Ar DI burbulas sprogs? Ką tai reiškia Lietuvos rinkai

Dirbtinis intelektas per kelerius metus iš nišinės technologijos virto tema, apie kurią kalba beveik kiekviena įmonė, universitetas, valstybės institucija ir startuolis. Kaip internetas pakeitė 2000-uosius, išmanieji telefonai – 2010-uosius, taip DI, arba dirbtinis intelektas, jau dabar formuoja 2020-ųjų technologijų kryptį. Tačiau paradoksas akivaizdus: kuo daugiau apie DI kalbame, tuo dažniau paaiškėja, kad skirtingi žmonės po šiuo terminu supranta visiškai skirtingus dalykus.

Vienam vadovui DI reiškia produktyvesnį el. laiškų rašymą, kitam – pokalbių robotą klientų aptarnavimui, trečiam – autonominius agentus, kurie gali analizuoti duomenis, programuoti, rengti ataskaitas ir priimti operacinius sprendimus beveik be žmogaus įsikišimo. Dėl to Lietuvos rinka, kaip ir pasaulis, šiandien yra savotiškame pasirinkimų taške: ar dirbtinis intelektas yra reali verslo transformacijos priemonė, ar dar viena technologinė manija, kurioje daug pažadų, bet ne visada aiški ekonominė grąža?

Lietuviams ši tema ypač aktuali. Vilniuje, Kaune ir kituose technologijų centruose sparčiai auga finansinių technologijų, kibernetinio saugumo, programinės įrangos kūrimo ir duomenų analitikos įmonės. Daug jų jau testuoja generatyvinį DI, automatizuoja procesus, kuria vidinius asistentus ar bando integruoti didžiuosius kalbos modelius į savo produktus. Vis dėlto kartu kyla ir pagrįstas klausimas: ar investuojama strategiškai, ar tik todėl, kad DI šiandien skamba moderniai?

Ar pasaulis gyvena DI burbule?

Didžiųjų technologijų bendrovių vertės augimas kelia įspūdį ir nerimą vienu metu. Tokios įmonės kaip Nvidia, Microsoft, Alphabet, Amazon ar Meta per pastaruosius metus tapo pagrindinėmis investuotojų viltimis, nes rinka tiki, kad dirbtinis intelektas iš esmės pakeis ekonomiką. Nvidia, kurios grafikos procesoriai tapo kritiškai svarbūs DI modelių mokymui ir veikimui, išaugo iki vienos vertingiausių pasaulio bendrovių. Tai primena ankstesnius technologijų pakilimus, ypač interneto burbulą 2000-aisiais.

Tačiau svarbu atskirti du dalykus: rinkos euforiją ir pačios technologijos vertę. Burbulai dažnai susiformuoja tada, kai investuotojai pradeda tikėti ne tiek dabartiniais rezultatais, kiek beveik neribotu ateities potencialu. DI atveju šis potencialas tikrai didelis, bet ne kiekviena bendrovė, kuri savo pristatyme įrašo žodžius generatyvinis dirbtinis intelektas, mašininis mokymasis ar autonominiai agentai, automatiškai tampa vertinga technologijų lydere.

GoodData.AI technologijų vadovas Peteris Fedorocko šią situaciją vertina atsargiai, bet ne pesimistiškai. Jo požiūriu, rinkoje tikrai yra spekuliacinio triukšmo, tačiau DI infrastruktūra skiriasi nuo ankstesnių burbulų. Interneto burbulo laikotarpiu pažadai dažnai buvo didesni nei tuometinė infrastruktūra: trūko greito ryšio, debesijos, pakankamos skaičiavimo galios ir brandžių verslo modelių. Šiandien DI ekosistema jau turi galingus lustus, debesų kompiuteriją, duomenų centrus, veikiančius modelius ir realius naudojimo scenarijus.

Tai nereiškia, kad visos DI investicijos pasiteisins. Priešingai, dalis startuolių ir produktų neišvengiamai dings, nes jų siūloma vertė bus per silpna arba lengvai nukopijuojama. Tačiau pats dirbtinis intelektas, kaip technologinis pamatas, vargu ar išnyks. Lietuvoje tai reiškia, kad įmonės turėtų ne aklai sekti madas, o vertinti, kur DI gali sukurti pamatuojamą naudą: sutaupyti laiko, pagerinti klientų patirtį, sumažinti klaidų skaičių ar atverti naujus pajamų šaltinius.

DI nėra vienas produktas: nuo paprastos automatikos iki agentų

Viena didžiausių problemų diskusijoje apie DI yra neaiški sąvoka. Kai sakoma, kad dirbtinis intelektas atims darbus, vieni turi omenyje paprastą taisyklėmis paremtą automatizavimą, kiti – didžiuosius kalbos modelius, treti – teorinį superintelektą, kuris kol kas labiau priklauso ateities scenarijams nei kasdieniam verslui.

Lietuvos verslui būtina atskirti kelis DI lygius. Pirmasis – klasikinis mašininis mokymasis, kuris jau seniai naudojamas sukčiavimo prevencijoje, kredito rizikos vertinime, rekomendacijų sistemose ar paklausos prognozavime. Antrasis – generatyvinis DI, gebantis kurti tekstą, paveikslėlius, kodą, santraukas ir kitą turinį. Trečiasis – agentinis DI, kai sistema ne tik atsako į klausimą, bet ir gali atlikti veiksmų seką: surinkti informaciją, ją įvertinti, parengti dokumentą, inicijuoti užduotį ar perduoti rezultatą kitai sistemai.

Pagrindinės DI funkcijos, kurios jau aktualios Lietuvos įmonėms

Praktiniu lygmeniu DI produktai šiandien dažniausiai siūlo kelias aiškias funkcijas. Jie gali apibendrinti didelius dokumentų kiekius, automatiškai parengti ataskaitas, analizuoti klientų užklausas, kurti personalizuotus pasiūlymus, padėti programuotojams rašyti ir tikrinti kodą, generuoti rinkodaros tekstus, versti turinį, aptikti anomalijas duomenyse ir optimizuoti vidinius procesus.

Vilniuje veikiančioms fintech bendrovėms tai gali reikšti greitesnį klientų patikrinimą ir rizikos analizę. Kaune įsikūrusioms gamybos ar inžinerijos įmonėms – efektyvesnę įrangos priežiūrą, gedimų prognozavimą ir kokybės kontrolę. E. prekybos verslams Lietuvoje DI gali padėti tiksliau prognozuoti paklausą, mažinti grąžinimų skaičių ir gerinti klientų aptarnavimą lietuvių kalba.

Ar dirbtinis intelektas pakeis žmones?

OpenAI vadovas Samas Altmanas ne kartą yra teigęs, kad DI nepakeis žmonių taip paprastai, kaip kartais piešiama niūriuose scenarijuose. Vis dėlto skeptikai turi rimtų argumentų. Skirtingai nei garo mašina, kompiuteris ar net internetas, šiuolaikinis DI gali atlikti intelektines užduotis: rašyti, programuoti, analizuoti, klasifikuoti, apibendrinti, planuoti. Tai nebe vien mechaninis pasikartojančių darbų automatizavimas.

Tačiau yra svarbus skirtumas tarp gebėjimo atlikti užduotį ir gebėjimo prisiimti atsakomybę. DI gali pasiūlyti sprendimą, bet jis neturi asmeninio intereso, reputacijos, etinės atsakomybės ar santykio su klientu. Versle sprendimai retai būna vien techniniai. Jie priklauso nuo konteksto, pasitikėjimo, derybų, reputacijos, intuicijos ir gebėjimo prisiimti pasekmes.

Todėl realesnis scenarijus Lietuvos rinkai – ne masinis žmonių pakeitimas per naktį, o darbo pobūdžio pasikeitimas. Buhalteriai vis dažniau dirbs su automatizuotomis ataskaitomis, teisininkai – su DI parengtais dokumentų juodraščiais, programuotojai – su kodą siūlančiais asistentais, žurnalistai ir rinkodaros specialistai – su turinio generavimo įrankiais. Žmogaus vaidmuo slinks nuo vykdytojo prie prižiūrėtojo, vertintojo, stratego ir atsakomybės nešėjo.

Kur žmogus išlieka būtinas?

Žmogus ypač svarbus ten, kur reikia pasitikėjimo, empatijos ir vertybinio sprendimo. Klientas, susidūręs su sudėtinga finansine, medicinine ar teisine situacija, dažnai norės kalbėtis ne tik su sistema, bet ir su žmogumi. Vadovas, priimantis sprendimą dėl komandos, investicijų ar rizikos, negali aklai remtis DI rekomendacija. Lietuvos įmonėms tai reiškia, kad sėkmingiausi bus ne tie, kurie bandys visiškai eliminuoti darbuotojus, o tie, kurie suteiks jiems geresnius įrankius.

DI galima vadinti efektyvumo stiprintuvu. Jis leidžia vienam žmogui atlikti daugiau, greičiau ir dažnai kokybiškiau. Tačiau efektyvumas savaime nėra strategija. Jei įmonė diegia DI tik tam, kad sumažintų darbuotojų skaičių, ji gali trumpuoju laikotarpiu pagerinti sąnaudų eilutę, bet ilgainiui prarasti kompetenciją, lojalumą ir gebėjimą kurti naują vertę.

Efektyvumas, nelygybė ir Lietuvos ekonomika

Diskusijoje apie DI vis dažniau keliama ir platesnė ekonominė dilema. Jei technologijos padaro visuomenę itin efektyvią, kas gauna tos naudos vaisius? Ar tai bus darbuotojai, vartotojai, valstybė, ar tik kapitalo savininkai? Šis klausimas aktualus ne tik JAV ar Vakarų Europai, bet ir Lietuvai, kur produktyvumo augimas, atlyginimų skirtumai ir regioninė nelygybė jau dabar yra svarbios temos.

Efektyvumo augimas nebūtinai turi didinti nelygybę. Problema atsiranda tada, kai nauda pasiskirsto netolygiai. Jeigu DI padeda Lietuvos įmonei tapti produktyvesnei, ji gali didinti atlyginimus, investuoti į naujas paslaugas, plėstis į užsienio rinkas ir kurti aukštesnės kvalifikacijos darbo vietas. Tačiau ji taip pat gali tiesiog mažinti komandą ir maksimizuoti trumpalaikį pelną. Technologija šiuo atveju yra neutrali, o rezultatas priklauso nuo verslo modelio, reguliavimo, mokesčių sistemos ir visuomenės susitarimų.

Čia svarbus ir valstybės vaidmuo. Lietuva, siekdama išnaudoti DI potencialą, turėtų investuoti į skaitmeninius įgūdžius, perkvalifikavimą, lietuvių kalbos duomenų išteklius, saugų viešojo sektoriaus automatizavimą ir aiškias taisykles dėl DI naudojimo. Jeigu viešasis ir privatus sektorius veiks koordinuotai, DI gali tapti ne grėsme, o produktyvumo šuoliu Lietuvos ekonomikai.

DI raštingumas: kodėl vadovams nebeužtenka žinoti madingų terminų

Vienas svarbiausių artimiausių metų iššūkių – DI raštingumas. Įmonių valdybos ir vadovai priima brangius sprendimus, tačiau ne visada tiksliai supranta, kokią problemą nori spręsti. Turėti DI strategiją skamba gerai, bet jei ji neatsako į klausimus, kokie procesai bus keičiami, kokie duomenys naudojami, kokia rizika valdoma ir kaip bus matuojama grąža, tokia strategija gali tapti brangiu eksperimentu.

Lietuvos įmonėms ypač svarbu nepradėti nuo įrankio. Dažna klaida – pirma pasirinkti platformą ar modelį, o tik paskui ieškoti, kur jį pritaikyti. Brandesnis kelias yra priešingas: pirmiausia identifikuoti verslo problemą, įvertinti procesą, duomenų kokybę, teisinius reikalavimus ir tik tada spręsti, ar reikia generatyvinio DI, klasikinio mašininio mokymosi, robotizuoto procesų automatizavimo ar paprastesnio programinio sprendimo.

Kaip atpažinti prasmingą DI projektą?

Geras DI projektas turi aiškų tikslą ir matuojamą rezultatą. Pavyzdžiui, sumažinti klientų užklausų atsakymo laiką 30 procentų, sutrumpinti ataskaitų rengimą nuo dviejų dienų iki kelių valandų, pagerinti sukčiavimo aptikimą, sumažinti sandėlio likučių perteklių arba padidinti pardavimų konversiją. Jei projektas apibūdinamas tik frazėmis inovatyvus DI sprendimas ar moderni automatizacija, bet neturi aiškių rodiklių, rizika labai didelė.

Taip pat reikia vertinti duomenų saugumą. Lietuvos verslai, dirbantys su asmens duomenimis, finansine informacija ar komercinėmis paslaptimis, negali neapgalvotai kelti jautrios informacijos į bet kokius viešus DI įrankius. Reikia suprasti, kur saugomi duomenys, ar jie naudojami modelių mokymui, kokie taikomi BDAR reikalavimai ir kokios yra tiekėjo sutartinės garantijos.

ChatGPT tempas ir įmonių nuovargis

ChatGPT pasirodymas pakeitė milijonų žmonių santykį su dirbtiniu intelektu. Per trumpą laiką generatyvinis DI tapo kasdieniu įrankiu tekstams, idėjoms, kodui, mokymuisi ir analizei. Tačiau modelių atnaujinimo tempas toks didelis, kad net didelės tarptautinės korporacijos sunkiai spėja prisitaikyti. Per kelis mėnesius gali pasikeisti modelių galimybės, kainodara, integracijos, saugumo nuostatos ir geriausios praktikos.

Todėl įmonėms Lietuvoje nereikėtų vaikytis kiekvienos naujos versijos. Tai gali sukelti DI nuovargį: darbuotojai pavargsta nuo nuolat keičiamų įrankių, IT komandos nespėja jų integruoti, o vadovai nemato stabilios grąžos. Vietoje to verta kurti lankstų technologinį pagrindą: aiškias duomenų valdymo taisykles, API integracijas, darbuotojų mokymus, pilotinių projektų metodiką ir vertinimo kriterijus.

Praktinis palyginimas: globalios platformos ir vietiniai poreikiai

Globalūs DI įrankiai, tokie kaip ChatGPT, Microsoft Copilot, Google Gemini ar specializuotos analitikos platformos, siūlo didžiulį funkcionalumą. Jie greitai tobulėja, turi plačią ekosistemą ir tinka daugeliui bendrų užduočių. Tačiau Lietuvos rinkai svarbūs ir vietiniai aspektai: lietuvių kalbos kokybė, gebėjimas suprasti vietinį teisinį bei kultūrinį kontekstą, integracija su lietuviškomis apskaitos, e. prekybos, dokumentų valdymo ar viešojo sektoriaus sistemomis.

Todėl ateityje konkurencinį pranašumą gali turėti sprendimai, kurie derins globalių modelių galią su lokalizuotais duomenimis ir lietuviška vartotojo patirtimi. Tai aktualu ne tik verslui, bet ir švietimui, žiniasklaidai, sveikatos apsaugai, viešajam administravimui. DI lietuvių kalba turi būti ne tik gramatiškai taisyklingas, bet ir patikimas, skaidrus bei pritaikytas realiems Lietuvos naudotojų poreikiams.

Kur DI Lietuvoje kurs daugiausia vertės?

Artimiausiais metais didžiausią DI naudą Lietuvoje tikėtina matysime ten, kur yra daug struktūruotų arba pusiau struktūruotų duomenų ir pasikartojančių procesų. Finansų sektoriuje tai rizikos vertinimas, pinigų plovimo prevencija, klientų aptarnavimas ir atitikties dokumentai. Logistikoje – maršrutų optimizavimas, paklausos prognozės ir transporto planavimas. Gamyboje – kokybės kontrolė, predikcinė priežiūra ir tiekimo grandinės analizė.

Viešajame sektoriuje DI galėtų padėti greičiau apdoroti gyventojų užklausas, ruošti dokumentų santraukas, analizuoti teisės aktus ar aptikti administracinių procesų spragas. Vis dėlto čia būtinas ypatingas atsargumas, nes viešosios paslaugos turi būti skaidrios, nediskriminuojančios ir paaiškinamos. DI negali tapti juodąja dėže, nuo kurios priklauso žmogaus teisės ar galimybės gauti paslaugą.

Smulkiajam ir vidutiniam verslui DI taip pat gali būti naudingas, net jei biudžetai mažesni. Maža įmonė Kaune gali naudoti DI produktų aprašymams, klientų laiškams ir reklamos kampanijoms. Paslaugų įmonė Vilniuje gali automatizuoti susitikimų santraukas, pasiūlymų rengimą ir klientų segmentavimą. Regionuose veikiantys verslai gali naudoti DI vertimams, eksportui ir komunikacijai su užsienio partneriais.

Išvada: DI ateitis priklausys nuo blaivaus požiūrio

Dirbtinis intelektas nėra nei stebuklinga lazdelė, nei vien tik grėsmė. Tai galinga technologijų kryptis, kuri jau keičia verslą, darbo rinką ir vartotojų įpročius. Tačiau didžiausia rizika Lietuvos įmonėms yra ne pats DI, o neaiškus jo supratimas, skubotas diegimas ir mados vaikymasis be ekonominio pagrindo.

Jeigu DI burbulas kai kuriose rinkos dalyse ir egzistuoja, tai nereiškia, kad technologija neturi vertės. Greičiau tai ženklas, kad reikia brandesnio požiūrio: aiškių tikslų, geresnio DI raštingumo, duomenų saugumo, darbuotojų įtraukimo ir realistiško investicijų grąžos vertinimo. Lietuva turi stiprią technologijų bendruomenę, greitai prisitaikančius verslus ir augantį skaitmeninį talentų potencialą. Būtent todėl Lietuvos rinka gali ne tik naudoti DI, bet ir kurti konkurencingus sprendimus tarptautinei rinkai.

Svarbiausia – nepainioti triukšmo su pamatu. Modeliai keisis, įrankiai tobulės, dalis pažadų neišsipildys, o kai kurios įmonės pervertins savo galimybes. Tačiau organizacijos, kurios supras savo procesus, duomenis ir klientų poreikius, iš dirbtinio intelekto gaus realios naudos. Lietuvos verslui dabar tinkamiausias metas ne klausti, ar reikia DI, o klausti, kur jis iš tiesų kuria vertę ir kaip tą vertę atsakingai panaudoti.