Banki i medycyna pokazują korzyści z AI. Przemysł ustawia się w kolejce

Banki, medycyna, przemysł i administracja publiczna coraz częściej korzystają ze sztucznej inteligencji. Eksperci wskazują jednak, że firmy zbyt często poprzestają na testach, a to nie przynosi realnych korzyści. Prawdziwa zmiana zaczyna się dopiero przy wdrożeniach na dużą skalę. Głównym problemem nie są przepisy ani technologia, lecz bariery mentalne.

• Korzyści z AI pojawiają się dopiero przy wdrożeniach produkcyjnych. Mimo to większość polskich firm zatrzymuje się na etapie pilotaży. Główną przeszkodą są bariery mentalne.
• Firmy zaniedbują analizę swoich procesów i modelu biznesowego przed wprowadzeniem sztucznej inteligencji. - Kupują narzędzia AI i liczą, że one się same wdrożą albo że ludzie będą ich używać i zaraportują, o ile są bardziej efektywni - stwierdził Dawid Osiecki z Accenture. 
• O tych kwestiach rozmawiali uczestnicy sesji „Sztuczna inteligencja w praktyce” podczas XVIII Europejskiego Kongresu Gospodarczego (EEC).
• Na temat nowych technologii będziemy też dyskutować podczas CYBERSEC EXPO & FORUM 2026, które odbędzie się 15-16 czerwca w Katowicach. Trwa rejestracja na to wydarzenie. 

W dyskusji o zastosowaniu sztucznej inteligencji w gospodarce Dawid Osiecki, dyrektor zarządzający Data & AI w Accenture Polska, podkreślił, że realne korzyści z AI pojawiają się dopiero po wdrożeniach produkcyjnych. Tymczasem większość działań firm w zakresie AI znajduje się w fazie testów i pilotaży. Takie próby są potrzebne, ale nie zmieniają biznesu. 

Ten temat omawiano podczas sesji „Sztuczna inteligencja w praktyce” na tegorocznym Europejskim Kongresie Gospodarczym w Katowicach.

Marcin Krasuski, dyrektor ds. polityk publicznych Google w Europie Środkowo-Wschodniej, mówił, że wdrożenia AI zbyt często pozostają na etapie pilotażowym. 

Statystyki, w których Polska jest na szarym końcu wdrożeń chmury czy sztucznej inteligencji w przedsiębiorstwach, skrywają smutną prawdę: bariery są głównie mentalne, a nie prawne - stwierdził Marcin Krasuski.

Radził, aby wdrażać AI, zaczynając od małych kroków. - Najważniejsze jest to, żeby się tej technologii nie bać i cały czas jej używać. W organizacji warto zacząć od jednego prostego procesu, jednego testu i jednego zespołu - mówił.

AI pisze pisma w bankach i może być przełomowa dla badań klinicznych

Konkretne przykłady wdrożeń AI dotyczyły przede wszystkim sektora finansowego i ochrony zdrowia. 

- Sztuczna inteligencja w bankach przestała być tylko eksperymentem i przechodzi do fazy skalowalnych wdrożeń - powiedziała Alicja Żyła, wiceprezeska ING Banku Śląskiego. - Zaczęło się od modeli scoringowych, oceny ryzyka kredytowego i algorytmów do przeciwdziałania praniu pieniędzy, ale poszliśmy już kilka kroków dalej - podkreśliła.

Jak dodała, AI służy obecnie do analizy zgłoszeń klientów i reklamacji oraz generowania treści odpowiedzi, które są następnie sprawdzane przez pracowników banku. Wszystko odbywa się z zachowaniem rygorów regulacyjnych i bezpieczeństwa danych.

Bank jest instytucją zaufania publicznego i przetwarza zarówno dane osobowe, jak i dane transakcyjne objęte tajemnicą bankową. Modele AI, które są następnie uprodukcyjniane i wykorzystywane w procesach bankowych, muszą być walidowane, okresowo przeglądane i podlegać wszystkim wymaganiom regulacyjnym - wyjaśniała Alicja Żyła.

Z kolei Bartłomiej Kopacz, dyrektor operacji klinicznych na Polskę i Europę Środkowo-Wschodnią w GSK, przekonywał, że AI może mieć przełomowe znaczenie w badaniach klinicznych. 

- AI nie jest już tylko uproszczeniem czy przyspieszeniem efektywności pracownika. Może być czynnikiem, który umożliwi i zapewni stały dostęp do innowacyjnych terapii dla naszych pacjentów - mówił Bartłomiej Kopacz.

Poinformował, że GSK wykorzystuje własne narzędzia AI w zamkniętym środowisku, m.in. do pracy z procedurami, literaturą medyczną i raportami badawczymi. Kolejne kroki to identyfikacja ośrodków badawczych o wysokiej efektywności oraz cyfrowe bliźniaki pacjentów. Bartłomiej Kopacz uważa, że AI może zahamować wzrost kosztów i skrócić proces rejestracji leków.

- W medycynie i badaniach klinicznych margines błędu jest zerowy. Halucynacje są nieakceptowalne, dlatego narzędzie AI trzeba umieścić w procesie tak, aby ewentualna halucynacja nie miała wpływu na wynik końcowy. Na końcu tego łańcucha znajduje się czynnik ludzki i to on pozostaje decyzyjny - zaznaczył Bartłomiej Kopacz.

Przemysł potrzebuje AI, bo brakuje ludzi

- Przemysł zauważył, że przyszłość AI jest już teraz, szczególnie że można łączyć roboty z wyspecjalizowanymi sensorami, kamerami, radarami i innymi czujnikami - stwierdziła Joanna Jaworek-Korjakowska, dyrektorka Centrum Doskonałości Sztucznej Inteligencji w AGH.

Wyliczała, że firmy przemysłowe chcą zaprząc AI do zadań związanych z:

• analizą obrazu, 
• wykrywaniem anomalii, 
• kontrolą jakości, 
• robotyzacją stanowisk pracy w wysokich temperaturach, przy chemikaliach, zanieczyszczeniach czy też powtarzalnych zadaniach na liniach produkcyjnych.

- Firmy mówią nam, że brakuje im pracowników i specjalistów, a robotyzacja może pomóc tam, gdzie ludzie nie chcą albo nie mogą przebywać - wskazała Joanna Jaworek-Korjakowska.

Humanoidy i roboty kroczące nie są już tylko futurystyczną wizją. 

- Roboty Tesli, Boston Dynamics i innych firm wchodzą już na hale produkcyjne. Mogą działać w rojach, gdzie na przykład dron zbiera informacje, a pojazdy autonomiczne wykonują konkretne czynności. Obecność humanoidów na halach produkcyjnych to w mojej ocenie kwestia bardzo krótkiego czasu - przewidywała przedstawicielka AGH, która podczas sesji zaprezentowała humanoida „Barbarę”.

Sztucznej inteligencji można się nauczyć, ale nie wdroży się sama

Zdaniem Aleksandry Tomaszewskiej, dyrektorki Departamentu Badań i Innowacji w Ministerstwie Cyfryzacji, problemem nie jest brak pomysłów, lecz przejście od badań do wdrożeń.

- Jesteśmy bardzo innowacyjni, mamy świetnych naukowców i naukowczynie oraz rozwijamy ciekawe rozwiązania - podkreśliła Aleksandra Tomaszewska.

Wyraziła przekonanie, że Polska na rynku AI nie powinna konkurować w kategorii modeli ogólnego przeznaczenia, lecz modeli specjalistycznych.

Naszym celem jest dawać biznesowi, obywatelom i obywatelkom takie możliwości, które wystarczą do specjalistycznych użyć i ułatwią życie - powiedziała Aleksandra Tomaszewska.

Studziła też oczekiwania firm, które chcą natychmiastowych efektów wdrożenia AI. 

- Musimy zacząć od identyfikacji procesów, z którymi się mierzymy, a potem wskazać te, które można zautomatyzować i które są powtarzalne. Na tej podstawie można robić konkretne eksperymenty. Problem przejścia od eksperymentu do skali polega czasem na tym, że brakuje nam cierpliwości - stwierdziła Aleksandra Tomaszewska.

Na konieczność analizy procesów i modelu biznesowego firmy przed wprowadzeniem do niej sztucznej inteligencji zwrócił uwagę także Dawid Osiecki z Accenture. 

Firmy kupują narzędzia i liczą, że one się same wdrożą albo że ludzie będą ich używać i zaraportują, o ile są bardziej efektywni. To jest roszczeniowa postawa - dodał Dawid Osiecki, zaznaczając, że takie podejście nie sprawdzi się nawet w skali indywidualnej, a tym bardziej w odniesieniu do wdrożeń produkcyjnych.

Wojciech Stramski, prezes Beyond.pl, przekonywał zaś, że człowiek poradzi sobie z AI. 

- Nauczyliśmy się jeździć konno, pracować w fabrykach, jeździć samochodami, latać samolotami… Potrafimy się pięknie dostosować do sytuacji, w której jesteśmy. To samo będzie ze sztuczną inteligencją, nauczymy się z nią pracować - przewidywał. 

Podał przykład najszybciej rosnącej firmy e-commerce w Europie.

- To jest turecki podmiot. 80 proc. kodu jest tworzone przez agentów (agentową AI - przyp. red.). W ich organizacji funkcjonuje dzisiaj tysiąc agentów i wykorzystują technologię, żeby się rozwijać - wskazywał Wojciech Stramski. - Sztucznej inteligencji idzie się nauczyć, idzie ją wdrożyć i poradzimy sobie świetnie, tylko musimy działać - podsumował.