Da li većina kompanija ulazi u AI na pogrešna vrata

Veštačka inteligencija nezaustavljivo prodire u svaku poru privrede, od bankarstva i zdravstva do energetike. S jedne strane, obećava brža rešenja za najveće izazove našeg doba. S druge strane, troši više energije nego što smo ikad mogli da zamislimo.

Brett StClair, stručnjak za AI i digitalnu transformaciju, osnivač Teraflow.ai te bivši direktor u Googleu i Barclaysu, uskoro dolazi u Zagreb kao gost Greencajt festivala. Tim povodom razgovarali smo s njim o tome zašto mnoge kompanije ulaze u AI na pogrešan način, kako Google već godinama koristi algoritme za smanjenje potrošnje, a pitali smo i gde je granica između odgovornog korišćenja i rasipništva.

Za StClaira, veštačka inteligencija može da bude moćan alat, ali samo ako je koristimo promišljeno, s jasnim ciljem i uz  razumijevanje njenih stvarnih mogućnosti i ograničenja.

Može li veštačka inteligencija da bude pokretač održivosti, ili je njena nezasitna potreba za energijom jedan od najvećih izazova digitalnog doba? 

Ulazimo u doba u kojem podaci koje generišu ljudi jednostavno nisu dovoljno tačni, niti dovoljni za generativnu veštačku inteligenciju (Gen AI) i velike jezične modele (LLM-ove). U ovom dobu, modeli će učiti iz ljudskog ponašanja i iskustava, odnosno mnogo većeg skupa podataka koji će pomoći LLM-ovima da brže steknu precizna saznanja. 

To je mač sa dve oštrice. Na isti način na koji nas je OpenAI upozorio da ih naša pristojnost prema LLM-ovima košta milione dolara u obradi tokena, vidimo kako ova povećana potreba za podacima i računarskim kapacitetom ozbiljno utiče na održivost, s obzirom na kompjuterske resurse potrebne ne samo za obradu tokena već i "tokena pristojnosti".
Kao industrija, prihvatamo AI fabrike; međutim, ta postrojenja sa 70.000 Nvidia Blackwell B200 grafičkih procesora podrazumevaju ogromnu potrošnju energije. Kako napreduju, ovi čipovi postaju sve bolji u upravljanju potrošnjom i mrežnim resursima. S druge strane, kako postaju snažniji, tako mogu da reše pojedine izazove na načine koje trenutno ne možemo ni da zamislimo. Sjajan primer poboljšanja učinkovitosti je model DeepSeek-V1, kod kojeg vidimo smanjenje potrošnje energije do 90 odsto i CO2 otiska za oko 92 odsto u poređenju sa sličnim infrastrukturama. Na pitanje je teško dati odgovor - ako ostanemo odgovorni i usmereni na klimatski problem, veštačka inteligencija biće ključ naše budućnosti. 

Na osnovu Vašeg iskustva u Googleu, verujete li da tehnološki divovi zaista pokušavaju da reše ekološke izazove koje su sami stvorili ili samo kupuju vreme?

Mogu iskreno da potvrdim da je za kompanije poput Googlea održivost ključna, jer je to ujedno i veliki podsticaj za uštedu troškova. Google koristi veštačku inteligenciju već više od 15 godina za optimizaciju hlađenja data centara, koristi geotermalna rešenja i pokušava da smanji karbonski otisak. Postoje još neki primeri: 

AI vođeno hlađenje: Google koristi AI algoritme za optimizaciju sistema hlađenja, analizu temperaturnih podataka i prilagođavanje izlaza hlađenja radi produktivnosti.

Mere energetske efikasnosti: Stalno istražuju načine za smanjenje potrošnje energije u data centrima, uključujući optimizaciju rasporeda, korišćenje efikasnih tehnologija hlađenja i minimizaciju korišćenja građevinskih materijala.

Upravljanje vodnim resursima: Google prepoznaje vodu kao ključni resurs za hlađenje i aktivno traži načine za optimizaciju potrošnje vode u svojim data centrima.

Efikasnost vođena AI-jem: Google koristi veštačku inteligenciju za poboljšanje efikasnosti procesa treniranja AI modela, smanjujući potrošnju energije i povezane emisije.

Održivi razvoj veštačje inteligencije: Rade na razvoju AI modela koji su od samog početka energetski efikasniji, kako bi smanjili karbonski otisak AI aplikacija.

AI za klimatsku akciju: Google koristi AI na različite načine za rešavanje klimatskih promena, uključujući prognozu vremena vođenu AI-jem, planiranje ruta koje štede gorivo i upravljanje vodnim resursima.

Inicijative cirkularne ekonomije: Istražuje načine za unapređenje cirkularne ekonomije  unutar svojih operacija, smanjujući zagađenje plastikom i promovišući odgovorno upravljanje resursima.

Bloomberg

Šta kompanije treba da urade, kako bi osigurale da se veštačka inteligencija koristi ne samo na efikasan, već i na održiv način?

Postoje tri pristupa veštačkoj inteligenciji u današnjem svetu: 

Izgradnja - razvoj vlastitog LLM-a. Ovo ne bih savetovao osim ako nemate velike količine podataka, koji su relevantni  za određeni industrijski sektor, u kojem možete da trenirate ili dodatno prilagodite modele, koji mogu da budu veoma specifični za taj sektor. To nije poduhvat za pojedinačne kompanije. Mnoge firme eksperimentišu sa treniranjem otvorenih LLM-ova; samo na platformi Hugging Face već smo premašili milion takvih modela, od kojih se svi jedva razlikuju. To je neodgovorno korištenje kompjuterskih resursa i izvor nepotrebnog karbonskog otiska. Da, možda je zabavno i možda služi za ispunjavanje korporativnih ciljeva u vezi s veštačkom inteligencijom, ali to je krajnje neodgovorno.

Unapređenje - korišćenje postojećeg modela i prilagođavanje vlastitim podacima. U ovom pristupu birate otvoreni model ili neki od brojnih poslovnih modela kao polaznu osnovu, a zatim na njega sigurno primenjujete vlastite poslovne podatke, koristeći metode poput RAG-a i eventualno dodatno prilagođavanje (fine-tuning). Takvi modeli, ako se primenjuju u MLOps okruženju prema najboljim praksama, mogu da se optimizuju za efikasniju potrošnju. Trošak je i dalje značajan, često obeshrabruje preteranu uporabu u poslovanju, ali cena vrlo brzo pada. Samo u poslednjih 18 meseci troškovi su se smanjili čak 270 puta. Kako cena i dalje pada, raste rizik da ćemo trošiti znatno više nego što nam je stvarno potrebno.

Korišćenje - povezivanje sa spoljnim modelima i plaćanje po upotrebi. U ovom pristupu povezujete svoje sisteme s poslovnim LLM-ovima drugih ponuđača i plaćate po milion tokena za korišćenje. U poslednja tri meseca sveedočimo eksploziji ovakvih promptova samo u potrošačkom prostoru. Na primer, kod novog GPT-4o modela svi generišu slike sebe kao lutke ili u stilu Studio Ghibli memova. Ti su promptovi gotovo doveli do kolapsa OpenAI-jevih servera zbog tolikog opterećenja. Kao potrošači, moramo biti svesni da ono što izgleda kao jednostavan upit može imati ozbiljne posledice po održivost.

Teraflow.ai se fokusira na implementaciju AI-ja u poslovanje. Koliko su današnji klijenti spremni da se posvete održivosti i uvrste je u svoje strategije? 

Videli smo vrlo malo s tržišta u kontekstu potrošnje. Poslovni sektor još uvek je usmeren na pronalaženje konkretnih primena i pokušaj da razume kako da kapitalizuje ovu tehnologiju. Ključni akteri u AI infrastrukturi ovo shvataju vrlo ozbiljno. Međutim, kompanije koje koriste te modele uglavnom nemaju jasnu sliku o njihovom uticaju. Voleli bismo da vidimo indikatore upozorenja o održivosti prikazane pre nego se promptovi pokrenu. To bi pomoglo  kompanijama u planiranju kako da postignu ciljeve na planu održivosti. 

U jednom ste trenutku pomogli u implementaciji tehnologije u bankarskom sektoru. Koje industrije po Vašem mišljenju imaju najbolju poziciju da koriste AI na održiv način? 

Apsolutno svaka kompanija ima jednaku šansu. Pre pet godina, mašinsko učenje je bilo dostupno samo velikim preduzećima poput banaka, jer je ulazak u to područje bio neverovatno skup, kako infrastrukturno, tako i na planu zapošljavanja stručnog kadra. Pokrenuli smo Teraflow.ai pre šest godina jer je postojala ogromna potražnja za veštinama iz oblasti mašinskog učenja i inženjeringa podataka, jer ukoliko kompanije imaju loše podatke, onda imaju i loše rezultate. Za nas je to bilo razdoblje procvata.

Međutim, kako ulazimo u novo doba veštačke inteligencije, gde svaka osoba na planeti i svaka kompanija imaju ogromne prilike za rast. Vidimo kako manje firme počinju da se takmiče sa velikim preduzećima, ali i kako velike kompanije preispituju korporativne strukture koje su do sada služile za upravljanje radnim opterećenjem, dok ulazimo u eru samostalnih AI sistema koji deluju kao agenti (Agentic AI). Svaka uloga zahteva ponovno promišljanje, što znači da moramo da preispitamo kako upravljamo timovima i agentima koji izvršavaju zadatke unutar organizacija.

Vidimo ogromne poremećaje u svakom poslovnom sektoru. Kompanije poput Shopifyja danas zapošljavaju samo ako ulogu ne može da obavlja AI agent - to je jasan znak vremena u kojem ljudi treba da dopune svoju produktivnost uz pomoć veštačke inteligencije, a potreba za brzim delovanjem je ključna!

Depositphotos

Šta biste savetovali izvršnom direktoru koji želi da uvede veštačku inteligenciju u poslovanje, ali ne zna odakle da počne?

Transformacija pomoću veštačke inteligencije je veoma različita od digitalne  transformacije, gde su izvršni direktori tu ulogu uglavnom delegirali glavnim digitalnim direktorima (Chief Digital Officer). I sam sam bio na toj poziciji kao glavni digitalni direktor za Barclays Africa Međutim, to bi u teoriji trebalo da bude privremena uloga, jer će s vremenom sva preduzeža postati digitalna, pa se očekuje da čitav tim na čelu kompanije bude digitalno osvešćen. 

Pošto je veštačka inteligencija sveprisutna i prodorna, izvršni direktori više ne mogu da sede po strani i da prebacuju odgovornost. Moraju da ulažu u AI mentore koji im mogu pomoći da koriste, usvoje i ubrzaju usvajanje i razumevanje veštačke inteligencije. Znam da to zvuči smešno; međutim, ako lideri kompanija ne preuzmu inicijativu u prihvatanju AI-ja, promene će se odvijati presporo. Digitalna transformacija je trajala skoro dve decenije. AI transformacija će se dogoditi u idućih pet godina, a bojim se da je i to previše vremena. 

Kao izvršni direktori, moramo drugačije da razmišljamo. Ono što se nekad smatralo neprikladnim ponašanjem, sada je postalo norma. Naše kompanije su se navikle na virtuelne sastanke, a za to im je trebalo dve godine. Verujem da postoje kapacitet i volja da se na generativnu veštačku inteligenciju prebacimo za manje od dve godine.

Teraflow surađuje s velikim sistemima. Koja priča o transformaciji koja vas je iznenadila – bilo brzinom, uticajem ili promenom u načinu razmišljanja?

Svaka banka, vazduhoplovna kompanija, energetska i rudarska kompanija, osiguravajuća kuća i zdravstvena ustanova s kojom smo radili tokom proteklih šest godina prošla je kroz gotovo identičan razvojni put u implementaciji veštačke inteligencije. Sve kreće početnom euforijom. Firme panično traže primere primene, često bez jasne strategije, pa nastaje haos. Sledi faza u kojoj pokreću desetine pilot-projekata, ali bez konkretne računice o tome kako će obezbediti povraćaj ulaganja. 

Tek nakon toga dolazi do fokus. Biraju jedan primenjiv i stvarno koristan AI primer, ali obično dolazimo do problema da podaci jednostavno nisu spremni. Sedi izgradnja data temelja, što najčešće znači postavljanje cloud skladišta i uvođenje prenosa podataka u stvarnom vremenu. Ubrzo nakon toga dolazi do eksplozije korićtenja generativnog AI-ja, uvode se asistenti i "copiloti", no retko se paralelno razmatra reorganizacija radnih uloga. Zatim sledi faza obuke, u kojoj zaposleni prolaze edukaciju za rad s promptovima, često nalik onome što se događalo u vreme "Agile transformacije". I konačno, najzrelija faza - uspostava centralizovane AI strategije u kojoj se svi data resursi konsoliduju, a firme počinju da grade koherentno i održivo MLOps okruženje.

Bloomberg

Sebe nazivate 'tehnološkim buntovnikom'. Ko je to zapravo  i zašto verujete da bi svaka kompanije trebalo da ga ima? Može li tehnološki buntovnik da uspe u strogo regulisanim industrijama poput bankarstva? Ili je njihova uloga upravo najvažnija tamo, gde je otpor promenama najjači? 

Moja misija jeda pronađem svakog buntovnika, u svakom preduzeću. U dubini duše, svi imamo želju da menjamo stvari na bolje. Danas živimo u vremenu gde nikada nije bilo lakše postati tehnološki buntovnik. S pojavom samostalnih AI agenata u poslednjih šest meseci, svako može to da uradi. 

Vidimo promenu u načinu razvoja uloga, od vertikalno specijalizovanih, prema horizontalno specijalizovanim. Uloge koje su bile usko specijalizovane postaće suvišne, dok će uspon generalista postati ključan za poslovanje.

Kao tehnološki buntovnici, mi smo agenti promene u svetu - moramo da naučimo kako da prepoznamo probleme, ne samo one površinske, već temeljne i strukturne probleme koje treba rešavati. Tehnologija će se menjati, a s njom i vrste problema, pa samim tim i rešenja. 

Šta su najveće zablude o veštačkoj inteligenciji i održivosti?

Zabluda da će AI biti pokretač uništenja planete - rešavaće probleme koje do sad nismo mogli da rešimo, i to mnogo brže nego ikada. Međutim, ako sa AI koristimo samo za izradu memova i zabavu na društvenim mrežama, onda rezultati neće biti baš pozitivni. Ipak, ako ga koristimo za rešavanje  klimatskih izazova, za širenje i ubrzanje proizvodnje klimatskih rešenja, za ubrzavanje rada ljudi u klimatskim industrijama - kako bi delovali brže, gradili jeftinije i napredovali efikasnije, tada možemo da rešimo probleme sa kojima se suočavamo.

Paralelno s tim, postojaće i veliki napred u načinu na koji AI troši energiju - kako se haldi, kako trenira sam sebe, sve će to da postane efikasnije. Modeli će postajati sve manji, a time će i potrošnja energije sve više da opada. 

Za kraj, kada biste mogli da ostavite jednu poruku sledećoj generaciji tehnologa, na primer onima koji će da predvode razvoj veštačke inteligencije 2040-ih, šta biste im poručili?

Nemojte da gubite vreme da se naučite kako da programirate - učite matematiku, učite o svetu, učite o ljudima, budite empatični prema tuđim problemima i neka vam problem bude u fokusu, a ne politika i profit.

Zamislite svet u kojem izlazimo iz škole inspirisani da rešavamo probleme koji su nam važni. Svet u kojem imate pristup pravim ljudima i pravim AI tehnologijama - tako da bilo kada, bilo gde u svetu, možete da rešavate probleme sa kojima se ljudi suočavaju. To je vizija sveta na koju se treba usmeriti.