Kada veštačka inteligencija nije samo "Buzzword" i šta znači graditi sisteme koji zaista rade

Razlika između demonstracije i operativnog sistema nije u preciznosti modela, već u sposobnosti da se tehnologija uklopi u postojeće procese, obradi velike količine podataka u realnom vremenu i funkcioniše stabilno, bez prekida. Upravo na tom prelazu iz ideje u svakodnevnu upotrebu najveći broj AI inicijativa ostaje nedovršen.

U okruženjima gde sistemi imaju direktne finansijske i operativne implikacije prostor za takav ishod ne postoji. Veštačka inteligencija u tim slučajevima nije dodatak. Ona postaje deo operativne osnove sistema.

U tom kontekstu treba posmatrati kompanije koje uspevaju AI da prevedu iz koncepta u operativni sistem.

Jedan od takvih primera je "Factory Group".

"Factory Group" je tehnološko inženjerska kompanija s više od 100 stručnjaka, koja razvija i implementira kompleksne digitalne sisteme za organizacije u javnom i privatnom sektoru u Srbiji i na međunarodnom tržištu. Fokus njenog rada nije na eksperimentalnim rešenjima, već na sistemima koji funkcionišu u realnim operativnim uslovima, pod opterećenjem, u kontinuitetu i u okviru jasno definisanih pravila.

Priznanja poput Financial Times liste "1000 Europe’s Fastest Growing Companies" i "Deloitte Technology Fast 50" dolaze kao posledica takvog pristupa. Ne kao potvrda potencijala, već kao rezultat isporučenih sistema.

Problem koji većina AI projekata ne rešava

U javnom prostoru veštačka inteligencija se često posmatra kroz prizmu modela, njihove tačnosti, brzine ili inovativnosti. Međutim, u realnim sistemima model je samo jedan deo šire slike.

Owlie Productions / Shutterstock.com

Ključni izazovi su drugačiji. Kako upravljati podacima, kako obezbediti stabilnost sistema, kako integrisati rešenje u postojeću infrastrukturu i kako osigurati da sistem radi predvidivo u svakodnevnim uslovima.

Bez toga AI ostaje demonstracija.

Upravo zbog toga organizacije koje razvijaju operativne AI sisteme polaze od drugačijeg pristupa. Inženjerskog, a ne eksperimentalnog.

AI kao inženjerski, a ne samo istraživački problem

Jedan od razloga zašto mali broj kompanija uspeva da uvede AI u operativne sisteme jeste način na koji pristupa razvoju.

S jedne strane nalaze se organizacije koje razvijaju modele, ali nemaju kapacitet da ih implementiraju u složenim sistemima. S druge strane su kompanije koje razvijaju softver, ali bez dubljeg razumevanja AI komponenti.

KapitalRS

Operativni sistemi zahtevaju spoj oba pristupa.

U praksi to znači kombinaciju istraživačkog rada i inženjerske discipline, razvoj modela koji imaju smisla u realnim uslovima, ali i njihovu implementaciju u sistemima koji moraju da rade pouzdano, kontinuirano i u velikom obimu.

"Factory Group" svoj AI razvoj gradi upravo na tom spoju.

Njeni sistemi se koriste za obradu i analizu velikih količina podataka, identifikaciju obrazaca i odstupanja, podršku donošenju odluka i automatizaciju operativnih procesa. Implementiraju se unutar infrastrukture klijenata, čime se obezbeđuje kontrola nad podacima i stabilnost sistema.

Ono što ove sisteme razlikuje nije samo funkcionalnost već činjenica da su projektovani da rade u realnom okruženju, a ne u kontrolisanim uslovima.

Znanje koje omogućava operativnost

U okruženjima gde je tolerancija na grešku minimalna način na koji se razvija znanje postaje jednako važan, kao i sama tehnologija.

Shutterstock/Deemerwha studio

Značajan deo "Factory Group" AI tima paralelno radi na doktorskim istraživanjima, uz aktivnu podršku kompanije. Ovakav pristup omogućava razvoj dubljeg razumevanja problema koje sistemi treba da rešavaju, ali i njihove praktične implementacije.

Rezultat nije tim koji prati trendove, već tim koji razume kako da primeni tehnologiju u uslovima gde mora da funkcioniše bez izuzetka.

Rast koji dolazi iz kompleksnosti

Razvoj AI sistema u operativnom okruženju neminovno vodi ka većoj složenosti i većim zahtevima.

"Factory Group" svoje projekte realizuje u različitim industrijama i sistemima gde su obrada podataka, kontinuitet rada i pouzdanost ključni faktori. Svaki novi sistem donosi drugačiji skup zahteva, što dodatno oblikuje pristup razvoju.

Shutterstock/Summit Art Creations

Partnerstva sa kompanijama kao što su IBM, "Oracle" i "Lenovo" omogućavaju proširenje tehnološkog okvira u kojem se ova rešenja implementiraju, dok širenje kroz međunarodne akvizicije potvrđuje izlazak iz okvira regionalnog tržišta.

Kada AI prestane da bude tema

Najjasniji znak da je veštačka inteligencija dostigla zrelost nije u tome koliko se o njoj govori, već u tome koliko postaje neprimetna.

Kada sistemi funkcionišu bez zastoja, kada podaci teku kroz procese bez potrebe za intervencijom i kada odluke mogu da se donose na osnovu pouzdanih informacija, AI prestaje da bude vidljiv kao tehnologija.

Postaje deo infrastrukture.

U tom trenutku više nije važno kako je sistem razvijen. Važno je da radi.

I upravo tu se pravi razlika između projekata koji ostaju na nivou ideje i onih koji postaju deo svakodnevnog poslovanja.