Bryan Harris, wiceprezes SAS Institute o AI i przewidywaniu kryzysów

Paweł Minkina: Jesteśmy na etapie kryzysu związanego z pandemią, wojną i u progu kryzysu ekonomicznego. Czy nowoczesne technologie, takie jak sztuczna inteligencja, pomogą nam przewidzieć i uniknąć kryzysu w przyszłości?

Bryan Harris: W każdej epoce, czy jest to era przemysłowa, czy era informacji, mamy do czynienia z zupełnie inną dynamiką odporności na kryzys, która decyduje o tym, kto wygrywa, a kto przegrywa. A to ma ogromny wpływ na gospodarki krajów.

Co zazwyczaj wynika z wojny, to faza wzrostu. Gdy nastaje faza wzrostu, narody zaciągają dług, a ten z kolei stwarza z powrotem wyzwania dla kraju. Ray Dalio napisał książkę poruszającą to zagadnienie pod tytułem „Zmiana porządku świata”. Ray Dalio jest znanym przedsiębiorcą i menedżerem funduszy hedgingowych, który stara się doradzać ludziom w podejmowaniu decyzji finansowych. Cała książka jest studium historii różnych narodów, ich drogi od ubóstwa do dobrobytu ‒ i z powrotem do ubóstwa lub nawet rozpadu kraju.

Według mnie teraz powinniśmy zwrócić uwagę przede wszystkim na przepaść ekonomiczną czyli lukę w zakresie poziomu dobrobytu na  świecie. Jest to niepokojące zjawisko i wiele obaw budzi dziś mechanizm, w jaki sposób państwa odnoszą sukcesy lub porażki. Kiedy zdecydowana większość to uboższa część społeczeństwa, porządek i ład światowy zaczyna się burzyć. Dlatego według mnie luka w zakresie poziomu dobrobytu to zagadnienie, nad którym należy się pochylić. Stanowi bowiem prognostyk zaburzeń, takich jak wojna.

Ostatnie wydarzenia udowodniły, że zaawansowane technologie odegrały ważną rolę w zarządzaniu sytuacją kryzysową, zapewnieniu bezpieczeństwa ludzi i zasobów oraz sprawnym wdrażaniu działań naprawczych. Jeśli w odpowiedni sposób wykorzystamy potencjał AI, możemy nie tylko lepiej radzić sobie z tego typu wyzwaniami, ale także przewidywać przyszłe zakłócenia i lepiej się do nich przygotować.

W jaki sposób wykorzystanie AI stymuluje dziś rozwój biznesu i jakich nowych zastosowań możemy oczekiwać w najbliższym czasie?

Większość rozwiązań wykorzystujących sztuczną inteligencję, z którymi mamy dziś do czynienia wspiera  procesy podejmowania konkretnych decyzji biznesowych – czy chcę zatwierdzić pożyczkę, czy chcę odmówić płatności, ponieważ jest to próba wyłudzenia, czy chcę polecić komuś zakup konkretnego produktu, bazując na jego wcześniejszych aktywnościach. Następny etap to wyższy poziom optymalizacji procesów i myślę tutaj o symulacji zdarzeń, czyli obszarze, gdzie potencjał uczenia maszynowego i AI może być dobrze wykorzystany.

W obecnych niepewnych czasach rośnie zapotrzebowanie na modelowanie różnych scenariuszy dla firm i rynków. Obserwujemy znacznie wyższy poziom optymalizacji, a kadra kierownicza chce w pełni zrozumieć, jak działa ich biznes i co się stanie, gdy pojawi się to czy tamto zaburzające wydarzenie. Co się stanie, gdy łańcuch dostaw zostanie zakłócony, gdy pojawi się problem z zatrudnieniem pracowników, gdy firma partnerska, na której polegamy i która dostarcza nam kluczowe usługi biznesowe przestaje sprawnie funkcjonować. Jak się do tego przygotować i jak zareagować w takiej sytuacji?

Koncepcja, by przewidzieć zmianę zanim ona nastąpi i zapewnić najwyższą wydajność w kontekście możliwych skutków oznacza, że firmy mogą planować z wyprzedzeniem, jakie problemy mogą je dotknąć. Takie możliwości dają pewność lepszego zarządzania, sprawnego radzenia sobie z zakłóceniami i w efekcie rozwoju nawet w tak turbulentnych czasach. Jesteśmy świadkami tej zmiany. Firmy poszukują lepszych metod predykcyjnych, by modelować procesy i podejmować trafne decyzje w odpowiednim momencie.

Jak budować odporność i zapewnić rozwój organizacji w tak dynamicznie zmieniającym się otoczeniu?

Wykorzystanie potencjału danych i umiejętność szybkiego podejmowania decyzji na podstawie uzyskanych wyników jest dokładnie tym, na czym organizacje powinny się skupić w obecnych niepewnych czasach. Kiedy następuje zmiana, istnieje krótkie okno czasowe, w którym firmy powinny zrozumieć, czym jest nowa norma, jakie są oczekiwania klientów i jak im sprostać.

Kiedy organizacja efektywnie pracuje z danymi, szybciej dostrzega trendy rynkowe i przewiduje potencjalne scenariusze. Dzięki zaawansowanym technologiom takim jak AI może testować różne rozwiązania, aby być dobrze przygotowanym na nowe potrzeby i zmiany zachowań klientów. Jest to możliwe między innymi dzięki technologiom chmurowym, które pozwalają na wykorzystanie zaawansowanej analityki w ogromnej skali. Analityka w chmurze zapewnia nieograniczony dostęp do danych, niespotykaną dotąd szybkość ich przetwarzania dzięki elastycznym mocom obliczeniowym, bezpieczeństwo i to co równie istotne optymaliację kosztów.

Jednak oprócz szybkości i wydajności, krótszy czas przetwarzania oznacza również mniejszy ślad węglowy. Firmy coraz powaźniej podchodzą do zagadnień związanych z ociepleniem klimatu i właśnie wykorzystanie technologii cloud to jeden z priorytetów, którymi zajmą się w kontekście zmniejszenia śladu węglowego.

Dużo ostatnio się mówi o etyce w kontekście wykorzystania sztucznej inteligencji. Gdzie dokładnie tkwi problem?

W rzeczywistości decyzje podejmowane przez AI są wynikiem działania algorytmów, danych i procesów biznesowych. Oznacza to, że rozważania etyczne muszą być stosowane w każdym z tych procesów, aby zapewnić odpowiedzialny rozwój innowacji. Kluczowe znaczenie ma zrozumienie, że analityka, uczenie maszynowe i AI badają przeszłość, aby podejmować decyzje na przyszłość. Jeśli jednak dane z przeszłości są stronnicze lub niedostatecznie reprezentowane, wówczas wyniki i podejmowane na ich podstawie decyzje nie będą właściwe, a nawet mogą być szkodliwe.

W miarę jak analityka, uczenie maszynowe i AI stają się wszechobecne w społeczeństwie, w imieniu dużych populacji podejmowane są zautomatyzowane decyzje. Jednocześnie społeczeństwo i świat, w którym żyjemy, są niezwykle dynamiczne i ulegają ciągłym zmianom. Organizacje wykorzystujące AI muszą być w stanie ciągłego uczenia się. Każdy, kto rozwija technologię, która automatyzuje decyzje za innych, powinien ponosić odpowiedzialność za przejrzyste i obiektywne wyniki. 

Pamiętajmy, że AI nie rozumie naszych wartości i tego, jakie są nasze aspiracje jako społeczeństwa. Zna tylko przeszłość, a ta czasem nie odzwierciedla naszych aspiracji na przyszłość. Kiedy więc AI staje się bardziej powszechna, musimy zastanowić się, jak zakodować w niej nasze wartości, kierunek, w którym chcemy się rozwijać i cele, które chcemy osiągnąć.

Kto Pana zdaniem wygra konkurencję na rynku usług finansowych, duże technologiczne firmy czy instytucje bankowe?

Wiele działań wysokiego ryzyka wymaga wciąż ludzkich decyzji, więc trudno mi wyobrazić sobie, by fintechy tak po prostu wyeliminowały banki. To, co będą z całą pewnością robić i za co je kochamy, to obniżać ceny, bo większa wydajność, obniża ceny. To oznacza, że koszt podstawowych transakcji spadnie. Ale fintechy będą musiały się nauczyć tego, co oferują tradycyjne banki ‒ głębokich relacji z klientami. Tradycyjne banki będą z kolei musiały zrozumieć wydajność fintechów.

Piękno kapitalizmu polega na tym, że presja rynku zmusza wszystkich do poprawy i wdrażania usprawnień. Moim zdaniem, jeśli tradycyjne banki zrozumieją skuteczność rozwiązań, które wykorzystują firmy fintech i same wdrożą niektóre z tych innowacji, to w dłuższej perspektywie wygrają tę bitwę.

O ile, na co część sektora bankowego zwraca szczególną uwagę, poziom regulacyjny będzie odpowiedni do zmian zachodzących na rynku bankowym i technologicznym. Jeśli banki będą bezczynnie czekać i pozwolą fintechom działać bez kontroli, a firmy technologiczne nie będą podlegać regulacyjnemu nadzorowi, rynek będzie rozwijał się nierównomiernie. Należy upewnić się, że dla wszystkich podmiotów są zapewnione sprawiedliwe warunki działania.