Címke / Rpa

by Pal Kerekfy

Kell a diploma?

Milyen területen tanuljon, diplomázzon a mai fiatal? Mivel tud hosszú távra biztos jövedelmet szerezni?

Ezek a kérdések mindig aktuálisak voltak, de még sose volt ennyire gyors a változás, sose volt ennyire bizonytalan a következő egy-két évtized.

Abban meglehetős az egyetértés, hogy a fizikai munkakörök jelentős része automatizálható – a gyári munkától a mezőgazdaságon át a szolgáltatásokig. Vajon érdemes még egyáltalán szakmát tanulni? Most még igen, még rengeteg jó szakemberre van szükség a világon, de nagyon gyors a változás abban, hogy mit hagynak meg nekünk a gépek.

Azt is látjuk már néhány éve, hogy a „fehér galléros” munkakörökben is gyorsan terjed a gépesítés. Az irodai, adminisztratív munkákat (pl. a pénzügyi osztályokon) tízezrével alkalmazott „robotok” veszik át. Azért tettem idézőjelbe a robotot, mert ezek a robotok nem láthatók, nem jelennek meg a maguk fizikai valójában, hiszen csak szoftverekről van szó. Ezek a szoftverek gyorsan megtanulják az egyszerű, ismétlődő lépésekből álló munkafolyamatokat az emberektől, majd átveszik tőlük. A pillanatnyi hatása annyi ennek a folyamatnak, hogy az emberek érdekesebb, alkotóbb, hasznosabb munkát kapnak. A cikkekben ismertetett esetekben nem járt elbocsátással az sem, amikor 1800 ilyen robot állt be, sőt az sem, amikor a pénzügyi osztályon a dolgozók 80%-át cserélték le ilyen robotokra.

Eddig diploma nélkül betölthető munkakörökben láttuk a robotok jelentős elterjedését. Vajon mi a helyzet a diplomásokkal? A nem műszaki területeken komoly dolgok történnek, mutatok néhány példát.

Jogi területen vannak ígéretes kezdetek. Az egyik terület a dokumentumok elemzése abból a szempontból, hogy mennyire relevánsak egy adott jogvita szempontjából. Angliában már születtek olyan bírósági határozatok, amik elismerték az ilyen módszerek helyénvalóságát. Ezekben az ügyekben emberi munka és kulcsszavas keresés helyett szoftvert alkalmaztak dokumentumok relevanciájának eldöntésére. A bíró indoklása el is magyarázza, hogy hogyan (a Predictive Coding fejezetben található).

Mik voltak a szempontok? Költség és konzisztencia. Az adott ügyben 3 millió dokumentumot kellett átnézni, és azok közül kiválogatni az ügy eldöntésében lényegeseket. Ezt emberi erővel sok pénz és idő felhasználásával lehetne megtenni, és egyáltalán nem biztos, hogy nem lenne benne sok hiba. A szoftveres megoldás a “mesterséges intelligencia” szokásos betanítási módszerét követte: kisebb mintán (1600-1800) megmutatják a szoftvernek, hogy mik a fontos dokumentumok, majd a szoftver keres. Az eredmények egy részét megvizsgálják emberek, és visszajeleznek a gépnek, hogy jól dolgozott-e, ami ennek alapján tanul, ügyesedik.

Ez még csak a kezdet, itt a gépnek még elég csekély szerepe van a per eldöntésében, de már ezen a kezdeti szinten is számít a szoftver minősége és az esetleges szándékosan beleírt “hiba” (amire néhány példát láthatunk ebben a cikkben). A mesterséges intelligencia kutatói arra számítanak, hogy hamarosan ennél komolyabb szerepe is lesz a gépnek jogi területen is, ezért a mesterséges intelligencia alapelvei között is esik szó erről a problémáról.

Itt még nem érnek véget a jogi alkalmazási lehetőségek! Egy fiatal (19 éves) programozó egy év munkával és az IBM Watson felhasználásával megalkotta a DoNotPay szolgáltatást. Ez kezdetben csak a parkolási büntetések megfellebbezésében nyújtott segítséget. Hogyan tud segíteni? Kikérdezi az ügyfelet a körülményekről, majd a válaszok alapján megírja a fellebbezést. Már az első pár hónapban (akkor még csak egy államban) 3 millió dollárt szerzett vissza az ügyfeleinek. Idén nyár óta már az USA 50 államában és az Egyesült Királyságban segít 1000 különböző fajta jogi eljárásban.

Ez csak egy apró falatja a nagy tortának, és a nagy játékosok sokkal több időt, pénzt és szakértelmet tudnak bevetni, mint ez a fiatal programozó, aki teljesen ingyen nyújtja a szolgáltatást. Pillanatnyilag főleg a kezdő jogászokat érinti az ügy, az ő munkájukat tudja gyorsabban, pontosabban és olcsóbban elvégezni a gép. Ez nem kevés! A McKinsey becslése szerint a jogászok összes munkájának 23%-át lehet így automatizálni a technika mai szintjén. A kezdő diplomások helyett vagy mellett gépek lesznek a jogi csapatok tagjai, őket fogják a tapasztalt vezetők irányítani. Érdekes jövő! Ismerve a világcégek szemléletét (a kezdőkből a lelket is kipréselik, elképesztő óraszámban dolgoztatják, és apró hibákért is kirúgják őket), a napi 24 órában, villámgyorsan, kevés hibával dolgozó robotok lesznek a főnökök kedvenc munkatársai. Vajon kapnak majd kedvezményeket, előléptetést, jobb irodát?

Természetesen, a DoNotPay nem jogász. Itt egy csomó ok, amiért nem az.

Az lényeges, hogy jelenleg csak a nagy egységes (vagy közel egységes) jogrendszerű és egységes nyelvű területek jönnek szóba, ott lehet igazán hatékonyan alkalmazni a technológiát. A magyar jogászokat még nem fenyegeti ez a veszély, de az EU jogharmonizációja növeli a gépek alkalmazási lehetőségét. El tudom képzelni, hogy a GDPR (általános adatvédelmi rendelkezés, ami 2018 májusában lép érvénybe) – lévén új terület és egységes – lehet a „robot jogász” egyik első alkalmazása az Európai Unióban.

Olvastam egy másik érdekes jogi alkalmazást, ez Lisa, az elfogulatlan robot. Elsősorban arra találták ki, hogy szerződések kidolgozásában segítse egyszerre mindkét felet. Az ügyvédek nem dolgozhatnak egyszerre mindkét oldalnak, de a robot akár ezt is megteheti. A felek elmondják neki, hogy mit akarnak elérni, és segítséget kapnak tőle (akár egy elkészített szerződés formájában) ahhoz, hogy a megtalálják a kölcsönösen előnyös megoldást, a win-win eredményt. Megalkotói arra a problémára kerestek megoldást, hogy az emberek és a kis cégek jelentős része nem fordul ügyvédhez, mert nincs rá ideje, nem is érti, amit az ügyvéd mond, kényelmetlenül érzi magát, ha ügyvéddel kell tárgyalnia, munkaidőn kívül alig talál ügyvédet stb.

Nem a jogi munka az egyetlen, ahol már megvetette a lábát az automatizált tanácsadás! Az orvosok munkájának egy részét is kiválóan tudja elvégezni a gép. Arról nincs szó, hogy egy orvos minden feladatát el tudná látni, de fontos részterületeken gyors, pontos és olcsó tud lenni. Nincs messze az idő (sőt, talán már itt is van), amikor néhány fitnesz és egészségügyi kütyü és szoftver, valamint a felhőben ülő elemző rendszer komoly szerepet vállalhat az egészségügyi alapellátásban. Ha mellette még videókapcsolatba is lehet lépni az orvossal, aki minden mérési eredményünket és azok gépi kiértékelését látja, akkor gyorsabban, pontosabban, olcsóbban lesz elsődleges diagnózisunk. Erre is vannak már működő példák – nem meglepő módon elsősorban Amerikában. Kedves Olvasó, ha érdekel, mit tud és hogyan működik egy ilyen eszköz, itt találhatod a leírását. Annak, aki sok időt szeretne eltölteni a téma tanulmányozásával, ezt a hosszú listát tudom ajánlani.

Jó hír, hogy itthon is vannak már olyan háziorvosok, akik örömmel fogadják, ha a betegük otthoni mérések eredményeit hozza a rendelőbe. Így sokkal megalapozottabb lehet a diagnózis, mint egy pillanatban mért adatok alapján.

Itt még nem ér véget a példák hosszú sora! Vannak olyan kutatások, amik szerint a felsőoktatásban is érdemes bevetni a gépesített tanárt. Az első sikereket a matematika tanításában érték el. Itt sem arról van szó, hogy megszabadulnak a humán tanároktól – a gép csak a munkájuk egy részét veszi át (és csinálja eredményesebben, kevesebb kimaradó diákkal).

Szóval, vissza a kezdeti kérdésemhez: milyen diplomának induljon neki a fiatal? A fenti példákat mind humán területekről hoztam, de ez nem jelenti azt, hogy pl. mérnökök munkája ne lenne veszélyben.

Milyen tudás kell ahhoz, hogy az elkövetkező évtizedekben legyen jó és érdekes munkája az embernek? Hivatkoznék Bőgel professzor három évvel ezelőtti előadására: adattudóssá kell válni, olyan emberré, aki a gépek által összegyűjtött mérhetetlen mennyiségű és változatosságú adat feldolgozását, elemzését tudja irányítani. Ehhez érdemes több szakmában járatosnak lenni. Az adattudósok manapság főleg orvosok, biológusok, fizikusok, asztrofizikusok. Mi bennük a közös? A szakmájuk tudásanyaga szerteágazó. A lényeg az, hogy sok dolog iránt kell érdeklődni, sok dologhoz kell érteni (köztük a matematikához is, de nem kell matematikusnak lenni).

Azt hiszem, nem is az a kérdés, hogy miből legyen diplomája az embernek. Inkább az a kérdés, hogy az új, digitális, elektronikus világhoz mi a viszonya. A jogi, orvosi, oktatási, mérnöki munkát végző gépeket emberek hozzák létre, ők tanítják be őket. Olyan emberek, akik az adott szakterületen és a gépek világában is otthonosan mozognak. Talán ez a megfejtés: tanuljuk meg a mesterséges intelligencia világát!

 

by Pal Kerekfy

Mi a feladat?

Mit bízhatunk az új kollégára? Milyen munkát tud nem csak gyorsan, de pontosan is végezni? Hol vannak a határai, miben pontos, miben hibázik?

A múlt héten az általános trendek és lehetőségek voltak terítéken. Láttuk, hogy a nagy felmérések szerint jelenleg a munkahelyi tevékenységek fele automatizálható, de teljes mértében csak a foglalkozások 5%-a váltható ki géppel. Ez a nagy különbség azért van, mert szinte minden munkakörben vannak olyan feladatok, amiket még nem igazán lehet robotra bízni. Mik ezek? Új dolgok kitalálása, logikai következtetések, több résztvevő tevékenységének koordinálása, beszédértés, érzelmi intelligencia, de még a lépcsőre vagy létrára való felmászás se megy valami jól a robotoknak, hogy ne csak szellemi tevékenységeket mondjunk.

A részleges automatizálás is veszélyezteti a munkahelyeket, hiszen csökken a szükséges dolgozók száma. Különböző számok jöttek ki a felmérésekben, de mindenki nagyjából az emberi tevékenységek felét látja rövid távon veszélyben. Itt nem csak és nem elsősorban a fizikai munka területén jönnek a nagy változások, hiszen a gyárakban már előrehaladott az automatizálás. Megindult ez a folyamat a „fehér galléros” munkák körében is az RPA és az IPA miatt. Ezek bevezetésével az irodai munkát veszik át a szoftveres robotok (ld. az előző cikkemet).

Megmutatok most néhány (elképzelt) esettanulmányt, amiből jobban meg lehet érteni a meglévő műszaki megoldások szerepét az emberi munka helyettesítésében. A példák forrása a McKinsey Global Institute, A future that works: Automation, employment, and productivity című 2017. januári tanulmánya.

Biztos mindenki járt már kórház sürgősségi osztályán, vagy látta valamelyik sikeres amerikai kórházsorozatot. Induljunk ki az ott végzett tevékenységekből, és nézzük meg, hogy mit tudunk ma automatizálni! A beérkező beteg azonnal kaphat egy jól ismert okos karkötőt, ami méri az életfunkcióit. Ezek már nem csak pulzust és vérnyomást tudnak mérni, de még olyan bonyolult adatot is, mint a vér oxigénszaturációja. Az első gyors laborvizsgálatokat is jól lehet automatizálni. Sőt a laboreredményeket és a karkötő által mért értékeket összevető, összefüggéseiben értékelő szoftver is készen van már. Ez a sürgősségi nővér vagy rezidens keze alá dolgozik, segít a prioritások, a kezelési sorrend gyors eldöntésében. Maga a diagnózis is részben ezeken alapszik, de a beteggel való beszélgetés, a nem verbális jelek megfigyelése is fontos, így a végső szó az orvosé, akit a gépek segítenek, hogy gyorsabban és kevesebb hibával döntsön. A betegszállítás és a műszerek mozgatása, sőt a gyógyszerkiadás is lényegében teljesen automatizálható. A McKinsey becslése szerint egy (amerikai) sürgősségi osztály munkájában az elért haszon nagyobb része a kevesebb emberi munkából (Az emberi munka felét lehetne automatizálni!), kisebb része a minőség javulásából származik (költségcsökkenés, rövidebb várakozás, kevesebb hiba). Ezekre igencsak szükség van, mert a várakozási idő tipikusan két óra feletti, és horror összegek mennek el műhibaperekre.

Nézzünk egy másik közismert szituációt, a boltot, ahova vásárolni járunk! A kiskereskedelem is elkezdett már változni, már egyre több folyamatot tudnak digitálisan végezni, sőt akár a buszmegállóban várakozva is meg tudjuk rendelni az árukat, de még mindig sok dolgozóra van szükség a boltokban. Egy csomó egyszerű munkát simán át tudnának venni a gépek, pl.: polcok feltöltése, takarítás, de már az önkiszolgáló pénztárak is megjelentek. Egy kis további technika bevetésével a boltba belépve felismerhet a virtuális eladó, személyre szólóan üdvözölhet és nekünk szóló, testreszabott információt és tanácsokat adhat. A polcok között automatikusan tud követni a bevásárlókocsink. A polcról levett árut azonnal tudja pótolni az automatizált raktár. Sőt, az is egyszerűen megoldható, hogy ne is legyen bevásárlókocsira szükségünk, hanem csak megbökjük, amit meg akarunk venni, és a kijáratnál vár az összekészített csomag (vagy hazakísér a robot a csomaggal, vagy hazahozza a drón). A megtakarítás nagy hányada a kisebb alapterületű boltból és raktárból származik majd. Emellett jelentős lesz a munkaerő-megtakarítás is, a becslés szerint 65% körül. A technikai fejlesztések egyben a vásárlók jobb kiszolgálását, a vásárlói élmény javítását is jelenthetik. A McKinsey szerint itt is nagyjából a költségek háromszorosa lehet a nyereség (akárcsak az előbbi egészségügyi példában).

A tanulmányban elemeznek még három területet: repülőgépek karbantartása, olaj- és gázkitermelés, jelzáloghitel-ügyintézés. Az első két területen fontos nyereség, hogy kevesebb veszélyes munkát kell az embereknek végezniük, gyorsabb és koraibb a hibák észlelése, jobb a megelőző karbantartás. A jelzáloghitelek esetében az emberi munka 55-85%-kal csökkenhet. A most átlagosan 37 napos elbírálási idő hat nap is lehet. Ha még a folyamatokon is javítanak, akkor akár egy napon belül is megtörténhet.

A számok az USA-beli helyzeten alapulnak, és nem mindenhol ugyanezek az eredmények várhatók. A haszon kiszámításánál nem vették figyelembe a társadalmi költséget, ami az alacsony képzett munkaerő feleslegessé válásából származik. Abban nincs egyetértés a szakemberek között, hogy fel tudja-e szívni más terület ezeket az embereket, és át lehet-e képezni őket más munkákra. A sok és olcsó rendelkezésre álló munkaerő pedig lassítja az automatizálás terjedését, amíg nem lesz sokkal olcsóbb a gép.

A társadalmi hatás tekintetében idézek két megállapítást az előbb említett tanulmányból. Az egyik 1966-ból származik, és azt veti fel, hogy meg kell tanítani az embereket a megnövekvő szabadidejük értelmes felhasználására: „In the longer run, significant changes may be needed in our society—in education, for example—to help people find constructive and rewarding ways to use increasing leisure” (Technology and the American economy: Report of the National Commission on Technology, Automation, and Economic Progress, US Department of Health, Education, and Welfare, 1966). A világban körülnézve nem látom, hogy ez sikerült volna az eltelt ötven év alatt.

A másik idézet frissebb, és arra mutat rá, hogy jelentős divergencia figyelhető meg a termelékenység és a fizetések között, a dolgozók részesedése csökken a megtermelt értékből. „However, in recent years, there has been a notable divergence between productivity and pay, and the labor share of income has declined in many advanced economies” (Josh Bivens and Lawrence Mishal, Understanding the historic divergence between productivity and a typical worker’s pay: Why it matters and why it’s real, Economic Policy Institute briefing paper number 406, September 2015; Poorer than their parents? Flat or falling incomes in advanced economies, McKinsey Global Institute, July 2016). Ezt a jelenséget már bő tíz éve észrevették, és gazdasági szempontból nem az a baj vele, hogy igazságtalan, hanem az, hogy hiányzik a vásárlóerő.

Mik azok a területek, amik a technológia mai szintjén nem vagy alig gépesíthetők? Ha több érzékszervünkből érkező információkat kell együtt kezelni és elemezni, akkor sokkal jobbak vagyunk a gépeknél. Nem tudom, meddig lesz még meg ez az előnyünk. Valószínűleg addig, amíg az ember olcsóbb, mint ez összes érzékszervvel rendelkező gép. Új ötletek kitalálása vagy új összefüggések felfedezése se nagyon megy még a gépeknek, de az AlphaGo példája óvatosságra int. (Emlékeztetőül: úgy verte meg a GO egyik legjobb játékosát, hogy az nem is értette a gép lépéseinek a célját.) Nem megy a gépeknek még sok szereplő (ember és gép) munkájának irányítása, koordinálása. Általában gyengék az emberi beszéd finomságainak megértésében, az érzelmek felismerésében, a megfelelő reakciókban. A gépesített eladó nem ismeri fel a betérő vevő érzelmi állapotát, kedélyét, fájdalmát, ezért nem is tud megfelelően beszélni vele.

Ezek azok a hiányosságok, amik miatt még az „okos” gépek, akár mesterséges intelligenciával felruházva, se tudják teljesen átvenni az embertől a munkát, hanem csak egyes munkafolyamatokat lehet átadni nekik.

Itt látok meglehetős bizonytalanságot. Mi lenne az? Elég erős tendencia az online vásárlás, az online bankolás, az automatizált ügyfélszolgálat, az internetes egészségügyi tanácsadás, a fitnesz „kütyük” által adott életmódtanácsok megfogadása stb. Lehet, hogy egyre kevésbé van igényünk arra, hogy a másik oldal, a szolgáltató törődjön az érzelmeinkkel? Lehet, hogy annyi törődés elegendő lesz, amennyit az arcfelismeréssel vagy hangelemzéssel azonosított érzelmeinkre válaszul egy robottól kaphatunk? (Mindkét technológia évek óta használatban van.)

by Pal Kerekfy

Robotember

Az új kolléga nagyon rendes, udvarias, segítőkész és precízen dolgozik. Sose okoz problémát. Ha nem tud valamit, kérdez, és elsőre megtanulja. Bárcsak mind ilyenek lennének!

Igen, és éjt nappallá téve dolgozik, sose pihen, mindig szorgoskodik az új robot kolléga. Milyen vele együtt dolgozni? Elveszi majd az én munkámat is? Egy-két lusta és ügyetlen kollégát már elküldtek, mert ő jobban csinálja. Rám is sor kerül majd?

A múlt héten a vezető szempontjából írtam a munka világáról, annak megváltozásáról. Az értékes fiatal szakemberek bevonzása és megtartása mellett maguknak a csúcsvezetőknek a megváltozott munkájáról volt szó.

Ma visszatérek arra, hogy az új technológiák (mesterséges intelligencia, gépi tanulás, robotok) milyen változást idéznek elő a munkahelyeken. Hogy alakul az alkalmazottak száma? Tömeges lesz az elbocsátás? Csökken vagy nő az alkalmazottak száma?

Általában csökkenést várnak, de abban nagyon nincs egyetértés az elemzők körében, hogy a munkahelyek számában mekkora változás (csökkenés) várható. Akik növekedést jósolnak, azok ezt pusztán a történelemre alapozzák (eddig egyik ipari forradalom se csökkentette a munkahelyek számát).

Lássunk néhány jóslatot (nem nevezném becslésnek őket):

  • A munkakörök 47%-a van erős veszélyben az automatizálás miatt (Carl Benedikt Frey and Michael A. Osborne, The future of employment: How susceptible are jobs to computerisation? Oxford Martin School, September 17, 2013)
  • Az OECD átlagában a munkahelyek 57%-át érinti az automatizálás, de Indiában 69%, Kínában 77% az arány. (Technology at Work v2.0: The future is not what it used to be, Citibank, January 2016)
  • Az OECD-ben a munkahelyek 9%-a automatizálható teljes mértékben, de nagyok a különbségek, pl.: Koreában 6%, Ausztriában 12%. (Melanie Arntz, Terry Gregory, and Ulrich Zierahn, The risk of automation for jobs in OECD countries: A comparative analysis, OECD Social, Employment and Migration working paper number 189, OECD, May 2016)
  • 2015 és 2020 között az automatizálás és a technológiai fejlődés 7,1 millió munkahely eltűnését és 2 millió új munkahelyet jelentheti a 15 legnagyobb fejlett és fejlődő országban. Az eltűnő munkahelyek kétharmada az irodai és adminisztratív területen várható. (The future of jobs: Employment, skills, and workforce strategy for the fourth Industrial Revolution, World Economic Forum, January 2016)
  • A jelenlegi technológia mellett a munkahelyi tevékenységek közel fele automatizálható. A foglalkozások kevesebb mint 5%-a automatizálható teljes mértékben. Az automatizálható tevékenységek 1,1 milliárd dolgozót érintenek (ennek fele Indiában, Japánban, Kínában és az USA-ban van). A termelékenységet évente 0,8-1,4%-kal növelheti az automatizálás évtizedekig. (McKinsey Global Institute analysis)

Miért ekkora a különbség a számok és a százalékok között? Nem csak azért, mert mások és máskor írták. Mást és másképp vizsgáltak, az egyikben az érintett munkakörökről, a másikban a megszűnő munkahelyekről, a harmadikban foglalkozásokról van szó. Az sem mindegy, hogy a tevékenységek egy része, vagy a teljes munkakör automatizálható.

Lesznek olyan munkahelyek, amelyek teljesen megszűnnek – sőt, nem csak lesznek, már meg is szűntek. Tavasszal írtam arról a nagy biztosítóról, ahol az RPA (robotic process automation) segítségével 81%-kal csökkentették az egyik osztályon a dolgozók számát. A Deutsche Bank vezére nemrég nyilatkozta, hogy nagyon sok dolgozójuk munkája szűnik meg az automatizálás miatt. Ezeken a helyeken olyan tevékenységeket végeznek, amelyek nem igényelnek emberi intelligenciát, hanem jórészt egyszerű szabályok követését – így valóban nincs szükség az emberre. Egy darabig még kell ember a szokatlan helyzetek és a kivételek kezelésére, de várhatóan azokat is meg lehet tanítani a gépnek. Ez a további fázis már kezdi elérni a mesterséges intelligencia határát, és ezért IPA (intelligent process automation, intelligens folyamatautomatizálás, vagy csak intelligent automation) a neve. Az RPA és az IPA egyik legfontosabb jellemzője, hogy nem igényel változtatást a cég folyamataiban. Egyszerűen csak „beültetik” a gépet az ember helyére. Ez, persze, azt is jelenti, hogy korántsem aknázzák ki technológia összes lehetőségét. Miért csinálják mégis így? Nem kell hozzányúlni a folyamatokhoz, minden mehet a régi, jól bevált módon. Csak annyi a változás, hogy a gép gyorsabban és pontosabban végzi a rutin munkát. Ha egy speciális helyzetben emberi beavatkozás kell, az ember a megszokott programokat és képernyőket használja. A robot tanítása is egyszerű: csak másolnia kell az emberi kolléga tevékenységét.

Ugyan sokat írnak erről az RPA-ról, de talán nem mindenki tudja, miről van szó. Aki szokott internetes üzletben vásárolni, nyilván észrevette, hogy bármely nap, bármely napszakban is adja fel a rendelését, azonnal megkapja a visszaigazoló levelet. A kártyás fizetés után szintén azonnal jön arról is a levél. Ezeket nem ember küldi, mint ahogy a csomag feladásáról szólót sem. Egyszerű, automatizált folyamatok vannak a háttérben. Nos, ez nem RPA. Másrészt, olyan üzlettel is lehet találkozni, amelyik csak munkaidőben, és jókora késéssel küldi a leveleket. Ezek elsősorban a boltban árusítanak, és az internetes (és telefonos vagy papíron történő) rendelés csak kiegészítő lehetőség, és a boltban (vagy a raktárban) dolgozzák fel a megrendelést. Ha átutalással fizetünk, akkor a beérkezett összeg és a megrendelés párosítása egy külön folyamat, ez sem automatikus.

Miért így csinálják, miért nem alakították ki az internetes rendelés sajátos és gyorsabb folyamatát? Egy új folyamat kialakítása pénzbe kerül, be kell tanítani a dolgozókat, két párhuzamos folyamat ugyanarra a tevékenységre nem gazdaságos, és kockázatos is. Na, itt léphet be a robot, az RPA! Nem kell hozzányúlni egyik folyamathoz sem, csak be kell ültetni egy „robotot”. Nem kell különösen okosnak lennie, hiszen az internetes rendelés és fizetés számítógépes folyamatokon keresztül történik, nem lehet félreértés, nem kell intelligencia a megértéséhez.

Miben különbözik ettől az IPA? Képzeljük el, hogy papíron érkezett megrendelést kell bevinni a rendszerbe! Meg kell érteni a levelet, meg kell benne találni a megrendelő nevét, a szállítási és a számlázási címet, a kért határidőt, a fizetési módot, és persze a megrendelt árucikkeket. Észre kell venni azt is, ha valami külön kívánságot is írt a megrendelő. Itt még nincs vége! Az átutalással érkezett pénzt össze kell hozni a megrendeléssel. Azt is kezelni kell, ha több részletben érkezik a pénz. Amikor megvan minden megrendelt áru, össze kell állíttatni a csomagot stb. Ugye el tudjuk képzelni, mennyi kisebb-nagyobb probléma és kérdés merülhet fel ezekben a folyamatokban? Itt már kell intelligencia, kell gondolkozni, nem teljesen automatikus a munka. Ez az IPA (intelligens folyamatautomatizálás) területe. Az ember szerepét részben vagy teljesen átvevő robotot be kell tanítani erre a munkára.

Ha már tanítás: Hogyan is tanul a gép, a mesterséges intelligencia?

Az egyik tanítási módszer a „felügyelt” tanítás (supervised learning): megmutatjuk a gépnek, hogy mit kell tennie, ha egy-egy adott helyzetbe kerül. Például: ha a bejövő átutalásban tudja azonosítani a megrendelőt és stimmel az összeg, akkor fogadja el a fizetést akkor is, ha nem adta meg a vevő a megrendelés számát. A megrendelő azonosítása sem azt jelenti, hogy betűről betűre megegyezik a megrendelésen és az átutalásban a név, lehetnek rövidítések, ismerhetjük már korábbi vásárlásokból a vevő számlaszámát, stb. Ezeket a dolgokat az ügyintézők jól tudják, a munkájuk során kitapasztalják, tapasztalt kollégáiktól megtanulják, és ugyanígy tovább is adhatják a gépnek (ami majd elveszi az ő munkájukat), vagyis az emberek között is szokásos tanulási formáról van szó.

A megszerzett tudás átvitele egy másik területre (transfer learning vagy inductive transfer) se valami új csoda. Itt arról van szó, hogy új helyzetekben alkalmazzuk a már megszerzett ismereteket, például: megtanultuk egy képen felismerni az személyautókat, és ennek alapján a teherautókat is megtanuljuk felismerni. A daganatos betegségek diagnózisában használt okos gépet is szokták egyéb (nem orvosi) képeken tanítani.

Szintén ismerjük a saját emberi világunkból a jutalmazással és büntetéssel való megerősítést a tanulásban (reinforcement learning). Itt nem sokat magyarázunk a gépnek, hanem az elvégzett munka után plusz vagy mínusz pontokat adunk neki – ebből tanul. Erre nagyon jó példa, ahogy az alkudozást tanították meg a gépeknek a Facebook egyik kísérletében. Mesterséges intelligenciával felruházott robotok kapták azt a feladatot, hogy alkudozzanak egymással néhány tárgy elosztása ügyében. Mindenképpen egyezségre kellett jutniuk, a saját maguk számára legjobb eredményt kellett elérniük, és – természetesen – nem ismerték egymás céljait (kinek, melyik tárgy, mennyire értékes). Azt vették észre, hogy előre be nem programozott viselkedési módokra jöttek rá a robotok, pl.: félrevezetés. Az alku elején úgy tettek, mintha valamelyik tárgy megszerzése nagyon fontos lenne, pedig az nem is kellett, csak az értékét akarták felverni. Ez már emberi viselkedés, ugye? Majd, amikor robotokkal kötünk üzletet, nem leszünk könnyű helyzetben, hiszen ők sokkal gyorsabban elemeznek, sokkal több lehetőséget tudnak elemezni, és se fizikailag, se mentálisan nem fáradnak el.

Most már tudjuk, hogy miképpen tanul a mesterségesen intelligens gép vagy robot, és közben arra is láttunk példákat, hogy milyen munkakörökben és milyen tevékenységekben helyettesíthetik az embert. Egyelőre (a technika mai szintje mellett) viszonylag kevés olyan foglalkozás van, amiben teljesen kiváltható az ember robottal, de a munkahelyek többségét érintheti valamilyen mértékben.

Folytatás: Mi a feladat?

(A cikkben jelentősen támaszkodtam a McKinsey Global Institute, A future that works: Automation, employment, and productivity című 2017. januári tanulmányára).

 

by Pal Kerekfy

Harcostársak

“Két pálmaszál, vállvetve az eget hordozni termett” – ezek vagyunk együtt, ember és robot?

Az idézet forrása: Madách Imre Mózes c. tragédiája

A múlt héten a robotika és a mesterséges intelligencia alapelveiről, törvényeiről írtam, Asimov egyszerű (vagy – mint kiderült – talán mégsem olyan egyszerű) három (később négy) törvényétől a mesterséges intelligencia idén megalkotott 23 alapelvéig.

Amikről Asimov írt, azok az események még valahol a távoli jövőben vannak, de a mesterséges intelligencia már itt van, egyre inkább része az életünknek, beleszól, átalakítja, esetleg lerombolja.  Míg Asimov úgy találta ki a robotokat, hogy a pozitron agyukból, annak megsemmisítése nélkül, lehetetlen kivenni a három törvényt, amik megakadályozzák, hogy kárt okozzanak és ellenszegüljenek az embernek, az idei 23 alapelvet nem lenne nehéz kivenni a mesterséges „agyakból”, ha egyáltalán bennük lennének.

Mennyire aggódjunk? Kiknek van ma hozzáférésük azokhoz a technológiákhoz és ahhoz a rengeteg pénzhez, ami a mesterséges intelligencia megalkotásához és használatához kellenek? Azt gondolhatnánk, hogy keveseknek, szinte senkinek. Ez pillanatnyilag valóban így látszik, de már ma sem egészen igaz. A Watson lényegében mindenki számára hozzáférhető, a tudása és az elemzési képessége felhasználható távolról is (a felhőn keresztül). Hamarosan más gyártók is megjelennek, talán még erősebb és gyorsabb megoldásokkal. Amit ember megalkot, azt másik ember meg fogja szerezni, élni fog vele, vissza fog vele élni. Ne számítsunk biztonságra, mert az nem létezik. Elég csak arra gondolni, hogy az amerikai titkosszolgálatok internetes támadó eszközeit is széles körben használják a terroristák.

Evezzünk békésebb vizekre! Hosszú ideje és sok helyen lehet arról olvasni, hogy milyen fajta munkákat vesz el az embertől a gépesítés, az automatizálás, a robotok és a mesterséges intelligencia. Az előbbiek tulajdonképpen azt a sort folytatják, amit az ipari forradalom gépei kezdtek el – a fizikai munkából végeznek el egyre többet a gépek, és egyre kevesebb marad az embernek. Hadd korrigáljak! A gépek semmit se vesznek el – a gépeket üzembe állító cégek döntenek úgy, hogy ezentúl nem ember végzi azt a munkát. Miért? Ez a kapitalizmus törvénye. Ha valamit meg lehet csinálni gyorsabban, olcsóbban, pontosabban, akkor használni kell az új technikát. Nincs ebben semmi meglepő!

Milyen munkák kerülnek robotok kezébe, amikor ellátjuk őket mesterséges intelligenciával? Nemrég olvastam ezt a listát egy oxfordi kutató tollából, ami elsőre meglepő lehet:

  • Középvezető
  • Eladó, kereskedő (commodity)
  • Jelentésíró, sportriporter, pénzügyi újságíró
  • Könyvelő
  • Orvos

Szerinte ez az első 5 munkakör, amit átvesznek a robotok. Meglepetés? A harmadik és főleg a negyedik nem igazi meglepetés, a többin lehet csodálkozni (a cikkben vannak részletek és magyarázatok). Nem tudom, hogy igaza van-e, majd meglátjuk. Azt is mondja, hogy két évtizeden belül a mai munkahelyek 47%-a tűnik el ennek a folyamatnak a következtében az USA-ban.

Több példa és mélyebb elemzés található az NJSZT novemberi konferenciájáról írt egyik cikkemben. Gondolkodom, tehát…?

Fontos, hogy a mai munkahelyekről van szó, hiszen újfajta munkák jönnek közben létre. Itt egy lista arról, hogy a Gartner szerint az olajiparban milyen új tevékenységeket végeznek majd az emberek a digitális világban:

  • Digitális technológia és megoldások feltalálása, fejlesztése
  • A robotok és az automatizálás kockázatainak csökkentése
  • Online támadások elleni védelem
  • Az új szellemi termékek menedzselése
  • Az üzlet átszervezése

Ha összevetjük a két listát, mit látunk? Vajon az oxfordi kutató szerint munka nélkül maradó emberek mind el tudnak helyezkedni ezekben az új munkakörökben? Talán… Annak van esélye, aki képzett és alkalmazkodóképes is egyszerre.

Egy ígéretes (vagy aggasztó, attól függően, hogy honnan nézzük) fejlemény az RPA (robotic process automation), vagyis az a megoldás, amikor a robot (egy kis mesterséges intelligenciával megspékelve) átveszi az emberek helyét, de úgy hogy közben nem kell megváltoztatni a vállalati folyamatokat. Ebben az a nagyszerű, hogy a bevezetése egyszerű, akár részlegesen is be lehet vezetni, vagyis ember és robot végezheti egymás mellett ugyanazt a tevékenységet. További részletek: Felhő, kütyük, okosság.

Eszébe jutott erről valakinek az a csodálatos lehetőség, hogy objektíven lehet majd összehasonlítani az ember és a robot teljesítményét és a munkájuk minőségét? Ki győz majd? Ki marad?

Nos, itt még nincs vége! Az RPA után a következő lépés az IPA (intelligent process automation). Olyan szépet ír róla a McKinsey, hogy nem tudom nem ide másolni:

In essence, IPA “takes the robot out of the human.” At its core, IPA is an emerging set of new technologies that combines fundamental process redesign with robotic process automation and machine learning. It is a suite of business-process improvements and next-generation tools that assists the knowledge worker by removing repetitive, replicable, and routine tasks. And it can radically improve customer journeys by simplifying interactions and speeding up processes.

Segít az embernek, megszabadítja a robottól, az ismétlődő, egyforma tevékenységektől. Itt van még a következő mondat, ami a fejlődést vetíti előre:

IPA mimics activities carried out by humans and, over time, learns to do them even better.

Magyarra fordítva: megtanulja az embertől az általa végzett tevékenységet, majd megtanulja jobban (és gyorsabban) elvégezni. Nem állom meg, leírom, ami erről eszembe jutott. Volt kollégáim azt kapták utolsó feladatuknak, hogy néhány hónap alatt tanítsák be az utódaikat, akik olcsóbban végzik el a munkájukat. Sokan tényleg hősiesen, sok extra erőfeszítéssel és rengeteg többletmunkával meg is tették ezt. Ezek az utódaik már az IPA robotokat fogják betanítani a munkaviszonyuk megszűnése előtt?

Mik a kilátások? Az előbb említett cikk egyik példája szerint az RPA bevezetésével (ami egy kis szelete az IPA-nak) egy nagy biztosító az egyik területen 81%-kal tudta csökkenteni a munkaerő-szükségletet. Persze, ez nem azt jelenti, hogy elküldtek ennyi embert, csak más munkakörbe kerültek.

Legközelebb azzal folytatom, hogy mit tud még ez az IPA, mit ad nekünk (dolgozóknak, munkáltatóknak, és a vevőknek, ügyfeleknek). Már amennyi eddig látszik belőle…

Folytatás: Kell a gép?