DI ekspertas, AI specialistas Aistis Raudys
CEO
Dirbtinio intelekto sprendimų kūrimas šiandien nebėra vien technologinis eksperimentas ar inovacijų demonstravimas. Organizacijos vis dažniau ieško ne „įspūdingų demo“, o sistemų, kurios veiktų realiomis sąlygomis, būtų patikimos, interpretuojamos ir generuotų apčiuopiamą verslo rezultatą.
„Dirbtinis intelektas tampa vertingas tik tada, kai jis gali veikti ne idealiomis sąlygomis, o su netvarkingais ar nepilnais duomenimis, kurie būdingi realiam verslui“, – pastebi Aistis Raudys, AAI-Labs vadovas.
Šis požiūris atspindi platesnę tendenciją. AI konsultantas šiandien turi gebėti ne tik kurti modelius, bet ir suprasti visą organizacijos veikimo logiką: nuo duomenų struktūrų iki procesų, rizikų ir sprendimų mastelio. 
DI ekspertas apjungia mokslą ir verslo praktiką
Dr. Aistis Raudys yra vienas iš tų specialistų, kurie dirbtinį intelektą vertina ne kaip technologiją savaime, o kaip sisteminį įrankį verslo problemoms spręsti. Jo darbas apima visą ciklą: nuo duomenų analizės ir modelių kūrimo iki jų integravimo į organizacijos procesus.
Skirtingai nei daugelyje projektų, kur DI diegimas apsiriboja prototipais, čia akcentuojamas ilgalaikis veikimas: sprendimai turi būti stabilūs, prognozuojami ir valdomi.
„Modelis nėra tikslas. Tikslas yra sprendimas, kuris veikia, kurį galima paaiškinti ir kuris kuria vertę ilgą laiką“, – teigia A. Raudys.
Šis požiūris remiasi tvirtu akademiniu pagrindu. Vilniaus universitete įgytas daktaro laipsnis, specializacija daugialypių duomenų analizėje bei ilgametė dėstymo patirtis leidžia kurti sprendimus, kurie ne tik veikia, bet ir yra matematiškai pagrįsti.
Nuo teorijos prie realių sistemų
Vadovaudamas AAI-Labs komandai, A. Raudys dirba su projektais, kuriuose dirbtinis intelektas taikomas praktiškai: nuo balso atpažinimo iki procesų automatizavimo ar transporto optimizavimo.
Esminis skirtumas – čia nėra „technologijos dėl technologijos“. Kiekvienas sprendimas pradedamas nuo klausimo: kokią konkrečią problemą jis sprendžia ir kokią vertę sukurs?
Tai ypač svarbu organizacijose, kur:
- duomenys nėra idealūs,
- procesai sudėtingi ir tarpusavyje susiję,
- klaidos kainuoja realius pinigus.
Tokiose situacijose DI sprendimai turi būti ne tik tikslūs, bet ir atsparūs bei lengvai integruojami į esamas sistemas.
Kaip DI sprendžia realias gamybos problemas?
Šis požiūris atsiskleidė dirbant su tarptautine kompozitinių medžiagų gamybos įmone DIAB. Projektavimo ir gamybos grandinėje nuolat pasikartodavo klaidos: nuo netikslių matavimų iki 2D ir 3D modelių neatitikimų ar CNC failų problemų.
Tokios klaidos nėra tik techninės, jos tiesiogiai lemia:
- medžiagų švaistymą;
- gamybos vėlavimus;
- papildomas sąnaudas.
Užuot sprendus simptomus, buvo pasirinktas sisteminis kelias – analizuoti pačius duomenis ir klaidų struktūrą.
„Didžiausia vertė atsiranda tada, kai supranti, kodėl klaidos kartojasi, o ne tik jas taisai“, – komentuoja A. Raudys.
AAI-Labs komanda atliko išsamią DXF ir CNC failų analizę, identifikavo pasikartojančius neatitikimus ir sukūrė algoritmus, kurie leidžia šias klaidas aptikti automatiškai.
Sprendime panaudoti keli svarbūs technologiniai principai:
- poligonų analizė, leidžianti tiksliai įvertinti detalių suderinamumą;
- grafų teorija paremti optimizavimo metodai;
- Monte Karlo algoritmai, skirti efektyvesniam pjovimo planavimui;
- geometrinės transformacijos sudėtingiems atvejams (pasuktos ar nežymiai besiskiriančios detalės).
Papildomai integruoti DI modeliai leidžia sistemai mokytis iš naujų duomenų ir nuolat gerinti klaidų aptikimo tikslumą.
Rezultatas – ne tik automatizuotas CAD peržiūros procesas, bet ir ženkliai sumažintas rankinis darbas, didesnis tikslumas bei efektyvesnis medžiagų panaudojimas.
Sprendimai, kurie veikia spaudimo sąlygomis
Įdomu tai, kad tokio tipo sprendimai nėra izoliuoti nuo kitų A. Raudžio veiklų. Jo patirtis algoritminėje prekyboje, valdant automatizuotą fondą, suteikė papildomą dimensiją – gebėjimą kurti sistemas, kurios veikia itin dinamiškoje aplinkoje.
Finansų rinkose sprendimų tikslumas matuojamas ne teorija, o rezultatais realiu laiku. Ši patirtis persikelia ir į kitus projektus, kur svarbus:
- greitas reagavimas;
- rizikos valdymas;
- modelių stabilumas.
Be to, darbas su tarptautiniais bankais, tokiais kaip Deutsche Bank ar BNP Paribas, sustiprino supratimą, kaip kurti sprendimus, atitinkančius aukščiausius patikimumo standartus. 
Ekspertiškumas, kuris remiasi ne nuomone, o duomenimis
A. Raudžio veikla neapsiriboja verslo projektais. Jis yra daugiau nei 48 mokslinių publikacijų autorius, aktyviai dalyvaujantis dirbtinio intelekto ir finansų inžinerijos tyrimuose. Ši kombinacija (mokslas + praktika) padeda išlaikyti kritinį požiūrį į DI sprendimus.
„Per daug DI projektų šiandien žlunga ne dėl technologijos trūkumo, o dėl neteisingo problemos supratimo“, – pabrėžia jis.
AAI-Labs kuriami sprendimai orientuojasi ne į trumpalaikį efektą, o į ilgalaikę vertę: skaidrumą, interpretabilumą ir galimybę plėsti sprendimus augant organizacijai.
Dirbtinis intelektas yra strateginis įrankis, o ne eksperimentas
Šiandien vis daugiau organizacijų supranta, kad dirbtinis intelektas nėra vienkartinis projektas. Tai nuolatinis procesas, kuris reikalauja strategijos, tinkamų duomenų ir gebėjimo integruoti sprendimus į kasdienę veiklą. Būtent todėl AI konsultanto vaidmuo tampa labai svarbus. Jis jungia technologiją, verslo logiką ir ilgalaikę viziją.
DUK
Kas yra Aistis Raudys AI kontekste?
Aistis Raudys – dirbtinio intelekto ekspertas, padedantis verslams suprasti, kaip praktiškai pritaikyti AI sprendimus ir išvengti brangių klaidų diegimo procese.
Kokius AI sprendimus dažniausiai rekomenduoja Aistis Raudys?
Dažniausiai tai klientų aptarnavimo automatizavimas, duomenų analizės įrankiai, pardavimų prognozavimas ir turinio generavimo sistemos.
Kada verslui verta kreiptis į AI ekspertą, o ne programuotoją?
Kai dar nėra aišku, kokią problemą spręsti. AI ekspertas padeda identifikuoti realią verslo problemą, o programuotojas – jau įgyvendina sprendimą.
Ar AI sprendimai tinka mažoms įmonėms?
Taip. Net mažas verslas gali naudoti AI klientų aptarnavimui, marketingui ar procesų optimizavimui, dažnai su nedidelėmis investicijomis.
Kiek kainuoja AI sprendimų diegimas?
Kaina labai priklauso nuo sudėtingumo – nuo kelių šimtų eurų paprastiems sprendimams iki tūkstančių ar dešimčių tūkstančių didesniems projektams.
Kokios dažniausios klaidos diegiant AI?
Didžiausios klaidos – aiškios strategijos neturėjimas, netinkamai pasirinkta problema ir per dideli lūkesčiai iš karto.
Ar AI gali pakeisti darbuotojus?
Dažniau AI ne pakeičia, o papildo darbuotojus – automatizuoja rutiną, kad žmonės galėtų koncentruotis į svarbesnius darbus.