Nagy István és Áder János is ott lesz az idei Agrárszektor konferencián!
Az idén először 3 napos konferencián előad többek között Bige László, Gyuricza Csaba, Éder Tamás, Feldman Zsolt, Jakab István, Harsányi Zsolt, Makai Szabolcs, Szabó Levente, Kulik Zoltán, Hollósi Dávid és még sokan mások...
Ne maradjon le az év egyik legjelentősebb agrárszakmai eseményéről!
Hogyan lehet hatékonyan implementálni a generatív mesterséges intelligencia (MI) modelleket az üzleti folyamatokba? Milyen innovációs kihívásokkal néznek szembe a cégek ezen a téren? Mely ágazatok a legaktívabbak? Milyen tényezők befolyásolják a projektek sikerét? Mennyi idő alatt jut el az ötlettől az aktív fejlesztésig egy kezdeményezés? Ezek voltak a főbb kérdései annak a nemzetközi felmérésnek, amelyet két adatelemző és üzleti tanácsadó cég, a magyar tulajdonú Hiflylabs és a denveri székhelyű Nimble Gravity végzett 2024 augusztusában olyan, főként a USA-ban működő vállalatok körében, amelyek jelentős tapasztalatra tettek szert a generatív MI modellekre épülő megoldások fejlesztése és bevezetése kapcsán. A válaszok a kiválasztott társaságok döntéshozóitól, vagyis ügyvezetőktől, pénzügyi és technológiai vezetőktől, illetve az MI projektekben aktív szerepet vállaló középvezetőktől, elemzőktől és IT szakemberektől érkeztek - derült ki a Hiflylabs közleményéből.
A projektek több mint kétharmada kudarccal zárul
Virág Zsolt, a vállalat társalapítója és igazgatóságának elnöke szerint a felmérés segítségével iparágakon belüli és iparágakon átívelő trendeket, összefüggéseket is sikerült feltárni. Mint fogalmazott, az egyik legfontosabb megállapítás az volt, hogy a generatív MI fejlesztések csak alig több mint fele, 53,1%-a jut el a tervezési szakaszból a kísérleti fázisba. Az éles üzemet, illetve a termelési szakaszt ezek 52,7%-a éri csak el, tehát az elindított projektek több mint kétharmada kudarccal zárul.
A kapott válaszok azt mutatják, hogy a fejlesztések zátonyra futását nem lehet egyetlen okra visszavezetni. A kudarcok mögött számos, egymással összefüggő tényező és kihívás húzódik meg. Az esetek nagy többségében kompatibilitási problémák léptek fel a bevezetni tervezett generatív MI megoldás és a meglévő technológiai infrastruktúra között. Emellett az okok közül érdemes kiemelni még a magas fejlesztési és bevezetési költségeket, illetve azt, hogy a leállított projektek nem támogatták kellő mértékben az üzleti célok megvalósulását.
Az MI projektek üzleti hasznossága legtöbbször a költségcsökkentés. Ez a jelenlegi gazdasági helyzetben kiemelten fontos a cégek számára. Azonban a mesterséges intelligencia sikeres alkalmazásához fejlett innovációs kultúrára van szükség, amelyben elfogadott, hogy az ötletek egy része kudarcba fullad. Azt is figyelembe kell venni, hogyha valami kicsiben, kontrollált vagy mesterséges körülmények között működik, az nem garancia arra, hogy a bevezetést követően élesben is működni fog. A két fázis között nagy a szakadék
- fogalmazott Virág Zsolt.
A közepes vállalkozásoknál a legsikeresebb az új technológia adaptálása
A felmérésből az is kiderült, hogy a közepes méretű vállalatoknak (500 millió és 1 milliárd dollár árbevétel között) a legmagasabb az MI sikerességi rátája. Ezeknél a cégeknél a kísérleti fázisba került projektek 63,15%-ának megoldásait sikerült beépíteni az üzleti és termelési folyamatokba. Ugyanez az arány a nagyvállalatoknál csak 52,63%, míg az 1 millió alatti árbevételű kis cégek (kkv-k) csupán 31%-os sikerességi rátát tudnak felmutatni.
A közepes méretű vállalatok általában rendelkeznek azzal a szaktudással és azokkal az erőforrásokkal, amelyek a generatív MI fejlesztések bevezetéséhez elengedhetetlenek. Előnyük a nagyvállalatokkal szemben az, hogy agilisabbnak mutatkoznak ezen a téren, méretüknél fogva gyorsabban alkalmazkodnak és nincs szükségük több szintű jóváhagyásra, hogy nagy változtatásokat hajtsanak végre az üzleti folyamatokban
- magyarázta az adatokat Virág Zsolt.
A mezőgazdasági vállalatok vezetik a listát
Meglepő kép rajzolódik ki, ha iparáganként vizsgáljuk az indított projektek számát és az új technológiák adoptálási sebességét. A felmérés alapján mindkét esetben a mezőgazdaság van a lista élén. A generatív MI modellek megjelenése óta az itt tevékenykedő cégek indították el átlagban a legtöbb fejlesztést, illetve ők jutottak el leggyorsabban tervezéstől a kísérleti fázisig.
Az olyan technológiai-vezérelt iparágak, mint az informatika vagy a telekommunikáció, szintén sok ilyen irányú fejlesztést indítottak, ugyanakkor ezek adoptálási sebessége messze elmarad a mezőgazdasági cégek teljesítményétől. Ugyanez a megállapítás igaz a pénzügyi szektor vállalataira is. A humán-erőforrás cégekre szintén nagy MI fejlesztési aktivitás jellemző, a megvalósítási ciklus hossza tekintetében mégis ez a szektor a sereghajtó.
Az e témakörben kapott válaszok kiértékelése alapján kijelenthető, hogy az indulástól az aktív, end-to-end fejlesztés kezdetéig átlagosan 56 napot vesz igénybe egy generatív MI projekt. Ezen belül közel 20 napig tart, amíg a tervektől eljutnak a pilot fázisig, és további 36 nap, amíg az élesben használható megoldás fejlesztése megkezdődik.
Az időtényező vizsgálata azért különösen fontos, mert a technológia hihetetlen tempóban fejlődik. Minél tovább tart egy mesterséges intelligencia projekt, annál nagyobb a valószínűsége, hogy a végeredmény már elavult lesz az indulás pillanatában. A piac gyorsan mozog, a versenytársak gyorsan reagálnak. Az avulás könnyen kezelhető egy modulárisan felépített architektúrával, ami alatt az MI motor kicserélhető az aktuálisan legjobb, legfrissebb modellre
- nyilatkozta Virág Zsolt.