ШI в агро: все почнеться зі стандартизації

– Не думаю, що керівнику великого аграрного бізнесу потрібно знати, що під капотом ШІ-технологій. Проте в усякім разі великій компанії потрібні люди, котрі знають, як використовувати ті чи інші інструменти, вміють підібрати їх під потрібне застосування чи рекомендувати вчасно здійснити перехід. Я, наприклад, працюю з ШІ ще до того, як з’явився СhatGPT. І розумію різницю в ставленні до інструменту, коли він раптом стає дуже модним.

Використання технології лише під маркетинговим тиском, без розуміння його сутності, несе, звісно, ризики – але це певний етап еволюції. Згадаймо ті самі дрони. Вони спочатку використовувалися досить безсистемно, лише тому, що всі хотіли бути в тренді. З ШІ відбувається схожа історія.

І хоча я кажу, що лідеру потрібніша інтуїція, бізнесові навички, а не розуміння технологічних деталей, значно простіше та приємніше працювати з тими, хто в курсі й технічного прогресу. У невеликих же компаній, що не мають відповідних експертів, широкі базові знання керівника важливіші – вони допоможуть уберегтися від багатьох помилок.

– Чи важливо розрізняти класичну автоматизацію й AI-рішення?

– Так, і до того ж зазначимо: аграрний ринок ніколи не був лідером автоматизації, як зараз не є лідером впровадження ШІ. Можливо, йому це й не потрібно. В галузі розробки софту, що є піонером застосування відповідних AI-інструментів, зараз відбувається переосмислення. Багато надій оптимістів не виправдалися. ШІ чудово імітує правдивість даних, йому вірять. Потім приходить розуміння, що використання відповідних моделей коштує грошей, і ціна з часом зростатиме! Часто значно дешевше утримувати спеціалістів, яких намагалися замінити технологією.

У великих корпораціях уже є підрозділи, де розуміють загрози та як уникнути великих проблем. Менші компанії можуть суттєво постраждати, особливо якщо керівництво продавлює модну ідею впроваджувати ШІ всюди, де можна.

Думаю, за 4–5 років загальне розуміння про можливості та обмеження цього спектра технологій уже буде в кожної зацікавленої людини. Зараз же надмірне і нецільове використання сирої технології може, якщо не завадити, то точно не допомогти.

– Якщо агросектору була непотрібна суттєва автоматизація, то йому не потрібен і ШІ у великих дозах?

– Автоматизація – це переважно питання швидкості, часу реакції. Якщо звернемося до виробничого циклу агропідприємства, то зрозуміти, що ми зробили щось не так, можемо інколи лише через пів року після відповідного рішення.

До «Сингента» я працював у банківській сфері. І коли перейшов в аграрну галузь, вона мені здалася настільки повільною! У фінансах ти ухвалив рішення зранку, а ввечері можеш бачити наслідки. Я був здивований, як в агро взагалі виживають, якщо швидко не реагують. Зараз розумію, що це особливості ринку, технологічного циклу, умов виробництва. Інерційність – це базова особливість галузі.

Водночас деякі інноваційні рішення, на кшталт уже згаданих дронів, перший почав використовувати саме аграрний ринок. І спочатку люди не розуміли особливостей застосування. Точно так само вони підуть і в ШІ, не розуміючи нюансів технології, відмінності від класичної автоматизації, необхідності стандартизації своїх даних. Проте це нормально, це знайомство підготує їх уже до свідомого впровадження ефективних інструментів.

– Вагомим фактором впровадження ШІ є ціна помилки. Вважається, що ШІ доречний там, де можна швидко помилитися й так само швидко виправити помилку. Однак в агро все навпаки: ціна помилки висока, а наслідки видно лише з часом. Як це впливає на впровад­ження?

– Коли ми говоримо про ціну помилки, варто пам’ятати, що штучний інтелект не несе відповідальності. Часто моделі не враховують вагу наслідків помилкової дії. Весь тягар лягає на людей, що інтегрують технологію в бізнес-процеси. Однак, по суті, це мало відрізняється від того, з чим щоденно стикаються керівники бізнесу, ухвалюючи вагомі рішення.

Можемо подивитися на одного з найбільших світових розробників корпоративного програмного забезпечення, який спочатку інтегрував свій ШІ-асистент у всі можливі продукти, а зараз намагається відкотити ці рішення.

Інтегрувати рішення, а згодом виймати їх із деяких продуктів коштує немало грошей.

Тому так, передчасна ідея інтегрувати ШІ може призвести до великих втрат, а інколи й до катастрофічних наслідків. Проте це нормальні бізнес-ризики.

– Для побутового споживача ШІ – це переважно LLM. Якщо ж говорити про професійні, вузькоспеціалізовані інструменти для агро, то їх, по суті, на ринку і не видно.

– Так ще ж рано. Поки що ШІ помітно інтегрувався в галузі генерації програмного коду і в розважальній сфері. Спеціалізовані рішення для бізнесу в інших галузях також переважно ще не з’явилися.

Як і з цифровізацією, з точним землеробством, із дронами – все почнеться з ентузіастів. Так, це не буде давати піонерам на першому етапі економічних переваг, буде більш схоже на захоплення, хобі. Проте з часом саме ці компанії та ці люди перші зможуть застосувати ефективні інструменти зі спектра ШІ-технологій успішно і розумно, імплементувати їх у бізнес-процеси з максимальною віддачею. Коли з’являться такі інструменти, вони розумітимуть їхню суть та обмеження, будуть уже готові.

– Чи може робота з ШІ підтримувати й формувати шкідливі звички? Наприклад, толерувати й генерувати неструктуровані дані, що було б неможливо при застосуванні алгоритмічних рішень?

– ШІ, звісно, змінить звички, як змінює будь-яка нова технологія. У людей може зникнути звичка структурувати деякі дані, як після поширення калькуляторів зникла звичка рахувати подумки. Однак на рівні компаній і спеціалістів процес буде зворотним – там вага якісних даних зростатиме, адже це даватиме перевагу.

Я згадав повчальний приклад, коли моделі згодували дані щодо застосування певного препарату. А потім спитали: які ж норми для використання по соняшнику? Відповідь: від 3,5 до 40 л на га. А все тому, що в частині даних у числах використовувалися розділові коми, а в іншій – крапки. Тобто діапазон у відповіді замість коректної норми – це питання неструктурованих даних.

Ті компанії, в яких дані будуть структуровані, зможуть ухвалювати більш точні й правильні рішення. Також майбутні витрати в компаній щодо підготовки неструктурованих даних будуть безумовно вищі за тих конкурентів, хто провів вчасну підготовчу роботу.

Повертаючись до індивідуального рівня: ШІ вже забирає в людей певні звички й навички, які були раніше базовими, наприклад, переклад з однієї мови на іншу. І відмова від цієї навички точно не піде на користь тим, хто так і не навчиться формулювати свою думку англійською. Це ж працює й у зворотний бік: якщо зараз спеціалісту потрібні навички роботи зі статистичними моделями, навіть банальна чистка даних в Excel, то надалі це допоможе бути конкурентнішим при роботі й із ШІ.

– Який інструмент на базі AI зараз найбільш потрібен аграрному ринку?

– Всі хочуть отримувати конкретні висновки з тих даних, яких людині недостатньо для власного рішення. Що сіяти, в який кількості, якою буде врожайність, навіть де краще купувати землю?

З іншого боку, зрозуміло, де ШІ гарно працюватиме: у фарм-менеджмент системах, у сфері підготовки вже наявних даних в адекватному вигляді для прийняття рішень людиною. Останнього дуже не вистачає багатьом компаніям.

– З якого розміру компанії потрібні власні моделі, а не сторонні рішення?

– Є багато простих інструментів, на зразок Llama чи XGBoost, які можуть стати в пригоді й невеликим компаніям. Ці інструменти можуть допомогти готувати дані для автоматизації внутрішніх процесів. Саме для тієї автоматизації, яка зараз неможлива через просту алгоритмізацію.

Виведемо за дужки вертикально інтегровані компанії, де дані й досвід десятиліттями збираються, а процеси будуються згідно з певними стандартами, що дає менеджменту змогу вчасно і швидко ухвалювати рішення. Уявімо собі середньостатистичного агровиробника. Він часто не користується навіть повноцінною CRM, натомість послуговуючись BAS (українська адаптація сумнозвісного 1С). Проте навіть за допомогою gpt-подібних інструментів певні процеси можна полегшити, почати створювати аналітичні дашборди. Звичайне офісне використання масових продуктів, яке, проте, може мати суттєвий вплив на процеси.

Я дуже обережний у прогнозах, але доволі очевидно, що і надалі будуть великі гравці, котрі стануть продавати конкретні ШІ-моделі як дистриб’ютори. Це підтримуватиме прогрес у галузі, а також надасть доступ до технології тим компаніям, що не мають можливості інвестувати в розбудову і підтримання власних моделей. Потужні учасники ринку будуватимуть щось серйозне і власне, зовсім маленькі гратимуться з масовими неспеціалізованими інструментами, бо їм і не потрібне щось велике.

Будуть також компанії, що і в ШІ зайдуть як інтегратори зі своїми prompt-інженерами, котрі стануть пропонувати агровиробникам доступ до великих сторонніх моделей. Хороший аналог – дрони й спеціалізовані сервісні компанії-оператори.

В біології існує модель еволюційної рівноваги: певні еволюційні зміни відбуваються не поступово, а стрибкоподібно. Нас після першого стрибка, тобто появи перших моделей, чекає певна фаза рівноваги: всі закопаються в конкуренцію, розробку власних моделей, намагання впровадити й інтегрувати ШІ у свої процеси, які ніхто сильно змінювати насправді не хоче. Через рік, два, три помилки будуть проаналізовані, ШІ отримає ще більше даних, ніж йому доступні зараз, і ми побачимо наступний швидкий революційний крок. Ще років через 10 відповідні інструменти вже стануть стандартом.

– Де «Сингента» вже використовує, а де планує застосовувати ШІ?

– Яскравим прикладом є впровад­ження ШІ в систему Cropwise Operations (це фарм-менеджмент система, яку компанія «Сингента» придбала та розвиває з 2019 року). Передусім у системі найближчим часом будуть впроваджені три наступних функції ШІ:

1) голосовий помічник, який зокрема зможе створювати по голосовому запиту документи в системі;

2) ШІ-помічник у роботі з самою системою, навчений на матеріалах «Академії CWO», який знає все про функціонал системи та як його ефективно використовувати й підкаже це користувачу;

3) аналітичний ШІ, якій зможе аналізувати історію поля і допомагати з висновками людині.

Також ми використовуємо ШІ для автоматизації процесів у пошуку нових гібридів та нових молекул ЗЗР.

В Україні є інший чудовий приклад використання ШІ, що економить нашій компанії сотні тисяч доларів щороку. «Сингента» з 2022 року перейшла на прямі продажі ЗЗР. Радикально перебудувати деякі процеси, не збільшуючи помітно штат, було важкувато. Один із таких непростих процесів – оцінка клієнта, аналог звичайного банківського скорингу для юридичних осіб. До впровадження ШІ оцінка клієнта займала два тижні, а зараз – дві хвилини!

Якщо ж підсумувати, загалом швидке впровадження ШІ має сенс там, де вже є історія даних.

– Чи оцінює компанія залежність від зовнішніх AI-платформ і моделей як стратегічну вразливість?

– Наша компанія дуже обережно ставиться до використання стороннього софту, особливо такого, в якому є непередбачуваний елемент. Якщо ви імплементуєте навіть чужу мовну модель, а вона належить іншій компанії – це вразливість, що може мати катастрофічні наслідки.

Додатковий ризик полягає в тому, що відомі моделі можуть навіть змінити свою філософію. Настільки, що якщо побудувати на їх основі бізнес-процеси великої компанії, то зі зміною поведінки моделей впадуть і ці процеси. Спрощений приклад подіб­ної залежності – бізнес, що побудований на продажах через Instagram. Достатньо платформі ввести плати за комерційні продажі чи взагалі їх заборонити – і багато бізнесів прос­то закінчиться. Побудова бізнесу на сторонніх рішеннях – це завжди небезпека.

– Це зрозуміла модель ризиків. Як щодо витоку начебто некритичних даних? Наприклад, якщо певна модель здатна передбачати поведінку ринку – чи не може вона стати інструментом маніпуляції вами? Чи з’явилася у вас у компанії політика безпечної роботи саме з ШІ?

– Поки не існує загальноприйнятних світових чи галузевих правил гігієни використання ШІ. Проте будь-яка людина має слідувати певним правилам цифрової безпеки, а великі компанії – тим більше.

Коли одна з провідних ШІ-лабора­торій збиралася вже випустити нову версію моделі, виявилося, що вона має навички з несанкціонованого доступу до інформаційних систем, що за її допомогою можна легко зламати майже будь-яку інфраструктуру. Реліз пригальмували, але це показує новий напрям вразливостей: зловмисники можуть ламати софт за допомогою ШІ швидше, ніж будь-коли.

Тому в нас, звісно, є власна політика цифрової безпеки, що враховує зокрема й фактор AI. Однак усе це лише починається та не є настільки структурованим і сталим, як інші політики в компанії. Водночас компанія глобально створює та надає працівникам моделі ШІ, які мають вбудовані обмеження, що допомагають не порушувати безпекові правила. Тобто наш вибір – у впровадженні внутрішніх моделей, які нівелюють ризики, але мають переваги публічних. Також ці ШІ інтегровані в корпоративне середо­вище, мають доступ до корпоративних хмарних сховищ, баз даних, електронної пошти, знають користувача, яку він обіймає посаду і контекст його роботи і можуть відповіс­ти на спеціалізовані запитання. Зараз для працівника запит «Знайди всі документи в моїй пошті та в хмарному сховищі по проєкту Х, який був у середині 2023 року, проаналізуй і підготуй чотири слайди з підсумками в корпоративному шаблоні» – не є проблемою. Нещодавно впроваджені внутрішні моделі мають доступ до необхідної інформації та можуть виконати такі запити.

– Ви наголошуєте на захисті даних, але для створення якісних моделей великим компаніям доведеться використовувати дані клієнтів. Це певний конфлікт інтересів?

– Сьогодні важко сказати. Ми наразі не використовуємо дані клієнтів. Можливо, це в майбутньому стане окремим бізнесом – отримання клієнтських даних за щось (за послуги, товари, сервіси). Дані – це суперовий товар, але їх отримання також має бути контрольованим процесом за певною методикою. Джерело походження – це критерій якості самих даних.

До речі, одне з моїх хобі – інколи перевіряти, як реагують моделі на неправдиві дані, як може мінятися результат, відхилятися відповідь. Упевнений, що це також один із перспективних напрямів розвитку ШІ, коли модель буде сама розуміти ступінь чистоти інформації, що їй надається.

– Чи змінилися в «Сингента» внут­рішні вимоги щодо генерації даних, їхньої якості?

– Поки що ні. Проте в нас давно впроваджені жорсткі корпоративні стандарти отримання даних із відповідною чистотою. Певні нюанси можливі хіба в навчальних матеріалах, де дані по одному продукту чи культурі для різних країн можуть відрізнятися. У нас інша проблема: не всі дані, що сьогодні потрібні, ми раніше збирали. Це, зокрема, повна і правильна інформація про землю. Однак не тільки – взагалі багато інформації не буває, особливо в еру Big Data і навчання ШІ. Ми зараз формуємо технічне завдання для нас самих, у які інструменти й процеси треба інвестувати, щоб розв’язати проблему.

– Чому клієнт має довіряти ШІ-інструментам, що будуть надаватися великими гравцями? Це ж очевидний вектор маніпулювання вибором. Не всі й зараз вірять безумовно агроекспертизі від продавців.

– Так, це питання довіри до партнера. Врешті рекомендації постачальники дають і без ШІ. А клієнт на власному досвіді робить вибір – чи довіряти. Наприклад, ми пропонуємо лабораторні сервіси, що перевіряють відібрані зразки матеріалу на наявність шкідників та патогенів. І хоча лабораторії мають сертифікацію, там працюють круті спеціалісти на найсучаснішому обладнанні, деякі клієнти все одно згадають про зацікавленість компанії в певному результаті. Однак за роки роботи довіра до результатів роботи лабораторій у нас склалася. Тут буде та сама ситуація. Врешті це також є фактором відмінності між різними постачальниками: рекомендаціям одних довіряють, вони перевірені роками, а іншим – не дуже.

– Проблема довіри не нова, і в Європі давно виник клас незалежних експертних компаній, що перевіряють продукти й схеми виробників ЗЗР і насіння. Чому це рішення не прийшло в Україну, то велике питання про національний менталітет. Однак чи можна прогнозувати появу моделей ШІ, які стануть фінансуватися спільнокоштом дрібних агровиробників і пропонуватимуть незалежні гіпотези?

– Навіть якщо учасники аграрної спільноти не додумаються до цього, то гарантовано знайдеться певна кількість IT-компаній, що запропонують подібну послугу, тобто незалежну від великих гравців ШІ-модель.

Проте ми зараз на такому етапі розвитку технології, що будь-який уявний вектор здатен реалізуватися за кілька років або застаріти за два тижні. Прогнозувати щось – дуже провокативно. Врешті-решт, в агровиробництві є такий вислів «бункер покаже». Як уже згадував: процеси не швидкі, а ціна помилки велика. Тому агровиробник перевіряє всі рішення на практиці в полі й оцінює ефект. Це найнадійніший спосіб зрозуміти чому і кому довіряти.

– ШІ й персонал – як відмова від «зайвих людей» відбуватиметься в агро?

– Буде зсув фокуса. З’являться нові спеціальності й навички, які треба буде засвоїти.

– Чи не простіше вчасно навчити вже лояльних найманих працівників?

– Одне зрозуміло: не варто одразу кидатися в оптимізацію штату. В інших галузях достатньо прикладів компаній, які спочатку скорочують персонал, бо його має замінити ШІ, а потім намагаються повернути спеціалістів, коли нова технологія робить помилки й виявляється економічно неефективною. Тим більше, що варто очікувати помітного подорожчання доступу до моделей.

– Досить поширена думка про маркетингову бульбашку спектра технологій, які позначаються як ШІ. Ми поки що не бачили широкої інтеграції відповідних інструментів у бізнес, за винятком згаданої вами генерації програмного коду. Не думаєте, що ШІ в результаті повторить долю VR й AR, які обіцяли проникнути всюди, а залишилися вузьконішевими?

– VR й AR від початку були точковими технологіями. Пам’ятаєте, як з’явився інтернет? Дехто вважав, що це також іграшка на пару років. Проте відбулися фундаментальні зміни майже всіх аспектів життя, хоча й не одночасно.

Думаю, ШІ належить до такої самої групи технологій. Я не вірю в радикальні зміни за 5–6 років. Нинішній етап назвав би фазою отверезіння після шоу – коли потенційні споживачі зрозуміли, що все не так просто і все тільки починається. ШІ з часом стане критичною ринковою перевагою, але впроваджуватиметься поступово. Це буде не революція, а повільна заміна, скажімо, бізнес-аналітиків на prompt-інженерів із ШІ.

Почнеться все зі стандартизації. Коли на аграрному ринку з’явиться інструмент, що стане використовуватися великою кількістю гравців. Немає ще піонера – того, хто запровадить галузевий стандарт. Достатньо подивитися на сектор IT. Там уже почався цей етап стандартизації, бо всі використовують більш-менш один набір інструментів. До речі, стандарт може прийти й з іншої галузі – якщо на агроринок завітають ті самі компанії з IT. Проте саме поява стандарту – сигнал, що ми перейшли на інший етап розвитку.