Dirbtinio intelekto poveikis Lietuvos ekonomikai šiandien

Dirbtinio intelekto poveikis Lietuvos ekonomikai reiškia, kad DI tiesiogiai veikia šalies produktyvumą, investicijų srautus ir tai, kaip greitai vietos įmonės sugeba pasivyti kitas ES rinkas: bet šis poveikis priklauso ne nuo pačios technologijos, o nuo to, kaip ji realiai integruojama į verslo procesus.

Kur Lietuva stovi šiandien

Ekonomikos ir inovacijų ministras Edvinas Grikšas yra nurodęs, kad Lietuvoje apie 9 proc. įmonių naudoja dirbtinio intelekto sprendimus, kai ES vidurkis siekia 14 proc. Tuo pačiu metu Lietuvos produktyvumas sudaro tik apie 50 proc. ES vidurkio, tai vienas iš pagrindinių rodiklių, rodančių, kodėl DI diegimas šalyje laikomas ne mados reikalu, o ekonominiu būtinumu. Ministerijos tikslas: iki 2030 metų pasiekti 90 proc. rodiklį, kaip nurodoma „Ministerija baigia kurt lietuvių kalbos išteklius, skirtus dirbtinio intelekto sprendimams" (LRT).

Šis atotrūkis nėra vien statistika, jis tiesiogiai atsiliepia įmonių konkurencingumui eksporto rinkose ir gebėjimui pritraukti investicijas, kai kaimyninės šalys DI diegia sparčiau.

Kodėl vien technologija nepadeda

Ta pati LRT publikacija cituoja tarptautinės profesinių paslaugų bendrovės EY („Ernst & Young Baltic“) tyrimą: įmonės, kurios DI įrankių diegimą derina su darbuotojų mokymu ir vadovų palaikymu, gali pasiekti iki 40 proc. didesnį darbo našumą. Tačiau tas pats tyrimas atskleidžia atvirkštinę pusę: tik apie 5 proc. darbuotojų DI naudoja taip, kad iš esmės pakeistų darbo procesus ir realiai padidintų produktyvumą.

Kitaip tariant, dauguma darbuotojų, jau turinčių prieigą prie DI įrankių, juos naudoja paviršutiniškai: teksto redagavimui ar paieškai, o ne procesų pertvarkymui. Būtent čia glūdi didžiausia neišnaudota galimybė Lietuvos verslui.

Kur krypsta valstybės investicijos

Valstybė šiuo metu investuoja į DI infrastruktūrą keliomis kryptimis:

• 23 lietuvių kalbos ištekliai, finansuojami apie 26 mln. eurų iš ekonomikos gaivinimo ir atsparumo didinimo priemonės lėšų, jie nemokamai atiduodami verslui integruoti į savo DI sprendimus.
• 10 mln. eurų parama Vidurio ir vakarų Lietuvos mažoms bei vidutinėms įmonėms, kuriančioms DI produktus.
• 65 mln. eurų kofinansavimas naujam DI technologijų vystymo centrui „LitAI“, kurio bendra projekto vertė sieks 130 mln. eurų, tai bus vienintelė tokio masto DI gamykla Baltijos šalyse.

Šie skaičiai rodo, kad infrastruktūros pagrindas kuriamas sistemingai, tačiau infrastruktūra pati savaime produktyvumo neduoda: ją dar reikia paversti realiais įmonių procesais.

Kaip tai atrodo praktiškai

Įsivaizduokime vidutinio dydžio Panevėžio gamybos įmonę, kuri nusiperka DI įrankį dokumentų apdorojimui, bet niekas komandoje neapmoko darbuotojų juo naudotis giliau nei paviršutiniškai. Po kelių mėnesių paaiškėja, kad įrankiu naudojasi vos keli žmonės, o didžioji dalis proceso liekaraška, tokia pati kaip anksčiau. Kita įmonė, priešingai, prieš diegdama panašų sprendimą, pirmiausia išsigrynina, kuris konkretus procesas turėtų keistis, apmoko atsakingus darbuotojus ir įtraukia vadovus į stebėseną. Būtent antrasis kelias atitinka tai, ką rodo EY tyrimas: produktyvumo šuolis atsiranda ne dėl įrankio, o dėl to, kaip nuosekliai jis integruojamas į darbą.

Ką tai reiškia konkrečiai įmonei

Makro lygmens skaičiai svarbūs, bet konkrečiai įmonei aktualiausias klausimas kitas: kaip iš 9 proc. įmonių, jau naudojančių DI, netapti dalimi tos daugumos, kuri DI naudoja paviršutiniškai. Tam reikalingi trys elementai:

• Aiškus verslo procesas, kurį DI turėtų pakeisti ar paspartinti, o ne bendras „bandymas su ChatGPT".
• Darbuotojų mokymas, kaip realiai naudoti įrankius savo kasdienėse užduotyse, ne tik teoriškai.
• Vadovų įsitraukimas ir palaikymas, nes būtent tai EY tyrime siejama su didžiausiu produktyvumo šuoliu.

Įmonės, kurios šiuos tris elementus sujungia, jau dabar pastebimai lenkia rinkos vidurkį, ir būtent jos formuos, kaip greitai Lietuva pasieks 90 proc. produktyvumo tikslą.

Ką 40 proc. reiškia vienos įmonės skaičiais

Makro rodikliai lieka abstraktūs, kol jų neperkeliate į savo darbo užmokesčio eilutę. Pasiskaičiuokite patys, pakeisdami skaičius savaisiais.

Tarkime, biuro komanda: 6 žmonės, kurių darbas didele dalimi yra dokumentai, ataskaitos, susirašinėjimas ir pasiūlymų ruošimas. Vienas žmogus dirba apie 160 valandų per mėnesį, taigi komanda per mėnesį sudeda apie 960 valandų.

Realiai DI paliečia ne visą darbą. Tarkime, kad tokioje komandoje tekstiniam ir dokumentiniam darbui tenka maždaug trečdalis laiko, tai yra apie 320 valandų. Savo komandos dalį pasitikslinsite greičiausiai tiesiog paklausę. Jei tose užduotyse pasiekiamas EY tyrime minimas 40 proc. našumo pokytis, atsilaisvina apie 128 valandas per mėnesį. Tai maždaug trys keturios darbo savaitės, pasiskirsčiusios po visą komandą.

Čia svarbiausia dalis, kurią dauguma praleidžia: atsilaisvinusios valandos savaime nevirsta nei pajamomis, nei sutaupytomis sąnaudomis. Jos virsta rezultatu tik tada, kai iš anksto nuspręsta, kam jos bus panaudotos: daugiau pasiūlymų, greitesnis atsakymas klientui, anksčiau uždaromas mėnuo. Jei tokio sprendimo nėra, laikas pasiskirsto nepastebimai ir ataskaitoje jokio pokyčio nematyti. Kaip tokį skaičiavimą susidėlioti nuosekliai, aprašome straipsnyje apie automatizavimo ROI.

Dažniausios klaidos, dėl kurių poveikis nesimato

Įrankis perkamas anksčiau nei įvardijamas procesas. Įmonė nusiperka licencijas visai komandai ir tik po to klausia, ką su jomis daryti. Taisymas: pirma išsirinkite vieną procesą su aiškiu rezultatu, tada rinkitės įrankį. Kaip tą procesą atrinkti, aprašome AI audito pasiruošimo straipsnyje.

Niekas nėra atsakingas. DI diegimas priskiriamas „visiems", o tai praktikoje reiškia niekam. Taisymas: vienas žmogus su vardu ir laiku kalendoriuje, net jei tai ne jo pagrindinis darbas.

Mokymai vienkartiniai. Po dviejų valandų seminaro komanda grįžta prie senų įpročių, nes niekas nepatikrina, ar kas nors pasikeitė. Taisymas: po mokymų suplanuokite trumpą peržiūrą po keturių ir po dvylikos savaičių.

Nematuojama nieko. Be pradinio skaičiaus vėliau neįmanoma pasakyti, ar pagerėjo. Taisymas: prieš startą užsirašykite du ar tris paprastus rodiklius, pavyzdžiui, kiek valandų per savaitę užima ataskaita ir per kiek laiko atsakoma klientui.

Rezultatų laukiama per anksti. Pirmas mėnuo beveik visada atrodo prasčiau nei buvo, nes žmonės mokosi. Taisymas: vertinkite ne anksčiau nei po ketvirčio, kaip aprašome straipsnyje apie tai, kada AI mokymai atsiperka.

Mažos rinkos privalumas, apie kurį kalbama rečiau

Atsilikimas nuo ES vidurkio paprastai pateikiamas kaip vien blogas dalykas, bet mažos rinkos turi ir pranašumą: sprendimai priimami greitai. Lietuviškoje 30 žmonių įmonėje procesą galima pakeisti per vieną pokalbį su savininku, o ne per ketvirtį trunkantį derinimą tarp padalinių. Toks greitis yra realus konkurencinis pranašumas eksporto rinkose, kur konkurentai didesni ir lėtesni.

Antras vietinis veiksnys yra kalba. Daug procesų Lietuvos įmonėse vyksta lietuviškai, todėl bendriniai įrankiai anksčiau veikė prasčiau nei angliškoje aplinkoje. Būtent todėl valstybės finansuojami lietuvių kalbos ištekliai svarbūs praktiškai, o ne tik simboliškai.

Trečias veiksnys yra duomenų reguliavimas. GDPR galioja vienodai visiems, o dalis įmonių dėl to atideda DI diegimą neribotam laikui. Praktiškesnis kelias yra susirašyti vidines taisykles, kokius duomenis galima kelti į išorinius įrankius, ir pradėti nuo procesų, kuriuose asmens duomenų iš viso nėra.

Ko trūksta tarp infrastruktūros ir realaus poveikio

Valstybės investicijos į infrastruktūrą sukuria pagrindą, bet neatlieka darbo už įmones: kalbos ištekliai ar finansavimas naujiems produktams kurti nepakeičia sprendimo, kad konkreti įmonė turi persvarstyti savo vidinius procesus. Tai panašu į kelių tiesimą: geras kelias nepadidina niekieno pajamų, kol juo kažkas nepradeda važinėti su konkrečiu tikslu. Būtent šis tarpas tarp infrastruktūros ir realaus panaudojimo šiuo metu ir lemia, kodėl Lietuvos produktyvumo rodiklis dar toli nuo 90 proc. tikslo.

Ką iš to pasiimti

Dirbtinio intelekto poveikis Lietuvos ekonomikai priklauso ne nuo to, kiek pinigų investuoja valstybė, o nuo to, kiek įmonių sugeba DI integruoti į realius procesus, o ne palikti jį paviršutinio naudojimo lygmenyje. Padedame įmonėms peršokti nuo bandymų prie realaus DI diegimo, kuris matomas balanse: AI partneris versle padeda susidėlioti strategiją, o AI auditas parodo, kur konkrečiai jūsų įmonėje DI atneštų didžiausią naudą. Konsultacija nemokama: susisiekite čia.