Kaj je umetna inteligenca in kako jo podjetja uporabljajo danes

Vprašanje kaj je umetna inteligenca ima za podjetje predvsem praktičen pomen: katere naloge lahko opravite bolje, kje lahko prihranite čas in kje morate ostati previdni? Umetna inteligenca oziroma AI ni ena sama aplikacija. Je skupina tehnologij, ki iz podatkov prepoznavajo vzorce, napovedujejo rezultate ali ustvarjajo vsebine.

V podjetjih jo danes srečujete pri pripravi ponudb, odgovarjanju strankam, načrtovanju zalog in iskanju informacij v dokumentih. Njena vrednost ni v tem, da zveni pametno, temveč da pomaga doseči preverljiv rezultat. Spodnji primeri so ponazoritve možne uporabe v slovenskem poslovnem okolju, ne navedbe konkretnih uvedb ali zagotovljenih prihrankov.

Kaj je umetna inteligenca in kaj ni?

Umetna inteligenca je področje računalništva, ki razvija sisteme za naloge, povezane s prepoznavanjem, jezikom, učenjem in sklepanjem. Tak sistem lahko uspešno opravi posamezno nalogo, ne da bi razmišljal ali razumel svet tako kot človek.

Pri razumevanju izrazov pomaga naslednja razdelitev:

• Umetna inteligenca: širše področje, ki vključuje različne pristope k inteligentnemu vedenju računalniških sistemov.
• Strojno učenje: pristop, pri katerem sistem na podlagi podatkov prilagodi model za določeno nalogo, denimo napoved povpraševanja.
• Globoko učenje: vrsta strojnega učenja z večplastnimi nevronskimi mrežami, uporabna tudi pri obdelavi slik in govora.
• Generativna AI: sistemi, ki ustvarjajo besedilo, slike, zvok, programsko kodo ali druge vsebine.
• Veliki jezikovni model oziroma LLM: model, naučen na obsežnih jezikovnih podatkih, ki lahko sestavlja in obdeluje besedilo.

AI je angleška kratica za artificial intelligence, slovenska kratica pa je UI. Če naletite na iskalno zvezo »ai umetna inteligenca«, ta ne označuje posebne tehnologije: oba dela poimenujeta isti širši pojem.

Pomembna je tudi razlika med AI in običajno avtomatizacijo. Pravilo »če račun presega določen znesek, zahtevaj odobritev« samo po sebi ni umetna inteligenca. Prepoznavanje neobičajnega računa na podlagi vzorcev preteklih transakcij pa lahko uporablja strojno učenje. V praksi se oba pristopa pogosto dopolnjujeta.

Kako umetna inteligenca deluje v praksi?

Večina današnjih poslovnih sistemov AI uporablja modele, naučene na podatkih, ki nato obdelajo nov vhod. Kakovost rezultata je odvisna od naloge, podatkov, modela in načina preverjanja.

Pri napovedovanju prodaje se model uči povezav med preteklo prodajo, sezono, cenami in drugimi dejavniki. Ko dobi nove podatke, pripravi napoved. Če se razmere bistveno spremenijo, denimo zaradi prekinitve dobavne verige, lahko njegova natančnost upade.

Jezikovni model deluje drugače kot klasičen iskalnik. Na podlagi navodil in razpoložljivega konteksta postopoma sestavlja odgovor z napovedovanjem naslednjih delov besedila. Zato lahko pripravi uporaben povzetek, vendar tudi prepričljivo napačno pojasnilo.

Poslovno uporabo si predstavljajte v štirih korakih:

1. Vhod: vprašanje, dokument, slika ali strukturirani podatki.
2. Obdelava: model prepozna vzorce oziroma pripravi vsebino.
3. Izhod: osnutek odgovora, razvrstitev, napoved ali predlog dejanja.
4. Preverjanje: zaposleni ali drug kontrolni mehanizem preveri rezultat pred uporabo.

Običajen pogovor z modelom praviloma ne pomeni, da se njegovi parametri sproti učijo iz vsakega sporočila. Uporaba podatkov za poznejše izboljševanje modelov je odvisna od storitve, pogodbe in nastavitev. To preverite posebej, zlasti pred uporabo zaupnih dokumentov.

Kako podjetja danes uporabljajo umetno inteligenco?

Podjetja AI uporabljajo predvsem za obdelavo informacij, pripravo osnutkov, prepoznavanje odstopanj in napovedovanje. Najbolj uporabna je tam, kjer ima naloga jasen cilj in je rezultat mogoče preveriti.

Slovenski izvoznik lahko iz povpraševanja nemškega kupca pripravi slovenski povzetek zahtev in nemški osnutek odgovora. Prodajnik nato preveri tehnične lastnosti, dobavni rok in komercialne pogoje. AI pomaga pri jeziku in strukturi, ne potrjuje izvedljivosti naročila.

Manjše računovodsko podjetje lahko z ustrezno rešitvijo izlušči podatke iz prejetih dokumentov. To še ne pomeni, da model pravilno razume vsako davčno posebnost. Izluščeni podatek je vhod v preverjen proces, ne samodejno pravilna knjižba.

Proizvodno podjetje pa lahko potrebuje model za računalniški vid, ne klepetalnika. Izbira tehnologije mora slediti problemu. Za širši okvir izbire nalog in organizacije uvedbe si oglejte vodnik za uvedbo umetne inteligence v podjetju.

Kako dobite uporaben odgovor iz svojih dokumentov?

Uporaben odgovor zahteva jasno navodilo, ustrezne vire in merila kakovosti. Ko mora AI odgovarjati o vašem podjetju, samo splošno znanje modela običajno ni dovolj.

Primer šibkega navodila je: »Pripravi ponudbo za kupca.« Manjkajo predmet ponudbe, potrjene cene, dovoljen obseg in način obravnave neznank.

Boljše navodilo bi bilo:

Iz priloženega povpraševanja in veljavnega cenika pripravi osnutek ponudbe v slovenščini. Vključi izdelke, količine in cene iz cenika. Ne ugibaj o dobavnih rokih. Manjkajoče podatke navedi v razdelku »Za potrditev«. Ponudbe ne pošiljaj kupcu.

Za delo z večjim številom dokumentov se uporablja RAG, pristop, pri katerem sistem najprej poišče relevantne odlomke in jih posreduje modelu kot kontekst za odgovor. To ni isto kot ponovno učenje modela na vseh dokumentih podjetja.

Denimo, da zaposleni vpraša, kateri koraki veljajo pri reklamaciji izdelka. Sistem poišče ustrezna navodila in pripravi odgovor na njihovi podlagi. Za zanesljivo uporabo potrebujete:

• veljavne dokumente z jasno označenimi različicami;
• dostopne pravice, ki upoštevajo vlogo zaposlenega;
• možnost preverjanja uporabljenega vira;
• navodilo, naj sistem jasno pove, kadar podatka ne najde.

RAG zmanjša odvisnost od splošnega znanja modela, vendar ne zagotavlja pravilnosti. Napačno najden odlomek ali zastarel pravilnik lahko še vedno povzroči napačen odgovor. Pri preizkusu vključite tudi vprašanja, na katera dokumenti namenoma ne vsebujejo odgovora.

Kakšne so omejitve in tveganja poslovne uporabe AI?

Najpomembnejša tveganja so napačni odgovori, neustrezno razkrivanje podatkov in pretirano zanašanje na avtomatske predloge. Obvladujete jih s kombinacijo tehničnih omejitev, pravil in usposobljenih ljudi.

Napačni odgovori in pristranskost

Model lahko izmisli vir, zamenja znesek ali napačno razloži pogodbeno določilo. Takim prepričljivim, a neutemeljenim odgovorom pogosto pravimo halucinacije. Pri izračunih uporabljajte preverljive formule ali ustrezna računska orodja, pri pravnih vprašanjih pa preverite primarne vire in vključite strokovnjaka.

Pristranskost lahko nastane zaradi učnih podatkov ali načina uporabe. Razvrščanje kandidatov za zaposlitev zato ni primerljivo s pripravo osnutka internega obvestila. Posledice za posameznike zahtevajo drugačno presojo tveganja in obveznosti.

Osebni in zaupni podatki

Pred nalaganjem plačilne liste, pogodbe ali seznama kupcev preverite, kdo podatke obdeluje, kje, koliko časa in za kateri namen. Zgolj navedba, da rešitev deluje v EU, ne odgovori na vsa vprašanja varstva podatkov.

Pomembno: tudi če celoten dokument ostane na vašem strežniku, lahko poziv zunanjemu modelu vsebuje njegove odlomke. Presojajte dejansko vsebino prenosa, ne samo lokacije shrambe.

Navodila, skrita v vsebini

Dokument ali spletna stran lahko vsebuje zlonamerna navodila, ki poskušajo preusmeriti delovanje sistema. To tveganje je znano kot prompt injection. Varovala ga pomagajo zmanjševati, niso pa nezmotljiva. Posebej omejite možnost pošiljanja sporočil, spreminjanja zapisov in izvajanja drugih dejanj brez odobritve.

GDPR in Akt EU o umetni inteligenci lahko za uporabo pomenita konkretne obveznosti, odvisne od vloge organizacije in namena sistema. Usposabljanje zaposlenih, pregled tveganj ter ustrezno obveščanje so pomembni deli uvedbe. Nakup platforme sam po sebi ne zagotovi skladnosti.

Kako začnete z majhnim in merljivim pilotom?

Začnite z eno ponovljivo nalogo, omejenim naborom podatkov in odgovorno osebo. Uspeh ocenjujte po kakovosti potrjenega rezultata, ne po hitrosti prvega osnutka.

Praktičen pilot lahko izvedete tako:

1. Izberite nalogo. Primeren začetek je priprava osnutkov odgovorov na pogosta vprašanja iz potrjene baze znanja.
2. Izmerite izhodišče. Zabeležite čas trenutnega postopka, pogoste napake in potrebno število popravkov.
3. Določite dovoljene podatke. Začetne preizkuse izvedite z javnimi, sintetičnimi ali ustrezno anonimiziranimi primeri.
4. Pripravite preizkusni nabor. Vključite običajna vprašanja, nejasne zahteve in primere brez odgovora v virih.
5. Določite pregled. Poimenujte osebo, ki potrdi vsebinsko pravilnost, in jasno opredelite nesprejemljive napake.
6. Primerjajte rezultate. Spremljajte čas priprave in pregleda, kakovost, strošek uporabe ter dodatno delo.
7. Odločite se o nadaljevanju. Postopek razširite, prilagodite ali ustavite glede na ugotovitve.

Ponazoritev izračuna: če je naloga prej trajala 20 minut, z AI pa priprava traja 6 minut in pregled še 8 minut, je prihranek 6 minut, ne 14. To je računski primer, ne obljuba rezultata.

V skupne stroške vključite tudi ureditev dokumentov, usposabljanje, vzdrževanje povezav in reševanje napak. Če preglede opravlja redko dostopen strokovnjak, lahko prav to postane ozko grlo. Za podrobnejši načrt nadaljujte s koraki za organizirano uvedbo AI.

Kaj preveriti pri izbiri poslovnega AI okolja?

Izberite rešitev, ki ustreza vašemu procesu, podatkom in načinu nadzora. Najzmogljivejši model sam po sebi ni nujno najboljša poslovna izbira.

Pri preizkusu uporabite enake naloge za vse kandidate. Posebej preverite kakovost slovenščine, strokovno izrazje, obravnavo manjkajočih podatkov in možnost preverjanja odgovorov. Ocenite tudi, koliko dodatnih korakov zahteva vključitev v vsakdanje delo.

Kontrolni seznam naj vključuje:

• Podatke: lokacijo obdelave, hrambo, podizvajalce in uporabo za učenje.
• Dostope: ločevanje ekip, projektov in občutljivih dokumentov.
• Nadzor: dnevnike uporabe, varovala in postopke ob incidentu.
• Stroške: licence, porabo modelov, integracije in vzdrževanje.
• Prenosljivost: izvoz podatkov ter možnosti zamenjave modela ali ponudnika.

WorkenAI je primer enotnega delovnega okolja, ki povezuje več modelov, interne dokumente ter upravljanje dostopov in stroškov. Po priloženih informacijah omogoča RAG, primerjavo modelov, proračune na ravni podjetja, ekipe in posameznika ter revizijsko sled uporabe znotraj svojega okolja.

Na voljo so oblačna, hibridna in lokalna namestitev. Pri hibridni različici posebej preverite vsebino pozivov, poslanih modelu; pri povsem lokalni namestitvi lahko aplikacija, podatki in model delujejo znotraj vašega omrežja. Podrobnosti preverite na strani o varnosti WorkenAI.

Za pojasnila izrazov, kot sta BYOK in varovala, uporabite slovar AI, za produktna vprašanja pa pogosta vprašanja. Aktualne možnosti in pogoje preverite v razdelku o paketih in cenah; skupni strošek presodite glede na svoj način uporabe.

Zaključek

Umetna inteligenca je uporabna poslovna tehnologija, kadar ji določite jasno nalogo, primerne podatke in preverljiv rezultat. Ni nadomestilo za odgovornost, urejene procese ali strokovno presojo.

Za prvi korak izberite eno nalogo, določite merila in primerjajte delo z AI ter brez nje. Širite tiste uporabe, ki prestanejo pregled kakovosti, varnosti in stroškov. Če iščete skupno okolje za modele, dokumente in nadzor uporabe, si oglejte WorkenAI ter preverite, kako se ujema z zahtevami vaše ekipe.