Projekt

Obecné

Profil

Akce
Historie

Wiki » Samostatná práce - 2 část »

Generative AI a znalostní management

Úvod

Generativní umělá inteligence (GenAI) představuje oblast umělé inteligence, která se specializuje na tvorbu nového obsahu, dat a uměleckých děl pomocí pokročilých algoritmů strojového učení. Tato technologie má významný dopad na současný i budoucí svět, nabízí nové možnosti a výzvy v různých oblastech lidské činnosti. Jednou z těchto oblastí je znalostní management, který systematicky zachycuje, organizuje, sdílí a využívá znalosti v organizacích. Cílem této práce je prozkoumat, jak GenAI ovlivňuje znalostní management, a zhodnotit jeho potenciál, přínosy a rizika pro organizace a společnost jako celek. V první části práce se zaměříme na teoretický rámec GenAI a znalostního managementu, vysvětlíme jejich základní koncepty, principy a vzájemné souvislosti. Druhá část práce představí konkrétní příklady, jak GenAI mění přístupy k získávání, uchovávání a sdílení znalostí v různých odvětvích. Třetí část bude věnována diskusi o výhodách a výzvách, které GenAI přináší pro znalostní management, zahrnující technologické, etické a společenské aspekty. Závěr práce shrne klíčové poznatky a nabídne doporučení pro další výzkum a praxi v této oblasti.

Generativní AI

Generativní umělá inteligence (GenAI) představuje inovativní formu umělé inteligence, schopnou reagovat na variabilní vstupní podněty a generovat rozmanitý obsah. Tato technologie umožňuje uživatelům vytvářet nový obsah, včetně textů, obrázků, videí, zvuků, kódů, 3D návrhů a dalších médií, prostřednictvím učení a tréninku na existujících online dokumentech a jiných zdrojích.
V současné době je GenAI nejčastěji využívána k tvorbě obsahu v reakci na požadavky v přirozeném jazyce, což eliminuje potřebu hlubších znalostí nebo kódování. Využívané algoritmy, založené na pokročilých modelech umělé inteligence, jsou trénovány na rozmanitém spektru neoznačených dat, což umožňuje flexibilitu v různých úkolech a oblastech. Při vytváření těchto trénovaných modelů je nezbytná sofistikovaná matematika a výpočetní výkon. I přes možné opadnutí počátečního nadšení se očekává, že vliv GenAI bude stále narůstat, jakmile lidé a podniky objeví nové a inovativní aplikace této technologie v každodenním životě a pracovním prostředí.

Strojové učení

Strojové učení je oblast studia v umělé inteligenci, která se zabývá vývojem a studiem statistických algoritmů, které mohou efektivně zobecňovat a vykonávat úkoly bez explicitních instrukcí. Tato disciplína využívá algoritmy k identifikaci vzorů v datech, které jsou následně používány k vytvoření datového modelu schopného formulovat předpovědi.

Neuronové sítě

Neuronová síť (NN) je algoritmus strojového učení, který napodobuje strukturu a operační schopnosti lidského mozku k rozpoznání vzorů z tréninkových dat. Neuronová síť je sada algoritmů vytvořených po fungování lidského mozku a lidského nervového systému. Skládá se ze sady algoritmů a matematických modelů, které umožňují počítači naučit se provádět specifické úkoly.

Znalostní management

Znalostní management je proces identifikace, organizace, ukládání a sdílení informací v rámci organizace. Zahrnuje tři klíčové fáze: shromažďování, ukládání a distribuci znalostí. Základními principy jsou vytváření a objevování znalostí, využívání nástrojů a technik ovlivňujících informace. Důležitým aspektem je porozumění úspěšným faktorům, které nesou znalosti o fungování organizace v minulosti. Znalostní management také zahrnuje pochopení, že znalosti existují ve třech základních formách: explicitní, implicitní a tacitní.

Cíle znalostního managementu

Hlavním cílem znalostního managementu je dosáhnout výrazného zlepšení celkové efektivity organizace a zajistit udržitelné uchování klíčových znalostí v rámci společnosti. Tento proces není pouze o shromažďování informací, ale spíše o systematickém zpracování a využití znalostí k podpoře rozhodovacích procesů a inovací.

Dalším klíčovým cílem znalostního managementu je vytvořit prostředí, ve kterém mají zaměstnanci snadný přístup k potřebným informacím a mohou efektivně komunikovat s lidmi, kteří tyto znalosti vlastní. Tímto způsobem se organizace snaží odstranit překážky ve sdílení znalostí a podporuje synergii mezi jednotlivci a týmy.

Praktický znalostní management umožňuje organizacím systematicky šířit informace a zvyšovat úroveň odbornosti jednotlivců i týmů. Tato strategie přispívá k neustálému zlepšování pracovních postupů, inovacím a celkovému růstu produktivity. Zaměřuje se nejen na dokumentaci existujících znalostí, ale také na podporu procesů, které podněcují tvorbu nových informací a zkušeností.

Výsledkem je nejen efektivnější a agilnější organizace, ale také posílení individuálních schopností zaměstnanců a kolektivní inteligence týmů. Znalostní management se tak stává klíčovým nástrojem pro trvalou konkurenceschopnost a inovační vývoj organizací v dynamickém prostředí.

Nástroje znalostního managementu

Nástroje znalostního managementu představují klíčový prvek pro úspěšnou implementaci a udržitelnost procesů v oblasti správy znalostí. Tyto aplikace slouží k usnadnění shromažďování, organizace a distribuce informací s cílem optimalizovat využívání znalostí v organizaci. Různé nástroje, jako návody a manuály, webové stránky pro sdílení informací, systémy pro správu dokumentů a kolaborativní platformy, mají společný cíl – efektivně organizovat a využívat existující znalosti a zkušenosti. Kombinací těchto prostředků organizace dosahují efektivního a komplexního znalostního managementu, což je klíčovým faktorem pro udržení konkurenceschopnosti v dnešním dynamickém podnikatelském prostředí.

Integrace Generative AI do znalostního managementu

V posledních letech, zejména v průběhu posledních dvou let, došlo k výraznému přetvoření způsobu, jakým využíváme internet a aplikace využívající generativní umělou inteligenci. Jedním z odvětví, které bylo tímto jevem zasaženo, je znalostní management, na který se nyní podíváme podrobněji.

Dříve týmy v oblasti znalostního managementu strávily mnohem více času vytvářením článků, psaním textů a hledáním důvěryhodných zdrojů pro podložení informací, stejně jako tvorbou obrázků a grafů pro názornější vysvětlení. V dnešní době se však situace výrazně změnila, protože existují aplikace využívající generativní umělou inteligenci, které tyto procesy zjednodušují a výrazně urychlují.

Nyní uvedeme několik příkladů, jak generativní UI může usnadnit a zrychlit práci ve znalostním managementu:

Nyní si ukážeme pár příkladů, jak se dá použít generativní UI pro usnadnění a zrychlení práce ve znalostním managementu:
  • Psaní článků
    Jedna z velkých výhod, které tento relativně nový fenomén přináší, je zdokonalování a rozšiřování znalostního managementu v týmech, které ho využívají. Organizace totiž často přicházejí o příležitosti k získání cenných znalostí, vzhledem k tomu, že zaměstnanci nemají vždy čas psát články do své znalostní báze. Nástroje generativní AI však mohou proces psaní urychlit, protože dokážou přeměnit kousky informací – například odrážky nebo údaje v lístku servisního oddělení – na plnohodnotné články.
    Tato automatizace umožňuje zaměstnancům, jako jsou pracovníci zákaznického servisu a podpory, vytvářet znalostní databázi organizace, zatímco přijímají hovory zákazníků a řeší dílčí úkoly. Tento proces vede k úplnějším znalostním bázím, což v budoucnu pomáhá zákazníkům a agentům rychleji řešit problémy.
  • Zlepšuje vyhledávání
    Znalostní báze by měla nabízet jednoduchou a uživatelsky přívětivou funkci vyhledávání, aby uživatelé mohli snadno najít odpovědi na své otázky či oblasti zájmů.
    Momentálně existuje spousta aplikací založených na UI, které by pomocí využívání “Large language modelů” byly schopné pracovat tímto způsobem. Tyto aplikace jsou totiž schopné vytáhnout konkrétní odpovědi z milionů odstavců a vět z téměř jakýchkoliv textů jen během pár sekund. O tom by se studentům před pár lety mohlo jen zdát.
    Nejznámější a široce využívající nástroj pro vyhledávání odpovědí je Chat GPT-4 anebo HelpLook.
    Vyhledávání pomocí umělé inteligence HelpLook výrazně zlepšuje správu znalostních bází tím, že zvyšuje efektivitu a účinnost vyhledávání informací. Zde je uvedeno, jak toho HelpLook dosahuje: “Algoritmy AI společnosti HelpLook GPT-4 analyzují a chápou obsah znalostní báze. Díky tomu systém poskytuje vysoce přesné a relevantní výsledky vyhledávání, což zajišťuje, že uživatelé najdou potřebné informace rychle a bez frustrace. Vyhledávání na bázi umělé inteligence zohledňuje záměr uživatele a relevanci, aby poskytlo co nejpřesnější výsledky.”
  • Identifikuje mezery ve znalostech a duplicity
    I v rozsáhlých a komplexních znalostních databázích mohou chybět odpovědi na důležité otázky. Schopnost generativní umělé inteligence rychle analyzovat velké objemy informací může organizacím pomoci identifikovat tyto mezery, aby je mohli řešit odborníci na danou problematiku, tvrdí Mohr.
    Duplicitní články – které se zabývají stejným tématem nebo problémem – ve znalostní bázi mohou uživatele zmást, protože nevědí, která verze obsahuje nejaktuálnější informace. Generativní umělá inteligence tedy dokáže analyzovat články a odhalit ty, které se týkají stejného problému, a to i v případě, že duplikáty používají odlišné formulace a formátování.
  • Automatizuje procesy řízení
    Organizace často nechávají týmy pro správu ručně kontrolovat znalostní články před jejich zveřejněním, aby se ujistily, že neobsahují osobní údaje. Generativní umělá inteligence může tento proces automatizovat a urychlit.
    "Místo toho, aby to kontroloval člověk, ... [nástroj umělé inteligence] sám aplikuje inženýrskou výzvu, která se podívá na ... cokoli se strukturou čísla sociálního zabezpečení nebo strukturou telefonního čísla ... a pak to označí a řekne: 'Ne, tohle nemůže být zveřejněno, dokud se na to někdo nepodívá,'" tvrdí Mohr.
    Články, které projdou automatickou kontrolou správy, mohou přeskočit proces ruční kontroly, což organizacím pomáhá rychleji zpřístupnit znalosti.

Případové studie

Případová studie 1: Automatizace znalostních procesů

Generativní AI se stává klíčovým nástrojem v oblasti znalostního managementu, kde přináší značné výhody v automatizaci sběru, organizace a analýzy znalostí. Jako příklad můžeme uvést oblast zdravotnictví, kde generativní AI modely, jako je ChatGPT a Bard, umožňují automatickou analýzu textu a extrakci klíčových informací z různých typů dokumentů, jako jsou elektronické zdravotnické záznamy.

V oblasti reportingu se generativní AI využívá k vytváření automatických zpráv. Například platforma Petal umožňuje uživatelům komunikovat s jejich digitálním expertem a získávat přesné a důvěryhodné odpovědi okamžitě. Dalším příkladem je SparkBeyond, který využívá generativní AI k vytváření konkrétních obchodních náhledů spolu s celkovými zprávami a aktualizuje tyto náhledy v průběhu času a jak se mění data.

Použití generativní AI v těchto oblastech přineslo významné dopady na efektivitu, přesnost a dostupnost znalostí. McKinsey odhaduje, že generativní AI by mohla přidat ekvivalent 2,6 až 4,4 bilionu dolarů ročně napříč 63 analyzovanými případy užití. Dále bylo zjištěno, že zákaznické podpůrné agenty, kteří používají AI nástroj k řízení jejich konverzací, viděli téměř 14% nárůst produktivity. Generativní AI také zlepšuje kvalitu znalostí tím, že identifikuje a opravuje chyby, archivuje staré informace a přidává kontext a další informace k článkům o znalostech.

Případová Studie 2: Zvýšení Inovací a Kreativity

Generativní umělá inteligence (Generative AI) představuje revoluční nástroj, který mění způsob, jakým organizace vytvářejí, analyzují a optimalizují informace. Generativní AI se stává klíčovou součástí společnosti, ve které lidé a stroje spolupracují. Tato technologie nabízí transformační příležitosti pro firmy, neboť dokáže měnit způsob, jakým se práce provádí napříč funkcemi a pracovními postupy.

Jedním z příkladů organizací, které využívají Generative AI k podpoře inovativních procesů a kreativního řešení problémů, je Taskade. Tato firma využívá Generative AI k generování unikátních, nelineárních nápadů, které mohou pomoci při brainstormingu a tvorbě nových konceptů.

Generative AI může pomoci při brainstormingu tím, že nabídne nápady založené na datech, které obohatí mapy empatie, generuje různorodé prototypy řešení a umožní rychlejší iteraci na základě zpětné vazby. Generative AI také dokáže vytvářet obsah v reakci na přirozené jazykové požadavky, což umožňuje bezproblémovou interakci a výměnu nápadů.

Generative AI má také významný dopad na inovační procesy. Díky své schopnosti zpracovávat extrémně velké a rozmanité sady nestrukturovaných dat a provádět více než jednu úlohu, může Generative AI přinést nevídanou rychlost a kreativitu do oblastí jako je design, výzkum a generování textu⁵. Generative AI také umožňuje rychlejší vývoj produktů, vylepšený zákaznický zážitek a zvýšenou produktivitu zaměstnanců.

Generative AI také zlepšuje kvalitu a originalitu řešení. Díky své schopnosti podporovat divergentní myšlení, výzvu odborného zkreslení, pomoc při hodnocení nápadů, podporu zdokonalování nápadů a usnadnění spolupráce mezi uživateli, může Generative AI pomoci překonat tyto výzvy a doplnit kreativitu zaměstnanců a zákazníků, pomoci jim produkovat a identifikovat nové nápady a zlepšit kvalitu surových nápadů.

Případová Studie 3: Řešení Etických a Bias otázek

Generativní umělá inteligence (Generative AI) představuje revoluční nástroj, který mění způsob, jakým organizace vytvářejí, analyzují a optimalizují informace. Generative AI se stává klíčovou součástí společnosti, ve které lidé a stroje spolupracují. Tato technologie nabízí transformační příležitosti pro firmy, neboť dokáže měnit způsob, jakým se práce provádí napříč funkcemi a pracovními postupy.

Jedním z příkladů, kde byly identifikovány a řešena etická dilemata nebo bias (předpojatost) v generativní AI, je UNESCO. Tato organizace uvádí příklady genderového biasu v umělé inteligenci, který pochází ze stereotypních reprezentací hluboko zakořeněných v našich společnostech¹. Například, pokud zadáte do vyhledávače frázi "největší vůdci všech dob, pravděpodobně uvidíte seznam světových prominentních mužských osobností. Kolik žen se v tomto seznamu objeví? Podobně, pokud zadáte do vyhledávače "školní dívka", pravděpodobně se objeví stránka plná žen a dívek v různých sexualizovaných kostýmech.

UNESCO se s tímto problémem vypořádalo tím, že vytvořilo první globální standard pro etiku AI - 'Doporučení o etice umělé inteligence' v listopadu 2021. Tento rámec byl přijat všemi 193 členskými státy. UNESCO také publikovalo metodologii pro hodnocení připravenosti na AI, diagnostický nástroj, který má podpořit vlády při zajištění toho, aby byla umělá inteligence vyvíjena a nasazována eticky.

Organizace přistupují k odhalování a minimalizaci biasu v generovaných datech a výstupech AI různými způsoby. NIST například doporučuje širší pohled na zdroje těchto biasů - od procesů strojového učení a dat používaných k tréninku softwaru AI až po širší společenské faktory, které ovlivňují, jak se technologie vyvíjí. Další doporučení zahrnují použití nulových nebo prvních stran dat, udržování dat aktuálních a dobře označených, zajištění, že je člověk zapojen do smyčky, testování a opětovné testování a získávání zpětné vazby.

Generative AI má také významný dopad na spravedlnost a objektivitu v procesu znalostního managementu. Díky své schopnosti podporovat divergentní myšlení, výzvu odborného zkreslení, pomoc při hodnocení nápadů, podporu zdokonalování nápadů a usnadnění spolupráce mezi uživateli, může Generative AI pomoci překonat tyto výzvy a doplnit kreativitu zaměstnanců a zákazníků, pomoci jim produkovat a identifikovat nové nápady a zlepšit kvalitu surových nápadů.

Budoucnost Generative AI a znalostního managementu

Budoucnost Generative AI a znalostního managementu slibuje revoluci ve shromažďování a využívání znalostí organizací. Historie a vývoj Generative AI představují klíčové milníky a technologické inovace, které formují jeho budoucnost. Již nyní se Generative AI uplatňuje ve znalostním managementu, kde posiluje sdílení a využívání znalostí. Očekává se výrazný růst trhu generative AI, který by mohl do roku 2033 dosáhnout hodnoty 1,3 bilionu dolarů. Tento růst bude poháněn infrastrukturou pro školení a postupně se přesune k jazykovým modelům, digitální reklamě a specializovanému softwaru. Vzrůstající poptávka může přinést zhruba 280 miliard dolarů nových softwarových příjmů, přičemž předními hráči budou společnosti jako Amazon Web Services, Microsoft, Google a Nvidia.

Možnosti a rizika spojená s dalším rozvojem těchto technologií

Možnosti a rizika spojená s dalším rozvojem generativních technologií jsou rozmanitá a komplexní. Na pozitivní straně lze očekávat, že tyto technologie budou nadále přinášet inovace a zlepšení v různých odvětvích. V oblasti znalostního managementu mohou generativní AI přinést efektivnější způsoby shromažďování, uchovávání a využívání informací, čímž usnadní rychlé rozhodování a kreativní procesy. Zároveň mohou přispět k vývoji personalizovaných asistentů a nástrojů, které zvýší produktivitu a zlepší uživatelský zážitek.

Nicméně, s tímto pokrokem přicházejí i výzvy a potenciální rizika. Etické otázky spojené s generativními technologiemi zahrnují možné zneužití pro šíření dezinformací, vytváření falešných informací a potenciální ohrožení soukromí jednotlivců. S nárůstem schopností generativních modelů mohou být lidé vystaveni novým hrozbám v oblasti kybernetické bezpečnosti a zneužití technologií pro manipulaci s obsahem.

Důležité je také zdůraznit, že se s rozvojem těchto technologií mohou prohlubovat nerovnosti a vznikat nové sociální a ekonomické disparitety. Přístup k pokročilým generativním nástrojům a technologiím nemusí být rovnoměrně distribuován, což může vytvářet digitální propast a omezení příležitostí.

Organizace a společnost jako celek budou muset aktivně řešit tyto otázky a pracovat na implementaci odpovídajících regulačních rámců a standardů. Otevřený dialog mezi průmyslem, vládami a občanskou společností bude klíčový pro spravedlivý a odpovědný rozvoj generativních technologií, který přinese skutečný prospěch společnosti.

Závěr

Závěr práce reflektuje omezení spojená s nedostatkem relevantních článků a časovými omezeními, které ovlivnily hloubkovou analýzu problematiky. Zjištění naznačují, že přestože Generativní umělá inteligence přináší nové perspektivy pro znalostní management, nedostatek dostupných informací brání v plném porozumění a využití této technologie.
Velmi prudký vzestup AI až v nedávné době (rok 2023) mohl být důvodem omezené dostupnosti relevantních zdrojů. Očekává se, že vývoj v této oblasti bude pokračovat, a s postupem času se objeví více informací a praktických příkladů implementace GenAI do znalostního managementu.
Důležité je také uznat, že implementace nových technologií, zejména v oblasti umělé inteligence, vyžaduje čas a přizpůsobení ze strany organizací. Fáze boomu GenAI mohly být příliš krátké na to, aby firmy mohly efektivně implementovat tuto technologii do svých procesů znalostního managementu. Je tedy klíčové sledovat další vývoj v oblasti GenAI a zhodnotit možnosti jeho integrace do praxe, jakmile se dostupnost informací a technologická vyspělost organizací posílí.
Celkově lze říci, že i přes uvedená omezení, se ukazuje potenciál GenAI v oblasti znalostního managementu, ačkoliv stávající stav technologického vývoje a dostupnost informací brání důkladnějšímu zkoumání této problematiky. Další výzkum a praxe budou klíčové pro plné pochopení a využití této inovativní technologie v oblasti správy znalostí. Domnívám se, že čas pro zpracování takového tématu ještě nenastal. Vidíme ho v horizontu až několika následujících let.

Reference

Aktualizováno uživatelem Martin Simet před 3 měsíc(ů) · 64 revizí