Ha egy cégvezető nem tudja, náluk milyen funkciókat, folyamatokat tud potenciálisan támogatni, később pedig akár ki is váltani a mesterséges intelligencia (MI/AI), akkor elveszíthet egy nagyon komoly versenyelőnyt – mondja interjúnkban oktatónk, Koltai Balázs digitális és MI átállással foglalkozó vezető és szakértő, aki piacvezető cégek vezetőivel dolgozik együtt, illetve előadásokat is tart az MI-eszközök szervezeti hatásairól. 25 éves vállalati transzformációs vezetői tapasztalata van, számos óriáscéggel dolgozott már a Deutsche Telekomtól az American Expressen át a Citibankig.
Milyen előképzettség és mennyi technikai alaptudás kell annak, aki jelentkezne a június 11-én induló Üzleti AI képzés vezetőknek kurzusodra?
Csupán internetkapcsolatra és egy egyszerű számítógépre van szükség, illetve kíváncsiságra! Ez egy olyan alapozó képzés, ahol üzleti szemmel nézzük át az MI-t, technikai mélységekbe csak addig megyünk, ami ahhoz kell, hogy lássuk az MI lehetőségeit és korlátait. A ChatGPT-t megtanuljuk használni, hogy ezzel legyen egy benyomása a résztvevőknek, hogyan működik és miként növeli a hatékonyságot. Egy praktikus, használható szemléletet fogok átadni, a cél pedig az, hogy a résztvevők megismerjék azokat a területeket, ahol érdemes lehet utána tovább fúrni. A lehetőségeket és kockázatokat ismerve ugyanis már végig tudják gondolni, a saját cégükben mit hoz ez a változás.
Nagyon sok szolgáltatás hirdet MI-megoldásokat, a célközönségük és a hatékonyságuk is igen sokféle és egyre könnyebb használni őket. A beszélgetésünk előtti napon jelentette be az OpenAI a GPT-4o rendszer, ami már valós időben tud hang- illetve képalapon is kommunikálni. Milyen tudást tudsz átadni, ami ezen a folyamatosan változó piacon is használható marad és mitől szól mindez kifejezetten cégvezetőknek?
Főleg olyan területekről lesz szó, amelyeket tipikusan vezetői szinten kell tudni kezelni. Ilyen az MI bevezetésének módja, annak beépítése a céges stratégiába, a kollégák bevonása ebbe a folyamatba, az átállás kommunikációja, a felmerülő kérdések kezelése és ehhez az egészhez egy tréningprogram összeállítása. A vezetőknek elég a jelenlegi folyamatokkal tisztában lenni, utána a megfelelő szakemberek segítenek nekik. Az eszközök változásával az MI-piac egyre demokratikusabb lesz, amihez pár éve adatmérnökök hada kellett, ma már akár egy appal megoldjuk. Láttam én is az OpenAI új fejlesztéseit és fantasztikus, mire képesek. De ez sem változtat azon, hogy a bevezetett megoldásoknak illeszkednie kell a cég stratégiájába és belső működéshez, bárhol is tart éppen a technológia.
Mik az MI-bevezetés hasznosságának fő korlátai?
A legfontosabb, hogy tudni kell: az MI adatalapon működik, tehát szükség van a bevezetéséhez jelentős mennyiségű adatra a cég működéséről. Egy ételfutár cég kapacitásának a tervezéséhez például arra, mikor hogyan alakult eddig a kereslet – lehetőleg évekre visszamenőleg. Ezeket a historikus adatokat egy MI ugyanis meg tudja tanulni, benne a mintákat felismerni, és azokkal valós időben tud segíteni a tervezésben.
A hazai cégeknél mennyire vannak meg ezek az adatok?
Ez nagyon vegyes. Bizonyos iparágakban – ilyen például az egészségügyi és a pénzügyi szektor –, évtizedek óta kötelező, hogy meglegyenek. Máshol viszont ilyen előírások kevésbé vannak jelen. Pedig a megfelelő adatok nélkül nehéz jó előrejelző MI-modelleket fejleszteni, ami segít az üzleti döntésekben.
Ha ez nem adott, megéri annak minden erőforrás-igényével együtt elkezdeni összeszedni az adathalmazt csak azért, hogy később valamilyen ilyen MI-megoldást tudjanak általa használni?
Igen! Persze valid döntés lehet az is, ha valaki nem akar az elsők közt MI-t használni a magyar piacon vagy a saját iparágában. Hiszen a bevezetés valóban drága lehet, illetve később csatlakozva tanulhat mások hibájából is. Ugyanakkor így is érdemes strukturáltan összeszedni az adatokat az alkalmazottakról, a partnerekről, a szolgáltatásainkról. Ezen túl ők is elkezdhetnek játszani a rendszerekkel, kicsit erről is szól a kurzus! Játszani fogunk a ChatGPT-vel, fel fogjuk használni az egyik házi feladat során, hogy lássuk, mit tud, ezzel formálva a szemléletüket. Ha úgy érzik, készen állnak rá, akkor pedig a bevezetés önmagában nem feltétlenül kerül sokba: vannak ingyenes rendszerek is. Az affinitást és a skilleket pedig már azelőtt össze lehet szedni, hogy rászánjuk magunkat. Így, amikor aktuálisnak érezzük az MI bevezetését, sokkal jobb pozícióban leszek, mint aki később elkezd kapkodni.
Milyen a rossz MI-bevezetés?
Öncélú. Az a jó MI, amely valóban segíti az üzletemet, ugyanis be van ágyazva egy digitális stratégiába, ami része az üzleti stratégiának. Nagyon sok olyan digitalizációs transzformációban vettem részt, ahol az volt a legnehezebb kérdés, hogy hova szeretnének eljutni, mik a célok az átállással. Először ezt kell megválaszolni és a következő kérdés lehet az, hogy ebben milyen technológia segít. Bizonyos helyzetekben az MI-bevezetés még nem releváns – de erről csak akkor lehet dönteni, ha a cégvezetés érti ezeknek a rendszereknek a lehetőségeit és a korlátait.
Túl azon, hogy ha egy öncélú bevezetésből nem sokat profitálnak, az pénzkidobás, tud ártani egy rossz bevezetés?
Tud, ha nem teremtjük meg hozzá a jó kereteket. Az MI ugyanis alapvetően mintákat ismer fel, és az embernél sokkal gyorsabban, sokkal több kritérium alapján tud döntéseket hozni, vagy javasolni. Ha ráeresztek egy MI-modellt egy olyan folyamatra, ahol az emberek eddig rossz döntéseket hoztak, akkor az MI azt fel fogja gyorsítani és fel fogja nagyítani az eddigi adatainkat felhasználva. Ez pedig komoly károkat tud okozni. Éppen ezért – főleg amikor emberekről döntünk – égetően fontos, milyen adatokkal tanítunk be egy rendszert. Emellett egy-egy MI-szolgáltatás bevezetéskor olyan szempontokat is figyelembe kell venni, mint az etikusság, a méltányosság és az elfogulatlanság.
Hallottam olyan véleményt, hogy persze, remek dolog, hogy az MI-nél nem kell attól félni, hogy pikkel rám a „főnök”, de azt se várjuk, hogy empatikus lesz, ha valaki mondjuk gyászol és emiatt nehezebben teljesít.
Bizonyos MI-alkalmazások kifejezetten traumákat átélt embereknek segítenek a gyógyulásban, vagyis bizonyos MI-modellek képesek empátiát mutatni, ha erre lettek betanítva. Ma már egy fair, elfogulatlan MI-t létre lehet úgy hozni, hogy közben alkalmassá teszik bizonyos fokú empátiára és arra, hogy megfelelően viszonyuljon az emberekhez. Ezért fontos érteni, hogyan is működnek ezek a rendszerek, hiszen valójában nem történik más, mint a betáplált adatokból és utasításokból zajló mintafelismerés és előrejelzés, lényegében matematikai műveletekkel.
Említetted az etikus felhasználást. Tudsz példát mondani az etikai normákat sértő MI-felhasználásokra?
Ilyen volt például amikor az Amazon Prime kampánytervezését segítető MI az USA bizonyos területein nem ajánlott fel az embereknek kedvezményes előfizetést – kiderült, hogy a szegényebb régiókban élők nem kaptak. A rendszer ugyanis úgy kalkulált, hogy jobban jár a cég, ha a gazdagabb területeket szórja meg az ajánlattal. Szintén az Amazonnál az állásinterjúra jelentkezőket válogató MI-rendszer a hölgyeket rendszeresen kiszűrte. Ugyanis az adatokból vélhetően az jött le, hogy a legtöbbet férfiak keresnek és ők vannak a legjobb pozícióban is, így a férfiak a sikeresebb munkavállalók. Az MI pedig ezt a sort folytatta. Ahogyan az az MI-rendszer is, amely egy biztosítónál a színes bőrű pácienseknek ugyanazt a kezelést csak akkor javasolta, ha már sokkal betegebbek voltak, szintén az eddigi adatok miatt. Az MI tulajdonképpen egy érdekes tükröt mutat az eddigi működésünkről.
Vagyis az MI szervezeti integrációja jóval nagyobb hatású, mint egy szoftver vagy hardver bevezetése.
Igen, sokkal nagyobb változást hoz, mint mondjuk egy vállalatirányítási rendszer bevezetése. Az emberi kognitív funkcióinkat fogjuk vele egyre inkább támogatni és olykor ki is váltani. Sokan félnek is attól, hogy kiválthatja majd az ő munkájukat is és valóban lesznek feladatok, amelyeket már egyre kevésbé fognak emberek végezni. Ezek jelenleg legtöbbször olyanok, amiket amúgy sem szeretünk. Mondjuk meetingek után összeírni az emlékeztetőt, vagy összelegózni, hogy tíz kollégát egy szabad tárgyalóban mikor lehet leültetni. Ezek nem a legkreatívabb és legélvezetesebb feladatok, amiket egy MI meg tud csinálni. Ezek helyett jó eséllyel sokkal kreatívabb munkakörök maradnak meg nekünk.
Az MI nemcsak elvesz, teremt is munkaköröket, kérdés, hogy utóbbiak nem lesznek-e jobbára magasabb kvalifikációt igénylők.
Nem várhatjuk el mindenkitől, hogy tudjon programozni, ismerje az MI technikai feladatait vagy mondjuk a data engineeringet, ezek speciális munkakörök. Most sem várunk el mindenkitől IT-tudást, ezeket is megoldja az IT-részleg. Az eszközök felhasználói szintű használata viszont egyre inkább az általános műveltség részévé fog válni. Ezért is foglalkozunk a tanfolyamon is a nagy nyelvi modellekkel (large language model, LLM), mert ha valaki még egyáltalán nem találkozott vele, akkor itt az idő, hogy beleássa magát. És talán ahhoz is kedvet kap, hogy kipróbáljon más eszközöket is. Valaha az írás-olvasás sem volt alapvető, ma viszont elképzelhetetlen, hogy valaki ne tudjon például Microsoft Office-t használni. Nem kell mindenkitől elvárni, hogy a legújabb eszközöket használja, inkább az a cél, hogy mindenkinek legyen egy általános nyitott szemlélete, amivel a saját munkakörében hasznos eszközökkel élni tud.
Beszéljünk a megbízhatóságról! A Microsoft-féle Copilottól nagyon jól néz ki, amikor diagramokat rajzol az Excelben, összefoglal e-maileket, előrejelez folyamatokat és így tovább, ugyanakkor én tartanék attól, a végeredmény mennyire használható, lévén: az MI-nek ismert problémája a hallucináció, amikor nemlétező dolgokat is ismerni vél a rendszer.
A Copilot által is használt LLM-ekkel dolgozó generatív rendszereknél jelenleg komoly kutatások terepe a hallucináció. Rengeteg pénzt, időt, energiát fektetnek abba, hogy ezek kezelhetők legyenek és fokozatosan csökkenjen ennek a problémának a jelenléte. Az eddigi adatainkból előrejelző precíziós modelleknél pedig ez a probléma nem is jelentkezik. Ott inkább a betanító adatbázis minősége a kérdés, ami alapján segíthet eldönteni, hogy például kinek adjunk hitelt vagy kit vegyünk fel. Az LLM-rendszereknél pedig szerintem leginkább az kérdés, hogy teljesen saját kútfőből létrehozni ugyanazt nem telne-e nagyságrendileg több időbe és erőfeszítésbe, mint egy MI által létrehozott, megközelítőleg jó végeredményt átnézni, és esetleg kihúzni belőle, ami nem stimmel.
Mi árt többet: ha valaki egyáltalán nem foglalkozik az MI-vel, vagy ha ész nélkül ereszti rá a cégére?
Egyik sem jó. Ha egy cég most nem akar az MI-vel foglalkozni, előbb-utóbb rá fog kényszerülni, mert a versenytársai megteszik. De ahogy említettem, nem feltétlenül rossz dolog nem a hullám elején csatlakozni, ez nagyon iparág- és piacfüggő. Minden vezetőnek magának kell döntenie, hova pozícionálja a cégét és a szolgáltatásait. Ha viszont valaki a megfelelő jogi, adatvédelmi és más kockázatok figyelembevétele nélkül vezet be MI-t, az elég veszélyes tud lenni. Hiszen, ha egy ilyen rendszer felgyorsítja és felnagyítja a működésünk hibáit, abból a PR-malőröktől a jogi gubancokig sokféle problémánk adódhat.
A jog mennyire áll készen? Az EU nemrég fogadott el egy kockázatalapú szabályozást.
Az MI körül zajlik egy világverseny. Az EU ügyes volt a GDPR-ral (általános adatvédelmi rendelet – a szerk.), mert az EU-tagállamokra vonatkozó jogi keretrendszer egyfajta világszabvány jelleget kezd ölteni, lévén: sok világcég inkább csak egyféle módon szolgáltat. Az AI Actként ismert szabályozás is sok tekintetben úttörő. A kockázati kategóriák meghatározása során olyasmit is tilt, ami Kínában lehetséges. Ilyen az arcfelismerés és az érzelmek felismerése. Kérdés nyilván, hogy ez mennyire lassítja az európai innovációt. Kínának persze úgymond könnyebb dolga van, hiszen egy kézivezérelt egypártrendszerben nem kell szembe nézni olyan társadalmi kérdésekkel, amelyeket egy demokráciában meg kell vitatni.
A már az egyik hazai egyetemen is oktatott prompt engineeringet, azaz a megfelelő MI-parancsok megalkotását valaki az egykori „google-fu” kifejezéshez hasonlította. Ezt a Google kezdeti éveiben, amikor még csak precízebb kulcsszavakra adott ki jó találatokat, azokra használták, aki nagyon ismerte a keresés trükkjeit. Ahogyan az MI-szolgáltatások is egyre intuitívabbá válnak, hasonlóan eltűnhet a prompt engineering is?
Ezt nehéz most megjósolni, de valószínűleg a prompt engineering ma használt szintje egy idő múlva fölöslegessé fog válni, ahogyan az MI egyre könnyebben, hangalapú vezérléssel is megérti már, mit szeretnénk. Kicsit olyanná válhat ez, mint az iskolában megtanult, de később sokak által sosem használt papíralapú számolás. Ez azonban a jövő, most még fontos skill a jó promptok írása. Ezzel a LLM-ek logikáját és működését is közelebb hozzuk. A tízalkalmas kurzusnak csak egy kis része szól erről. Arra viszont minden bizonnyal jó lesz, hogy aki még esetleg sosem próbált ki ilyen rendszert, az ne mondhassa, hogy ez a hülyeség az ő üzletére nincs hatással. Én magam is használom a munkámban az LLM-eket.
Ha az MI elemezni, tervrajzot készíteni is tud vagy tud majd, akkor mennyire veszélyes már nem csak a repetitív feladatokra, hanem a hosszú évek alatt elsajátított hard skillekre is?
Már ma is tud tervezni. Bizonyos munkaköröket biztosan elvesz majd. Hallottam olyanról, hogy magyar IT-cégeknél leálltak a junior programozók felvételével, mert az LLM-ek már annyit segítenek a senior programozóknak, hogy jelenleg nincs rájuk szükség. Ugyanakkor ugyanott seniorokra viszont nagyon is szükségük van! Valakinek ugyanis a promptot meg kell írni, a kidobott kódrészletet ellenőriznie kell. Úgy gondolom, ez egy terjedőben lévő jelenség Magyarországon is.
Ha egy cégvezető nem tudja, náluk milyen funkciókat, folyamatokat tud potenciálisan támogatni, később pedig akár ki is váltani az MI, akkor elveszíthet egy nagyon komoly versenyelőnyt. Ezért fontos, hogy eljöjjenek a képzésre. Azt az alaptudást, szükséges alapszintű gyakorlatot és szemléletet kapják meg, amire vezetői szinten szükség van, hogy lássák, mi jön és tudatosan fel tudjanak rá készülni a saját cégükre és problémáikra szabva, az éppen a piacon elérhető eszközökkel.
Koltai Balázzsal nemrég podcast műsorunkban is beszélgettünk, az adás itt meghallgatható.