Nem csupán egy újabb esemény volt a hazai innováció térképén, hanem a legfrissebb trendek bemutatására és a legfontosabb szereplők összehozására is szolgált az idei Innovációra Magyar! konferencia. Az eseményen közel 120 érdeklődő vett részt, köztük a nagyvállalatok vezetői, kormányzati szakpolitikai szakértők és startup vállalkozások alapítói.

Az egyik kiemelt előadó, Ignácz Péter, a Magyar Marketing Szövetség vállalati tagja, a KPMG menedzsere izgalmas betekintést nyújtott abba, hogy hogyan lehet kihasználni a nagy nyelvi modellek – amilyen például az OpenAI GPT4-s vagy a Meta Llama3-a – képességeit az irodai környezetben. Ignácz részletesen bemutatta, hogy az AI milyen területeken járhat már most hatékonyabban az ember előtt az információ feldolgozásában, és milyen lehetőségeket kínál a vállalatoknak a mindennapi munkavégzés során.

A 2020-as évekre a mesterséges intelligencia elérte azt a teljesítményt, hogy számos területen az emberi képességeket megközelíti az információ feldolgozásában: képfeldolgozásban, alapfokú szövegek feldolgozásában, multitaskingban, vizuális felismerésben.

Ignácz Péter az előadás során rámutatott arra, hogy az AI-eszközök teljesítménye már közelíti az emberi képességeket, és az AI alapú megoldások egyre inkább alkalmazhatóvá válnak a munka világában. Az LLM-ek (nagy nyelvi modellek) sokoldalúan használhatók vállalati környezetben, például a csetelés vagy vállalati dokumentumokból strukturált információk lekérésére, vagy akár az információk kinyerésére és strukturálására jogi dokumentumokból.

Ignácz Péter bemutatta a KPMG-nél végzett kísérletük célját és tanulságait is. Az AI fejlesztés célja egy olyan rendszer létrehozása volt, amely képes előzetesen ellenőrizni a kapott vállalati dokumentumokat, és összevetni azokat a releváns üzleti szabályzatokkal, compliance (szabályzatoknak való megfelelés) ellenőrzés céljából. A vonatkozó fejlesztés egyébként csupán néhány hetet vett igénybe.

Az eredmények alapján a rendszer hatékonysága az értékelések során 80-85% körül mozgott, attól függően, hogy a dokumentum minősége milyen volt. Az első vázlat minősége alacsonyabb volt, mint az emberi kollégák által létrehozott referenciáké, azonban a válaszok percek alatt készültek, míg korábban napokba telt a dokumentumok átnézése és értékelése.

Az egyik legnehezebb feladat a megfelelő szabályozási kérdések generálása volt. Ugyanakkor fontos kiemelni, hogy a jól definiált üzleti problémák könnyebben kezelhetők gépi tanulással, mint anélkül, viszont a gépi tanulás nem helyettesítette, hanem kiegészítette a kollégákat, így jobb kiindulási helyzetet teremtve a munkavégzésükhöz. A gépi tanulás segítette a kollégákat gyorsabban elvégezni a feladatukat a minőség romlása nélkül.

A KPMG munkatársa azonban nem csak az AI előnyeiről beszélt, hanem rávilágított arra is, hogy a kísérletük tanulsága szerint a gépi tanulási projekteknél három fő területen merülhet fel probléma: az adatminőség miatt, a tisztázatlan üzleti igény okán vagy az üzleti megrendelő és a fejlesztők közötti együttműködés hiányosságaira visszavezethetően.