Erre nem számítottunk: a gépek váratlan területen kezdtek el terjedni
AgráriumAz elindított MI projektek számát és a technológia adoptálási sebességét vizsgálva a mezőgazdaságban tevékenykedő cégek mutatják a legnagyobb aktivitást. E tekintetben a technológiai-vezérelt iparágak, mint az informatika vagy a telekommunikáció is némi lemaradásban vannak. A generatív MI modellekkel kapcsolatos fejlesztések csak közel fele jut el a tervektől a kísérleti fázisba, míg az aktív fejlesztési szakaszt alig egyharmaduk éri el. Ezek a főbb megállapításai annak a nemzetközi felmérésnek, amelyet a legnagyobb magyar tulajdonú adatelemző, üzleti tanácsadó cég, a Hiflylabs és USA-beli partnere, a Nimble Gravity közösen végzett.
Hogyan lehet hatékonyan implementálni a generatív mesterséges intelligencia (MI) modelleket az üzleti folyamatokba? Mely ágazatok a legaktívabbak? Milyen tényezők befolyásolják a projektek sikerét? Mennyi idő alatt jut el az ötlettől az aktív fejlesztésig egy kezdeményezés?
Ezek voltak a főbb kérdései annak a nemzetközi felmérésnek, amelyet két adatelemző és üzleti tanácsadó cég,
a magyar tulajdonú Hiflylabs és a denveri székhelyű Nimble Gravity végzett 2024 augusztusában
olyan, főként a USA-ban működő vállalatok körében, amelyek jelentős tapasztalatra tettek szert a generatív MI modellekre épülő megoldások fejlesztése és bevezetése kapcsán. A válaszok a kiválasztott társaságok döntéshozóitól, vagyis ügyvezetőktől, pénzügyi és technológiai vezetőktől, illetve az MI projektekben aktív szerepet vállaló középvezetőktől, elemzőktől és IT szakemberektől érkeztek (460 válasz, 14 iparág, 30 ország).
Virág Zsolt, a Hiflylabs társalapítója és igazgatóságának elnöke szerint a felmérés segítségével iparágakon belüli és iparágakon átívelő trendeket, összefüggéseket is sikerült feltárni.
Az egyik legfontosabb megállapítás, hogy a generatív MI fejlesztések csak alig több mint fele, 53,1%-a jut el a tervezési szakaszból a kísérleti fázisba. Az éles üzemet, illetve a termelési szakaszt ezek 52,7%-a éri csak el, tehát az elindított projektek több mint kétharmada kudarccal zárul
– nyilatkozta a szakember.
A kapott válaszok azt mutatják, hogy
a fejlesztések zátonyra futását nem lehet egyetlen okra visszavezetni
A kudarcok mögött számos, egymással összefüggő tényező és kihívás húzódik meg. Az esetek nagy többségében
kompatibilitási problémák
léptek fel a bevezetni tervezett generatív MI megoldás és a meglévő technológiai infrastruktúra között.
Emellett az okok közül érdemes kiemelni még
a magas fejlesztési és bevezetési költségeket, illetve azt, hogy a leállított projektek nem támogatták kellő mértékben az üzleti célok megvalósulását.
Az MI projektek üzleti hasznossága legtöbbször a költségcsökkentés. Ez a jelenlegi gazdasági helyzetben kiemelten fontos a cégek számára. Azonban a mesterséges intelligencia sikeres alkalmazásához fejlett innovációs kultúrára van szükség, amelyben elfogadott, hogy az ötletek egy része kudarcba fullad. Azt is figyelembe kell venni, hogyha valami kicsiben, kontrollált vagy mesterséges körülmények között működik, az nem garancia arra, hogy a bevezetést követően élesben is működni fog. A két fázis között nagy a szakadék
– fogalmazott Virág Zsolt.
Meglepő kép rajzolódik ki, ha iparáganként vizsgáljuk az indított projektek számát és az új technológiák adoptálási sebességét.
A felmérés alapján mindkét esetben
a mezőgazdaság van a lista élén.
A generatív MI modellek megjelenése óta az itt tevékenykedő cégek indították el átlagban a legtöbb fejlesztést, illetve ők jutottak el leggyorsabban tervezéstől a kísérleti fázisig.
Az olyan technológiai-vezérelt iparágak, mint az informatika vagy a telekommunikáció, szintén sok ilyen irányú fejlesztést indítottak, ugyanakkor ezek adoptálási sebessége messze elmarad a mezőgazdasági cégek teljesítményétől. Ugyanez a megállapítás igaz a pénzügyi szektor vállalataira is. A humán-erőforrás cégekre szintén nagy MI fejlesztési aktivitás jellemző, a megvalósítási ciklus hossza tekintetében mégis ez a szektor a sereghajtó.
Az e témakörben kapott válaszok kiértékelése alapján kijelenthető, hogy
az indulástól az aktív, end-to-end fejlesztés kezdetéig átlagosan 56 napot vesz igénybe egy generatív MI projekt.
Ezen belül közel 20 napig tart, amíg a tervektől eljutnak a pilot fázisig, és további 36 nap, amíg az élesben használható megoldás fejlesztése megkezdődik.
Az időtényező vizsgálata azért fontos, mert a technológia óriási tempóban fejlődik. Minél tovább tart egy mesterséges intelligencia projekt, annál nagyobb a valószínűsége, hogy a végeredmény már elavult lesz az indulás pillanatában. A piac gyorsan mozog, a versenytársak gyorsan reagálnak. Az avulás könnyen kezelhető egy modulárisan felépített architektúrával, ami alatt az MI motor kicserélhető az aktuálisan legjobb, legfrissebb modellre.
– nyilatkozta Virág Zsolt.
A Hiflylabs és a Nimble Gravity közös MI felmérése ezen az oldalon érhető el.
