Mierzalne efekty GenAI: Od hype’u do wartości biznesowej

W dzisiejszym odcinku podcastu „Business Tech Talks powered by BlueSoft” omawiamy temat praktycznych wdrożeń sztucznej inteligencji (AI) w firmach, ze szczególnym uwzględnieniem współpracy między BlueSoft, a Rezon Bio, firmą z branży farmaceutycznej. Poniżej znajdziecie skrót transkrypcji odcinka.

Współpraca Rezon Bio i Bluesoft

Współpraca między organizacjami rozpoczęła się około rok temu, gdy Rezon Bio (wówczas Polpharma Bio) zwróciło się do BlueSoftu z konkretną ofertą dotyczącą stworzenia trzech narzędzi wspierających procesy biznesowe za pomocą generatywnej sztucznej inteligencji. 

Impuls do współpracy: 

• W Rezon Bio wcześniej wdrożono wewnętrzne rozwiązanie o nazwie Marta Chat (nazwane tak na cześć osoby, która wpadła na pomysł), stworzone wyłącznie wewnętrznymi zasobami. 

• Marta Chat działała świetnie, generując ponad 3000 czatów miesięcznie, co dowiodło, że technologia AI jest użyteczna. 

• Ponieważ technologia AI szybko się rozwijała, a potrzeby rosły, firma potrzebowała usprawnić i skalować Martę Chat, dlatego zwróciła się do BlueSoftu. 

• Projekt, który wymagał spełnienia dodatkowych wymagań dotyczących compliance (z czym pomagał Michał Szafranko z Rezon Bio), rozpoczął się w lutym i osiągnął wdrożenie produkcyjne w lipcu. 

• Obecnie wdrożone rozwiązanie BlueSoftu osiąga w szczytowych momentach nawet 1000 czatów dziennie, co potwierdza udane skalowanie. 

Hype vs. Realne Możliwości AI 

Rozmówcy zgodnie przyznają, że wokół AI panuje bardzo duży hype; niemal każda firma chce wdrożyć AI „na hura”, a oczekiwania klientów często przewyższają rzeczywiste możliwości prostych rozwiązań. 

Wyzwania związane z zarządzaniem oczekiwaniami: 

• Najtrudniej było zarządzać hype’em ze strony kadry zarządzającej, która była celem firm próbujących wejść na rynek AI. 

• Często zdarzało się, że proponowane rozwiązania AI okazywały się niewykonalne, gdy dostawca zobaczył, w jaki sposób zorganizowane są faktyczne dane w firmie (np. na kartkach). 

• Kluczowa okazała się edukacja kadry zarządzającej na temat danych i modeli AI, co pozwoliło uniknąć nieprzemyślanych inwestycji. 

• Wdrożenie AI, zwłaszcza w sektorze farmaceutycznym z wysokimi regulacjami, wymaga wysokiego poziomu zabezpieczenia wrażliwych danych i odpowiedniego przygotowania infrastruktury, aby dane nie były wykorzystywane do uczenia modeli publicznych. 

Inicjowanie Projektów AI 

Inicjatywy AI wychodzą zarówno od zarządu (pod wpływem szumu medialnego), jak i od departamentów IT, które badają rynek i dostrzegają potrzeby. 

Przykład Translatora: 

• Departament IT zidentyfikował problem, gdy DeepL wysyłał firmie maile informujące, ile poufnych danych (wielkość dokumentów i gigabajtów) zostało wrzuconych do ich darmowego narzędzia przez pracowników. 

• Zamiast płacić za drogie licencje DeepL lub promować niewygodne rozwiązania Microsoftu, IT zaproponowało i zbudowało własne narzędzie, które zastąpiło DeepL, chroniąc dane. 

• Kluczową ideą w Rezon Bio było zwiększenie efektywności pracowników i demokratyzacja AI, a nie redukcja zatrudnienia. Nowe narzędzia mają za zadanie usprawnić pracę i umożliwić pracownikom wykonanie większej ilości operacji w tym samym czasie. 

Kryteria Wyboru i Odrzucania Projektów 

BlueSoft i Rezon Bio stosują zwinne techniki (agile), wykorzystując pętle zwrotne i proof of concept (POC). 

Zasady Decyzyjne: 

1. Low Hanging Fruit: Szukanie prostych, krótkich rozwiązań (POC), które pozwalają szybko zweryfikować tezę, zebrać wnioski klienta i dostarczyć wartość (W przypadku BlueSoftu wdrożenie w Rezon Bio było drugim krokiem po zwalidowaniu tezy przez Marta Chat). 

2. Skupienie na problemie biznesowym: Narzędzie musi być odpowiedzią na konkretne problemy biznesowe, a nie jedynie wdrożeniem AI dla samego wdrożenia. 

3. Wartość i ROI: W każdym projekcie kluczowa jest wartość. Należy stworzyć założenia, opisać je i obliczyć prognozowane ROI weryfikowane z działem finansów. 

4. Selekcja: Nie wszystkie projekty są wdrażane. Przykładem odrzuconego projektu był predictive maintenance (konserwacja predykcyjna) oparty na modelu AI i czujnikach, ponieważ obliczenia wykazały, że zwrot z inwestycji nastąpiłby dopiero po 12 latach. 

Wdrażanie AI w Środowiskach Regulowanych 

W sektorze farmaceutycznym zasada główna dotyczy bezpieczeństwa pacjenta i jakości produktu. 

Kluczowe Wymagania: 

• Intended Use: Regulacje zależą od przeznaczenia narzędzia. 

• Człowiek w pętli (Human in the loop): Obecnie AI może być jedynie narzędziem pomocniczym; to zawsze człowiek podejmuje ostateczną decyzję (np. czy lek jest w porządku). 

• Regulacje: Wdrażanie narzędzi pomocniczych podlega wymaganiom związanym z AI Act oraz wchodzącym w życie farmaceutycznym aneksem Annex 22. 

• Bezpieczeństwo Danych: Konieczne jest bardzo dobre zabezpieczenie danych wrażliwych, upewniając się, że nieuprawnione osoby (np. pracownicy a prezes) nie mają dostępu do swoich wpisów. Ze względu na niedeterminizm generatywnej sztucznej inteligencji, stuprocentowa pewność co do odpowiedzi jest niemożliwa, co uzasadnia konieczność udziału człowieka. 

Ścieżka Wdrożenia do Produkcji 

Projekt był prowadzony zwinne (agile), z dwutygodniowymi sprintami i ciągłym zbieraniem informacji zwrotnej od klienta. 

• Feedback: Do testów zaangażowano kilkanaście osób z biznesu, które dostarczały feedback (np. poprzez Microsoft Forms), a ich usprawnienia zostały wdrożone. 

• Dostarczanie Wartości: Najważniejsze było realizowanie celów biznesowych i dostarczanie wartości, a nie wdrażanie samych „gadżetów”. 

• Współpraca: Proces wymagał zaufania i wzajemnego uczenia się (BlueSoft rozwijał funkcjonalności w trakcie, a Rezon Bio doprecyzowywał wymagania). 

Wytworzone Narzędzia 

W wyniku współpracy powstały trzy główne narzędzia: 

1. AI Translator: Zapewnia bezpieczną przestrzeń (piaskownicę) do tłumaczenia poufnych dokumentów i tekstów. Umożliwia tłumaczenie dokumentów (np. PowerPoint) z zachowaniem formatowania, co oszczędza niesamowitą ilość pracy. 

2. Asystent AI (Bezpieczny Chat GPT): Udostępnia zdemokratyzowany, bezpieczny, chmurowy czat GPT. Pozwala na załączanie plików i dokumentów do rozmowy. Kluczową funkcjonalnością są szablony promptów (template’y), które pracownicy mogą tworzyć i udostępniać w ramach firmy, budując wewnętrzną bazę najlepszych praktyk. 

3. Baza Wiedzy (RAG): Oparta na kilku tysiącach dokumentów. Kluczowy był proces oczyszczania i porządkowania danych („garbage in, garbage out”), aby AI uczyło się na dobrych zasobach. Baza wykorzystuje autorskie rozwiązanie tagowania obszarów wiedzy, co pozwala użytkownikowi wybrać kontekst pytania (np. logistyka) i uzyskać lepszą odpowiedź, promując tym samym podejście AI first. 

Pomiar ROI Inwestycji AI 

Pomiar ROI (Return on Investment) prowadzono dwutorowo: 

1. Podejście Analityczne (Liczby): Oparte na badaniach rynkowych dotyczących przyspieszenia aktywności dzięki Generative AI. Uśredniono korzyść z każdego użycia czata na 8 minut zaoszczędzonego czasu pracy pracownika, co przekłada się na około 10 złotych oszczędności. To pozwala obliczyć dzienne korzyści finansowe (np. 10 000 PLN przy tysiącu użyć). 

2. Podejście Jakościowe (Case Studies): Przeprowadzono pogłębione wywiady z użytkownikami, zbierając namacalne przykłady oszczędności czasu (np. materiały szkoleniowe tworzone w 2 godziny zamiast w 2 dni). 

3. Wartość Dodana: Wdrożenie AI ma nie tylko generować oszczędności, ale także zwiększać konkurencyjność biznesową i rozwijać jakość firmy, choć te aspekty są trudniejsze do zmierzenia. 

Wnioski i Porady dla CIO/COO 

Doradztwo dla osób przymierzających się do wdrożenia AI opiera się na strategii „Start Small and Think Big” (Zaczynaj od małego, ale myśl o dużym). 

Kluczowe Porady: 

• Weryfikowalność: Zaczynać od małych, sprawdzonych rozwiązań, które można zmierzyć i które dają natychmiastowe efekty. 

• Wartość ponad Technologią: Wybrać zaufanego partnera, który skupia się na dostarczeniu wartości i realizacji celów, a nie tylko technologii. 

• Zrozumienie Biznesu: Rozwiązania muszą być odpowiedzią na realne problemy biznesowe, aby zyskać akceptację całej firmy. 

• Ciągłe Udoskonalanie: Zbieranie feedbacku i szybka reakcja na niego są kluczowe dla rozwoju najlepszych produktów (metodyki zwinne). 

Obawy Pracowników przed AI 

Obawy pracowników przed utratą pracy istnieją, zwłaszcza w kontekście informacji o zwolnieniach w dużych firmach technologicznych. 

Sposób Łagodzenia Obaw: 

• Edukacja: Konieczne jest tłumaczenie, że AI zwiększa ilość pracy, którą pracownik jest w stanie wykonać (nawet 2-3 razy więcej w tym samym czasie). 

• Narzędzie, a nie Zastępstwo: AI ma być narzędziem ułatwiającym i przyspieszającym pracę, podobnie jak zastąpienie maszyny do pisania komputerem. 

• Adaptacja: Pracownicy muszą mieć otwarte umysły i chcieć korzystać z nowych narzędzi, ponieważ umiejętność adaptacji technologii AI będzie niezbędna, gdyż AI stanie się wszechobecne.