AI w firmie: FOMO i pośpiech to źli doradcy

Wielu menedżerów i właścicieli firm zastanawia się, jak wykorzystać AI, by usprawnić codzienne procesy. Inflacja treści związanych ze sztuczną inteligencją powoduje wręcz u niektórych zjawisko FOMO (fear of missing out – strach przed tym, co nas omija). Podczas konferencji Infoshare w Katowicach Tesco Technology zaprezentowało swoje studium przypadku, które pokazuje, że – podobnie jak w innych skomplikowanych dziedzinach – w zastosowaniu sztucznej inteligencji do rozwiązywania biznesowych wyzwań nie ma drogi na skróty.

Wyzwanie: zamienić kilka lat w kilka tygodni

Firma stanęła przed wyzwaniem przeniesienia tysięcy produktów swojej odzieżowej marki F&F do sklepu internetowego w możliwie krótkim czasie. Ręczne wprowadzanie tych danych zajęłoby lata i wymagałoby ogromnych nakładów pracy. Zespół postawił więc na automatyzację – podszedł jednak do tego procesowo.

– AI to projekt, nie moda. Nie można na siłę upychać jej wszędzie, ale tylko tam, gdzie wynik jej zastosowania uzasadnia zmianę. Należy wyjść od manualnego procesu i ustalić kluczowe parametry. Dopiero potem można przekazywać AI pewne etapy tego procesu, a ludzi kierować na odcinki kontroli jakości i oznaczania danych – podkreśla Ahmed Hassanien z Tesco Technology.

W praktyce oznaczało to stworzenie systemu, który na podstawie zdjęcia produktu generował tytuł, opis, cechy materiału i przypisywał produkt do odpowiedniej kategorii. Kluczowe było jednak nie tylko wdrożenie AI, ale też zadbanie o jakość danych wejściowych i ciągłą współpracę ludzi z maszynami.

Przeczytaj: Wojewodzic: Nadchodzi czas mikroinnowacji

Automatyzacja to nie panaceum

Wdrożenie AI pozwoliło Tesco skrócić czas wprowadzenia produktu do sklepu online z kilku dni do kilku minut, a nawet sekund. Ale nie oznaczało to, że wszystko natychmiast działało idealnie.

Innym wyzwaniem okazał się brak kontekstu. AI analizując samo zdjęcie, klasyfikowała książkę kucharską ze stekiem na okładce jako... mięso. Kontekst jest kluczowy.

– AI nie zdziała cudów, jeśli dane są niskiej jakości. Przykładowo – rozmyte, niewyraźne fotografie były dla agentów AI bezużyteczne. Równolegle poprawialiśmy więc standard zdjęć. Innym wyzwaniem okazał się brak kontekstu. AI analizując samo zdjęcie, klasyfikowała książkę kucharską ze stekiem na okładce jako... mięso. Kontekst jest kluczowy – prosta podpowiedź w metadanych, że produkt to książka, całkowicie zmieniała skuteczność klasyfikacji – opowiada Hanna Jarlaczyńska z Tesco Technology, odpowiedzialna za stronę inżynieryjną projektu.

W praktyce automatyzacja wymagała więc nie tylko dostrajania istniejących modeli AI i optymalizacji promptów, ale też iteracyjnego podejścia. W dalszych krokach zespół określał jakościowe cele, które powinny zostać osiągnięte. Kolejną ważną lekcją było to, że nie wszystkie przypadki da się zautomatyzować. Zespół stworzył więc agenta, weryfikującego predykcje innych agentów i przypisującego im poziom pewności. Dzięki temu ludzie angażowani byli tylko w przypadki wymagające faktycznej oceny, a nie do rutynowej kontroli.

Przeczytaj: Andrzej Dragan o sekretach inteligencji modeli językowych. Czy AI myśli, czy tylko recytuje?

Nowe role i bezpieczeństwo

Przypadek wdrożenia w Tesco Technology pokazuje też, że wdrożenie AI nie oznacza automatycznego zwalniania ludzi. Pracownicy zostali przesunięci do zadań związanych z kontrolą jakości i oznaczaniem danych, które są potem wykorzystywane do dalszego trenowania modeli.

Ręcznie oznaczone dane to skarb, o który walczą dziś najwięksi w branży.

– Ręcznie oznaczone dane to skarb, o który walczą dziś najwięksi w branży – zauważa Ahmed Hassanien.

Ważnym aspektem było też bezpieczeństwo danych. Tesco Technology korzystało z własnych modeli udostępnianych w chmurze i stosowało filtry treści, by uniknąć wycieków czy niepożądanych rezultatów.

– Większość informacji, z którymi zetknęliśmy się w tym przypadku, nie była wrażliwa. W końcu dane dotyczące produktów miały finalnie trafić na publicznie dostępną dla klientów stronę internetową. Nie używamy jednak ogólnodostępnych modeli AI do przetwarzania danych produkcyjnych. W takich wypadkach wolimy nadmierną kontrolę niż ryzyko – podkreśla Hanna Jarlaczyńska.

Przeczytaj: Polska „montownią AI” dla światowych gigantów? Geniusze programowania mogą uratować naszą przyszłość

Lekcje dla firm: zdrowy rozsądek i iteracje

Po pierwsze, nie wdrażać AI, „bo wszyscy tak robią”, ale tylko tam, gdzie rzeczywiście przynosi to wartość. Po drugie, zaczynać od manualnego procesu, mierzyć efekty i dopiero potem automatyzować te elementy, które mają największy wpływ na wynik. Po trzecie, nie bać się iteracji i nie dążyć do perfekcji za wszelką cenę.

Wreszcie, AI nie zastąpi ludzi – ale może sprawić, że ich praca stanie się bardziej wartościowa i mniej żmudna. Kluczowe jest połączenie kompetencji technologicznych z biznesowym zdrowym rozsądkiem i gotowością do uczenia się na błędach.

Główne wnioski

1. Wdrożenie AI przynosi realne korzyści (w przypadku Tesco Technology – skrócenie czasu wprowadzenia produktu z dni do minut), ale wymaga wysokiej jakości danych, kontroli kontekstu i iteracyjnego doskonalenia procesów.
2. Automatyzacja nie oznacza eliminacji ludzi – pracownicy zyskują nowe zadania związane z kontrolą jakości i oznaczaniem danych, które są kluczowe dla dalszego rozwoju modeli AI.
3. Najważniejsze lekcje dla firm: wdrażać AI tam, gdzie przynosi wartość, zaczynać od manualnych procesów, nie bać się iteracji i dbać o bezpieczeństwo oraz własność danych.

Artykuł powstał na zlecenie Tesco Technology.