Umělá inteligence jako nejdůležitější technologie století. Jak na ní vydělat?
Společnost si v posledních měsících připomněla nástup umělé inteligence. A to i popularizací nástroje ChatGPT, který umí komunikovat lidským způsobem.
Nástroj typu ChatGTP pracuje jen s tím, co už na internetu existuje. Nedokáže vymyslet novou učební metodu, pokud o ní někdo nenapsal internetový článek nebo příspěvek na diskusní fórum. Jedním z nejdůležitějších poznatků pro využívání AI je, že se může mýlit, protože pracuje s pravděpodobností. Tím pádem může tvořit nepravdivé odpovědi a prezentovat je sebevědomě.
Jan Zeman, analytik EDUinu uvádí, že umělá inteligence zatím nemůže dosáhnout empatie učitele, který vidí, že se žák s úkolem trápí nebo se bezradně rozhlíží po třídě, zatímco jeho spolužáci s nadšením plní zadanou aktivitu. „Dítě zažívající při učení negativní emoce v podobě neúspěchu nebo frustrace, bude z pohledu systému jen nepostupující subjekt, jenž je potřeba zasypat instrukcemi pro další postup. Proto zde máme učitele, který nereaguje jen na zadané podněty žákem,“ podotýká Jan Zeman.
Umělá inteligence (AI) se stala jednou z nejdůležitějších technologií tohoto století a stále více se zvyšuje role, již hraje v řešení problémů, se kterými se setkáváme denně. AI bude ovlivňovat naše každodenní životy napříč všemi sektory ekonomiky. Ovšem, abychom dosáhli tížených výsledků, musíme se naučit výsledkům této technologie věřit. Aby vznikla tížená důvěra, potřebujeme modely umělé inteligence splňující mnohá kritéria.
Umělá inteligence fascinovala počítačové vědce i širokou veřejnost po velmi dlouhou dobu – již od vzniku samotného názvu v padesátých letech dvacátého století. Od té doby byly postupně vyvráceny mýty, jež strašily širokou veřejnost a v dnešní době se na tuto technologii dívá střídmým pohledem: umělá inteligence je velmi sofistikovaná technologie, nebo soubor technologií, jež má potenciál převratných objevů v ekonomických, vědeckých a společenských disciplínách. Je to nesmírně mocný nástroj a během příštích 10 let odborníci očekávají celosvětový přírůstek ekonomického dopadu umělé inteligence v rozmezí 12 až 16 miliard dolarů.
REKLAMA
Pokud je správně implementována, umožňuje nám umělá inteligence být efektivnější, chytřejší a lépe se přizpůsobovat nečekaným událostem. Díky UI můžeme zkoumat data a učit se z nich v rychlosti, jež před několika lety byla nereálná, nehledě na neuvěřitelnou škálovatelnost. Ovšem, tato správná implementace není samozřejmostí – vyžaduje rozsáhlé dovednosti, zkušenosti a disciplínu. Open source nástroje účinně „zdemokratizovaly“ vývoj softwaru a vedly k rychlému rozšíření UI nástrojů vytvořených ať už experty či nadšenými nováčky. Tento dynamický vývoj ovšem nepřináší pouze nové příležitosti, ale také signifikantní rizika. Například, aby se docílilo aktuálnosti modelů a jejich co nejvyšší přesnosti, je velmi jednoduché tyto modely umělé inteligence přetrénovat a udržet jejich vysokou kvalitu.
Na opačné straně mince je velmi rozdílná kvalita modelů, kdy každé použití potřebuje specifický přístup a nelze model používat univerzálně – modely za své výsledky nenesou zodpovědnost, a tedy musí existovat jejich dozor. S těmito skutečnostmi vyvstává několik problému v oblastí správy modelů, které si uvědomují výzkumní pracovníci, odborníci z praxe, vedoucí pracovníci firem i regulační orgány. Regulace umělé inteligence je již navrhnuta Evropskou komisí (shrnutí tohoto dokumentu je přiloženo níže), tato rizika přiznává a zabývá se jimi. Řeší otázku kvality dat, transparentnosti, spravedlnosti, bezpečnosti a robustnosti se zvláštním důrazem na problematiku etiky použití této technologie. V místech, kde se Akt o umělé inteligenci zabývá otázkou „co“, našim cílem je přiblížit tuto skutečnost a poskytnout rady „jak“ splnit tato kritéria.
Velký potenciál má využití umělé inteligence v sektoru finančních služeb
Jak AI transformuje tento ekosystém?
Od nákladového střediska k profit centru: Instituce nabídnou provozování back-office podpořeného AI jako externí službu, tím urychlí tempo, jakým se tyto procesy budou zlepšovat, a přimějí konkurenty, aby se sami stali uživateli těchto služeb.
Nové možnosti boje o zákaznickou loajalitu: Jak dosavadní metody diferenciace postupně ztrácejí na účinnosti, umožňuje AI institucím uniknout ze spirály cenového konkurenčního boje zavedením inovativních způsobů, jak se pro své klienty odlišit.
REKLAMA
Finanční služby na autopilota: Budoucí zákaznická zkušenost bude dominantně vytvářena prostřednictvím AI, která zautomatizuje většinu aktivit spojených s naplňováním finančních potřeb klientů a současně zlepší jejich celkový finanční výsledek.
Společná řešení pro sdílené problémy: Společná řešení založená na využívání sdílených datových souborů zásadně zvýší přesnost a včasnost výkonu nekonkurenčních činností, podpoří vzájemnou efektivitu v oblasti provozu a zvýší bezpečnost finančního systému.
Přerozdělení trhu: S tím, jak AI snižuje náklady klientů na vyhledávání a srovnávání finančních služeb, se bude polarizovat i stávající struktura trhu, kdy se na jedné straně dále zvýší výnosy velkých hráčů a na straně druhé vzniknou nové příležitosti pro specializované inovativní a agilní poskytovatele.
Klíčová role datových aliancí: V ekosystému, kde každá instituce soupeří o získání co nejširšího spektra dat, budou řízená partnerství s konkurenty i potenciálními konkurenty zcela zásadní, avšak současně zatížená strategickými a provozními riziky.
Posílený vliv regulace ochrany osobních údajů: Předpisy upravující ochranu a přenositelnost údajů a jejich interpretace budou významně ovlivňovat možnosti finančních institucí využívat AI, a stanou se tak při upevňování jejich konkurenčního postavení stejně důležitými jako tradiční regulatorní normy.
Nastavení vyváženého přístupu k talentu: Nutnost přizpůsobit se měnícím nárokům na strukturu talentu bude představovat nejvýznamnější rychlostní limit při implementaci AI a může ohrozit konkurenceschopnost institucí, které nezvládnou přenastavení své talentové strategie souběžně s nástupem nových technologií.
Nová etická dilemata: AI bude vyžadovat společné přehodnocení principů a technik dohledu s cílem nalézt řešení pro etické „šedé zóny“ i regulatorní nejasnosti, které by mohly limitovat ochotu institucí zavádět skutečně transformační řešení postavené na AI.