AI neće zameniti ljude koji misle

Netačni i nepotpuni podaci su, prema iskustvima mnogih kompanija, jedan od najvećih problema u donošenju poslovnih odluka – prodajni i drugi timovi često odlučuju na osnovu informacija u čiju tačnost nisu sigurni.

Sa Dejanom Ćirkovićem iz Virtus Partnersa, koji će 1. oktobra učestvovati na Advanzia AI konferenciji pod nazivom “The Serbian AI Code”, razgovarali smo o tome zašto kompanije upadaju u tu zamku, kako BI i AI alati mogu da pomognu, i šta je realno očekivati od veštačke inteligencije u narednom periodu.

Koji je glavni razlog što kompanije upadaju u zamku nepotpunih podataka, i na koji način to direktno ugrožava poslovno odlučivanje?

“Ima više razloga, ali jedan od ključnih je kvalitet ERP sistema u kojima se podaci čuvaju — često nisu dovoljno dobri, pa se ostaje na najosnovnijim podacima. Kada je reč o prodaji, to su podaci sa fakture: datum, kupac, artikal, količina, cena – i to je to. Ali to realno nije dovoljno, jer svaku prodajnu transakciju možete opisati mnogim dodatnim dimenzijama koje su izuzetno korisne: da li je kupac stalan i perspektivan ili je reč o jednokratnoj transakciji, da li je proizvod strateški ili je u fazi opadanja prodaje, koji je region, koji komercijalista je zadužen i tako dalje.

Kada se svi ti podaci objedine na jednom mestu i kada ih BI ili AI alat obradi dobija se pravi uzorak koji otkriva šta se zaista dešava. Umesto da se fokus pogrešno usmeri na pojedinca čija prodaja pada, uvidi mogu pokazati da je problem u tome što je čitav sektor izgubio prođu na tržištu zbog konkurencije, a to je potpuno drugačija priča i zahteva drugačiji odgovor.”

Da li se ovaj problem podjednako odnosi na trgovinske i proizvodne firme?

“Trgovačkim firmama je relativno lakše, jer imaju nabavnu i prodajnu cenu i mogu direktno da prave kalkulacije. Kod proizvodnih firmi je komplikovanije, jer postoji cena koštanja proizvoda. Recimo da je neki proizvod prodat za 100 dinara, a stvarno je koštao 80 – razlika je 20. Ali da li je tih 20 dinara zasluga prodaje ili je posledica toga što je proizvodnja napravila uštedu u odnosu na plansku, kalkulativnu cenu koja je iznosila, recimo, 90 dinara?

Ako se to ne razdvoji, izveštaj o prodaji pogrešno pripisuje čitav rezultat prodajnom timu, iako je reč o zajedničkom rezultatu prodaje i proizvodnje. Slično važi i za distribuciju u trgovini. Na primer, ako je distribucija efikasnija od plana deo profita zapravo dolazi otuda, a ne iz prodajne marže. Kada se ti faktori ne razdvoje, greška se „sabija“ u jedan broj, a onda su i zasluge, nagrade i bonus šeme pogrešno postavljene. Sve dok su brojevi veliki i zeleni, niko to ne primećuje – problem se otkriva tek kada krene naopako, i onda je teško utvrditi šta stoji iza broja. Kreće i prebacivanje odgovornosti između sektora.“

Kako BI alati pomažu da se ti nepovezani, neproverljivi podaci pretvore u jedinstvenu, pouzdanu sliku poslovanja?

“BI je napravio pravu revoluciju u odnosu na Excel, koji je i dalje glavni alat u mnogim firmama, ali zahteva mnogo ručnog rada. Nekad su potrebne desetine tabela da bi se razumelo šta se zapravo dogodilo. BI koristi u suštini isti motor kao Excel, ali dodaje grafički interfejs i interaktivnost, tako da se do zaključka dolazi sa svega tri do pet klikova.

Prednost je i u deljenju – izveštaj može da stane na mobilni telefon. Komercijalista pred sastanak sa kupcem ne mora da traži da mu neko napravi Excel izveštaj, već jednim linkom ili aplikacijom dobija sve što mu treba: gde raste, gde pada, kakva je struktura portfolija, da li je rast posledica cena ili količine… Uz to, BI alati sada uključuju i ugrađene AI funkcije, na primer, mogućnost da se jednim klikom zatraži da sistem sam pronađe ključni uzrok promene neke cene ili marže i prikaže putanju koja objašnjava šta se dogodilo i kako se to odrazilo na profit. Tako nešto u Excelu nije moguće. Nije slučajno što Microsoft sve više gura Power BI.”

Gde se u priči o čišćenju i pripremi podataka uklapa veštačka inteligencija?

“Testirali smo, recimo, Claude, i tu je napravljen ozbiljan pomak. Ranije su ti alati delovali obećavajuće, ali retko su realno završavali posao. Sada je alat u stanju da se poveže sa mašinom, instalira potrebne alate u pozadini (na primer Python), i na osnovu instrukcija datih običnim jezikom – čak i kao potpuni laik – sam napiše skriptu koja odradi posao. Ako imam gomilu finansijskih izveštaja u PDF formatu, alat ih sredi u odgovarajuće CSV fajlove, organizovane u kolone i redove, napravi bazu spremnu za dalji rad. Ako primeti grešku, dovoljno je reći: „mislim da si ovde pogrešio, popravi“ i on to brzo ispravi.

I sam Power BI je uveo slične funkcionalnosti za izvlačenje podataka iz dobro strukturiranih PDF fajlova, ali proces je spor. AI to radi mnogo brže i pritom pripremi infrastrukturu koju BI lako dalje obrađuje.”

Da li AI može potpuno da zameni BI u analizi podataka?

“Ne baš, i tu je razlika u brzini. Mogu da ubacim celu bazu prodajnih transakcija u AI model i pitam koliko ima novih, neaktivnih i postojećih kupaca – on će proći kroz milione redova, obraditi ih u pozadini i dati tačan odgovor, ali za minut ili više. U BI-ju ja hoću da kliknem i dobijem odgovor odmah. Tu je prava vrednost u kombinovanju alata, da se AI iskoristi tamo gde je najjači, u obradi i pripremi, a BI tamo gde treba brzina, i da se ne troše ogromne količine tokena i energije za zadatke za koje to nije potrebno.”

Pomenuli ste potrošnju energije, koliko je to realno ograničenje za dalji razvoj AI-ja?

“Tu važi svojevrstan zakon opadajućih, čak i negativnih prinosa. Ako zahtev linearno poraste za deset posto, potrošnja tokena i energije ne raste srazmerno, već dvadeset, trideset, pedeset, čak i sto posto. Zato mislim da će AI zaista zameniti samo one ljude koji ne koriste sopstveno rasuđivanje, koji ne umeju da razluče šta je bitno, a šta nije. Ljude koji to umeju AI još uvek ne može da zameni, jer radi gotovo isključivo na tekstualnim podacima, a to je svega desetak posto ukupne komunikacije. Ostatak, kao što su govor tela, kontekst, ton u prostoriji, AI još ne ume da uhvati.

Deo priče o strahu od „zamene ljudi“ je i marketing, deo je realan izazov: modeli haluciniraju kada se u razgovor ubaci previše teksta van uske teme, jer se matematički prostor mogućnosti previše širi. Kompanije poput Anthropica zato rade na „orezivanju“ komunikacije – sistem prepoznaje šta je nebitno, kompresuje ga i zadržava fokus samo na relevantnom, čime se smanjuje i potrošnja energije.”

Postoji li nekih Top 5 poteza koje bi kompanije trebalo da povuku da bi optimizovale poslovanje uz pomoć BI i AI alata?

“Univerzalna lista ne postoji, potrebni su pravi podaci u pravom kontekstu da bi se uopšte znalo šta ima smisla. Postoji, međutim, jedno univerzalno pravilo: ljudi rade ono od čega imaju zajednički interes. Ako želite veću prodaju, ljudi koji su je ostvarili moraju biti za to i nagrađeni, ali ne na osnovu pogrešno obračunatog profita, kao što sam ranije opisao. Isto tako, treba razlikovati da li je rezultat posledica strateške odluke menadžmenta, recimo podizanja cena, ili stvarnog angažmana terenskog tima; da li su dobijeni kupci kvalitetni ili slučajni; da li je nov, manje profitabilan artikal ipak strateški vredniji od profita na rutinskom poslu. Top pet poteza za svaku firmu mora proizaći iz onoga što tu firmu strateški vodi napred. Kada se u prodaji naprave alati koji jasno pokazuju doprinos svakog čoveka i kada je prikupljanje tih informacija brzo – klik, a ne beskonačan proces – onda se prioriteti sami nameću, bez potrebe za dodatnom raspravom.“