Generatywna sztuczna inteligencja, której symbolem stało się słynne już na całym świecie narzędzie ChatGPT, to swoisty fenomen – nie tylko z technologicznego puntu widzenia, ale również społecznego. Zainteresowanie AI dosłownie wystrzeliło, a kreatywni użytkownicy i pasjonaci technologii prześcigają się w wynajdowaniu coraz to nowych zastosowań. Przedsiębiorstwa otrzymały zaś do dyspozycji potężne narzędzie wsparcia w codziennych zadaniach – i jak pokazują przykłady przytaczane przez uczestników programu Data Excellence – aktywnie wykorzystują je w praktyce. 

Siódma sesja strategiczna programu Data Excellence, a zarazem ostatnia w 2023 r., odbyła się 15 listopada w przestrzeniach Miasteczka Orange w Al. Jerozolimskich w Warszawie. Dodatkową atrakcją dla gości spotkania była zorganizowana przez gospodarza sesji, firmę Orange, wycieczka po Orange 5G Lab. Tam, po krótkiej prezentacji o sieci kampusowej, uczestnicy mieli możliwość wziąć udział szkoleniu dla nowego pracownika w fabryce Miele i za pomocą wirtualnej rzeczywistości… złożyć pralkę. 

Pod względem merytorycznym sesja kontynuowała temat dotknięty na poprzednim, wrześniowym spotkaniu – praktyczne zastosowania generatywnej sztucznej inteligencji oraz związane z tym wyzwania. Z prelekcjami wystąpi przedstawiciele Orange’a – Piotr Sobczyk, dyrektor Business Insights i Matylda Wawrzak-Rajtar, DevOps Digital Sales Manager – oraz Grzegorz Zajączkowski, Chief Data Officer w firmie Polskie Porty Lotnicze.  

ChatGPT na pomoc programistom 

Udostępnienie ChatGPT w trybie open access otworzyło specjalistom na całym świecie nowe możliwości eksperymentowania i testowania rozwiązań oraz niejako przełamało pierwsze obawy związane z generatywną sztuczną inteligencją. Obecnie wyzwanie polega na tym, by ten inicjalny entuzjazm odpowiednio skanalizować, aby eksperymentowanie bez kontroli i nadzoru nie doprowadziło do chaosu i braku oczekiwanych rezultatów (wartości biznesowej). W Orange’u rozpoznano to ryzyko odpowiednio wcześnie, w związku z czym zdecydowano się ustrukturyzować proces testowania generatywnej sztucznej inteligencji na środowiskach oferowanych przez Azure oraz Google Cloud Platform.

Chodzi o to – tłumaczył Piotr – aby ludzie wiedzieli, z czym mają przyjść i z czym wyjść na każdym etapie procesu testów; aby robili to, co ma przynieść jakąś wartość i potrafili uzasadnić, co to za wartość. Po kilku miesiącach funkcjonowania w tym trybie zaproponowano ponad 170 kreatywnych pomysłów na zastosowanie GenAI. Jednym z takich pomysłów jest wsparcie procesu rozwoju oprogramowania, którego liderką jest Matylda Wawrzak-Rajtar.

Wsparcie to polega na zastosowaniu generatywnego AI w codziennych zadaniach developerskich, realizowanych przez programistów na poszczególnych etapach procesu rozwoju oprogramowania. Obszarami, w których dostrzeżono największy potencjał, były: kodowanie, migracja technologii, testy i konfiguracja. Jak przyznaje Matylda, benefity są imponujące – czas realizacji powtarzalnych zadań skrócił się nawet o 90 proc. Na tym jednak nie koniec – trwają aktywne poszukiwania zastosowań GenAI w innych obszarach m.in DevOps.

Aby jednak generatywna sztuczna inteligencja na stałe wzbogaciła arsenał programistów, nie powinno się polegać wyłącznie na ChatGPT w jego podstawowej wersji. Wymaga to, po pierwsze, bezpiecznego środowiska oraz głębszej integracji z firmowymi narzędziami programistycznymi – w oparciu o wtyczki czy rozszerzenia do tych narzędzi. Drugi wymóg to nabycie umiejętności skutecznego promptowania (prompt engineering), czyli odpowiednich i optymalnych komend kierowanych do modeli GenAI tak aby uzyskać pożądany wynik.

Trzeba też pamiętać, że rezultaty działania GenAI zawsze muszą być sprawdzane przez deweloperów. ChatGPT pozostaje narzędziem wsparcia, nie zastępuje programistów, ale automatyzuje proste zadania lub prowadzi do uzyskania rozwiązania – podkreślała prelegentka.

Nieoczywiste zastosowania GenAI 

O zaletach korzystania ze wsparcia generatywnej sztucznej inteligencji przekonywał w trakcie sesji Data Excellence również drugi mówca. Przedmiotem prezentacji Grzegorza Zajączkowskiego był system optymalizujący rozkład kolejek na lotnisku Fryderyka Chopina w Warszawie, oparty na dynamicznym przetwarzaniu obrazów.  

Jak mówił Grzegorz, wprowadzenie innowacyjnego systemu w firmie takiej, jak PPL, nie było rzeczą prostą, i to z kilku powodów. Po pierwsze PPL, jako operator infrastruktury krytycznej, podlega licznym regulacjom, co nakłada na firmę poważne obowiązki w zakresie zapewnienia zgodności z obowiązującym prawem. Do tego dochodzi złożoność już działających systemów teleinformatycznych („zwykły” monitoring wizyjny, systemy skanowania bagażu, itp.) dodatkowo nierzadko obarczonych pewnym długiem technologicznym. 

Musieliśmy szukać takiej metody, żeby jednocześnie wykorzystać systemy bezpieczeństwa do tego, żeby realizować funkcje biznesowe. Udało nam się stworzyć nowy system prawny, który umożliwia przetwarzanie danych w oparciu o planowaną dyrektywę AI, o tak zwane piaskownice regulacyjne. Wykorzystujemy ten komponent prawny po to, żeby przetwarzać dane z różnych systemów pod pełnym monitoringiem służb ochronnych, czyli inspektora RODO, systemu ochrony danych itd. – wyjaśniał przedstawiciel PPL. 

Opracowany system – AIPS (Airport Image Procesing Sandbox) – to rozległa piaskownica, gromadząca dane z różnych źródeł (kamer) rozsianych na terenie lotniska. Korzystając z możliwości i podpowiedzi z ChataGPT opracowano interfejs integrujący dane z urządzeń kilkudziesięciu różnych typów. Integracja danych otworzyła przed zespołem technicznym PPL nowe możliwości w zakresie wprowadzenia usprawnień na warszawskim lotnisku im. F. Chopina, ułatwiających życie pasażerom.  

Powstał system, który w czasie rzeczywistym przetwarza kilka stref kolejkowych i w razie wykrycia zatorów lub wydłużenia czasu oczekiwania w danej strefie, generuje informacje o możliwych sposobach rozładowania kolejek (np. poprzez kierowanie podróżnych do innych stref). Prowadzi to do uzyskania kolejnych benefitów – mając dane o zagęszczeniu pasażerów w poszczególnych częściach terminala można inteligentnie sterować działaniem klimatyzacji. 

Generatywne AI – jak się za nie zabrać? 

Trzecią część sesji strategicznej listopadowego spotkania wypełnił panel dyskusyjny, w którym – oprócz prof. Bogumiła Kamińskiego, dyrektora programowego Data Excellence w roli moderatora dyskusji – wzięli udział przedstawiciele rady programowej. Swoimi spostrzeżeniami na temat GenAI podzielili się:  

• Grzegorz Bartler, Chief Technology Officer w Netii;  
• Mariusz Gromada, Head of Customer Intelligence Department w Banku Millenium;  
• Krystian Hatała Head of Data and Analytics w CCC;  
• Radosław Kita, Head of Data Science w Ringier Axel Springer Polska; 
• Kamil Konikiewicz, Head of Data Science w Allegro. 

Grzegorz Bartler zwrócił uwagę, że zabierając się za stosowanie GenAI warto uprzednio dokładnie rozpoznać ryzyka, jakie się z tym wiążą i zdefiniować obszary, w których dla organizacji tych ryzyk jest jak najmniej. Zdaniem przedstawiciela Netii należy być szczególnie czujnym w zakresie kodowania i bardzo precyzyjnie ustalić zasady korzystania z narzędzi, które mogą generować kod. Chodzi m.in. o kwestie formalno-prawne, takie jak autorstwo kodu (kod wygenerowany przez człowieka jest utworem, a wygenerowany przez narzędzie – nie) oraz licencyjne. 

Kontynuując ten wątek, Kamil Konikiewicz zwrócił uwagę na potrzebę ograniczania ryzyka reputacyjnego dla organizacji, związanego z udostępnieniem użytkownikom zewnętrznym rozwiązań bazujących na GenAI.

Jednym z możliwych sposobów jest zastosowanie dużych modeli językowych do usprawniania działania już istniejących systemów od strony backend - np. w zakresie wyszukiwania informacji (tzw. RAG - Retrieval Augmented Generation) czy wspierania procesów, w których klient dokonuje zatwierdzenia efektu działania modelu (np. synteza czy przeformułowanie pytania lub opisu). 

Krystian Hatała mówił o dojrzałości rozwiązań opartych na GenAI. Chodzi o to, aby – zanim zaproponuje się konkretne rozwiązania biznesowi – gruntownie przetestować je w obrębie ograniczonej grupy użytkowników, chociażby z działu IT. Dopiero nabywszy wiedzę o obsłudze ChataGPT i zrozumiawszy działanie modeli AI jesteśmy w stanie skutecznie przekonać do tych narzędzi potencjalnych interesariuszy w organizacji. Przydatne może okazać się do tego sporządzenie kodeksu dobrych praktyk AI. 

Taki „komitet”, który ocenia każdy projekt pod względem przydatności, ryzyk prawnych i wizerunkowych – jak przyznał Radosław Kita – funkcjonuje w łonie RASP. Pomaga to w podejmowaniu decyzji, które projekty są na tyle perspektywiczne, by kierować je do realizacji. 

Obrazowo ujął to Mariusz Gromada. – Trzeba po prostu ubrudzić ręce. Trzeba samemu napisać dwa tysiące promptów i zobaczyć czy to działa. Trzeba się samemu zderzyć z halucynacją (nieprawdziwe informacje generowane przez sztuczną inteligencję – red.). Przerobiłem to setki razy i miałem dość, ale później znowu wracałem. Sami się przekonajcie, czy to działa. Wtedy będziecie liderem tej zmiany w organizacji – powiedział. Z drugiej strony, nie można zapominać o tych przedstawicielach organizacji, którzy są sceptyczni wobec zmian. To jedno z ważniejszych zadań dla liderów – przekonać, że AI nie jest po to, żeby zastąpić człowieka.  

Najbliższa, ósma sesja strategiczna programu Data Excellence odbędzie się 6 marca 2024 r. 

Rejestracja na spotkanie już trwa! 
Więcej informacji na stronie programu: cionet.com/dataexcellence.

Partnerami programu są Amazon Web Services, HP Enterprise, IBM i Goldenore.