Generatyvinis dirbtinis intelektas (GenAI) šiandien tampa vienu svarbiausių įrankių organizacijoms, siekiančioms automatizuoti procesus, geriau išnaudoti duomenis ir kurti personalizuotą klientų patirtį. Tačiau reali vertė atsiranda ne iš pačios technologijos, o iš jos pritaikymo konkrečiuose verslo procesuose.
„Generatyvinis DI nėra apie tekstų generavimą, tai apie gebėjimą efektyviai išnaudoti organizacijos žinias“, – sako Aistis Raudys.
Pagrindinės sąvokos
Generatyvinis DI – dirbtinio intelekto rūšis, kuri geba kurti naują turinį: tekstus, kodą, vaizdus ar kitus duomenis, remdamasi išmoktais šablonais. Viena svarbiausių šios technologijos formų – didieji kalbos modeliai (LLM), tokie kaip ChatGPT ar Gemini, kurie gali suprasti ir generuoti žmogui artimą tekstą.
Versle dažniausiai naudojami ir pokalbių robotai (sąsajos, leidžiančios bendrauti su klientais ar darbuotojais, bei API integracijos, kurios užtikrina sklandų ryšį tarp skirtingų sistemų). Technologiniame lygmenyje sprendimai dažnai diegiami naudojant konteinerizavimo platformas, tokias kaip „Docker“, leidžiančias užtikrinti stabilų veikimą skirtingose aplinkose.
- Generatyvinis DI – dirbtinio intelekto rūšis, galinti kurti naujus duomenis, pavyzdžiui, tekstą, kodą, vaizdus ar muziką. Jis tai daro mokydamasis šablonų iš esamų duomenų ir tada naudodamasis šiais šablonais generuoja naują, bet panašų turinį.
- LLM (Large Language Model, lietuviškai – didysis kalbos modelis) – generatyvinio dirbtinio intelekto tipas, kuris mokomas iš didžiulio kiekio tekstinių duomenų. Tai leidžia LLM bendrauti ir generuoti į žmogų panašų tekstą atsakant į įvairias užuominas ir klausimus. Pavyzdžiai: Gemini, ChatGPT ir kt.
- Pokalbių robotas – kompiuterinė programa / sąsaja, imituojanti pokalbį su naudotojais. Pokalbių robotai dažnai naudojami klientų aptarnavimo programoms arba informacijai svetainėje teikti.
- API – instrukcijų ir standartų rinkinys, leidžiantis programoms bendrauti tarpusavyje. Įsivaizduokite tai kaip padavėją, priimantį jūsų užsakymą restorane - padavėjas neruošia maisto, tačiau jis palengvina jūsų ir virtuvės bendravimą. Panašiai API palengvina bendravimą tarp skirtingų programinės įrangos komponentų. Pokalbių robotai gali naudoti API, kad galėtų pasiekti informaciją ar paslaugas iš kitų programų.
- Docker – taikomųjų programų kūrimo, diegimo ir vykdymo platforma. Ji leidžia kūrėjams supakuoti savo kodą ir visas jo priklausomybes į standartizuotus vienetus, vadinamus konteineriais. Šiuos konteinerius galima paleisti bet kuriame kompiuteryje, kuriame įdiegta ,,Docker‘‘, ir užtikrinti nuoseklų veikimą nepriklausomai nuo pagrindinės aplinkos. Tai naudinga diegiant LLM ir pokalbių robotus, nes juos lengviau bendrinti ir paleisti skirtingose sistemose.
Ką sprendžia generatyvinis DI?
Tinkamai pritaikytas generatyvinis DI leidžia automatizuoti pasikartojančias užduotis, apibendrinti sudėtingą informaciją ir perduoti organizacijos žinias per paprastas sąsajas.
„Didžiausia vertė atsiranda tada, kai darbuotojas nebeieško informacijos, sistema ją pateikia iš karto“, – pabrėžia A. Raudys.
Tai leidžia:
- sumažinti rankinio darbo apimtis;
- pagreitinti sprendimų priėmimą;
- užtikrinti nuoseklią klientų patirtį.
Sprendimų tipai – nuo vienos funkcijos iki visos sistemos
Generatyvinio DI sprendimai dažniausiai skirstomi į du tipus. Pirmieji – siaurai specializuoti modeliai (TSM), skirti konkrečioms užduotims, pavyzdžiui, klientų aptarnavimui, dokumentų analizei ar turinio generavimui. Antrieji – bendros paskirties modeliai (GPM), kurie apjungia kelias funkcijas vienoje sistemoje ir veikia kaip universalūs verslo asistentai, gebantys prisitaikyti prie skirtingų organizacijos poreikių.
„Didžiausia klaida – bandyti iš karto kurti universalų sprendimą. Vertė dažniausiai prasideda nuo vienos aiškiai apibrėžtos funkcijos“, – dalinasi Aistis Raudys.
Praktikoje tokie sprendimai pasireiškia labai konkrečiais įrankiais, kurie sprendžia kasdienes verslo problemas. Pavyzdžiui, D.U.K. varikliai leidžia akimirksniu pateikti apibendrintus atsakymus iš sudėtingų dokumentų, tokių kaip finansinės ataskaitos ar teisiniai tekstai. Terminų lapų generatoriai gali automatiškai suformuoti struktūruotus dokumentus iš trumpų klientų pokalbių santraukų, sumažindami rankinį darbą.
Klientų aptarnavimo srityje plačiai naudojami pokalbių robotai, kurie pateikia momentinius, personalizuotus atsakymus, o vidiniai asistentai padeda darbuotojams greitai rasti reikiamą informaciją. E. prekyboje vertę kuria produktų aprašymų generatoriai ir apsipirkimo asistentai, kurie padeda klientams priimti sprendimus realiuoju laiku.
Sudėtingesnėse srityse naudojami tyrimų asistentai, gebantys atrinkti patikimus mokslinius šaltinius, ar draudimo politikos analizės įrankiai, kurie apibendrina sudėtingus dokumentus. Medicinoje generatyvinis DI pritaikomas kaip virtualūs asistentai, padedantys atsakyti į pacientų klausimus remiantis struktūruotomis žiniomis.
Taip pat svarbi turinio kūrimo sritis: nuo rašymo asistentų, kurie paverčia užrašus struktūruotais tekstais, iki „Google Ads“ įrankių, generuojančių konversijoms optimizuotus skelbimus pagal prekės ženklo toną.
„Generatyvinis DI tampa vertingas tada, kai jis ne kuria turinį, o sprendžia konkrečią problemą greičiau nei žmogus“, – pabrėžia A. Raudys.
Tokiu būdu generatyvinis DI iš teorinės technologijos virsta praktiniu įrankiu, kuris realiai keičia kasdienius verslo procesus.
Personalizuotos sveikatos rekomendacijos
Bendros paskirties modelių galimybes gerai iliustruoja personalizuotų sveikatos rekomendacijų generavimas, kur modelis turi ne tik suprasti naudotojo duomenis, bet ir pateikti patikimas, mokslu pagrįstas įžvalgas. Sukurtas LLM, apmokytas pagal PSO rekomendacijas ir medicininius tyrimus, apskaičiuoja sveikatos rodiklius ir teikia personalizuotas rekomendacijas pagal naudotojo įvestus duomenis – fizinį aktyvumą, mitybą, miegą ir aplinkos veiksnius. Rezultatas: sveikatos rodiklių nuoseklumo tikslumas pagerėjo daugiau nei 20%.
Automatizuotas sporto žurnalistikos turinys
Vienas iš siaurai specializuotų modelių pavyzdžių – turinio generavimo sistema, sukurta teniso žurnalistikai. Šioje srityje generatyvinis DI gali sukurti akivaizdžią ir greitai išmatuojamą vertę. Sukurta sistema automatiškai generuoja teniso straipsnius iš realiu laiku gaunamų varžybų duomenų ir žaidėjų statistikos, palaiko kelis turinio formatus ir daugiakalbę išvestį per DeepL integraciją. Turinio kūrimo laikas sutrumpėjo 70%, sumažėjo rankinio darbo poreikis ir pagerėjo skaitytojų įsitraukimo rodikliai. Sprendimas sukurtas taip, kad būtų lengvai pritaikomas kitoms sporto šakoms – badmintonui, padeliui ir kt.
Kaip vyksta diegimas?
Sprendimo kūrimas prasideda nuo duomenų: organizacijos dokumentų, pokalbių istorijos ar vidinių procesų analizės. Remiantis šia informacija, modelis apmokomas, testuojamas ir integruojamas į esamas sistemas. Galutinis rezultatas – pilnai veikiantis sprendimas su API prieigomis, dokumentacija ir galimybe jį toliau plėsti.
„Svarbiausia ne pats modelis, o tai, kaip jis įsilieja į kasdienę veiklą“, – akcentuoja A. Raudys.
Ilgalaikė nauda verslui
Generatyvinis DI leidžia ne tik automatizuoti procesus, bet ir kurti ilgalaikę organizacijos kompetenciją. Jis padeda mažinti kaštus, sumažina klaidų tikimybę ir suteikia galimybę greičiau reaguoti į pokyčius. Ilgainiui tai tampa ne technologiniu eksperimentu, o esmine verslo infrastruktūros dalimi, kuri kuria konkurencinį pranašumą.
DUK
Kas yra generatyvinis dirbtinis intelektas?
Generatyvinis dirbtinis intelektas – technologija, kuri geba kurti turinį: tekstus, vaizdus, kodą ar net analizes, remdamasi turimais duomenimis ir modeliais.
Kaip generatyvinis AI pritaikomas versle?
Dažniausiai naudojamas turinio kūrimui, klientų aptarnavimui (chatbotai), el. laiškų generavimui, produktų aprašymams, duomenų analizei ir vidinių procesų automatizavimui.
Kuo generatyvinis AI skiriasi nuo įprasto AI?
Įprastas AI analizuoja ir prognozuoja, o generatyvinis AI – kuria naują turinį, remdamasis turima informacija.
Ar generatyvinis AI gali padidinti pardavimus?
Taip. Jis padeda greičiau kurti marketingo turinį, personalizuoti pasiūlymus ir gerinti klientų patirtį, o tai tiesiogiai veikia pardavimus.
Ar saugu naudoti generatyvinį AI versle?
Taip, tačiau svarbu užtikrinti duomenų apsaugą, nenaudoti jautrios informacijos viešuose įrankiuose ir pasirinkti patikimus sprendimus.
Kokios dažniausios klaidos naudojant generatyvinį AI?
Per didelis pasitikėjimas be patikrinimo, nekokybiški „promptai“ ir aiškios strategijos nebuvimas.