Bivši direktor u Googleu: 'Tvrtke ulaze u AI na pogrešan način i to ih skupo košta'

Umjetna inteligencija nezaustavljivo ulazi u svaku poru gospodarstva, od bankarstva i zdravstva do energetske tranzicije. S jedne strane, obećava brža rješenja za najveće izazove našeg doba. S druge, troši više energije nego što smo ikad mogli zamisliti.

Brett StClair, stručnjak za AI i digitalnu transformaciju, osnivač Teraflow.ai te bivši direktor u Googleu i Barclaysu, uskoro dolazi u Zagreb kao gost Greencajt festivala. Tim povodom razgovarali smo s njim o tome zašto mnoge tvrtke ulaze u AI na pogrešan način, kako Google već godinama koristi algoritme za smanjenje potrošnje te gdje zapravo leži granica između odgovorne primjene i besmislene rasipnosti.

Za StClaira, umjetna inteligencija može biti moćan alat, ali samo ako je koristimo promišljeno, s jasnim ciljem i razumijevanjem njezinih stvarnih mogućnosti i ograničenja.

Može li umjetna inteligencija doista postati pokretač održivosti ili će njezina nezasitna potreba za energijom od nje napraviti jedan od najvećih izazova digitalnog doba?

Ulazimo u doba u kojem podaci koje generiraju ljudi jednostavno nisu dovoljno točni niti dovoljni za generativnu umjetnu inteligenciju (Gen AI) i velike jezične modele (LLM-ove). U ovom dobu, modeli će učiti iz ljudskog ponašanja i iskustava, odnosno mnogo većeg skupa podataka koji će pomoći LLM-ovima da brže i točnije uče o svijetu oko nas.

To dolazi s dvosjeklim mačem. Na isti način na koji nas je OpenAI upozorio da ih naša pristojnost prema LLM-ovima košta milijune dolara u obradi tokena, vidimo kako ova povećana potreba za podacima i računalnim kapacitetom ozbiljno utječe na održivost, s obzirom na računalne resurse potrebne ne samo za obradu tokena već i „tokena pristojnosti“.
Kao industrija, prihvaćamo AI tvornice; međutim, ta postrojenja sa 70.000 Nvidia Blackwell B200 grafičkih procesora znače ogromnu potrošnju energije. Ovi čipovi postaju sve bolji u upravljanju potrošnjom i mrežnim resursima kako napreduju.

Druga strana tog mača je da, kako modeli postaju snažniji, mogu riješiti neke izazove potrošnje na načine koje trenutno ne možemo ni zamisliti. Sjajan primjer tog poboljšanja u učinkovitosti je model DeepSeek-V1, kod kojeg vidimo smanjenje potrošnje energije do 90 posto i ugljičnog otiska za oko 92 posto u usporedbi sa sličnim infrastrukturama.

Dakle, pitanje i dalje ostaje teško za odgovoriti. Rekao bih da, ako ostanemo odgovorni i usmjereni na klimatski problem, umjetna inteligencija bit će ključ naše budućnosti na ovom planetu.

Na temelju vašeg iskustva u Googleu, vjerujete li da tehnološki divovi zaista pokušavaju riješiti okolišne izazove koje su sami stvorili ili samo kupuju vrijeme?

Mogu iskreno potvrditi da je za kompanije poput Googlea održivost ključna jer je to ujedno i velik poticaj za uštedu troškova. Google koristi umjetnu inteligenciju već više od 15 godina za optimizaciju hlađenja podatkovnih centara, koristi geotermalna rješenja za hlađenje podatkovnih centara i fokusira se na nulti ugljični otisak.

Neki javni primjeri su sljedeći:

AI vođeno hlađenje: Google koristi AI algoritme za optimizaciju sustava hlađenja, analizu temperaturnih podataka i prilagodbu izlaza hlađenja radi učinkovitosti.

Mjere energetske učinkovitosti: Stalno istražuju načine za smanjenje potrošnje energije u podatkovnim centrima, uključujući optimizaciju rasporeda poslužitelja, korištenje učinkovitih tehnologija hlađenja i minimiziranje građevinskih materijala.

Upravljanje vodnim resursima: Google prepoznaje vodu kao ključni resurs za hlađenje i aktivno traži načine za optimizaciju potrošnje vode u svojim podatkovnim centrima.

Učinkovitost vođena AI-jem: Google koristi umjetnu inteligenciju za poboljšanje učinkovitosti procesa treniranja AI modela, smanjujući potrošnju energije i povezane emisije.

Održivi razvoj umjetne inteligencije: Rade na razvoju AI modela koji su od samog početka energetski učinkovitiji, kako bi smanjili ugljični otisak AI aplikacija.

AI za klimatsku akciju: Google koristi umjetnu inteligenciju na različite načine za rješavanje klimatskih promjena, uključujući prognozu vremena vođenu AI-jem, planiranje ruta koje štede gorivo i upravljanje vodnim resursima.

Inicijative kružnog gospodarstva: Istražuje načine za promicanje kružnog gospodarstva unutar svojih operacija, smanjujući onečišćenje plastikom i promičući odgovorno upravljanje resursima.

Bloomberg

Što tvrtka danas mora učiniti kako bi osigurala da njezino korištenje umjetne inteligencije ne bude samo učinkovito, već i održivo?

Postoje tri pristupa umjetnoj inteligenciji u današnjem svijetu:

Izgradnja - razvoj vlastitog LLM-a. Ovo ne bih savjetovao osim ako nemate goleme količine podataka relevantnih za određeni industrijski sektor, u kojem možete trenirati ili dodatno prilagoditi modele koji mogu biti vrlo specifični za taj sektor. Ovo nije nešto o čemu bi pojedinačna tvrtka trebala razmišljati. Mnoge tvrtke eksperimentiraju s treniranjem otvorenih LLM-ova; samo na platformi Hugging Face već smo premašili milijun takvih modela, od kojih se svi jedva razlikuju. To je neodgovorno korištenje računalnih resursa i izvor nepotrebnog ugljičnog otiska. Da, možda je zabavno i možda služi za ispunjavanje korporativnih ciljeva u vezi s umjetnom inteligencijom, ali to je krajnje neodgovorno.

Unapređenje - korištenje postojećeg modela i prilagodba vlastitim podacima. U ovom pristupu birate otvoreni model ili neki od brojnih poslovnih modela kao polaznu osnovu, a zatim na njega sigurno primjenjujete vlastite poslovne podatke, koristeći metode poput RAG-a i eventualno dodatno prilagođavanje (fine-tuning). Takvi modeli, ako se primjenjuju u MLOps okruženju prema najboljim praksama, mogu se optimizirati za učinkovitu potrošnju. Trošak je i dalje značajan i često obeshrabruje pretjeranu uporabu u poslovanju, ali cijena vrlo brzo pada. Samo u posljednjih 18 mjeseci zabilježeno je 270 puta smanjenje troška po milijun tokena. Kako cijena i dalje pada, raste rizik da ćemo trošiti znatno više nego što nam je stvarno potrebno.

Korištenje - povezivanje s vanjskim modelima i plaćanje po upotrebi. U ovom pristupu povezujete svoje sustave s poslovnim LLM-ovima drugih ponuđača i plaćate po milijun tokena za njihovu uporabu kakvi jesu. U posljednja tri mjeseca svjedočimo eksploziji ovakvih promptova samo u potrošačkom prostoru. Primjerice, kod novog GPT-4o modela svi generiraju slike sebe kao lutke ili u stilu Studio Ghibli memova. Ti su promptovi gotovo doveli do kolapsa OpenAI-jevih poslužitelja zbog tolikog opterećenja. Kao potrošači, moramo biti svjesni da ono što izgleda kao jednostavan upit može imati ozbiljne posljedice za održivost.

Teraflow.ai se fokusira na implementaciju AI-ja u poslovanje. Koliko su današnji klijenti spremni ugraditi održivost u srž svojih AI strategija?

Vidjeli smo vrlo malo s tržišta u kontekstu potrošnje. Poslovni sektor još uvijek je usmjeren na pronalaženje konkretnih primjena i pokušaj razumijevanja kako kapitalizirati ovu tehnologiju. Ključni akteri u AI infrastrukturi ovo shvaćaju vrlo ozbiljno jer su na samom rubu problema koji nas očekuje. Međutim, tvrtke koje koriste te modele uglavnom nemaju jasnu predodžbu o njihovom utjecaju. Voljeli bismo vidjeti indikatore upozorenja o održivosti prikazane prije nego se promptovi pokrenu. To bi pomoglo tvrtkama usmjerenim na potrošnju da vide utjecaj i počnu planirati pažljivije.

U jednom ste trenutku pomogli u implementaciji tehnologije u bankarskom sektoru. Koje industrije po vašem mišljenju imaju najbolju poziciju za korištenje umjetne inteligencije u svrhu održivosti, a koje zaostaju?

Apsolutno svaka tvrtka na svijetu ima jednaku priliku. Prije pet godina strojno učenje bilo je dostupno samo velikim poduzećima poput banaka, jer je ulazak u to područje bio nevjerojatno skup, kako infrastrukturno, tako i kompetencijski. Pokrenuli smo Teraflow.ai prije šest godina jer je postojala ogromna potražnja za vještinama u području strojnog učenja i inženjeringa podataka jer ako tvrtke imaju loše podatke, onda imaju i loše rezultate iz umjetne inteligencije. Za nas je to bilo razdoblje procvata.

No kako ulazimo u novo doba umjetne inteligencije, svaka osoba na planetu i svaka tvrtka ima ogromne prilike za rast i primjenu u većem opsegu. Vidimo kako manje tvrtke počinju skalirati i natjecati se s velikim poduzećima; također vidimo kako velike kompanije preispituju korporativne strukture koje su do sada služile za upravljanje radnim opterećenjem, dok ulazimo u eru samostalnih AI sustava koji djeluju kao agenti (Agentic AI). Svaka uloga zahtijeva ponovno promišljanje što znači da moramo preispitati kako upravljamo timovima i agentima koji izvršavaju zadatke unutar organizacija.

Vidimo ogromne poremećaje u svakom poslovnom sektoru. Tvrtke poput Shopifyja danas zapošljavaju samo ako ulogu ne može obavljati AI agent - to je jasan znak vremena u kojem ljudi trebaju nadopuniti svoju produktivnost uz pomoć umjetne inteligencije, a potreba za brzim djelovanjem je ključna!

Depositphotos

Što biste savjetovali izvršnom direktoru koji želi uvesti umjetnu inteligenciju u srž svojeg poslovanja, ali ne zna odakle početi?

Transformacija pomoću umjetne inteligencije vrlo je različita od digitalne transformacije, kod koje su izvršni direktori tu ulogu uglavnom delegirali glavnim digitalnim direktorima (Chief Digital Officer). I sam sam bio na toj poziciji kao glavni digitalni direktor za Barclays Afriku. Međutim, to bi u teoriji trebala biti privremena uloga, jer će s vremenom sva poduzeća postati digitalna poduzeća, pa bi cijeli tim na čelu kompanije trebao biti digitalno osviješten.

Ovoga puta, budući da je umjetna inteligencija sveprisutna i prodorna, izvršni direktori više ne mogu sjediti po strani i prebacivati odgovornost. Moraju ulagati u AI mentore koji im mogu pomoći koristiti, usvojiti i ubrzati svoje razumijevanje generativne umjetne inteligencije. Znam da to zvuči smiješno; međutim, ako vodstvo ne preuzme inicijativu u prihvaćanju AI-ja, promjene će se odvijati presporo. Digitalna transformacija trajala je 15 do 20 godina. AI transformacija dogodit će se u idućih pet godina, a bojim se da sam i to rekao previše.

Kao izvršni direktori, moramo drugačije razmišljati i drugačije djelovati. Ono što se nekad smatralo neprikladnim ponašanjem, sada je postalo norma. Naše su se tvrtke naučile prebaciti na digitalne sastanke u roku od dvije godine; vjerujem da postoji kapacitet i volja da se na generativnu umjetnu inteligenciju prebacimo za manje od dvije godine.

Teraflow surađuje s velikim sustavima. Možete li podijeliti priču o transformaciji koja vas je doista iznenadila – bilo brzinom, utjecajem ili promjenom u načinu razmišljanja?

Svaka banka, zrakoplovna kompanija, energetska i rudarska tvrtka, osiguravatelj i zdravstvena ustanova s kojom smo radili tijekom proteklih šest godina prošla je kroz gotovo identičan razvojni put u implementaciji umjetne inteligencije. Sve kreće početnom euforijom. Tvrtke panično traže primjere primjene, često bez jasne strategije, što brzo rezultira kaosom. Slijedi faza u kojoj se pokreće na desetke pilot-projekata, ali bez konkretne računice o povratu ulaganja.

Tek nakon toga dolazi do fokusiranja. Odabire se jedan primjenjiv i stvarno koristan AI slučaj, no tada se pojavljuje stvarni problem - podaci jednostavno nisu spremni. Slijedi izgradnja podatkovnih temelja, što najčešće znači postavljanje cloud skladišta i uvođenje prijenosa podataka u stvarnom vremenu.

Ubrzo nakon toga dolazi do eksplozije korištenja generativnog AI-ja, uvode se asistenti i "copiloti", no rijetko se paralelno razmatra reorganizacija radnih uloga. Zatim slijedi faza obuke, u kojoj zaposlenici prolaze edukaciju za rad s promptovima, često nalik onome što se događalo u vrijeme "Agile transformacije". I konačno, najzrelija faza - uspostava centralizirane AI strategije u kojoj se svi podatkovni resursi konsolidiraju, a tvrtke počinju graditi koherentno i održivo MLOps okruženje.

Često doživljavamo umjetnu inteligenciju kao disruptivnu silu. No, što se događa kada se koristi za postizanje stabilnosti, optimizaciju i pametnije odlučivanje, umjesto samo za radikalne iskorake?

Umjetna inteligencija donijet će stabilnost i optimizaciju samo ako interni tehnološki timovi donesu discipliniran okvir za upravljanje podacima i imaju jasnu viziju o tome kako usvojiti AI.

Najveći izazov za tvrtke je brzina promjene. Zato moramo osloboditi svoja poduzeća od zastarjelih pristupa i biti spremni imati brze procese promjene i moderne arhitekture koje se mogu neprimjetno prilagoditi novom tehnološkom dobu.
To se možda lako kaže, ali vjerujte mi - izuzetno je teško to provesti, jer se svaka tvrtka suočava s velikim ograničenjima poput nedostatka budžeta i stručnih kadrova.

Ako mogu podijeliti jedan ključan uvid sa svakim poduzećem: za četiri do pet godina svi ćemo voditi poduzeća koja pokreće umjetna inteligencija. Ako ne postavite planove za prilagodbu svojih poslovnih modela i ne osigurate proračun za takvu budućnost, nećete imati nikakve šanse ostati u korak s vremenom. Ponašati se poput noja i nadati se da ćete preživjeti ovaj val pogrešan je pristup. Nemojte biti novine ili Kodak prošlih vremena.

Bloomberg

Sebe nazivate 'tehnološkim buntovnikom'. Tko je zapravo ta figura i zašto vjerujete da bi svaka tvrtka trebala imati jednoga? Može li tehnološki buntovnik uspjeti u strogo reguliranim industrijama poput bankarstva? Ili je njihova uloga upravo najvrjednija ondje gdje je otpor promjenama najveći?

Moja misija je pronaći svakog buntovnika u svakom poduzeću. Duboko u sebi, svi mi imamo želju mijenjati stvari nabolje. Danas živimo u vremenu u kojem nikada nije bilo lakše postati tehnološki buntovnik. S pojavom samostalnih AI agenata u posljednjih šest mjeseci, bilo tko može učiniti bilo što.

Vidimo promjenu u tome kako će se uloge razvijati - od vertikalno specijaliziranih prema horizontalno specijaliziranima. Uloge koje su bile usko specijalizirane postat će suvišne, dok će uspon generalista postati ključan za poslovanje.

Kao tehnološki buntovnici, mi smo agenti promjene u svijetu - moramo naučiti kako prepoznati probleme, ne samo one površinske, već temeljne i strukturne probleme koje treba riješiti u vašem odjelu ili poslovanju. Tehnologija će se mijenjati, a s njom i vrste problema te načini na koje ih rješavamo.

Koje su najveće zablude o umjetnoj inteligenciji i održivosti koje biste željeli razotkriti?

Zabluda da će AI biti pokretač uništenja našeg planeta nije točna. Umjetna inteligencija će rješavati probleme koje dosad nikada nismo uspjeli riješiti i to brže nego ikad prije.

Ako s AI-jem ne učinimo ništa i koristimo ga samo za izradu memova i zabavu na društvenim mrežama, onda da, mogla bi imati negativan učinak. Ali ako je koristimo za rješavanje klimatskih izazova, za širenje i ubrzanje proizvodnje klimatskih rješenja, za ubrzavanje rada ljudi u klimatskim industrijama - kako bi djelovali brže, gradili jeftinije i skalirali učinkovitije - tada možemo riješiti probleme s kojima se suočavamo.

Paralelno s tim, vidjet ćemo i golem napredak u tome kako AI troši energiju, kako se hladi, kako trenira sama sebe - sve će to postati učinkovitije. Modeli će postajati sve manji, a time će i potrošnja energije sve više opadati.

Za kraj, kada biste mogli ostaviti jednu poruku sljedećoj generaciji tehnologa, primjerice onima koji će voditi razvoj umjetne inteligencije 2040-ih, što biste im poručili?

Nemojte gubiti vrijeme učeći programirati - učite matematiku, učite o našem svijetu, učite o ljudima, budite empatični prema tuđim problemima i neka vam problem bude u fokusu, a ne politika ni profit.

Zamislite svijet u kojem izlazimo iz škole inspirirani da rješavamo probleme koji su nama osobno važni. Svijet u kojem imate pristup pravim ljudima i pravim AI tehnologijama - tako da bilo kada, bilo gdje u svijetu, možete riješiti ljudske tragedije. To je svijet na koji se zaista želimo usredotočiti.