AI w marketingu: mity, w które musisz przestać wierzyć

Przedsiębiorcy i menedżerowie często są zdezorientowani co do tego, co faktycznie AI może zrobić dla ich firmy. Szkodliwe mity są wciąż żywe i utrudniają skorzystanie z realnej wartości dodanej, jaką dla biznesu niesie ta technologia. Poznaj najpopularniejsze z nich. 

Sztuczna Inteligencja to żaden tajemniczy system, który koniecznie i jak najszybciej należy mieć w firmie. To osobna dyscyplina wiedzy jak matematyka czy biologia, która zawiera w sobie wiele koncepcji, problemów i metod jak je rozwiązać. To coś co warto eksplorować, aby odnaleźć narzędzia adekwatne do swoich realnych potrzeb.

Hałaśliwy i zatłoczony ekosystem entuzjastów, sprzedawców platform i dostawców usług zakresu AI sprawia, że firmy mają trudności z rozróżnieniem faktów od fikcji. Prawdziwym wyzwaniem jest dziś dostarczenie liderom biznesu wiedzy, która pozwoli ich organizacjom zastosować Sztuczną Inteligencję we właściwy sposób i rozwiązać rzeczywiste problemy. W związku z tym przedstawię niektóre z mitów, które utrudniają właście zrozumienie potencjału tej technologii.

Mit 1: Sztuczna Inteligencja zabierze ludziom pracę

Faktem jest, że ​​rozwój AI wpłynie na sposób pracy do jakiego przywykliśmy na przestrzeni ostatnich dekad. W wielu branżach proces tej zmiany można zaobserwować już dziś. Jednak postrzeganie tego jako prostej wymiany siły roboczej z ludzi na maszyny jest ogromnym i mylącym uproszczeniem. 

Sztuczna inteligencja umożliwia firmom podejmowanie bardziej trafnych decyzji za pomocą prognoz, klasyfikacji i grupowania różnego rodzaju danych. W wielu przypadkach maszyna jest w stanie realizować wszystkie przyziemne zadania, ale to czego się nie zauważa to fakt, że tym samym rozszerza także te obowiązki człowieka, które są bardziej złożone.

Weźmy na przykład zastosowanie AI w służbie zdrowia i branży finansowej. Rentgen klatki piersiowej oparty o silnik AI może wykryć chorobę szybciej niż radiologowie. Za to firmy ubezpieczeniowe wykorzystują predykcje maszynowe do zarządzania majątkiem i wykrywania oszustw. Te możliwości nie eliminują zaangażowania człowieka w te zadania, ale ostatecznie ograniczają go do obserwacji i rozwiązywania nietypowych przypadków.

Rozwiązania AI w mniejszym lub większym stopniu zautomatyzują część najprostszych obowiązków pracowniczych. Z pewnością jednak kluczowe zadania w dalszym ciągu będą wymagały kompetentnych ludzi. Wyzwaniem dla współczesnego lidera nie jest dążenie do wymiany człowieka na maszynę, lecz dostosowanie zmiany profilu stanowisk tak, aby były bardziej efektywnie dzięki możliwościom, jakie wnosi do firmy technologia.

Mit 2: Automatyzacja dotyczy tylko niskich kwalifikacji

Tak, to częsty bład. Warto zauważyć, że w poprzednim akapicie podałem przykład automatyzacji w postaci diagnozy medycznej. Już teraz maszyny wyposażone w AI wykonują prace zarezerwowane dla najlepiej wyszkolonych specjalistów, takich jak lekarze i prawnicy. W amerykańskich kancelariach wykorzystuje się uczenie maszynowe do błyskawicznego skanowania tysięcy dokumentów. Na ich podstawie aplikacja zaznacza punkty, które mogą być istotne w toczącej się sprawie. 

Tak naprawdę wiele zawodów wymagających złożonych kompetencji obejmuje połączenie rutynowych, choć technicznie skomplikowanych procedur - które mogą być podejmowane przez maszyny - oraz działań w których kluczową rolę gra ludzi czynnik. Dla prawnika może być to sposób, w jaki przedstwia argumenty w sądzie, a w zawodzie lekarza - moment, kiedy musi przekazać rodzinie pacjenta trudną wiadomość.

To, co należy zrozumieć, to fakt, że automatyzacja jest procesem uniwersalnym, który dotyczy wszystkich. Nie warto jednak rozważać kwestii dotyczącej tego, kto jest lepszy - człowiek czy komputer. Tu nie chodzi o rywalizację. Kluczem do sukcesu jest zrozumienie tego, że wygra ten, kto najlepiej współpracuje z maszynami.

Mit 3: Maszyny, które uczą się same

Ten mit jest źródłem jednego z największych lęków, jakim jest wizja tego, że pewnego dnia maszyna dojdzie do bliżej nieokreślonych wniosków, które doprowadzą do tego, że komputery zwrócą się przeciwko nam. Wynika to z błędnego rozumienia terminu „uczenie maszynowe”, który mniej lub bardziej świadomie postrzegamy jako symulację procesu ludzkiego myślenia. Tymczasem Machine Learning jest niczym innym jak specyficznym sposobem przetwarzania danych opartym na instrukcji, którą tworzy człowiek.

Za każdą dojrzałą aplikacją AI stoją doświadczeni naukowcy z zakresu Data Science. Opracowują oni konkretny problem, przygotowują dane, określają odpowiednie zestawy instrukcji, usuwają potencjalne błędy powstałe podczas treningu maszyny i co najważniejsze, stale aktualizują oprogramowanie, aby umożliwić integrację nowej wiedzy i danych do następnego cyklu uczenia się. 

To nie maszyny powinny budzić naszą czujność, a ludzie zdolni tworzyć dla nich instrukcję. 

Mit 4: Sztuczna Inteligencja nie popełnia błędów

Jeśli nie będziemy ostrożni w stosowaniu metod uczenia maszynowego, możemy zacząć pokładać zbyt dużą ufność co do dokładności uzyskanych prognoz, a w rezultacie mocno się rozczarować, gdy finalne efekty okażą się gorsze niż tego oczekiwaliśmy. Wszystko przez zjawisko przeuczenia lub jeszcze inaczej - nadmiernego dopasowania. 

Na czym to polega? Metody uczenia maszynowego są szczególnie podatne na „przetrenowanie”, ponieważ mogą wypróbować ogromną liczbę różnych „reguł”. Prędzej czy później znajdzie się taka, która pasuje do danych treningowych. Szczególnie metody, które są bardzo elastyczne i mogą dostosować się do niemal każdego wzoru w danych. System może „wymyślić” prawidłowości, które w rzeczywistości nie mają miejsca, a są efektem przypadkowych błędów w danych uczących.

Wbrew pozorom takimi algorytmami można łatwo manipulować i wprowadzać w błąd. Z tego powodu warto mieć na uwadze to, jak bardzo decydujemy się polegać na wnioskowaniu maszyny przy podejmowaniu ważnych decyzji biznesowych. Sztuczna Inteligencja potrafi przeprowadzić wiele wartościowych symulacji, jednak podejmowanie decyzji i związana z tym odpowiedzialność długo jeszcze będzie spoczywała na barkach człowieka. 

Mit 5: Rozwiązania AI są drogie i wymagają programisty

Na bazie tego przekonania wiele dostawców usług zakresu AI dyktuje bardzo wysokie ceny na rynku. Tymczasem istnieje wiele narzędzi, które najwięksi giganci technologiczni udostępniają użytkownikom za darmo. Przykładem niech będzie paltforma DialogFlow.

Jest to narzędzie Google’a umożliwiająca tworzenie aplikacji rozumiejących język naturalny, jakim posługują się ludzie. Zarówno tekst, jak i głos. Środowisko implementacji jest praktycznie nieograniczone, ponieważ może to być strona internetowa, aplikacja mobilna, Messenger, asystent Google’a, Alexa Amazona oraz wiele innych platform i urządzeń. 

DialogFlow dla rozwoju rynku sztucznej inteligencji jest tym, czym Apple II był dla branży komputerów osobistych. Wszystko dlatego, że teraz każdy w zaciszu własnego domu może trenować własny algorytm SI rozumiejący spontaniczną mowę ludzką w tekście i mowie. Teraz także w języku polskim, bez umiejętności pisania kodu.