Mentionsy

Tak, zaczynamy z grubej rury, można tak powiedzieć, czyli o temacie mega popularnym, czyli AI, sztucznej inteligencji.

Więc my skupimy się na kwestii wdrażania AI w firmach produkcyjnych.

Z tym, że to odnosi się do jednego z najczęstszych błędów przy myśleniu o wdrożeniu AI, że to nie musi być bardzo ambitny pierwszy projekt, który będzie wykorzystywał inteligentne rozwiązania.

Oczekujemy tutaj rozwiązania do wzięcia spółki i zaimplementowania wewnątrz naszej organizacji, czy jednak będziemy potrzebowali pracownika z kompetencjami programistycznymi, aby coś rozwinąć.

Mi tutaj kojarzy się też takie wyzwanie zbyt dużej wiary w magiczne AI, że pomyślimy sobie, że kupujemy AI spółki i ona zrobi za nas wszystko.

Absolutnie nie i w pewien sposób wdrażanie AI dla mnie osobiście jest projektem typu R&D.

Brak zaangażowania bezpośrednio własnych ludzi w wdrażanie może spowodować nieefektywne wdrożenie AI.

Czy faktycznie AI zabierze pracę, czy jednak nie?

Dobrze, no to jeśli przechodząc do tego przemysłu, to może skupimy się właśnie na tych rozwiązaniach AI, które mają największe zastosowanie właśnie w produkcji.

Ale już mając dostęp do tego typu danych ze stanowiska, jesteśmy pewni tego co posiadamy, w tym sensie, że dane to jest klucz do rozwiązania AI.

A tutaj, jeśli rozmawiamy o zakresie danych, które sami wytwarzamy, to to jest bardzo bezpieczne pole do eksperymentowania z AI.

No i to jest fajne pole do eksperymentowania właśnie AI, powtórzę, ponieważ jesteśmy pewni naszych danych, no nie?

Że to AI też jest właśnie wykorzystywane w kamerach i do wykrywania tutaj jakości produktu.

Myśląc o właśnie kwestii tutaj wdrażania AI na produkcji, to bardziej myślisz o... właśnie na podstawie tych przykładów, które poruszyliśmy, to bardziej myślisz to na zasadzie projektowej?

Tak jak wcześniej wspomniałem, ja bym nie pokusił się do stwierdzenia, że zainstaluję u Ciebie rozwiązanie AI i ona będzie działać na 100%.

Arku, chodź, poeksperymentujemy z AI.

Myślenie o wdrażaniu AI w tym zakresie, to powiedziałbym, że to byłoby narzędzie, które jest wsparciem dla analityka, dla osoby, która już w jakiś sposób modeluje biznes i być może mogłoby się to wydarzyć poprzez rozszerzenie kompetencji takiego analityka danych o takie kompetencje, aby mogła taka osoba

Tak, jak o tym zacząłeś mówić, ja sobie pomyślałem, że w zasadzie myślenie o AI automatycznie jakby zmusza nas o myślenie o danych.

Tak jak już wspomnieliśmy, nie mamy danych, nie mamy AI, ale

Niekoniecznie każde rozwiązanie musi się sprowadzać do implementacji AI.

W tym sensie o tym mówię, że nie implementujmy AI, gdzie tego nie trzeba.

To prawda, więc myślę, że o tych najważniejszych błędach czy zagrożeniach we wdrożeniu AI zdążyliśmy wspomnieć, ale może warto jeszcze przytoczyć w tym miejscu, że tak, wspomnieliśmy o braku jasnego celu biznesowego, zbyt ambitnym pierwszym projekcie w kontekście takiego myślenia magicznego, że AI rozwiąże nam wszystko i o braku zaangażowania zespołu produkcyjnego.

W ogóle myśląc o projekcie wdrażania uczenia maszynowego czy ogólnie AI,

Z jednej strony możemy zaprosić kogoś z zewnątrz data engineering stanowisko, czy poszerzyć kompetencje dla naszego analityka danych, ale jeśli nie poszerzymy tych kompetencji szerzej w zespole u nas, to będziemy tego człowieka traktować jako wroga i nie spotkamy się z fajnym zaangażowaniem w kontekście wdrażania AI.

Myślę, że teraz czas na pytanie, to które już na początku się tutaj pojawiło i na które pewnie wszyscy czekają, czyli czy AI zabierze nam pracę?

Myślę, że ten cytat tutaj jest dobrym zakończeniem tego odcinka, bo pewnie moglibyśmy tutaj tak siedzieć i poruszyć wiele kwestii, a to na pewno nie będzie tylko jeden z odcinków dotyczących AI w tym sezonie podcastu.