A mesterséges intelligencia (MI) volt az elmúlt év egyik legdivatosabb kifejezése. Hatalmas felhasználói bázisa alakult ki a különböző generatív MI technológiáknak, a hype-ra számos vállalkozás is megpróbált felkapaszkodni.
Az MI vállalati megjelenésének azonban különböző dimenziói vannak. A mesterséges intelligencia megfelelő alkalmazása stratégiai kérdéssé vált a vállalatok számára, ugyanis rövid távon (és valószínűsíthetően hosszú távon is) a hatékonyság, és ezáltal a versenyelőny egyik releváns tényezőjének tekinthető. A mesterséges intelligenciához szorosan kapcsolódik a big data (BD) is, a kettő egymást erősítő tényező. Megállapítható, hogy a rendelkezésre álló adatok jellege, mennyisége és minősége alapjaiban határozza meg a mesterséges intelligencia lehetőségeit a gépi- és mélytanulási folyamatok által. A mesterséges intelligencia kiaknázható termelékenységi előnyei ezáltal nagyban függnek a big data-tól mikro-, mezo- és makroszinten egyaránt. Ez a különböző szinteken megköveteli a megfelelő adatpolitikai, adatgyűjtési, adatelőkészítési és releváns big data elemzési képességeket.
A generatív MI programok elterjedésével a mesterséges intelligencia alapú fejlesztések is az érdeklődések középpontjába kerültek. Ez az állítás a fogyasztók, a vállalatok és az állam szintjén egyaránt helytálló. A World Economic Forum (WEF) 2024-re vonatkozó éves The Global Risks Report kiadványában már megjelenik a mesterséges intelligencia által okozott kedvezőtlen hatás kockázata is. A jelentés elsődlegesen ennek súlyosságát hosszú távon vetíti előre, mindazonáltal a negatív befolyást széles palettán határozzák meg, amely kiterjed az MI technológiákhoz való hozzáférés kockázatára, a dezinformációra és a kiberbűnözésre, valamint a negatív munkaerő-piaci konzekvenciákra is. A big data is tekinthető hasonló hívószónak, hiszen az elmúlt évtizedben az adatot tekintették már az új olajnak, az új aranynak, az új valutának, de ugyanúgy beszélhetünk adat- vagy adatvezérelt gazdaságról is. Másik oldalról viszont megállapítható, hogy a mesterséges intelligencia és a big data területében rejlő lehetőségek kiaknázása is számos kihívást jelent a vállalatok számára. Hangsúlyozandó, hogy a két tényező egymással szoros összefüggésben áll, különösen igaz ez a mesterséges intelligenciára.
Kijelenthető, hogy a big data és a mesterséges intelligencia között kétirányú ok-okozati kapcsolat van. Az adatok mennyisége és minősége alapjaiban határozza meg az MI algoritmusok sikerességét. A minél nagyobb mennyiségben rendelkezésre álló megfelelő minőségű adat pontosabb és hatékonyabb gépi, illetve mélytanulást eredményez. Ez jobban kalibrált, ezáltal hatékonyabb MI algoritmusokat eredményez. (A hatékonyság mérhető például a pontosság növelésében, az elemzési és előrejelzési képesség javulásában.) A vállalatoknál rendelkezésre álló adatok azonban sok esetben minőségi problémákat vethetnek fel az elemzés vagy a tanulási folyamat során. Ezek a minőségi problémák különbözők lehetnek attól függően, hogy strukturált, félig strukturált vagy strukturálatlan formában állnak rendelkezésre. Összességében megállapítható, hogy az adatok minőségére vonatkozó hibák sokrétűek lehetnek, melyek kiterjedhetnek azok elavultságára, a hiányzó, illetve kiugró egységekre, az adatokban elérhető zajra, különböző anomáliákra, illetve az adatok önellentmondásaira is. Emellett nem szabad figyelmen kívül hagyni azt sem, hogy a vállalkozásnál a generált és az elemzésekhez szükséges adatok között is mutatkozhatnak eltérések, így a gyűjtött és tárolt adathalmazból a releváns vizsgálati értékek kinyerése is elengedhetetlen. Ezek mindegyike befolyásolhatja az adatok pontosságát, s kiemeli az adattisztítás folyamatának elengedhetetlen szükségességét. Ennek hiányában az adatelemzés, valamint a mély- és gépi tanulási folyamatok torz eredményre és következtetésre vezethetnek. Ebből kifolyólag szükséges a vállalatok számára az adatgyűjtés mellett a megfelelő adatbányászati folyamat, illetve adatpolitika kialakítása, s ezáltal a vállalati stratégiai célok szempontjából releváns adatelemzési módszerek, és modellek kialakítása. A vállalati adatgyűjtés és tárolás ugyanis még félsikernek sem tekinthető. Az adat értéke ugyanis abban rejlik, hogy abból stratégiai célokat, döntéshozatalt támogató adatelemzési struktúrák jönnek létre. A big data elemzés eredményei, s az abból levont következtetések a döntéshozatalt, valamint az egyes intézkedéseket is pontosabbá és hatékonyabbá tehetik. Ezek összessége az adatgyűjtéstől és tárolástól kezdődően, az adattisztításon, az adatelemzésen és a mesterséges intelligencia alkalmazásán keresztül együttesen eredményezheti a versenyképességi előnyök kiaknázását, valamint a reziliens vállalati struktúrák kialakítását.
A mesterséges intelligencia oldaláról megközelítve a kétirányú kapcsolatot, annak bevonása a big adat elemzésekbe növeli a big data-n alapuló modellezési és elemzési eljárások hatékonyságát. Ezáltal szintén javulhat az elemzésekből levonható következtetések pontossága, a döntéshozatali folyamat, valamint megteremti az új összefüggések feltárásának lehetőségét is. Vállalati oldalról ez maga után vonja a technológiai fejlődés előnyeinek kihasználásához való hozzájárulást, illetve az abból fakadó hátrányok és veszélyforrások minimalizálását is. Ennek megfelelően a vállalat minden területére kihathat. Kijelenthető, hogy már rövid távon azon a vállalkozások kerülhetnek versenyelőnybe, amelyek megfelelően tudják kombinálni a mesterséges intelligenciát és a big data-t, ugyanis a mesterséges intelligencia alkalmazása a megfelelő big data nélkül csak részlegesen aknázható ki. Ez megköveteli a vállalatoktól, hogy az MI alkalmazása érdekében az üzleti modelljük részévé tegyék az adatokat, s megfelelő vállalati adatstratégiát dolgozzanak ki.
A WEF a mesterséges intelligencia kockázata kapcsán hangsúlyozza, hogy az MI és kapcsolódó technológiák fejlődése kapcsán a közérdek ösztönző erejének háttérben maradása az MI-hez való hozzáférés korlátozottsága nyomán növelheti a magas és az alacsony jövedelmű gazdaságok közötti digitális szakadékot. A nyíló digitális olló több területet is érinthet, legyen szó a pénzügyről, a termelékenységről vagy a munkaerőpiacról. Ezzel párhuzamosan eljutunk a big data másik kulcskérdéséhez – az adatokhoz való hozzáféréshez. A vállalati adatkezeléssel kapcsolatban négy alapelvet fogalmaztak meg: az adatok származásának, eredetének helyét, az adatvédelmet (azaz milyen szabályozások vonatkoznak az adatok használatára), az adatok védelmét (kibervédelmi oldalról), illetve az adatelőkészítést. Ezek alapján megállapítható, hogy az adatokat hozzáférhetőség oldaláról több csoportba is sorolhatjuk. Egy részüket tekinthetjük szabad javaknak, amelyek minden vállalat számára szabadon elérhetők, viszont a legtöbb adat szűkös jószágnak tekinthető, amelyek lehetnek a vállalat tulajdonában, viszont az egyén, más szervezet vagy az állam tulajdonát is képezhetik. Az adatok megítélése – olaj, arany, valuta – ezáltal a hozzáférés jellegétől függ. A vállalat oldaláról ezáltal figyelembe kell venni, hogy az elemzések és az üzleti döntéseket alátámasztó modellek alkalmazása során mindkét forrásból származó adat felhasználása szükséges. Ezáltal az adatokhoz való hozzáférés kulcsfontosságú a big data elemzésekhez, de szintén nélkülözhetetlen a mesterséges intelligencia folyamatok kialakításához. Ezzel párhuzamosan az adatokkal való ellátottság releváns befolyásoló tényezője a vállalati (és azzal szoros összefüggésben a nemzeti) versenyképességnek és rezilienciának. Az állam pedig a nemzeti adatpolitika alakítása révén befolyásolhatja a vállalatok ezen képességét, ugyanakkor a fogyasztók adatokhoz kapcsolódó attitűdje, és az adatvédelmi tudatosság szintén releváns tényezőként jelölhető meg.
Összegzésképpen megállapítható, hogy a mesterséges intelligencia és a big data két egymással kölcsönhatásban lévő, szorosan összekapcsolódó terület. Az MI-ban rejlő lehetőségek azonban a megfelelő mennyiségű és minőségű rendelkezésre álló adat nélkül nem aknázhatók ki maximálisan. Az adatok hozzáférhetősége, a vállalati üzleti politikához illesztett adatstratégia, s a megfelelő adatelemzési képességek hiányában a mesterséges intelligenciában és a big data-ban rejlő lehetőségek nem vagy csak részben aknázhatók ki. Ezzel összhangban, amennyiben mindkét tényező csupán a hype szintjén marad, azaz nem alkotnak koherens egészet, s nem megfelelően kerülnek implementálásra, akkor a termelékenységi, versenyképességi előnyök elérése és a reziliens képességek növekedése elmaradhat.
Nyitókép forrása: Wikipedia