Top 5 věcí, u kterých technologická firma skutečně využívá umělou inteligenci

Top 5 věcí, u kterých technologická firma skutečně využívá umělou inteligenci 

S pojmem umělá inteligence (AI) dnes šermujeme jako se všespásným slovním spojením, které vyřeší téměř jakýkoliv problém. Futuristická vize z 50. let 20. století, kdy se pojem umělá inteligence začal objevovat, se totiž v podstatě stala skutečností a AI dnes poráží lidi v šachu, pomáhá detekovat nemoci, povídá si, počítá i programuje. Světoví giganti začali přicházet s vlastními modely - Apple představil svou vlastní umělou inteligenci, stejně jako Google svého Barda nebo Microsoft Bing AI. O firmách, které s AI nějak nepracují nebo to alespoň neříkají, můžeme zcela určitě tvrdit, že usnuly na vavřínech.  

Jaká je ale reálná praxe? Jaké jsou konkrétní oblasti, kde skutečně na denní bázi umělou inteligenci lze využívat napříč různými frakcemi? Dá se třeba automatizovat nejen samotný produkt, ale i jeho „výroba“ pomocí umělé inteligence?

1) Nástroj jako takový - doporučování produktů 

Nástroj Zoe.ai slouží eshopům k přesnějšímu doporučování produktů na základě dat o chování a individuálních preferencích každého z uživatelů a tedy k ještě přesnější personalizaci. Pojem AI ve svém názvu nemáme nadarmo, jak už bylo zmíněno. Modely, které využívají právě data o chování a nákupech uživatelů na eshopech, skutečně ve velké míře používají vlastnosti umělé inteligence, konkrétně strojové učení. Ve zkratce, nástroj sleduje chování stovek tisíc uživatelů u konkrétního eshopu, „okouká“ trendy a typické nákupní cesty, analyzuje, ve kterých případech cesta uživatele eshopem skončila nákupem, ve kterých naopak ne, a co při takových cestách uživatel viděl. Dle toho pak doporučuje na správných místech produkty, o nichž sám nástroj usoudí, že by na ně mohl uživatel kliknout a v tom nejlepším případě je také nakoupit.  

Je však třeba dodat, že ne všechny modely generující personalizovaná doporučení, musí běžet na bázi umělé inteligence. Někde si vystačíme s klasickými rule-based modely, byť založenými na velmi sofistikovaných kombinacích.  

2) Chat GPT a příbuzní 

Lék na všechno? Ani omylem. Jsou však situace, kdy dokáže Chat GPT skutečně pomoci. Značně nám například usnadňuje práci v neustálém vývoji poměrně robustní platformy, na níž Zoe.ai běží. Kde tedy Chat GPT reálně využíváme?  

Vývojáři obvykle využívají Chat GPT na generování kódu, aby nemuseli vymýšlet již dříve vymyšlené znovu. Při rutinních vývojových operacích tedy poslouží velmi dobře, stejně tak při refactoringu, tedy procesu, v němž optimalizujete vnitřní strukturu kódu bez dopadu jeho funkci. To se samozřejmě zcela běžně děje i u nás, a to jak na straně back-end (BE) vývoje, tak třeba v Data Science.  

Když už jsme u datového týmu, k návrhům a optimalizaci modelů používáme například GitHub Copilot nebo Perplexity. Jedná se o podobnou rodinu nástrojů jako je Chat GPT, tedy velké jazykové modely, byť zaměřené více technicky. V případě Perplexity jde zejména o výzkum nových možností modelování a přeskakování slepých uliček, do kterých se samozřejmě i my běžně dostáváme. Na odborný výzkum dále používáme třeba Wiseone, který dokáže velmi přesně vyhledávat například napříč odbornými články potřebné pasáže nutné pro následné použití ve vývoji.  

3) Coding 

Že se dnes všechno řeší přes API (aplikační programové rozhraní) a widgety jsou mrtvé? Určitě ne. Většina našich aktuálních implementací jede právě přes vlastní Zoe.ai widgety, precizně navržené „pixel-perfect“ tak, aby přesně zapadaly do UX/UI daného eshopu. Na tom si u nás skutečně zakládáme. 

Samozřejmě to obnáší hodně práce spojené s kódováním widgetů, zejména v případě, když na eshop implementujeme třeba 7 různých rekomendačních ploch s navzájem odlišným vizuálem a flow. O Search komponentách ani nemluvě. Všechno dělat odznova samozřejmě nejde, a tak mimo výše zmíněné Chat GPT nebo GitHub Copilot používají naši front-end (FE) vývojáři třeba Supermaven. Nebudeme si ale nic nalhávat, často je dotahování, zejména detailů, především ruční práce - automatizovat bohužel nejde úplně všechno.  

4) Sales 

Ruční vyhledávání zajímavých kontaktů pro možnou budoucí spolupráci na LinkedIn nebo webu a jejich následné oslovování po jednom? Pokud v dnešním světě chcete získat relevantní zpětnou vazbu na váš produkt a především nové potenciální zákazníky v B2B sales, tak můžete takové hledání dělat zmíněným klasickým způsobem, ale pravděpodobně vám tato úmorná práce nepřinese vytoužený úspěch.  

První kolo sales procesu si je přitom možné do velké míry zjednodušit. Například nástroje jako Apollo.io umí dle předem zadaných a poměrně detailních filtrů najít správné kontakty. Ty můžete následně, třeba s pomocí virtuálního avatara zastupujícího vaši společnost v personalizované LinkedIn nebo emailové akviziční kampani, přesně zacílit a správně oslovit tak, abyste maximalizovali pravděpodobnost, že dostanete odpověď nazpět – ať už bude jakákoliv. Následnou, již rozběhnutou komunikaci pak přebírá fyzická osoba, která domluví např. společnou schůzku. V presale fázi takový postup dokáže šetřit ne hodiny, ale spíše dny až týdny práce. 

5) Překládání dokumentů 

Pamatujete si na doby, kdy jste buďto strávili hodiny s překladem konkrétního dokumentu, třeba smlouvy o poskytnutí služby, nebo zaplatili velké peníze překladatelce, aby se dokumenty za půl roku měnily? 

Dnes již tohle dělat nemusíte, stačí používat AI překladače jako je DeepL Pro, které dokážou přeložit celý .doc nebo .pdf dokument během pár vteřin nebo pak tyto dokumenty protáhnout třeba přes nástroje poskytující automatickou korekturu, jako to děláme my s Grammarly. Pořád je ale třeba mít na paměti, že třeba některá ryze technická slovní spojení nemusí být přeložena zcela správně. Není tedy dobré jen slepě důvěřovat výše uvedeným nástrojům nebo jejich ekvivalentům, a přeložený text si následně projít a ujistit se, že je vše správně. Ve výsledku se ale stále jedná o obrovskou úsporu času oproti dobám, kdy se překládalo ručně slovo od slova, nebo draze u překladatele. 

Závěr

Kromě zmiňovaného doporučování produktů, automatizace vývoje kódu, optimalizace prodejních procesů nebo rychlého překladu dokumentů se AI uplatňuje i v mnoha dalších oblastech. Patří sem například analýza velkých dat pro získání hlubších obchodních vhledů, automatizace zákaznické podpory pomocí chatbotů nebo dokonce zabezpečení a detekce hrozeb v rámci kybernetické bezpečnosti. Přesto si troufám tvrdit, že právě využití umělé inteligence v rámci doporučovacích systémů a automatizace procesů bude pravděpodobně vždy patřit mezi nejčastější a nejefektivnější způsoby, jak AI v technologických firmách zapojit. Tento trend je rozhodně podpořen rostoucími nároky na personalizaci a efektivitu, které budou v dnešním silně konkurenčním prostředí stále důležitějšími.