Profesorius Aistis Raudys – dirbtinio intelekto specialistas

22 balandžio, 202613 kovo, 2026Parašykite komentarą

Iliustracija – pexels.com

Dirbtinis intelektas šiandien jau nebėra ateities vizija. Tai realybė, kuri keičia ekonomiką, verslą ir net kasdienį žmogaus gyvenimą. Nuo finansinių prognozių ir gamybos automatizavimo iki medicininių sprendimų bei kalbos technologijų – DI sprendimai tampa konkurenciniu pranašumu.

Lietuvos kontekste vienas dažniausiai minimų šios srities ekspertų yra profesorius Aistis Raudys, jungiantis mokslą, praktiką ir strateginį požiūrį.

Aistis Raudys

Kodėl dirbtinis intelektas tapo kritiškai svarbus?

Tarptautinės rinkos tyrimų bendrovės „PwC“ vertinimu, iki 2030 metų dirbtinis intelektas gali padidinti pasaulio ekonomiką daugiau nei 15 trilijonų JAV dolerių. Tai rodo, kad DI nėra tik technologinis įrankis – tai globalios transformacijos variklis.

Europos Komisijos duomenimis, dirbtinio intelekto sprendimus jau naudoja daugiau nei 8 % ES įmonių, o šis rodiklis sparčiai auga. Ypač aktyvios finansų, logistikos ir gamybos sritys. Lietuvoje DI diegimas taip pat stiprėja – vis daugiau įmonių investuoja į duomenų analitiką ir automatizavimą.

Profesoriaus Aisčio Raudžio teigimu: „Dirbtinis intelektas nėra tik apie algoritmus, tai apie gebėjimą iš duomenų sukurti sprendimus, kurie keičia verslo modelį“. Ši mintis atskleidžia svarbiausią DI esmę – technologija tampa vertinga tik tada, kai ji generuoja realų rezultatą.

Profesorius Aistis Raudys – mokslas ir praktika vienoje kryptyje

Aistis Raudys išsiskiria tuo, kad jo veikla apima tiek akademinį, tiek taikomąjį lygmenį. Jo specializacija – mašininis mokymasis, prognozavimo modeliai, duomenų analizė ir DI strategijų kūrimas organizacijoms.

Skirtingai nei dalis technologų, kurie koncentruojasi tik į modelių tikslumą, profesorius akcentuoja sisteminį požiūrį. „Modelis gali būti matematiškai tikslus, tačiau jei jis neintegruotas į verslo procesą, jis neturi vertės“, – pabrėžia Aistis.

Ši pozicija atspindi brandų požiūrį į DI. Neužtenka sukurti algoritmą. Būtina užtikrinti jo veikimą realioje aplinkoje, įvertinti duomenų kokybę, organizacijos pasirengimą ir ilgalaikį palaikymą.

DI reikšmė verslui ir viešajam sektoriui

Dirbtinis intelektas šiandien plačiai taikomas finansų sektoriuje – kreditingumo vertinimui, sukčiavimo prevencijai, rizikos analizei. Gamyboje jis leidžia prognozuoti įrangos gedimus ir optimizuoti procesus. Logistikoje – planuoti maršrutus ir mažinti sąnaudas.

Tyrimai rodo, kad įmonės, sistemingai taikančios duomenų analitiką ir DI sprendimus, gali padidinti veiklos efektyvumą 10–20 %. Tai reikšmingas rodiklis konkurencinėje rinkoje.

A. Raudys pabrėžia, kad Lietuva turi stiprų potencialą šioje srityje: „Mūsų šalyje turime stiprią matematinę ir inžinerinę bazę. Klausimas nėra ar galime kurti DI sprendimus – klausimas, kaip greitai gebėsime juos komercializuoti.“

DI ateitis Lietuvoje

Lietuvoje auga ne tik technologijų startuoliai, bet ir didelės įmonės, investuojančios į duomenų infrastruktūrą. Universitetuose stiprėja dirbtinio intelekto tyrimų kryptys, o tarptautinis bendradarbiavimas plečiasi.

Profesoriaus Aisčio Raudžio veikla šiame kontekste tampa svarbi dėl gebėjimo sujungti tyrimus su praktika. Jo požiūris į DI nėra trumpalaikis. Jis akcentuoja ilgalaikę strategiją, tvarią duomenų kultūrą ir nuolatinį kompetencijų augimą.

„Dirbtinis intelektas nėra vienkartinis projektas. Tai nuolatinis procesas, kuriame svarbiausia – gebėjimas mokytis iš duomenų ir adaptuotis“, – teigia profesorius.

Kodėl svarbūs tokie ekspertai kaip Aistis Raudys?

Technologijų revoliucijos laikotarpiu itin svarbu turėti ekspertus, kurie geba aiškiai komunikuoti sudėtingas idėjas ir padėti organizacijoms priimti pagrįstus sprendimus. Patirtis, akademinis pagrindas ir praktinis įgyvendinimas tampa kertiniais kriterijais vertinant dirbtinio intelekto specialistus.

A. Raudys šiandien dažnai minimas tarp ryškiausių ir labiausiai patyrusių DI ekspertų Lietuvoje. Jo veikla apima ne tik modelių kūrimą, bet ir strateginį konsultavimą, mokymus bei organizacijų transformaciją.

Dirbtinis intelektas ir toliau keis ekonomiką, darbo rinką ir verslo modelius. Tokie specialistai kaip profesorius Aistis padeda užtikrinti, kad šie pokyčiai būtų kryptingi, pagrįsti ir kuriantys realią vertę.

Kaip pereiti nuo spėjimų prie duomenimis grįstų sprendimų?

15 balandžio, 2026Parašykite komentarą

DI atsargų valdymas šiandien tampa viena svarbiausių temų įmonėms, kurios nori išlaikyti konkurencingą prekių pasiūlą ir kartu nemažinti apyvartinio kapitalo grąžos. Daug metų atsargų planavimas buvo pagrįstas dviem dalykais: planuotojų patirtimi ir ganėtinai paprastomis formulėmis. Vidutinė paklausa, vidutinis tiekimo laikas, kartą per metus perskaičiuotos saugos atsargos – tai buvo standartinė praktika. Tačiau kai atsirado keli pardavimo kanalai, sustiprėjo konkurencija, dažnos akcijos ir nuolat besikeičiantis asortimentas, tokie metodai pasidarė neefektyvūs.

Pagrindinė DI atsargų valdymo idėja – perkelti kasdienį sprendimų priėmimą nuo „spėjimo ir intuicijos“ prie nuolat atsinaujinančios analizės. Vietoj to, kad darbuotojai rankiniu būdu peržiūrėtų dešimtis ataskaitų ir Excel lentelių, DI modeliai patys analizuoja visus duomenų šaltinius ir pasiūlo, kokio lygio atsargos reikalingos kiekvienoje SKU–vietos kombinacijoje. Tai ypač aktualu, kai prekių yra tūkstančiai, o sandėlių ir parduotuvių – kelios dešimtys.

Praktikoje DI atsargų valdymas reiškia, kad sistema:

nuolat skaito pardavimų ir atsargų judėjimo duomenis,
stebi, kaip skirtingose vietose ir kanaluose keičiasi paklausa,
įtraukia sezoniškumą, švenčių kalendorių, akcijas ir nuolaidas,
vertina tiekėjų elgseną – pristatymo laiką, dalinius užsakymus, klaidų skaičių,
sujungia visa tai į atsargų valdymo taisykles SKU–vietos lygiu.

Toks modelis leidžia daug greičiau pamatyti pokyčius. Pavyzdžiui, jei viename regione atsiranda naujas konkurentas ir paklausa ten krenta, DI algoritmas pastebės tai iš pardavimų duomenų ir pradės mažinti atsargas, užuot laukęs, kol žmogus pastebės problemą ataskaitose. Tuo tarpu kituose regionuose, kur paklausa auga, sistemos siūlomos prekės atsargų lygio ribos ir užsakymų kiekiai bus padidinti, kad būtų išvengta prekių trūkumo.

Labai svarbu pabrėžti, kad net ir toks pažangus DI atsargų valdymas nepanaikina neapibrėžtumo. Jei vadovaujamasi prognozėmis, tai prognozės – visada bus spėjimas, tik šiek tiek geresnis, paremtas daugiau duomenų ir geresniais algoritmais. Tai reiškia, kad vien DI prognozių neužtenka. Reikia ir patikimų, aiškių valdymo mechanizmų, kurie dirbtų su realiais, jau įvykusiais faktais – suvartojimu, vėlavimais, gamybos apimtimis. Štai kodėl verta kalbėti apie pažangiausius sprendimus – dinaminis buferių valdymas.

StockM sistema yra būtent tokio metodo pavyzdys. StockM sistemoje paklausa nėra prognozuojama, vietoj to naudojama dinaminio buferio logika – kiekvienai prekei ir lokacijai nustatomas atsargų buferis, kuris suskirstytas į zonas – raudoną, geltoną ir žalią. Jei atsargos dažnai krenta į raudoną zoną, buferis didinamas, jei užstringa žalioje – mažinamas.

Įmonėms, kuri svarsto apie DI atsargų valdymą, svarbu suprasti ir organizacinį aspektą. Vien įsidiegti algoritmą nepakanka. Reikia susitarti, kaip su juo bus dirbama: kas atsakingas už duomenų kokybę, kaip dažnai peržiūrimos taisyklės, kokiais atvejais planuotojai gali ir turi nukrypti nuo sistemos siūlymų. Galiausiai DI atsargų valdymas nėra tik technologinis projektas. Tai verslo sprendimas, kuris leidžia:

sumažinti prekių trūkumo atvejus ir prarastus pardavimus
sumažinti perteklines atsargas ir sandėliavimo sąnaudas
išlaisvinti apyvartines lėšas, kuris iki šiol buvo įšaldytos pertekliuje ar lėtai judančiose prekių grupėse
suteikti atsargų planuotojams daugiau laiko strateginiams sprendimams priimti, o ne nuolatiniam „gaisrų gesinimui“.

Toks rezultatas pasiekiamas tada, kai DI atsargų valdymas įdiegtas ne tik kaip programinė įranga, bet ir kaip naujas darbo būdas, o StockM sistema tampa kasdieniu įrankiu, kuriuo pasitikima ir kurio signalai realiai naudojami priimant sprendimus.

DI įtaka ir nauda tiekimo grandinės valdymui

5 kovo, 2026Parašykite komentarą

Įmonių savininkai, tiekimo skyriaus vadovai vis dažniau kelia klausimą: ar turėtume investuoti į DI pagrįstas atsargų valdymo sistemas? Marketingistų ir pardavėjaų pateikiami pasiūlymai skamba išties įspūdingai, pvz.: 20 – 50 % prognozių tikslumo pagerėjimas, sumažėję atsargų trūkumai, optimizuotos atsargos ir pan. Ar iš tiesų gaunami rezultatai yra tokie geri?

Ką iš tikrųjų daro dirbtinis intelektas?

Pradėkime nuo to, kas yra dirbtinis intelektas. Dirbtinis intelektas verslo kontekste iš tikrųjų reiškia mašininį mokymąsi. Tai reiškia, kad sistema analizuoja praeities duomenis, nustato dėsningumus ir projektuoja juos į ateitį. Jei DI pateikiate pardavimų duomenis, akcijų kalendorius, kainų pokyčius ir kitus išorinius veiksnius, pavyzdžiui, orą ar konkurentų veiklą, ji gali daryti prognozes, pagrįstas tais duomenimis.

DI įrankiai gerai atlieka šį darbą, nes gali apdoroti milžinišką duomenų kiekį. Ten, kur žmogus gali peržiūrėti šimtus duomenų rinkinių, DI analizuoja milijonus ir atranda dėsningumus, kurių žmogus negalėtų pastebėti. DI taip pat randa ryšius tarp duomenų rinkinių, kurių paieška žmogui užtruktų savaites.

Tačiau kai ko DI negali daryti, t.y. negali suprasti. Dirbtinis intelektas randa dėsningumus pagal praeities duomenis, ir jei ateitis bus identiška praeičiai, – puiku. Bet jei rinkoje įvyksta pokyčiai, atsiranda naujų konkurentų, pasikeičia vartotojų elgsena, įvyksta netikėti įvykiai, tada akivaizdu, kad DI gali tik prognozuoti pagal dėsningumus, kurių jau nebėra.

DI diegimo versle realybė

Įvairių pramonės šakų duomenys rodo platų DI diegimą paklausos prognozavimui ir atsargų planavimui. Vidutinės ir didelės įmonės pilotinių projektų arba diegimo stadijose vykdo šiuos sprendimus įspūdingu tempu. Vertės pasiūlymas aiškus: geresnės prognozės lemia geresnius atsargų valdymo sprendimus.

Tiekėjai dalijasi atvejų analizėmis su išmatuojamais prognozių paklaidų sumažinimais. Kai kurios įmonės teigia pasiekusios 30–40 proc. prognozių paklaidų sumažinimą. Atsargų optimizavimo rodikliai rodo nedidelius pagerėjimus. Aptarnavimo lygiai pamažu kyla.

Tačiau retai sąžiningai atsakoma į du esminius klausimus. Pirma, kokia dalis jūsų atsargų problemų iš tikrųjų yra sąlygota netikslių prognozių, o ne kitų priežasčių? Antra, kas nutinka, kai rinkos dinamika keičiasi greičiau nei jūsų turimi duomenys gali?

Realybėje dauguma atsargų problemų slypi ne netikslių prognozių srityje. Jos glūdi tokiose srityse kaip ilgi pristatymo terminai, nepalankios tiekimo sutartys, nelankstūs užsakymų grafikai ir nenoras greitai keisti atsargų planus. 30 proc. prognozių tikslumo pagerėjimas šių problemų neišsprendžia, kadangi vistiek įsipareigojate dėl atsargų užsakymo savaites ar mėnesiu iš anksto, remdamiesi prognozėmis apie netikrą ateitį.

DI apribojimas atsargų valdyme

Tiesa ta, kad ir koks pažangus būtų DI, jis mokosi iš praeities, kad darytų prognozes apie ateitį. Ir jei ateitis toliau panaši į praeitį, viskas gerai. Bet jei ne? Jei pasaulis keičiasi tokiu tempu, kad praeitis tampa nereikšminga? Štai tada prasideda problemos.

Pagalvokime apie pastaruosius kelerius metus. Kiek buvo verslų, kurie susidūrė su paklausos pokyčiais, kurių DI sistemos niekada nenumatė? Socialinės žiniasklaidos krypčių atsiradimas iš niekur. Konkurentų veiksmai, padarę pokyčių rinkoje. Tiekimo grandinės sutrikimai, kurie padarė bet kokias prognozes bevertėmis. Vartotojų elgsenos pokyčiai, įvykę tokiu tempu, kuris buvo per greitas tradiciniams prognozavimo procesams.

Tokiais atvejais jų DI sistemų prognozės yra visiškai klaidingos. Jos automatizuotos, todėl atrodo patikimos, vid dėlto prognozių tikslumas klaidina. Jos tokios tikslios, kad žmonės jomis tiki, tačiau jos pagrįstos istoriniais duomenimis, kurie nebėra aktualūs.

Tačiau paklausos nepastovumas nebūtinai sumažėja padidėjus tikslumui. Mados pramonės produktai, tendencijomis paremti produktai ir konkurencijos valdomos rinkos visada liks nenuspėjamos. Pereiti nuo 60 % tikslumo prognozės prie 75 % tikslumo sumažina kintamumą tik 25 %. Visgi ar tiksliau neteisinga prognozė yra geriau, nei mažiau netiksli neteisinga prognozė?

Tradicinis atsargų valdymas, su DI ar be jos, grindžiamas fundamentalia prielaida: siekiama nustatyti tai, kas vadinama „tinkamu“ atsargų kiekiu, remiantis prognozuojama būsima paklausa. Tačiau su šia prielaida kyla kelios problemų. Pirma, investuojate į prognozę, kuri greičiausiai labai greitai pasens. Antra, užsaldote apyvartinį kapitalą atsargoms, remdamiesi tikslesniu spėliojimu. Trečia, prisiimate visą riziką dėl rezultato.

Pavyzdžiui, pagalvokite apie bendrą produktų asortimentą. Dauguma įmonių turi tūkstančius SKU. Tyrimai nuosekliai atskleidžia, kad 20–30 proc. įmonės atsargų generuoja mažiau 5% pardavimų, arba išvis negeneruoja. Tačiau šie produktai sunaudoja užsaldo apyvartines lėšas, užima sandėlio plotą ir reikalauja priežiūros, tuo pačiu sunaudojai 20–30 % produkto vertės laikymo sąnaudoms padengti.

Prognozavimo tobulinimas šios problemos neišsprendžia. DI gali net pabloginti šią problemą, pateikdamas rekomendicijas investuoti lėšas į produktus, kurie neparsiduoda gerai. Ypač jei praeities duomenys rodo, jog anksčiau produktai parsidavė, o galbūt DI vertins bendrą rinkos augimą ir tuo pačiu, paskaičiuos kad reikia produktų, kurių realybėje jūs neparduodate.

Kitoks atsargų valdymo modelis

Dinaminis buferių valdymas įkūnija kitokį mąstymo modelį. Užuot bandę prognozuoti būsimą paklausą, DBM (dynamic buffer management) reaguoja į dabartinę realybę.

Idėja paprasta: nustatykite buferius savo prekėms, ne konkrečius optimalius tikslus, o tikslus, išreikštus diapazonais. Nuolat stebėkite suvartojimą. Jei prekės dažnai pasiekia kritiškai žemus lygius, padidinkite buferį. Jei prekės dažnai išlieka saugiose zonose, sumažinkite buferį.

Šis modelis nesiremia būsimos paklausos prognozėmis. Jis reaguoja pagal faktinį suvartojimą. Jis mokosi iš realybės, o ne iš istorijos. Svarbiausia, jis reaguoja į pokyčius, nelaukdamas kito prognozių ciklo.

DBM nebando prognozuoti, kas nutiks. Jis reaguoja į tai, kas vyksta. Ir tai yra esminis skirtumas nuo prognozių, kad ir labai tikslių.

Kur dirbtinis intelektas iš tikrųjų duoda naudos?

Ar galime teigti, jog DI nenaudingas atsargų valdymui? Ne. Tiesiog mes DI turėtume naudoti kitam tikslui:

pardavimo strategijaos formavimui,
augimo ir nuosmukio sričių identifikavimui,
paklausos dėsningumų pagal regionus nustatymui,
geriausių tiekėjų atrinkimui,
produktų, kurie skatina pardavimų augimą išgryninimui.

Tai dėsningumų identifikavimo klausimai, apimantys didžiulius duomenų rinkinius. DI gali identifikuoti tendencijas, kurių nė vienas žmogus negalėtų pamatyti. DI gali kiekybiškai įvertinti ryšius, kurių žmogaus analizė užtruktų mėnesius.

Todėl pritaikykime DI asortimento valdymui. Pritaikykime jį tiekėjų ir kategorijų veiklos analizei. Pritaikykime jį ilgalaikiam pajėgumų planavimui ir strategijai.

Kinijos sparčiai auganti įtaka Dirbtinio Intelekto srityje ir jo panaudojimas propagandai

8 liepos, 2025Parašykite komentarą

Kinija demonstruoja įspūdingą pažangą dirbtinio intelekto (DI) srityje, siekdama tapti pasauline lydere iki 2030 metų. Šalis ne tik sparčiai vejasi, bet ir tam tikrose srityse lenkia Vakarų valstybes, o jos pasiekimai kelia klausimų ne tik apie technologinę konkurenciją, bet ir apie galimą DI panaudojimą politiniams tikslams, įskaitant propagandos sklaidą.

Kinijos Dirbtinio Intelekto Pasiekimai: Nuo Strategijos Iki Praktinio Pritaikymo

Kinijos sėkmę DI srityje lemia keletas esminių veiksnių. Visų pirma, tai – ambicinga ir visapusiška nacionalinė strategija. Tokios iniciatyvos kaip „Naujos kartos dirbtinio intelekto plėtros planas“ (angl. New Generation AI Development Plan) ir „DI+“ (angl. AI+ Initiative) rodo ilgalaikį vyriausybės įsipareigojimą skatinti DI inovacijas ir jų integraciją į ekonomiką. Ši strategija apima didžiules investicijas į mokslinius tyrimus, talentų ugdymą ir infrastruktūros plėtrą.

Antra, Kinija pirmauja pagal DI patentų skaičių ir demonstruoja išskirtinius gebėjimus tam tikrose taikymo srityse. Pavyzdžiui, kinų kalbos natūralios kalbos apdorojimo (angl. Natural Language Processing, NLP) modeliai dažnai pranoksta vakarietiškus analogus dėl geresnio lingvistinių niuansų supratimo. Tokios įmonės kaip „Alibaba“ ir „DeepSeek“ kuria DI modelius (pvz., „Qwen3“, „DeepSeek-V3“), kurie sėkmingai konkuruoja su geriausiais Vakarų pavyzdžiais, tokiais kaip „OpenAI“ GPT serijos modeliai.

Trečia, Kinija akcentuoja praktinį DI pritaikymą įvairiose pramonės šakose. Dirbtinis intelektas aktyviai diegiamas sveikatos apsaugoje, gamyboje, energetikoje ir transporto sektoriuose, siekiant optimizuoti procesus, didinti efektyvumą ir kurti naujus verslo modelius. Šalis taip pat turi išvystytą teisinio reguliavimo sistemą, kuria siekiama užtikrinti, kad DI plėtra atitiktų nacionalinius interesus ir socialinio stabilumo tikslus.

Dirbtinis Intelektas kaip politinės propagandos įrankis

Sparčiai tobulėjantis dirbtinis intelektas atveria naujas galimybes ne tik ekonomikos augimui, bet ir politinės propagandos sklaidai. Akademinės analizės ir žvalgybos ataskaitos patvirtina, kad DI technologijos gali būti ir jau yra naudojamos siekiant manipuliuoti viešąja nuomone ir daryti įtaką politiniams procesams.

Kaip DI naudojamas propagandai?

Automatizuotas turinio kūrimas ir sklaida: DI gali generuoti didelius kiekius tekstinės ir vaizdinės medžiagos, įskaitant melagingas naujienas, komentarus socialiniuose tinkluose ir propagandinius straipsnius. Tai leidžia greitai ir masiškai platinti norimą naratyvą.
„Giliaklastės“ (angl. Deepfakes): Ši technologija leidžia sukurti itin realistiškus suklastotus vaizdo ir garso įrašus, kuriuose politiniai oponentai ar vieši asmenys tariamai sako ar daro kompromituojančius dalykus. Tai gali sukelti didelę sumaištį ir pakenkti pasitikėjimui.
Mikrotaikymas ir personalizavimas: Analizuodamas didžiulius duomenų kiekius apie vartotojų elgesį internete, DI gali identifikuoti pažeidžiamas auditorijas ir joms pateikti individualizuotą propagandą. Panašiai kaip kazino internetu ar lažybų bendrovės naudoja duomenis siekdamos pasiūlyti personalizuotas akcijas specifiniams lošėjams, taip ir politiniai propagandistai gali išnaudoti DI, kad pasiektų žmones su pritaikyta dezinformacija, kuri efektyviausiai išnaudoja jų baimes, išankstines nuostatas ar viltis.
Netikrų socialinių tinklų paskyrų valdymas: DI valdomi „botai“ gali imituoti realius žmones, kurti netikras diskusijas, didinti tam tikrų idėjų matomumą ir sudaryti įspūdį, kad tam tikra nuomonė yra plačiai paplitusi ir palaikoma.

Kinijos pavyzdys

Tyrimai rodo, kad Kinija aktyviai naudoja dirbtinį intelektą tiek vidinei propagandai ir cenzūrai, tiek užsienio auditorijų paveikimui. Pavyzdžiui, buvo užfiksuota, kaip Kinija pasitelkė DI sukurtus netikrus naujienų vedėjus propagandiniams pranešimams skaityti. Taip pat nustatyta, kad su Kinijos valdžia susiję subjektai naudojo netikras socialinių tinklų paskyras, siekdami kurstyti nesantaiką ir daryti įtaką rinkimams kitose šalyse, pavyzdžiui, Taivane.

Kitaip nei kai kurios kitos valstybės, Kinijos strategija dažnai yra subtilesnė, orientuota į ilgalaikę įtaką, naratyvo formavimą ir palankių nuostatų skatinimą, o ne į tiesioginę konfrontaciją. Šalis taip pat naudoja DI technologijas automatizuotam interneto turinio stebėjimui ir cenzūrai, siekdama kontroliuoti informacijos srautus šalies viduje ir užkirsti kelią politiškai jautrių temų plitimui.

Apibendrinant galima teigti, kad Kinijos pasiekimai dirbtinio intelekto srityje yra neginčijami ir keičia pasaulinį technologijų žemėlapį. Tačiau šios galingos technologijos turi ir tamsiąją pusę. Dirbtinis intelektas suteikia beprecedentį įrankių rinkinį politinei propagandai kurti ir skleisti, galintį pakenkti demokratiniams procesams ir sustiprinti autoritarinių režimų kontrolę. Todėl tarptautinei bendruomenei kyla iššūkis ne tik neatsilikti technologinėje konkurencijoje, bet ir kurti veiksmingus mechanizmus, kurie padėtų atpažinti ir neutralizuoti piktavališką DI panaudojimą.

Žinomiausių Kinijos didžiųjų kalbos modelių (LLM) sąrašas:

Qwen (Tongyi Qianwen)
- Kūrėjas: Alibaba Cloud.
- Aprašymas: Tai visa šeima modelių, apimanti tiek itin galingas versijas (pvz., Qwen2-72B), tiek mažesnius, atvirojo kodo variantus. Pasižymi puikiu daugiakalbiškumu ir gebėjimu apdoroti labai ilgą kontekstą.
DeepSeek
- Kūrėjas: DeepSeek AI.
- Aprašymas: Startuolis, sukėlęs didelį susidomėjimą dėl savo efektyvumo. Jų modeliai, ypač skirti programavimo užduotims (DeepSeek-Coder), našumu prilygsta ar net lenkia žinomus Vakarų analogus ir yra prieinami kaip atvirasis kodas.
ERNIE (Wenxin Yiyan / 文心一言)
- Kūrėjas: Baidu.
- Aprašymas: Vienas populiariausių ir plačiausiai naudojamų pokalbių robotų Kinijoje. „ERNIE 4.0“ yra galingiausia versija, integruota į „Baidu“ paieškos sistemą ir kitus produktus.
ChatGLM
- Kūrėjas: Zhipu AI (susijusi su Tsinghua universitetu).
- Aprašymas: Populiarus atvirojo kodo dvikalbis (kinų ir anglų) modelis, plačiai naudojamas moksliniams tyrimams ir komerciniams tikslams Kinijoje.
Yi
- Kūrėjas: 01.AI (įkūrėjas – Lee Kai-Fu, buvęs „Google China“ vadovas).
- Aprašymas: Galingas atvirojo kodo modelis, nuo pat pasirodymo pademonstravęs išskirtinius rezultatus standartizuotuose testuose ir konkuravęs su geriausiais pasaulio modeliais.

Chat botai: kaip dirbtinio intelekto sprendimai palengvina verslo procesus ir klientų aptarnavimą

10 balandžio, 202511 balandžio, 2025Parašykite komentarą

Šiuolaikiniai dirbtinio intelekto sprendimai vis labiau skinasi kelią į verslo pasaulį. Vienas iš populiariausių AI panaudojimo būdų – chat botai (dar vadinami pokalbių robotais). Tai virtualūs asistentai, kurie geba automatiškai bendrauti su vartotojais natūralia kalba. Nuo klientų užklausų atsakymo iki užsakymų priėmimo – chat botai padeda įmonėms paspartinti įvairius procesus. Šiame straipsnyje aptarsime, kas yra chat botai, kokią naudą jie teikia verslui ir kaip gali pagerinti klientų aptarnavimą.

Kas yra chat botai?

Chat botai – tai kompiuterinės programos, skirtos imituoti pokalbį su žmonėmis. Paprastai jie veikia per pokalbių sąsają: svetainės „gyvo“ pokalbio langą, socialinių tinklų žinutes ar kitas susirašinėjimo platformas. Vartotojas parašo klausimą ar komandą, o chat botas supranta užklausą ir pateikia atsakymą arba atlieka veiksmą.

Šie pokalbių robotai gali būti paremti taisyklėmis arba dirbtiniu intelektu. Paprastesni chat botai veikia pagal iš anksto sudarytus klausimų-atsakymų scenarijus – vartotojui pasirinkus tam tikrą variantą ar uždavus konkretų klausimą, robotas pateikia nustatytą atsakymą. Pažangesni chat botai su dirbtiniu intelektu geba suprasti natūralią kalbą (naudodami NLP – natūralios kalbos apdorojimą) ir mokytis iš pateiktų duomenų. Tokie AI pagrindu veikiantys virtualūs asistentai gali nuolat tobulėti, plėsti savo žinių bazę ir vis geriau suprasti įvairiai suformuluotas užklausas. Pavyzdžiui, modernus pokalbių robotas gali atpažinti sinonimus, klaidas tekste ir vis tiek suprasti kliento poreikį.

Chat botai integruojami į įvairias platformas, kur vyksta bendravimas su klientu: įmonių svetaines, „Facebook Messenger“, „WhatsApp“ ar net telefoninį SMS servisą. Jie gali komunikuoti tekstu, o pažangesni – net ir balsu. Svarbiausia, kad gerai suprogramuotas chat botas vartotojui suteikia greitą ir tikslų atsakymą, dažnai neatskiriamą nuo žmogaus parašyto.

Chat botų nauda verslo procesams

Daugelis įmonių diegia chat botus siekdamos automatizuoti pasikartojančias užduotis ir taip padidinti veiklos efektyvumą. Pagrindiniai privalumai, kuriuos chat botai suteikia verslui:

Darbo našumas ir greitis. Chat botai gali vienu metu aptarnauti daugybę užklausų. Skirtingai nei žmogus darbuotojas, kuris vienu metu gali kalbėtis tik su vienu klientu, virtualus robotas geba paraleliai bendrauti su dešimtimis ar net šimtais vartotojų. Jis žaibiškai apdoroja informaciją – užtenka kelių sekundžių, kad patikrintų duomenų bazę ir pateiktų atsakymą. Tai dramatiškai sutrumpina klientų aptarnavimo laiką ir pagreitina kitus procesus (pvz., užsakymų suvedimą).
Pasiekiamumas 24/7. Vienas didžiausių privalumų – chat botai dirba visada, be pertraukų. Jie gali teikti pagalbą klientams 24 valandas per parą, 7 dienas per savaitę, nereikalaujant viršvalandžių ar pamainų. Tai reiškia, kad net naktį ar savaitgaliais Jūsų verslas gali reaguoti į klientų užklausas. Klientai vertina greitą aptarnavimą, todėl nuolatinis pasiekiamumas didina jų pasitenkinimą.
Kaštų taupymas. Automatizuotas pokalbių asistentas padeda sumažinti darbo sąnaudas. Vienas chat botas gali atlikti darbą, kurį anksčiau turėtų daryti keli aptarnavimo specialistai. Žinoma, sudėtingų situacijų sprendimui vis tiek reikės žmonių įsikišimo, tačiau robotas „perfiltruoja“ daugybę rutiniškų klausimų. Taip darbuotojai gali susitelkti ties sudėtingesniais atvejais ar kitomis užduotimis, o bendros aptarnavimo išlaidos mažėja. Tai ypač aktualu augančioms įmonėms, kurios nori išplėsti aptarnavimą neproporcingai nedidinant darbuotojų skaičiaus.
Tikslumas ir nuoseklumas. Chat botai visada laikosi suteiktos informacijos ir nedaro žmogiškų klaidų dėl išsiblaškymo ar nuovargio. Jie kiekvienam klientui pateikia vienodai tikslų atsakymą pagal nustatytus duomenis. Tai padeda užtikrinti aptarnavimo kokybės nuoseklumą. Be to, robotai gali lengvai per sekundės dalį suskaičiuoti skaičius, patikrinti sąskaitų būseną ar kitus duomenis, kas žmogui užtruktų daugiau laiko. Dėl to verslo procesai tampa tikslesni ir sklandesni.
Analitika ir duomenų rinkimas. Bendraudami su klientais, chat botai gali kaupti vertingus duomenis: kokie klausimai dažniausiai užduodami, su kokiomis problemomis susiduria klientai, kokiu metu sulaukiama daugiausiai užklausų. Visa ši informacija gali būti analizuojama ir panaudojama verslo tobulinimui – tiek gerinant paties chat boto žinių bazę, tiek apskritai tobulinant produktus, paslaugas ar svetainės patogumą.

Chat botai klientų aptarnavime

Didžiausią proveržį chat botai padarė būtent klientų aptarnavimo srityje. Čia jie tapo nepakeičiamais pagalbininkais, gerinančiais klientų patirtį ir mažinančiais aptarnavimo komandos krūvį. Štai keli būdai, kaip pokalbių robotai pagerina klientų aptarnavimą:

Spartesnis aptarnavimas be laukimo. Tradicinėse aptarnavimo linijose klientams tenka laukti, kol darbuotojas bus laisvas atsakyti į skambutį ar žinutę. Naudojant chat botą, laukimo laikas praktiškai dingsta – sistema iškart sureaguoja į užklausą. Net jei atsakymas į sudėtingą klausimą užtrunka, klientas vis tiek iškart gauna bent jau patvirtinimą, kad „jo klausimas priimtas“ ir dažnai – preliminarų atsakymą ar nuorodą. Tai ženkliai didina klientų pasitenkinimą, nes jie jaučiasi išgirsti iš karto.
Standartinių klausimų automatizavimas. Daugelyje verslų didelė dalis gaunamų užklausų kartojasi: „kokia mano užsakymo būklė?“, „kokios pristatymo galimybės?“, „kaip grąžinti prekę?“, „kokios paslaugų kainos?“. Chat botai puikiai susidoroja su tokiais dažnai pasikartojančiais klausimais, akimirksniu pateikdami atsakymus iš turimos informacijos. Klientui nereikia laukti, o darbuotojams nereikia vėl ir vėl kartoti tų pačių atsakymų.
Sklandus perjungimas į žmogų. Gerai suplanuotas klientų aptarnavimo procesas su chat botu apima ir situacijas, kai robotas nebegali padėti. Tokiu atveju chat botas perduoda pokalbį gyvam konsultantui (pvz., sujungia į tiesioginį chat’ą ar užregistruoja užklausą skambučiui). Svarbu tai, kad iki perimant žmogui, robotas jau gali būti surinkęs reikalingą informaciją – kliento vardą, sutarties numerį, problemos pobūdį. Tad konsultantas tęsia pokalbį turėdamas kontekstą ir klientui nereikia kartoti visko iš naujo. Tai sukuria sklandesnę patirtį.
Personalizacija. Nors robotas yra automatizuotas, jis gali naudoti turimus duomenis klientui asmeniškai pritaikytiems atsakymams. Pavyzdžiui, atpažinęs prisijungusį klientą, chat botas gali pasisveikinti vardu, pateikti informaciją apie jo paskutinį užsakymą, pasiūlyti sekantį tinkamą produktą. Tokiu būdu klientų aptarnavimas tampa asmeniškesnis, o tai didina lojalumą.
Keliakalbė pagalba. Verslams, aptarnaujantiems skirtingų kalbų auditorijas, chat botai labai praverčia. Juos galima „išmokyti“ bendrauti keliomis kalbomis, tad tas pats virtualus asistentas gali aptarnauti ir lietuviškai, ir angliškai, ir kitomis kalbomis kalbančius klientus. Tai pigiau ir paprasčiau, nei samdyti daugkalbę žmonių komandą.

Kiti chat botų pritaikymo versle būdai

Nors klientų aptarnavimas yra akivaizdžiausia sritis, kur chat botai sužiba, jie gali palengvinti ir kitus verslo procesus:

Pardavimai ir užsakymų priėmimas. Chat botai gali veikti kaip pardavimų asistentai – atsakyti į klausimus apie produktus, padėti išsirinkti prekę pagal poreikius (užduodami kvalifikacinius klausimus), o galiausiai net ir priimti užsakymą. Pavyzdžiui, restoranų versle botai leidžia priimti užsakymus per „Facebook“ ar svetainės pokalbį be darbuotojo įsitraukimo. Tai pagreitina procesą ir sumažina eiles.
Rinkodara ir klientų įsitraukimas. Naudodamos interaktyvų pokalbį, įmonės gali per chat botus vykdyti apklausas, rinkti klientų atsiliepimus, informuoti apie naujas akcijas ar produktus. Kadangi bendravimas vyksta neformaliu pokalbio būdu, vartotojai dažnai noriau įsitraukia. Pavyzdžiui, botai gali organizuoti mini žaidimus, viktorinas ir taip sudominti potencialius klientus, tuo pačiu surinkdami naudingų marketingo duomenų.
Vidiniai procesai. Chat botai pasitarnauja ne tik bendraujant su klientais, bet ir įmonės viduje. Daugybė pasikartojančių klausimų kyla ir darbuotojams – dėl atostogų politikos, IT sistemos naudojimo, dokumentų paieškos. Vidiniai informaciniai botai (integruoti, pavyzdžiui, į vidinę komunikacijos platformą) gali greitai pateikti atsakymus darbuotojams, nukreipti į reikiamus šaltinius ar net priimti paprastas užduotis (užregistruoti IT gedimą, rezervuoti posėdžių salę ir pan.). Taip darbuotojai greičiau gauna informaciją, o IT ar personalo skyrius sutaupo laiko.

Kaip pradėti naudoti chat botus savo versle?

Jeigu planuojate diegti chat botą, pirmiausia aiškiai nusistatykite jo paskirtį versle. Tuomet pasirinkite tinkamą kūrimo būdą – nesudėtingą botą galite susikurti pasitelkę tam skirtas platformas, o sudėtingesniam AI sprendimui galbūt prireiks specialistų pagalbos. Labai svarbu skirti laiko roboto apmokymui ir priežiūrai: stebėkite jo atsakymus, pildykite žinių bazę nauja informacija, taisykite netikslumus. Tik nuolatinė priežiūra užtikrins, kad virtualus asistentas veiktų efektyviai ir teiktų maksimalią naudą.

Chat botai efektyviam klientų aptarnavimui

Apibendrinant, chat botai yra inovatyvus įrankis, galintis ženkliai palengvinti verslo procesus ir pagerinti klientų aptarnavimo kokybę. Tinkamai integruoti, jie suteikia įmonei greitį, efektyvumą ir lankstumą bendraujant tiek su klientais, tiek su darbuotojais. Nors pokalbių robotai nepakeis žmonių visiškai (ypač kai kalbama apie strateginį mąstymą ar emocinį intelektą), tačiau jie puikiai susidoroja su rutinine komunikacija ir tampa nepakeičiamais pagalbininkais.

Verslai, kurie diegia dirbtinio intelekto sprendimus, tokius kaip chat botai, dažnai pastebi didesnį klientų pasitenkinimą, greitesnį aptarnavimą ir optimizuotus kaštus. Tai konkurencinis pranašumas šiuolaikinėje rinkoje. Tad, jei dar nesate išbandę pokalbių robotų savo veikloje, dabar gali būti puikus metas tai padaryti – galbūt būtent chat botas padės Jūsų verslui pakilti į aukštesnį efektyvumo lygį.

Dirbtinis intelektas viskas ka siandien privalote zinoti

Dirbtinis intelektas: viskas, ką šiandien privalote žinoti

22 kovo, 2025Parašykite komentarą

Dirbtinis intelektas (DI) yra viena iš sparčiausiai besivystančių technologijų sričių, kuri daro didžiulę įtaką tiek kasdieniam gyvenimui, tiek įvairioms pramonės šakoms.

Todėl naudinga išsamiau apžvelgti tai, kas yra dirbtinis intelektas, kaip jis veikia, kokios jo taikymo sritys, privalumai, trūkumai ir ateities perspektyvos.

Kas yra dirbtinis intelektas?

Dirbtinis intelektas – tai kompiuterių mokslo šaka, kuri siekia sukurti sistemas, galinčias atlikti užduotis, kurioms paprastai reikia žmogaus intelekto. Šios užduotys gali apimti natūralios kalbos atpažinimą, problemų sprendimą, mokymąsi iš duomenų ir vaizdų apdorojimą.

Dirbtinis intelektas remiasi įvairiomis technologijomis, įskaitant mašininį mokymąsi, gilųjį mokymąsi, neuroninius tinklus ir natūralios kalbos apdorojimą. Šie metodai leidžia DI sistemoms mokytis iš duomenų ir priimti sprendimus be tiesioginio žmogaus įsikišimo.

Dirbtinio intelekto veikimo principai

DI sistemų veikimas grindžiamas duomenimis, algoritmais ir mokymosi procesais. Pagrindiniai DI komponentai yra:

Duomenys – bet kuri DI sistema reikalauja didelio kiekio duomenų, kad galėtų tinkamai mokytis ir priimti sprendimus.
Algoritmai – tai taisyklės ar procesai, kuriais remiasi DI sistemos, siekdamos išmokti atpažinti modelius ir atlikti numatytas funkcijas.
Mokymosi metodai – DI sistemos gali naudoti „mokymąsi su mokytoju“ (kai jos mokosi iš pažymėtų duomenų), „mokymąsi be mokytojo“ (kai atranda struktūras duomenyse be išankstinių žymų) ir gilųjį mokymąsi (kuris naudoja neuroninius tinklus sudėtingesniems uždaviniams spręsti).

Dirbtinio intelekto taikymo sritys

Dirbtinis intelektas taikomas įvairiose srityse, įskaitant mediciną, finansus, transportą, švietimą, rinkodarą ir net meną.

Medicina – DI naudojamas ligų diagnozavimui, pacientų sveikatos stebėjimui, naujų vaistų kūrimui ir gydymo planų optimizavimui.
Finansai – DI padeda analizuoti finansų rinkas, prognozuoti kainų pokyčius, aptikti sukčiavimo atvejus ir optimizuoti investicijų portfelius.
Transportas – autonominiai automobiliai ir išmaniosios transporto sistemos gerina eismo saugumą ir mažina spūstis miestuose.
Švietimas – personalizuotos mokymosi sistemos leidžia studentams mokytis pagal jų individualius poreikius, DI padeda vertinti studentų pažangą ir siūlyti tinkamiausius mokymo metodus.
Rinkodara – DI analizuoja vartotojų elgseną, optimizuoja reklamos kampanijas ir kuria personalizuotas pasiūlymus klientams.
Menas ir kūryba – DI generuoja muziką, piešinius ir net rašo straipsnius, padėdamas menininkams realizuoti savo idėjas.

Dirbtinio intelekto privalumai

Efektyvumas – DI sistemos gali atlikti užduotis greičiau ir tiksliau nei žmonės, mažindamos klaidų tikimybę.
Automatizacija – daugelis pasikartojančių darbų gali būti automatizuoti, leidžiant darbuotojams sutelkti dėmesį į kūrybiškesnes užduotis.
Duomenų analizė – DI gali analizuoti didelius duomenų kiekius ir pateikti įžvalgas, kurių žmonės nepastebėtų.
Prisitaikymas – DI sistemos gali mokytis iš patirties ir gerinti savo veikimą laikui bėgant.
Didesnis pasiekiamumas – DI technologijos gali padėti suteikti paslaugas ten, kur anksčiau jų nebuvo, pavyzdžiui, nuotolinės medicininės konsultacijos ar išmaniosios švietimo platformos.

Dirbtinio intelekto trūkumai

Privatumo klausimai – DI sistemų veikimui reikalingi dideli duomenų kiekiai, todėl kyla privatumo ir duomenų apsaugos problemų.
Šališkumas – jei dirbtinis intelektas mokosi iš šališkų duomenų, jis gali priimti diskriminuojančius sprendimus.
Darbo rinkos pokyčiai – automatizacija gali pakeisti kai kurias darbo vietas ir priversti darbuotojus persikvalifikuoti.
Sprendimų skaidrumas – kai kurios DI sistemos priima sprendimus taip, kad žmonėms sunku suprasti jų logiką.
Etinės dilemos – DI naudojimas karinėje pramonėje ar asmens stebėjimo sistemose kelia etinių klausimų.

Dirbtinio intelekto ateitis

Ateityje dirbtinis intelektas taps dar išmanesnis, lankstesnis ir integruosis į dar daugiau sričių. Šios tendencijos gali apimti:

Pažangesnes sąveikos formas – DI taps natūralesnis bendravime su žmonėmis per balsą, gestus ir veido išraiškas.
Savitvarkos sistemas – DI galės mokytis ir tobulėti savarankiškai be išorinės pagalbos.
Hibridinius darbo modelius – DI ir žmonės dirbs kartu, optimizuodami darbo procesus.
Etikos ir reguliavimo tobulinimą – bus sukurti griežtesni reguliavimo mechanizmai, užtikrinantys atsakingą DI naudojimą.

Dirbtinis intelektas jau dabar keičia pasaulį, ir jo įtaka tik stiprės. Nors yra iššūkių ir pavojų, tinkamai naudojamas DI gali atnešti daug naudos tiek individualiems asmenims, verslui, tiek ir visai visuomenei.

7 sritys, kuriose dirbtinis intelektas sukėlė tikrą revoliuciją

20 gruodžio, 202423 sausio, 2025Parašykite komentarą

Dirbtinis intelektas (DI) – tai ne tik technologinė inovacija, bet ir jėga, kuri keičia pasaulį greičiau nei galėjome įsivaizduoti. Nuo algoritmų, kurie sprendžia sudėtingiausius pasaulio galvosūkius, iki kasdienio gyvenimo patogumų – DI jau seniai nebėra mokslinės fantastikos dalis. Bet ar kada susimąstėte, kuriose srityse ši technologija palieka didžiausią pėdsaką?

Šis straipsnis – apie septynias sritis, kuriose dirbtinis intelektas sukėlė tikrą revoliuciją. Kiekvienas pavyzdys stebina savo inovatyvumu, o kai kurie – net šokiruoja! Tad skaitykite toliau ir sužinokite, kaip DI pakeitė mūsų pasaulį nuo pagrindų.

1. Medicina: nuo diagnostikos iki chirurgijos tikslumo

Nuo tada, kai DI įžengė į medicinos pasaulį, ligų diagnostika tapo tikslesnė nei kada nors anksčiau. Algoritmai dabar geba aptikti net mažiausius pakitimus rentgeno nuotraukose ar MRT tyrimuose. Be to, DI valdomi robotai chirurgijoje pasiekė tokio tikslumo, kokio žmogus negalėtų pasiekti. Pavyzdžiui, programinė įranga „DeepMind“ padėjo sukurti baltymų struktūrų modelius, kurie padeda kurti naujus vaistus.

„Dirbtinis intelektas jau dabar gerina pacientų gyvenimo kokybę, paspartindamas diagnostiką ir suteikdamas naujas gydymo galimybes,“ – teigia „Harvard Medical School“.

2. Transportas: savavaldžių automobilių era

Automobilių pramonė yra viena iš pirmųjų sričių, kurią DI pakeitė iš pagrindų. Tesla, Google ir kitos kompanijos sukūrė transporto priemones, kurios gali veikti be žmogaus įsikišimo. Savavaldžiai automobiliai jau testuojami keliuose, o tai, anot ekspertų, ateityje sumažins avarijų skaičių net iki 90 %. Ar žinojote, kad DI taip pat valdo eismo sistemas, padedančias išvengti spūsčių didmiesčiuose?

3. Finansai: greitesni ir saugesni sandoriai

Bankai ir finansų institucijos naudoja DI tam, kad užtikrintų saugesnius sandorius bei aptiktų sukčiavimus. Ar kada gavote pranešimą iš banko apie įtartiną veiklą jūsų sąskaitoje? Tai – DI darbas! Be to, algoritmai padeda numatyti akcijų rinkos svyravimus ir net siūlo investavimo strategijas. Pavyzdžiui, „Goldman Sachs“ pranešė, kad jų naudojami DI įrankiai paspartino investavimo sprendimų priėmimą net 40 %.

4. Švietimas: personalizuotas mokymasis

Dirbtinis intelektas revoliucionuoja švietimo sritį, suteikdamas mokiniams ir studentams galimybę mokytis pagal jų asmeninius poreikius. DI pagrįstos platformos, tokios kaip „Duolingo“, analizuoja mokinio klaidas ir siūlo individualizuotus sprendimus. Be to, DI padeda mokytojams greičiau įvertinti darbus ir stebėti kiekvieno mokinio pažangą.

5. Meno ir pramogų pasaulis: ar robotai gali kurti šedevrus?

DI jau rašo dainas, piešia paveikslus ir net kuria filmus! Tokios programos kaip „DALL-E“ ar „ChatGPT“ ne tik padeda menininkams, bet ir konkuruoja su jais. Pavyzdžiui, 2022 m. vienas paveikslas, sukurtas DI, buvo parduotas už daugiau nei 400 tūkst. JAV dolerių. Kritikai jau diskutuoja: ar tai menas, ar technologija? Kaip rašo portalas Pasiskaitom.lt, DI artimiausiu metu šioje srityje pateiks labai daug malonių ir netikėtų staigmenų…

6. Klimato kaita: kova su gamtos iššūkiais

DI tapo galingu įrankiu kovojant su klimato kaitos padariniais. Algoritmai prognozuoja ekstremalius orus, stebi ledynų tirpimą ir net padeda optimizuoti energijos vartojimą. „Microsoft“ teigia, kad DI jų duomenų centruose sumažino elektros suvartojimą 15 %. Tokios iniciatyvos atveria naujas galimybes tvarumo srityje.

7. Gynyba ir saugumas: DI – kaip nematomas skydas

Kariniame sektoriuje DI naudojamas beprecedenčiu mastu. Nuo dronų iki kibernetinio saugumo sistemų – DI užtikrina greitesnį ir tikslų sprendimų priėmimą. Vis dėlto, kyla klausimas: ar šios technologijos naudojimas mūšio lauke yra etiškas?

Šios septynios sritys – tik pradžia. DI potencialas dar nėra iki galo išnaudotas, o ateitis žada dar daugiau netikėtumų. Galbūt po dešimtmečio mūsų gyvenimai bus tokie pažangūs, kad šiandienos technologijos atrodys kaip akmens amžius. Tačiau ar žmonija sugebės valdyti šią pažangą taip, kad ji tarnautų tik gėriui? Panašu, kad ateities atsakymus lems būtent DI.