Az Európai Unió világviszonylatban is úttörő jelentőségű, mesterséges intelligenciát érintő szabályozása minden szektorban gyökeresen átformálhatja a vállalati működést. Aki nem készül fel időben, az kockáztat és lemaradhat az üzleti fejlődésben. A történelmi jelentőségű „EU AI act” várható életbe lépésének apropóján szabályozási, vállalatirányítási és technológiai oldalról keressük egy gyakorlati eseten keresztül az AI sikeres implementációjának útjait, megvilágítjuk a lehetséges buktatókat és javaslatokat teszünk azok elkerülésére.
A Kinstellar, a Neuron Solutions, valamint az IFUA Horváth előadói áttekintést adtak a rendelkezésre álló eszközrendszerről és arról, hogyan használjuk jól az AI adta lehetőségeket egy új szabályozási környezetben.
Tipikus problémák az AI vállalati bevezetésénél és alkalmazásánál:
- Felsővezetői elköteleződés és stratégiai szemléletmód hiánya. A legtöbb nagyvállalati projekt kezdeményezője ágazati vezető vagy középvezető, limitált döntési és felelősségi körrel /erőforrásokkal /pénzügyi lehetőséggel.
- Adattudatosság és adatmenedzsment hiánya céges szinten, amely megmutatkozik az elérhető adatok változó minőségében és mennyiségében. Ez hátráltatja az AI bevezetését, megértését és használatát, mivel az AI-t a gyakorlatban megvalósító gépi tanuló technológiákhoz sok és jó minőségű elérhető adatra van szükség.
- Az AI ismerete, alkalmazhatóságának és az alkalmazási korlátok ismerete alacsony a szervezetben. A gépi tanulás természetenék meg nem értése, különös tekintettel annak probabilisztikus jellegére: az AI döntései nem 100%-osan pontosak (ahogyan a humán döntések sem azok), ezt az alkalmazás “hibatűrésének” tervezésénél figyelembe kell venni.
- Az AI rendszerek építéséhez és működtetéséhez szükséges informatikai és adatinfrastruktúra hiánya ill. ennek kiépítési stratégiájának hiánya.
- Irracionális elvárások az AI-vel szemben. Ezek elsősorban a túl rövid idő alatti megtérülési és túl magas ROI elvárásokban mutatkoznak meg.
- Az üzleti működés fel nem tárt hiányosságai általában az AI bevezetési projekt közben kerülnek felszínre és gátolják az adott AI megoldás sikeres bevezetését. Ilyenek pl. egy adott vállalati funkcióhoz tartozó minőségi mutatók hiánya (pl. ügyféligények válaszideje, gépek állásideje, stb.), amely miatt az AI megoldás hatékonysága nem mérhető vissza objektíven, vagy a nem dokumentált és tudatosan nem alkalmazott vállalati folyamatok, amelyekhez az AI megoldásnak illeszkedni kellene.
A webinárium során a résztvevők az alábbi kérdésekre kaptak gyakorlatias válaszokat:
- Szabályozás (Kinstellar):
- Milyen szabályozási irányok várhatók, milyen szabályozási buktatók és veszélyek merülhetnek fel? Milyen fokú szigor lehet indokolt az AI fejlesztések esetében?
- Hogyan lehet elkerülni annak a kockázatát, hogy az AI szabályozás ne gátolja, hanem megfelelő keretek között ösztönözze a vállalati innovációs törekvéseket?
- Vállalatirányítás (IFUA Horváth):
- Milyen stratégiai, szervezeti, vállalatirányítási kérdések kerülnek napirendre az AI fejlesztéseknél?
- Hogyan illeszthetőek be az AI-megoldások a termékfejlesztési folyamatba, az üzleti modellbe, az irányítási rendszerbe?
- Technológia (Neuron Solutions):
- Hogyan lehet biztosítani a mesterséges intelligencia megfelelő működéséhez szükséges adatminőséget és milyen módszerekkel mérhető vissza az AI-megoldás hatékonysága?
- Milyen technológai, adatoldali, termékéletciklusra vonatkozó szempontokat érdemes figyelembe venni a vállalati AI-megoldásportfólió kialakításánál?
Előadók
Ádám Gábor
Partner
IFUA Horváth
Kovács Gyula
ügyvezető igazgató
Neuron Solutions
Dr. Nagy Dániel Endre
szenior ügyvéd
a Telekommunikáció, Média- és Technológia szektor vezetője,
az adatvédelmi csoport Kinstellar-szintű társvezetője