Οι επιχειρήσεις που χρησιμοποιούν την τεχνητή νοημοσύνη τελευταίας γενιάς έχουν μια αναπάντεχη ανάγκη: πραγματική ανθρώπινη νοημοσύνη. Οι εταιρείες που χρησιμοποιούν με επιτυχία τα σύγχρονα εργαλεία δημιουργικής τεχνητής νοημοσύνης – όπως το Copilot της Microsoft, το Agentforce της Salesforce ή άλλες εφαρμογές που προσφέρονται από ένα πλήθος νέων startup – ανακαλύπτουν ότι, για να μπορέσουν να αξιοποιήσουν πραγματικά την τεχνητή νοημοσύνη, συχνά χρειάζεται να οργανώσουν τα δεδομένα τους με διαφορετικό τρόπο από ό,τι πριν.

Και αυτό δεν είναι κάτι που γίνεται μόνο μία φορά. Για να διατηρήσουν ενημερωμένες τις ολοκαίνουργιες εφαρμογές ΑΙ που έχουν αγοράσει, πρέπει να ανανεώνουν διαρκώς τις πληροφορίες με τις οποίες τις τροφοδοτούν – και αυτό απαιτεί περισσότερη δουλειά από πραγματικούς ανθρώπους. Το γεγονός αυτό θα μπορούσε να έχει μεγάλες επιπτώσεις στην οικονομία στο σύνολό της. Τουλάχιστον στις 5-6 εταιρείες με τις οποίες μίλησα, φαίνεται να συμβαίνει κάτι που οι οικονομολόγοι έχουν παρατηρήσει σε αμέτρητες τεχνολογικές επαναστάσεις στο παρελθόν. Οταν εμφανίζεται μια νέα μορφή αυτοματοποίησης εξαφανίζει ορισμένες θέσεις εργασίας και την ίδια στιγμή δημιουργεί κάποιες νέες. Ορισμένες από αυτές τις νέες θέσεις εργασίας σχετίζονται με τη συγγραφή, την επεξεργασία και την οργάνωση πληροφοριών. Οχι για χρήση από άλλους ανθρώπους, αλλά από τις ίδιες τις εφαρμογές ΑΙ.

Ο,τι βάζεις, παίρνεις

Η εταιρεία BACA Systems, που εδρεύει λίγο έξω από το Ντιτρόιτ και κατασκευάζει βιομηχανικά ρομπότ για την κοπή λίθινων πάγκων εργασίας, είναι μια χαρακτηριστική περίπτωση. Κάθε ρομπότ είναι ελαφρώς διαφορετικό από τα άλλα, καθώς η τεχνολογία εξελίσσεται διαρκώς και προορίζεται για κάποιο συγκεκριμένο εργοστάσιο, με τα ιδιαίτερα χαρακτηριστικά του. Ο Aντριου Ρούσο, επικεφαλής του τμήματος Πληροφορικής της εταιρείας, λέει ότι, όταν χαλάει το ρομπότ ενός πελάτη, ο χρόνος είναι ζωτικής σημασίας.

Προκειμένου να μειώσει τον χρόνο που μεσολαβεί από τη στιγμή που ο πελάτης αναφέρει το πρόβλημα μέχρι που παίρνει μια πρώτη απάντηση, η BACA δουλεύει πάνω σε ένα chatbot εξυπηρέτησης πελατών που βασίζεται σε μια πλατφόρμα τεχνητής νοημοσύνης της Salesforce.

Αρχικά, το chatbot αντλούσε πληροφορίες από εγχειρίδια χρήσης 400 σελίδων. Αν ο πελάτης ήθελε να ανατρέξει στην αρχική πηγή στην οποία βασιζόταν η απάντηση του chatbot, δεν ήταν πολύ εξυπηρετικό απλώς να τον παραπέμψεις σε ένα τεράστιο μάνιουαλ, εξηγεί ο Ρούσο. Ετσι, οι ίδιοι οι τεχνικοί και οι υπάλληλοι του τμήματος εξυπηρέτησης πελατών που χειρίζονται τα αιτήματα συμμετέχουν στην ομάδα που αναθεωρεί τα εγχειρίδια χρήσης των ρομπότ και τα σπάει σε μικρότερες, επιμέρους ενότητες που αφορούν συγκεκριμένα θέματα.

Ετσι δημιουργείται μια «γνωσιακή βάση» η οποία τροφοδοτεί την τεχνητή νοημοσύνη της εταιρείας και παράγει ακριβέστερες απαντήσεις που παραπέμπουν σε συγκεκριμένες ενότητες. Ουσιαστικά, η δημιουργία ενός τέτοιου συστήματος δεν έχει στόχο τη μείωση του προσωπικού, προσθέτει ο Ρούσο. Αντιθέτως, δίνει χρόνο στο προσωπικό του τμήματος εξυπηρέτησης πελατών να μελετήσουν την περίπτωση κάθε πελάτη και να του παράσχουν επιπλέον βοήθεια στη συνέχεια.

Salesforce εναντίον Microsoft

Οι εταιρείες με τις οποίες μίλησα χρησιμοποιούν είτε την πλατφόρμα τεχνητής νοημοσύνης της Salesforce είτε της Microsoft. Ο διευθύνων σύμβουλος της Salesforce Μαρκ Μπένιοφ υποστηρίζει ότι το προϊόν της Microsoft δεν ανταποκρίνεται πραγματικά στις ανάγκες των πελατών. «Η Microsoft εξαπάτησε τους πελάτες μας» μου είπε ο Μπένιοφ σε ένα πρόσφατο επεισόδιο του νέου podcast της «Wall Street Journal», που ονομάζεται «Bold Names». Χαρακτηριστικά, είπε ότι η Microsoft δεν έχει να επιδείξει έναν κατάλογο πελατών που μπόρεσαν να μεταμορφώσουν τις επιχειρήσεις τους χάρη στο Copilot.

Ωστόσο, αυτό που διαπίστωσα μιλώντας με πελάτες της Microsoft ήταν ότι η εμπειρία τους από τα συστήματα τεχνητής νοημοσύνης της εταιρείας δεν ήταν πολύ διαφορετική από την εμπειρία των πελατών της Salesforce. Πολλοί από αυτούς αξιοποιούν την τεχνητή νοημοσύνη με τους ίδιους ακριβώς τρόπους που μου περιέγραψε και ο επικεφαλής του τμήματος μάρκετινγκ επαγγελματικών εφαρμογών ΑΙ της Microsoft, Τζάρεντ Σπάταρο, από τη μείωση του χρόνου χειρισμού των email ως την επιτάχυνση της διαδικασίας δημιουργίας μιας προωθητικής καμπάνιας.

Με άλλα λόγια, η τεχνητή νοημοσύνη εμπορευματοποιείται – όπως, ας πούμε, η αποθήκευση στο cloud – και πλέον αποτελεί βασικό προϊόν που οφείλουν να προσφέρουν οι μεγάλες τεχνολογικές εταιρείες που απευθύνονται σε επιχειρήσεις και όχι διαφοροποιό στοιχείο. Εξάλλου, πολλές επιχειρήσεις επιλέγουν να χρησιμοποιήσουν την εφαρμογή ΑΙ που προσφέρει η εταιρεία με την οποία συνεργάζονται ήδη για την αποθήκευση δεδομένων. Οπως είναι αναμενόμενο, πολλές επιχειρήσεις επιλέγουν την τεχνητή νοημοσύνη της Microsoft, δεδομένης της κυριαρχίας της στην αγορά.

Τα «μη δομημένα» δεδομένα

Ολες οι εταιρείες με τις οποίες μίλησα ανέφεραν ότι για να εκμεταλλευτούν πραγματικά τα ολοκαίνουργια συστήματα δημιουργικής νοημοσύνης – ανεξαρτήτως εφαρμογής – είναι απαραίτητο να βελτιώσουν ή να εντατικοποιήσουν τις διαδικασίες τροφοδότησης των συστημάτων αυτών με το είδος των δεδομένων τα οποία επεξεργάζεται άριστα η σύγχρονη τεχνητή νοημοσύνη – τα «μη δομημένα» δεδομένα.

Περίπου 90% των δεδομένων που διαθέτουν οι περισσότερες εταιρείες ανήκουν σε αυτή την κατηγορία – δεν είναι αριθμητικά, δεν είναι αποθηκευμένα σε λογιστικά φύλλα, αλλά είναι σε μορφή εγγράφων, email, εγχειριδίων χρήσης, σεναρίων εξυπηρέτησης πελατών, συμβολαίων κ.λπ. Και η πραγματική αξία της σύγχρονης δημιουργικής τεχνητής νοημοσύνης για τις επιχειρήσεις έγκειται στο να την ξεκλειδώσεις.

Φανταστείτε ότι συγκεντρώνετε όλη την τεχνογνωσία που συνήθως είναι διάσπαρτη στα μυαλά και στους φακέλους ή τους υπολογιστές όλων των ανθρώπων που εργάζονται σε μια εταιρεία. Το να κάνει όλες αυτές τις πληροφορίες και γνώσεις διαθέσιμες για όλους τους άλλους ανθρώπους της εταιρείας ήταν ανέκαθεν το όνειρο της εταιρικής πληροφορικής – και η δημιουργική τεχνητή νοημοσύνη μπορεί να φέρει τις επιχειρήσεις ένα βήμα πιο κοντά σε αυτό.

Στην Bank of Queensland, που εδρεύει στο Μπρίσμπεϊν της Αυστραλίας, ο CTO Ρόμπερτ Γουίλσον χρησιμοποιεί τα εργαλεία τεχνητής νοημοσύνης της Microsoft για μια ευρεία γκάμα εργασιών. Για παράδειγμα, λόγω της επιβολής νέων κανονιστικών ρυθμίσεων, η τράπεζα έπρεπε να ψάξει εκατομμύρια συμβόλαια για καταχρηστικούς όρους. Αυτό έγινε εφικτό μόνο και μόνο επειδή η ομάδα του ήταν σε θέση να δημιουργήσει έναν ειδικό AI agent που διεκπεραίωσε τη συγκεκριμένη εργασία, χρησιμοποιώντας το Copilot Studio της Microsoft.

Αλλα παραδείγματα του φαινομένου αυτού περιλαμβάνουν την εκδοτική Wiley, που διαπίστωσε ότι σήμερα είναι σημαντικότερο από ποτέ να οργανώσει τα δεδομένα του τμήματος εξυπηρέτησης πελατών της, καθώς στρέφεται στη χρήση chatbot τεχνητής νοημοσύνης για τη διαχείριση του μεγαλύτερου μέρους των αιτημάτων που δέχεται το τμήμα. Το ίδιο ισχύει και για το αεροδρόμιο του Χίθροου, στο Λονδίνο, όπου οι υπεύθυνοι για τις ψηφιακές επικοινωνίες ανακάλυψαν ότι, για να ελαχιστοποιήσουν τις «ψευδαισθήσεις» στις συνομιλίες με το chatbot εξυπηρέτησης πελατών του αεροδρομίου, έπρεπε να εξασφαλίσουν ότι η γνωσιακή βάση τους είναι όσο το δυνατόν πιο ενημερωμένη και ακριβής.

Οι εκστρατείες μάρκετινγκ

Στη Finastra, μία από τις μεγαλύτερες εταιρείες στον χώρο της χρηματοοικονομικής τεχνολογίας στην Ευρώπη, η τεχνητή νοημοσύνη έχει γίνει αναπόσπαστο στοιχείο κατά τη δημιουργία εκστρατειών μάρκετινγκ, γεγονός που επιτάχυνε την παραγωγή, σύμφωνα με τον διευθυντή του τμήματος εταιρικού μάρκετινγκ, Γιοργκ Κλούκμαν.

Για παράδειγμα, για μια πρόσφατη καμπάνια για νέα χρηματοοικονομικά προϊόντα, η ομάδα του διεξήγαγε συνεντεύξεις με πάνω από 50 ειδικούς. Η τεχνητή νοημοσύνη τούς βοήθησε να συνοψίσουν τις συνεντεύξεις αυτές και να επισημάνουν τα κοινά σημεία. Eπειτα τους βοήθησε να δημιουργήσουν επενδυτικά προϊόντα με βάση τις ιδέες που είχαν προκύψει από τις συνεντεύξεις.

Σε κάθε βήμα της διαδικασίας, ουσιαστικά οι άνθρωποι και η τεχνητή νοημοσύνη πήγαιναν χέρι-χέρι, ακόμα και για τη δημιουργία των τελικών προϊόντων της καμπάνιας, από τα email και τα βίντεο μέχρι τις ιστοσελίδες και τα ebook. Η όλη διαδικασία κράτησε περίπου δυόμισι μήνες. Χωρίς τη βοήθεια της δημιουργικής τεχνητής νοημοσύνης, θα χρειάζονταν τουλάχιστον 6 μήνες, σύμφωνα με τον Κλούκμαν.

Αυτού του είδους τα κέρδη στον τομέα της παραγωγικότητας αποτυπώνονται σε μια φράση από μια πρόσφατη ομιλία του CEO της Microsoft, Σάτια Ναντέλα: «Ο,τι ήταν για την παραγωγή το λιτό σύστημα, θα είναι η τεχνητή νοημοσύνη για τη γνωσιακή διανοητική εργασία».

Η λιτή παραγωγή, που εφαρμόστηκε για πρώτη φορά από την Toyota στη δεκαετία του 1950 και του 1960, έχει γίνει έκτοτε η αρχή λειτουργίας που διέπει αμέτρητα άλλα συστήματα παραγωγής, ακόμα και τις δραστηριότητες ηλεκτρονικού εμπορίου της Amazon. Καθώς η αυτοματοποίηση μπαίνει στη γνωσιακή διανοητική εργασία, φαίνεται ότι έχει έρθει η ώρα η διανοητική εργασία να επωφεληθεί από τις ίδιες δυνάμεις που αναμόρφωσαν τη χειρωνακτική εργασία.