Biznes już teraz gromadzi gigantyczną liczbę danych w zakresie obsługi klientów czy własnych, wewnętrznych procesów. Ale nawet najbardziej kompleksowe zbiory informacji pozostają bezużyteczne bez zaangażowania nowoczesnych systemów analitycznych i rozwiązań, które na ich podstawie mogłyby samodzielnie wyciągać wnioski.
Ogromny nacisk kładzie się więc na rozwój analizy big data i sztucznej inteligencji. Polskie firmy w tym zakresie nie mają jednak dużej siły przebicia, częściej przyglądają się światowym trendom, niż testują własne rozwiązania. Jak je zaktywizować? Dyskusja na ten temat została zainicjowana podczas konferencji Impact Fintech w Katowicach.
Granice błędu
Zdaniem Macieja Chorowskiego, dyrektora Narodowego Centrum Badań i Rozwoju, mamy duży potencjał do rozwoju nowatorskich rozwiązań analitycznych — absolwenci krajowych uczelni są angażowani w projekty takich gigantów, jak Google, Facebook czy Apple. Problem tkwi gdzie indziej.
— Nie mamy wypracowanych mechanizmów, które pozwoliłyby implementować nowe, np. start-upowe rozwiązania na rynek. Duże firmy w Polsce nie mają jeszcze odwagi, aby testować rozwiązania, których wcześniej nie sprawdzili inni. I koło się zamyka: nowe technologie nie mają przestrzeni do testów, nie otrzymują tym samym referencji biznesowych i nie są kupowane przez kolejne firmy — zaznaczył podczas panelu dyskusyjnego Maciej Chorowski. W takiej sytuacji trudno więc mówić o budowaniu przewagi konkurencyjnej.
— Musimy jednak pamiętać, że z perspektywy dużych firm, zwłaszcza z sektorów regulowanych, jak bankowość, wprowadzenie na rynek rozwiązań, które nie dają wystarczającej gwarancji nieomylności, może mieć wpływ na podejmowanie błędnych decyzji inwestycyjnych ich klientów — dodał Piotr Widacki, dyrektor zarządzający w BGŻ BNP Paribas. Sztuczna inteligencja na obecnym etapie rozwoju jest jeszcze daleka od doskonałości,ale już w prostych, schematycznych analizach bywa wykorzystywana w bankowości na świecie i w Polsce.
— Sztuczna inteligencja nigdy nie będzie dawać pełnej gwarancji niezawodności. Ale myślę, że przy obecnych potrzebach analitycznych lepiej zaryzykować i pokryć koszty ewentualnych błędów, niż stać z boku rynkowych trendów technologicznych. A schemat działania jest podobny jak w przypadku ryzyka kredytowego — mówił Maciej Chorowski.
Zewnętrzne bariery
Skuteczność sztucznej inteligencji uzależniona jest przede wszystkim od dostępu do ogromnej liczby danych archiwalnych i bieżących.
— W Europie nie mamy rozwiniętego rynku transakcji i wymiany danych, co jest spowodowane m.in. uwarunkowaniami prawnymi. W tym zakresie dyrektywa RODO, która wejdzie w życie w maju przyszłego roku, będzie kolejnym ograniczeniem. Zawęzi możliwośćkomercyjnej wymiany danych, zwłaszcza osobowych, między firmami. Nie dogonimy więc Stanów Zjednoczonych czy Chin, gdzie proces ten jest bardziej swobodny — podkreślił Jakub Falkowski, prawnik, ekspert ds. nowych technologii w Baker McKenzie.
Podstawową funkcją sztucznej inteligencji w biznesie jest przyspieszenie i automatyzacja procesów analitycznych, a w konsekwencji bardziej precyzyjna produkcja, zarządzanie procesami i obsługa klienta. W przypadku bankowości w grę wchodzi m.in. personalizacja oferty. W idealnym scenariuszu konsumenci otrzymają informacje o nowych produktach finansowych dokładnie wtedy, kiedy będą ich oczekiwać. W całej tej układance pozostaje jeszcze jeden, wciąż niedopasowany element — energooszczędność.
— Istnieje bardzo silna korelacja między skutecznością algorytmów sztucznej inteligencji a energooszczędnością. W praktyce będziemy w stanie przeprowadzić tyle zadań i automatycznych transakcji, ile zdołamy obsłużyć energetycznie — dodał Maciej Chorowski. © Ⓟ