Jan Hůlka z DataSentics: „Klademe důraz na transparentnost modelů a spolupráci s klienty“

Jak se změnil trh a zájem firem o AI během tohoto roku? Nejen o tom jsme si povídali s Janem Hůlkou. Ten vede marketing v DataSentics, s více než čtyřmi roky zkušeností z oboru dat a AI. V rámci řízení marketingové strategie se snaží být být v obraze napříč širokým portfoliem firmy a sledovat trendy v oblasti AI. Je absolventem UCL v dánském Odense a akademické zkušenosti si rozšířil stáží u Deloitte.

Od vašich začátku v roce 2016 s pouhými třemi členy jste se rozrostli na tým více než stovky profesionálů, který je nyní součástí nadnárodní organizace. Ve vašem týmu nechybí matematici, vývojáři, ekonomové či psychologové. Jak moc těžké bylo sestavit takto velký tým? Dlouhodobě se mluví o nedostatku IT profesionálů.

Růst byl pozvolný a z počátku jsme rozšiřovali řady hlavně ze sítě našich kontaktů. Postupem času se nám však podařilo dostat se do povědomí absolventů technických oborů (hlavně na fakultě jaderné a fyzikálně inženýrské ČVUT a MatFyzu). Vždy jsme cílili na projekty, které jsou zajímavé z pohledu dat nebo technologií, aby byly lákadlem pro lidi, kteří na nich pracují. Zajímavé projekty v kombinaci s možností rychlého kariérního růstu nám nyní situaci na trhu práce výrazně usnadňují.

Rok 2023 je z pohledu AI do jisté míry přelomový. Řešení využívající umělou inteligenci a strojové vyvíjíte pro klienty již řadu let, nicméně vnímáte i tak nějakou zásadní změnu v „mindsetu“ firem a zájmu o vaše řešení?

V letošním roce, díky popularizaci nástrojů generativní AI, se firmy začaly více zajímat o to, jaký potenciál by pro ně AI mohlo mít. Tento zájem roste velmi rychle, byť je na trhu celkem málo firem a talentů, kteří umí takové řešení dodat. Klientům to neulehčuje ani to, že díky OpenAI API, dnes umí demo takového genAI řešení ukázat téměř každý. My máme tu výhodu, že datové části na backendu jsme se věnovali už celých těch 7 let od založení DataSentics a nyní naše řešení pouze děláme uživatelsky přívětivější tím, že je napojíme na genAI front-end. Tedy tato inovace nám teď také zásadně pomáhá.

Vaše řešení pokrývají celou řadu oblastí od finančního sektoru přes e-commerce až po retail. Mohli byste nám přiblížit nějakou z aktuálních případových studií?

Jistě, nedávno jsme společně s Českou spořitelnou realizovali projekt zaměřený na zlepšení proaktivní komunikace bankéřů s klienty. Čelili problému, kde bankéři často komunikovali s klienty pouze při jejich návštěvě pobočky. Naše řešení nyní pravidelně analyzuje data z webu, aplikace a dalších zdrojů, predikuje životní fázi nebo zájem o určité produkty a generuje notifikace pro bankéře v interním systému. Bankéř tak má relevantní důvod proaktivně kontaktovat klienty ve svém portfoliu a případně je zvát na schůzku, nebo jim produkt online sjednat. Celá case study je na webu našeho partnera.

Jak většinou vypadá začátek spolupráce s klientem? V praxi se často setkáváme s tím, že pohled na AI je dost zkreslený. Pro někoho jsou synonymem technologie především generativní modely, další s investicí váhají, protože se bojí budoucích regulací. Kde a kdy vlastně začít?

Začátek spolupráce s klientem většinou zahrnuje konzultace, kde se snažíme porozumět jeho potřebám a očekáváním od AI. Dnes se již čím dál méně setkáváme s klienty, kteří by měli příliš zkreslený pohled, protože cílíme na větší firmy, které již většinou mají své vlastní datové oddělení a s nějakými řešeními již experimentují. Standardně ale začínáme s menším projektem (tzv PoC, proof of concept), abychom ukázali reálné výsledky a postupně zvyšovali důvěru ve spolupráci i technologii samotnou.

Velmi často zmiňovanou slabinou modelů a překážkou pro nasazení do některých firemních procesů je bias, tedy předpojatost modelů. Jsou tyto obavy na místě, případně lze bias v modelech úspěšně eliminovat?

Bias v modelech může být opravdovým problémem, zejména pokud jsou modely trénovány na datech horší kvality (tedy zkreslená nebo neúplná). Naštěstí výzkum v této oblasti rychle pokračuje a již existují metody, jak bias identifikovat a minimalizovat. V DataSentics klademe důraz na transparentnost modelů a spolupráci s klienty, abychom pochopili potenciální rizika a vyvarovali se jim. Do produkce pak pouštíme jen řešení která prokázala, že fungují, jak mají. 

V jednom z dřívějších rozhovorů jste zmínili, že byste se rádi podívali také do oblasti healthcare. V rámci CV Labs analýzu lékařských snímků zmiňujete. Podařilo se vám v této oblasti posunout a je podle vás budoucnost zdravotnictví spojena právě s umělou inteligencí?

Odvětví health & life sciences je pro nás velmi atraktivní a věříme v potenciál AI v této oblasti. Od našeho dřívějšího rozhovoru jsme pokročili v analýze lékařských snímků a spolupracujeme s několika zdravotnickými institucemi na vývoji řešení. Naše projekty zahrnují oblasti jako digitální patologie, urychlení výzkumu léčiv pomocí automatizace některých kroků, a tak dále. Samozřejmě, AI nebude náhradou za lékaře ani vědce, ale již teď se ukazuje, že AI dokáže výzkum dost urychlit a tedy i snížit nutné náklady. 

Jak často při práci narážíte na nějaké etické a morální výzvy spojené s umělou inteligencí? Rychlý rozvoj AI a jeho možností otevírá mnoho otázek spojených s ochranou soukromí či bezpečnostní dat.

Je pro nás prioritou pracovat pouze na etických projektech a máme etický kodex, podle kterého si vybíráme projekty a také klienty, s nimiž spolupracujeme. Naši interní specialisté jsou na etickou stránku práce často citliví a chtějí dělat práci, která jim dává smysl – čímž se trochu vracíme k odpovědi na otázku číslo jedna. 

Pokud bychom se měli podívat do budoucnosti, dokážete již nyní identifikovat v oblasti AI nějaké trendy, se kterými se budeme v roce 2024 nejčastěji potkávat?

Věříme, že dále porostou generativní modely, které usnadní tvorbu a personalizaci obsahu. Zadruhé očekáváme posun k autonomním systémům v oblastech jako doprava nebo průmysl. Třetí trend, jak už jsme zmínili, je zvýšený důraz na etiku a transparentnost AI, protože společnost bude chtít více kontrolovat a rozumět tomu, jak AI rozhoduje. A na závěr očekáváme, že se objeví více nástrojů a platforem které umožní „běžným lidem“ vytvářet a implementovat AI řešení bez hluboké technické znalosti.