i u svakom trenutku, kroz popularne generativne alate, stvorila je potrebu i postavila apsolutni standard prema kojem je ova tehnologija postala nezaobilazna u gotovo svim oblastima poslovanja. Na tržištu se pojavila svojevrsna euforija da je AI neophodno što pre uvesti u svakodnevni rad kako bi kompanija ostala konkurentna na tržištu. Započinju se projekti i postavljaju se očekivanja da veštačka inteligencija može da optimizuje poslovanje, smanji troškove i poveća profitabilnost.

To je, ujedno, i najčešća greška koju kompanije prave kada uvode digitalizaciju – tehnologiju uvode zbog trenda, bez dovoljno analize postojećih procesa, očekujući da AI reši organizacione probleme. Takav pristup često stvara svojevrsnu „savršenu oluju” – tehnologija jeste implementirana, ali poslovni rezultati izostaju, dok troškovi primene novih rešenja neretko prevazilaze očekivanja.

Upravo iz takvih situacija nastala su naša AI rešenja. Umesto da uvodimo tehnologiju radi tehnologije, polazimo od poslovnog problema koji korisnik želi da reši. Kroz analizu procesa identifikujemo aktivnosti koje mogu biti automatizovane ili unapređene primenom veštačke inteligencije, a zatim razvijamo rešenje prilagođeno konkretnim potrebama organizacije. Na taj način AI postaje alat koji donosi merljive rezultate, a ne još jedna tehnologija koja se uvodi zbog tržišnog trenda. Pri tome, čovek ostaje ključni deo procesa i zadržava kontrolu nad odlukama koje utiču na poslovanje.

• Šta to zapravo znači?

‒ To znači da AI alat može da nam pomogne u različitim segmentima: da prepozna tekst iz skeniranog dokumenta i da ga digitalizuje, da razume kontekst samog sadržaja, da uporedi sa drugim dostupnim podacima i dokumentima, da izvuče ključne informacije i prosledi drugim alatima i sistemima. Međutim, sve što AI obradi i predloži, a što može direktno da utiče na poslovni rezultat – mora biti provereno i potvrđeno od strane čoveka. Veštačka inteligencija može da obradi velike količine podataka i predloži naredne korake, ali je i dalje važno da postoji ljudska kontrola kako bi se osiguralo da rezultati budu tačni i pouzdani.

• Koliko su bezbednost podataka i regulatorni zahtevi važni prilikom implementacije AI rešenja?

‒ AI rešenja mogu koristiti jezičke modele i druge AI komponente koje se nalaze u klaudu, odnosno na infrastrukturi drugih kompanija, često van granica zemlje u kojoj poslujete. Sa druge strane, kompletan AI sistem može se implementirati i održavati na infrastrukturi same kompanije. Tada govorimo o suverenim sistemima.

U tom slučaju podaci i rezultati rada sistema ostaju unutar kompanije ili institucije, a treća lica ne mogu da ih koriste za treniranje svojih modela, što nije uvek slučaj kod klaud scenarija. Ovo je posebno važno za kompanije i institucije koje posluju sa osetljivim podacima ili posluju u strogo regulisanim sektorima, gde postoje jasni zahtevi u vezi sa zaštitom i obradom informacija.

Zbog toga je važno da već na početku projekta definišemo bezbednosne i regulatorne zahteve, jer oni direktno utiču na izbor tehnologije i način implementacije rešenja.

• Koliko su podaci bitni u celoj ovoj priči i da li AI sistemi mogu da funkcionišu bez njih?

‒ Kada smo ispunili preduslove u vezi sa bezbednošću informacija i infrastrukturom, podaci su sledeća najvažnija stvar. Kvalitet rezultata koje dobijamo od AI sistema direktno zavisi od podataka i instrukcija koje mu dajemo. Ovde, pre svega, mislim na to kako smo ga istrenirali da razmišlja, u kontekstu poslovnih procesa i svih izuzetaka od procesa i pravila koji se mogu javiti u radu.

Kada je AI model dobro istreniran, moramo obezbediti da se u svakom koraku procesa sistem hrani adekvatnim podacima. To znači da, ukoliko vaš proces ima četiri koraka, a podatke i informacije za obradu obezbedite samo za prva tri, dok za četvrti pretpostavite da će AI sam moći da se snađe, rezultat njegovog rada može da vas iznenadi, ali ne na dobar način.

Veliki problem implementacija i pilot-projekata ogleda se u tome što podaci nisu u adekvatnom obliku. Oni se često nalaze u papirnoj dokumentaciji ili nestrukturiranim fajlovima na računarima zaposlenih. Međutim, to ne treba da obeshrabri uvođenje AI rešenja, već da podstakne kompanije da tehnologiju iskoriste za digitalizaciju i uspostavljanje strukturiranih baza podataka koje će predstavljati jedinstven izvor pouzdanih informacija.

Deo našeg portfolija čine i sistemi Data Warehouse, koji omogućavaju da se podaci iz različitih izvora objedine na jednom mestu i koriste na kontrolisan način. Što su podaci kvalitetniji i bolje uređeni, to su i rezultati koje dobijamo od AI sistema pouzdaniji.

• Kako to u praksi izgleda?

‒ Najbolje ću to pojasniti kroz primer jednog velikog poslovnog sistema u čije smo procese uveli naše rešenje bazirano na veštačkoj inteligenciji – CleverOPS. Naš glavni zadatak bio je da optimizujemo centralni poslovni proces, koji je u tom trenutku izgledao ovako: veliki broj korisničkih zahteva pristizao je u papirnom obliku i bilo je neophodno obraditi ih kroz nekoliko faza. Zaposleni su proveravali tačnost podataka u zahtevima, ocenjivali njihovu relevantnost i, na kraju, ručno unosili obrađene podatke u centralni informacioni sistem. U pojedinim periodima na ovom procesu radilo je nekoliko stotina zaposlenih, bez efikasnog mehanizma kontrole nad unetim podacima.

Uvođenjem veštačke inteligencije, naš sistem je preuzeo prepoznavanje teksta iz pristiglih dokumenata, razumevanje njihovog sadržaja, izdvajanje relevantnih informacija i proveru podataka kroz interne i eksterne sisteme. Na kraju, sistem priprema podatke za unos u centralni informacioni sistem. Čoveka, odnosno zaposlenog, ostavili smo u završnom koraku procesa, gde proverava da li je sistem sve uradio kako treba i odobrava prenos tako pripremljenih podataka u glavnu bazu.

Implementacija ovako robusnih sistema nešto je drugačija od onoga po čemu je MDS do sada bio prepoznat. Za nas je to prirodan nastavak onoga što smo do sada radili. Kompletan inženjerski tim ima značajnu ulogu u izgradnji suverenih sistema, jer se ovakva rešenja ne završavaju samo na softveru. Potrebno je obezbediti infrastrukturu, mrežu, bezbednost i sve ostale komponente na kojima će takav sistem pouzdano da funkcioniše.

Upravo zbog toga danas možemo da ponudimo kompletno rešenje – od infrastrukture i platforme do poslovne aplikacije i AI komponenata. Naša prednost je što sve te delove razvijamo i implementiramo unutar iste kompanije.

Sa druge strane, razvoj naših softverskih proizvoda nastao je iz konkretnih potreba korisnika i problema koje smo prepoznavali u radu sa njima. Tako je nastao AssetOPS, alat koji omogućava evidenciju IT resursa, njihove međusobne povezanosti i kompletnog životnog ciklusa opreme. Kasnije smo razvili i TicketOPS, rešenje za upravljanje zahtevima i procesima unutar organizacije.

I danas pristupamo razvoju novih proizvoda na isti način. Ne polazimo od tehnologije koju želimo da primenimo, već od problema koji korisnik želi da reši. Tek nakon toga biramo tehnologiju i razvijamo rešenje koje će dati konkretan poslovni rezultat. 

Brzi Q&A

• Koliko ste AI rešenja razvili do sada?

‒ Uspostavili smo tri AI proizvoda koja se prilagođavaju konkretnim poslovnim zadacima i procesima svakog korisnika.

• Da li korisnicima isporučujete AI rešenja po principu „ključ u ruke”?

‒ Da. Korisnicima isporučujemo kompletno rešenje, koje obuhvata aplikaciju, infrastrukturu i svu neophodnu podršku za rad sistema.

• Da li je moguće primeniti isto AI rešenje u više različitih kompanija?

‒ Jeste, ali se najprecizniji i najkvalitetniji rezultati postižu kada se rešenje prilagodi procesima i potrebama konkretne kompanije.

• U kojim industrijama danas vidite najveći potencijal za primenu AI rešenja?

‒ AI ima primenu u gotovo svim industrijama, ali najveću vrednost donosi organizacijama koje raspolažu velikim količinama podataka i složenim poslovnim procesima.

• Koliki je prosečan vremenski okvir za implementaciju jednog AI rešenja?

‒ U zavisnosti od kompleksnosti procesa, implementacija može trajati od nekoliko meseci do godinu dana. Naše iskustvo pokazuje da je najefikasniji fazni pristup uvođenju AI rešenja.

• Šta je važnije za uspeh projekta – kvalitetan AI model ili dobro definisan poslovni proces?

‒ Jedno bez drugog ne daje pun efekat. Uspeh dolazi iz kombinacije kvalitetnog AI modela i jasno definisanih poslovnih procesa.