Projekty AI przynoszą wymierne biznesowe rezultaty

W kolejnym wpisie z serii, która opisuje to, jak i nad czym pracujemy, przedstawiamy Wam Tomasza Smolarczyka, Head of Artificial Intelligence w Spyrosoft. O tym, jak współpracuje z innymi działami w firmie i dlaczego postanowił skupić się na Data Science opowiada nam w wywiadzie poniżej.

Kiedy zacząłeś się zajmować Artificial Intelligence?

Zawsze bardzo lubiłem problemy logiczne i matematykę. Kiedy musiałem zdecydować, jakie studia wybrać to padło na informatykę, bo kojarzyła mi się z inżynierskimi umiejętnościami i z praktycznym wykorzystaniem ścisłych zdolności.

Po drugim roku studiów zacząłem pracę jako tester oprogramowania, która nauczyła mnie zwracania uwagę na szczegóły. Równocześnie, na studiach mieliśmy wtedy zajęcia związane z analizą danych i statystyką. Bardzo mi się podobały i udało mi się dostać staż w jednym z banków, gdzie pracowałem przy projekcie związanym z Big Data.

Analizy, które przygotowywaliśmy były ściśle związane z biznesem i chciałem się dowiedzieć trochę więcej o tej stronie projektów, które realizowałem. Dostałem się na podyplomowe studia menedżerskie z zarządzania o strukturze opartej na MBA. Wtedy zacząłem ukierunkowywać swoją karierę w stronę Data Science, bo to jest miejsce, gdzie przecinają się te dwa światy, czyli biznes i technologie. Starałem się rozwijać w jednym i drugim kierunku.

Po studiach dostałem staż w dużej firmie, w której budowałem narzędzia do przewidywania zapotrzebowania na ich produkty. Następnie trafiłem do firmy konsultingowej, gdzie pracowałem w dziale Marketing & Sales przy projektach związanych z analizą danych. Miałem okazję pracować tam dla wielu klientów z różnych branż i poznałem bardzo dużo technik z obszaru Data Science, które aplikowaliśmy do realnych problemów biznesowych. Był ogromny nacisk na to, żeby pokazać, że analizy, które wykonujemy, przynoszą realną wartość biznesową. To jest coś, czego raczej nie uczy się na studiach technicznych, bo na uczelniach zajęcia ukierunkowane są bardziej na algorytmy i technologie, a niekoniecznie na łączenie tych technologii z biznesem.

Współpracowałem też z firmą, która produkuje samoloty i pociągi. Tam budowaliśmy narzędzie do predictive maintenance dla systemów sterowania ruchem pociągów i metra. Przed pracą w Spyrosoft, rozwijałem zespół i strategię Data Science w startupie związanym z ochroną zdrowia, gdzie budowaliśmy system do wstępnej diagnostyki medycznej, który na podstawie wywiadu z pacjentem mógł określić jaką pacjent może mieć chorobę i jak bardzo poważna jest to sytuacja. Takie rozwiązanie pomagało sterować i automatyzować ruch pacjentów.

Wreszcie trafiłem do Spyrosoft, gdzie buduję zespół związany z Artificial Intelligence. Moja rola wiąże się z budową tych kompetencji i zespołu wewnątrz firmy, ale także na realizowaniu projektów dla klientów.

Dlaczego postanowiłeś, że skupisz się tylko na AI?

Bardzo lubię rozwiązywać nowe problemy, a w obszarze AI każdy projekt jest inny. Mamy okazję stosować najnowsze techniki i zdobycze nauki, które zostały wymyślone w ostatnich latach, i aplikować je do konkretnych wyzwań biznesowych. Na jednym z ostatnich projektów, mając do dyspozycji małą próbkę danych, zastosowaliśmy najnowsze pretrenowane (pre-trained) modele NLP do zbudowania klasyfikatora tekstu z wykorzystaniem transfer learningu, dzięki czemu udało nam się osiągnąć bardzo wysoką dokładność w krótkim czasie. Dodatkowo, AI daje możliwość przygotowania rozwiązań, które mogą skalować się na niespotykany dotąd sposób. Dobrze przygotowany model AI potrafi rozwiązywać problem, do którego został zaprojektowany praktycznie nieskończoną liczbę raz, nie męcząc się przy tym i nie tracąc na jakości. Co więcej, jeśli uda się stworzyć pętlę zwrotną dla modelu (ang. feedback loop), model może z czasem stawać się coraz lepszy.

Jakie są Twoje plany w Spyrosoft? Jak chciałbyś, żeby rozwijał się Twój zespół?

Już teraz rozwijamy równolegle dwa koncepty: pierwszy to Community of Practice, czyli grupa osób, które mają doświadczenie z AI i realizują projekty związane z tą tematyką. Wewnątrz tej grupy pracujemy nad projektami związanymi Machine Learning, AI, NLP czy szeroko pojętym Data Science. Chcemy także rozwijać tak zwane Proof of Concepts, czyli projekty-wizytówki, które będą pokazywały naszym klientom kompetencje, które mamy wewnątrz zespołu.

Oprócz tego, budujemy również Community of Interest, gdzie wszystkie osoby z firmy, które są zainteresowane tematyką AI mogą spotykać się i dzielić wiedzą z obszaru sztucznej inteligencji. Raz w miesiącu organizujemy warsztaty, na których omawiamy kolejne aspekty i obszary wiedzy związane z uczeniem maszynowym. W trakcie spotkań opowiadamy także o projektach, które zrealizowaliśmy dla naszych klientów, żeby pokazać praktyczne zastosowania tych technologii, a nie tylko samą teorię.

Jak współpracujesz z innymi działami?

Nasz dział ściśle współpracuje z Business Unitami, wspólnie przygotowujemy propozycje i realizujemy projekty spełniające potrzeby biznesowe naszych klientów. Chcemy pokazać, że projekty związane z AI czy Machine Learning mogą też mieć mocny wymiar komercyjny i przynoszą realne korzyści. Tutaj jest potrzebna ścisła współpraca z biznesem, zrozumienie szerszego kontekst, procesów biznesowych klienta i dobranie takiego rozwiązania, które pomoże je usprawnić. Technologia gra tutaj olbrzymią rolę, ale jeśli nie idzie za nią zmiana i poprawa dotychczasowego sposobu działania, wtedy nie przynosi ona żadnych korzyści i cały wysiłek może zostać zmarnowany. My dbamy także o to, aby tak się nie stało.