Kiekvienas, kas bent kartą stovėjo prie kavos aparato ir matė tą paslaptingą mirksintį šviesutę, žino tą jausmą – aparatas kažką nori pasakyti, bet tu tiesiog nežinai ką. Technikui paskambinti? Palaukti? Išjungti ir vėl įjungti? Dažniausiai pasirenkamas trečias variantas, nes pirmi du kainuoja arba laiko, arba pinigų.

Būtent čia atsiranda dirbtinio intelekto vieta – ne kaip kažkokios ateities fantastikos, o kaip praktinio įrankio, kuris jau dabar naudojamas keliose Vilniaus kavinėse ir biurų erdvėse.

Kaip tai iš tikrųjų veikia

Modernūs kavos aparatai – ypač pusiau profesionalūs ir profesionalūs modeliai – generuoja daugybę duomenų: temperatūrą, slėgį, vandens srautą, malimo intensyvumą, ciklų skaičių. Anksčiau šie duomenys tiesiog egzistavo kažkur aparato atmintyje ir niekas jų neskaitė. Dabar AI sistemos šiuos duomenis analizuoja realiuoju laiku.

Principas paprastas: sistema mokosi, kaip aparatas elgiasi, kai viskas gerai. Kai pradeda atsirasti nukrypimų – slėgis šiek tiek per žemas, temperatūra svyruoja neįprastu ritmu – algoritmas tai pastebi anksčiau nei žmogus. Kartais net kelias dienas anksčiau nei aparatas visiškai sugenda.

Tai vadinama prognozuojamąja priežiūra (angl. predictive maintenance), ir kavos pramonėje ji tampa vis labiau prieinama net mažesnėms įmonėms.

Vilnius kaip bandymų aikštelė

Gali skambėti kaip perdėjimas, bet Vilnius tikrai yra vienas iš miestų, kur tokios technologijos testuojamos praktiškai. Kelios vietos kavinių tinklų valdymo įmonės jau naudoja IoT (daiktų interneto) sprendimus, sujungtus su AI analizės platformomis, kad stebėtų savo aparatų būklę nuotoliniu būdu.

Praktiškai tai reiškia, kad techninės priežiūros specialistas gali gauti pranešimą į telefoną: „Aparatas X rodo ankstyvus siurblio nusidėvėjimo požymius – rekomenduojama patikrinti per 2 savaites.” Vietoj to, kad lauktų, kol kavos aparatas tiesiog nustos veikti piko metu.

Ko AI dar nemoka – ir tai svarbu žinoti

Čia reikia būti sąžiningam. AI diagnozavimo sistemos nėra stebuklas. Jos puikiai atpažįsta mechanines anomalijas, bet vis dar prastai dirba su kontekstu. Pavyzdžiui, sistema gali „nerimauti” dėl neįprastų duomenų, kai iš tikrųjų kavinė tiesiog turėjo neįprastai daug lankytojų ir aparatas dirbo intensyviau nei įprastai.

Be to, kuo daugiau duomenų sistema turi, tuo tikslesnė ji tampa. Naujai įdiegta sistema pirmąsias savaites dar tik mokosi – ji nežino, kas yra „normalu” konkrečiam aparatui konkrečioje vietoje. Tai reiškia, kad žmogaus patirtis ir AI analizė šiuo metu veikia geriausiai kartu, o ne viena vietoj kitos.

Ką tai reiškia kavinių savininkams – ir kodėl verta domėtis dabar

Kavos aparato gedimas piko metu – tai ne tik techninis nepatogumas. Tai prarastos pajamos, pykstantys klientai ir skubus techniko iškvietimas, kuris kainuoja dvigubai. Prognozuojamoji priežiūra su AI pagalba gali sumažinti neplanuotus gedimus, o tai tiesiogiai veikia pelningumą.

Technologijos kaina vis dar yra kliūtis mažoms kavinėms – pilnas IoT sprendimas su AI analize kainuoja, ir ne visi gali sau tai leisti. Tačiau tendencija aiški: kaina mažėja, o prieinamumas auga. Prieš penkerius metus panašios sistemos buvo skirtos tik didelėms korporacijoms. Dabar apie jas kalba ir nedidelių tinklų savininkai Vilniuje.

Taigi, jei šiandien tai atrodo kaip technologijų entuziastų žaislas, verta prisiminti, kaip prieš dešimt metų atrodė bekontaktis mokėjimas. Kavos aparatų diagnostika su AI pagalba nėra ateities klausimas – ji jau vyksta, tiesiog dar ne kiekvieno kavos puodelio istorijoje.

Žinote tą jausmą, kai perforatorius tiesiog nustoja veikti viduryje darbo? Nei garso, nei vibracijos – tiesiog mirtina tyla. Anksčiau tokiu atveju reikėdavo vežti įrankį pas meistrą, laukti dienų, mokėti už diagnostiką, o galiausiai išgirsti: „Reikia pažiūrėti.” Dabar viskas keičiasi greičiau, nei spėjame pastebėti.

Dirbtinis intelektas jau seniai išlipo iš technologijų žurnalų puslapių ir atsisėdo tiesiai į Vilniaus remonto dirbtuves. Ne metaforiškai – o labai konkrečiai.

Kaip tai veikia iš tikrųjų

Modernūs diagnostikos sprendimai naudoja vadinamąją prediktyvinę analizę – sistema „klauso” įrankio: vibracijos dažnius, temperatūros svyravimus, elektros suvartojimo šuolius. Visa tai analizuojama realiu laiku ir lyginama su milijonais panašių gedimų duomenų iš viso pasaulio.

Paprastai tariant – AI žino, kad jūsų perforatorius „serga”, dar prieš jam galutinai sugendant. Kaip geras gydytojas, kuris mato simptomus anksčiau nei pacientas pradeda skųstis.

Vilniuje jau veikia kelios dirbtuvės, kurios naudoja tokias sistemas. Meistras prijungia įrankį prie diagnostikos modulio, ir per kelias minutes ekrane matosi ne tik gedimo vieta, bet ir tikimybė, kad problema kartosis, bei rekomenduojami atsarginiai dalys. Jokio spėliojimo – tik duomenys.

Kam tai naudinga labiausiai

Statybų įmonėms tai reiškia vieną labai paprastą dalyką: mažiau prastovų. Kai brigada dirba objekte, kiekviena valanda be veikiančio įrankio kainuoja pinigus. AI diagnostika leidžia planuoti remontus iš anksto – ne tada, kai įrankis jau nebegali dirbti, o tada, kai dar gali, bet jau duoda pirmuosius signalus.

Privatiems naudotojams nauda kitokia – jie tiesiog sutaupo. Vietoj to, kad mokėtų už ilgą rankinę diagnostiką, gauna greitą ir tikslų atsakymą. Be to, sistema dažnai parodo, kad problema smulki ir pigiai išsprendžiama – tai, ką anksčiau meistras galbūt ir nutylėdavo.

Ar tai ne tik mada?

Skeptikai sako: „Įrankiai buvo taisomi šimtus metų ir be jokio AI.” Tiesa. Bet automobiliai taip pat važiavo be ABS ir navigacijos. Klausimas ne ar galima be to apsieiti – klausimas, kodėl turėtum.

Bosch, Hilti, Makita – didieji gamintojai jau integruoja jutiklius tiesiai į įrankius. Tai reiškia, kad diagnostika ateityje bus ne papildoma paslauga, o standartinė įrankio funkcija. Vilniaus dirbtuvės, kurios šiandien investuoja į tokias sistemas, rytoj tiesiog bus ten, kur rinka ir eina.

Ateitis, kuri jau čia – ir kodėl verta į ją įlipti dabar

Tai nėra istorija apie technologijas dėl technologijų. Tai istorija apie tai, kad remonto verslas Lietuvoje bręsta – ir klientai jau pradeda rinktis dirbtuves ne tik pagal kainą, bet ir pagal kompetenciją bei greitį. AI diagnostika yra vienas iš tų dalykų, kurie iš karto parodo: čia žmonės žino, ką daro.

Jei esate dirbtuvių savininkas – verta domėtis dabar, kol konkurentai dar miega. Jei esate klientas – verta klausti, ar jūsų meistras naudoja tokius sprendimus. Nes perforatorius sugenda visada ne laiku. O laiku sutaisytas įrankis – tai ne tik sutaupyti pinigai, bet ir darbas, kuris neatsistoja.

Televizijos naujienų redakcijos jau seniai nėra tos vietos, kur žurnalistai rūko prie kavos aparato ir ginčijasi dėl temos. Dirbtinis intelektas įsibrovė į šią erdvę tyliai, bet ryžtingai – ir dabar verta paklausti, ar tai tikrai pažanga, ar tiesiog pigesnio darbo ieškojimas, apvilktas technologijų žargonu.

Automatizuotas turinys: greitis prieš kokybę

Didžiosios televizijos stotys jau naudoja algoritmus, kurie per kelias sekundes sugeneruoja trumpus naujienų pranešimus – biržų ataskaitas, sporto rezultatus, orų prognozes. Teoriškai tai atlaisvina žurnalistus gilesniam darbui. Praktikoje? Dažnai tiesiog sumažina darbuotojų skaičių.

Problema ta, kad automatizuotas turinys yra sterilus. Jis neužduoda nepatogių klausimų, nepastebi konteksto, nejaučia, kad skaičiai kartais meluoja. Reuters ir Associated Press jau kelerius metus naudoja tokias sistemas, ir rezultatas – techniškai teisingi, bet žurnalistiškai tušti tekstai. Kai algoritmas rašo apie įmonės pelną, jis nepasakys, kad tuo pačiu metu ta įmonė atleidžia tūkstantį darbuotojų.

Realaus laiko duomenų analizė: įrankis ar iliuzija?

Kitas DI panaudojimo frontas – duomenų apdorojimas tiesioginių laidų metu. Sistemos gali sekti socialinių tinklų srautus, identifikuoti tendencijas, net perspėti redaktorius apie kylančias temas greičiau nei bet kuris žmogus. Skamba įspūdingai.

Tačiau čia slypi rimta rizika. Socialiniai tinklai pilni dezinformacijos, o algoritmai nėra išmokyti atskirti triukšmą nuo signalo taip, kaip tai daro patyręs žurnalistas. Kai 2020-aisiais per JAV rinkimus kelios stotys rėmėsi automatizuotomis sistemomis stebėdamos rezultatus, klaidos plito greičiau nei pataisymai. Greitis be patikrinimo nėra pranašumas – tai pavojus.

Virtualūs vedėjai ir kitas cirkas

Azijoje jau veikia visiškai dirbtinio intelekto generuoti naujienų vedėjai. Kinijoje, Pietų Korėjoje, Indijoje – virtualūs avatariai skaito naujienas be pertraukų, be atlyginimo, be nuomonės. Kai kurios Europos stotys žiūri į tai su pavydu.

Ir čia reikia stabtelėti. Naujienų vedėjas nėra tik balso ir veido derinys. Geras žurnalistas ekrane kelia klausimus, spaudžia politikus, rodo emociją, kai situacija to reikalauja. Algoritmas to nedarys – ne todėl, kad negali techniškai, o todėl, kad niekas jo neprogramuos erzinti reklamuotojų ar valdžios atstovų.

Tai, kas lieka nepasakyta apie šią „revoliuciją”

Visa ši DI integracija televizijos naujienose vyksta fone, kuriame žiniasklaidos savininkai ieško būdų mažinti kaštus. Dirbtinis intelektas yra patogus pasakojimas – modernizacija, inovacija, ateitis. Bet kai nuplėši tą etiketę, dažnai randi paprastą skaičiavimą: vienas algoritmas kainuoja mažiau nei dešimt žurnalistų.

Tai nereiškia, kad DI neturi vietos redakcijose. Faktų tikrinimo įrankiai, archyvų paieška, kalbos transkribavimas – visa tai tikrai padeda. Bet yra skirtumas tarp DI kaip pagalbininko ir DI kaip pakaitalo. Pirmasis stiprina žurnalistiką, antrasis ją ištuština. Kol televizijos stotys neatsakys atvirai, kurį kelią renkasi, skepticizmas yra ne tik pateisinamas – jis yra būtinas.

Prieš dešimt metų mintis, kad naujienų straipsnį parašys algoritmas, skambėjo kaip pigaus mokslinės fantastikos romano siužetas. Šiandien tai – kasdienybė. „Associated Press” jau seniai naudoja automatizuotus įrankius finansinėms ataskaitoms ir sporto rezultatams generuoti. „Reuters”, „Bloomberg” – tas pats. Ir niekas ypatingai nesipiktina. Tiesiog taip yra.

Klausimas ne tas, ar dirbtinis intelektas įsiveržė į žurnalistiką. Jis jau čia. Klausimas – kas bus toliau ir ar žurnalistai turėtų bijoti, ar džiaugtis.

Greitis prieš gilumą

Automatizuotos sistemos puikiai susitvarko su tuo, kas rutiniška – biržos duomenys, rinkimų rezultatai, orų prognozės. Algoritmas per sekundę sugeneruoja tekstą, kuriam žmogui prireiktų penkiolikos minučių. Redakcijoms tai reiškia pinigų taupymą. Skaitytojams – greitesnę informaciją.

Bet čia ir prasideda problema. Žurnalistika niekada nebuvo vien faktų surinkimas ir sudėliojimas į sakinius. Geras reportažas – tai kontekstas, žmogiška intuicija, gebėjimas pajusti, kad kažkas ne taip, net kai dokumentai sako priešingai. To algoritmams kol kas trūksta. Jie nemato miško už medžių.

Investigacinė žurnalistika, interviu, kuriame žmogus staiga susvyruoja balse – tai sritys, kur mašina kol kas tik stebėtojo vaidmenyje. Ir tai, beje, turėtų šiek tiek nuraminti tuos, kurie jau mato save bedarbius.

Personalizacija – dovana ar spąstai?

Kita medalio pusė – personalizuotas turinys. „Spotify” jau seniai žino, kokią muziką klausysi penktadienio vakarą. Dabar panašią logiką bando taikyti ir žiniasklaida. Algoritmai analizuoja, ką skaitai, kiek laiko praleidžiai prie kiekvieno straipsnio, ką ignoruoji – ir formuoja tau skirtą naujienų srautą.

Skamba patraukliai. Bet yra vienas nemažas „bet”. Kai gauni tik tai, kas tau patinka ir atitinka tavo pasaulėžiūrą, informacinė burbulas tampa ne metafora, o tikrove. Žmogus nustoja susidurti su kitokiomis nuomonėmis, nepatogiais faktais, sudėtingais klausimais. Demokratijai tai – rimtas iššūkis, ne tik technologinis eksperimentas.

Kai kurios redakcijos tai supranta ir bando rasti balansą – siūlyti personalizaciją, bet kartu įterpti turinį, kuris „išmuša” iš komforto zonos. Ar tai veikia? Kol kas atsakymas – neaišku.

Tiesa vis dar reikalauja žmogaus

Dirbtinis intelektas žurnalistikoje – ne apokalipsė ir ne išsigelbėjimas. Tai įrankis, kaip kadaise buvo telefonas, diktafonas ar internetas. Kiekviena iš šių technologijų pakeitė profesiją, bet nepanaikino jos esmės.

Žurnalistikos šerdis – pasitikėjimas. Skaitytojas turi tikėti, kad kažkas tikrai išsiaiškino, patikrino, paklausė nepatogių klausimų. Algoritmas gali rašyti tekstus, bet atsakomybės prisiimti negali. Kai paaiškėja klaida, kažkas turi atsistoti ir pasakyti: aš suklydau. Mašina to nepadarys.

Todėl ateitis greičiausiai atrodys taip: algoritmai dirbs rutininį darbą, o žurnalistai turės daugiau laiko tam, ko mašinos nemoka – gilintis, abejoti, ieškoti to, ko niekas dar nežino. Jei, žinoma, redakcijos to norės. Ir jei skaitytojams to vis dar reikės.

Dar prieš dešimtmetį mintis, kad kompiuteris gali parašyti naujienų straipsnį, skambėjo kaip mokslinė fantastika. Šiandien tai – kasdienybė. „Associated Press” jau kelerius metus naudoja automatizuotus įrankius finansinių ataskaitų ir sporto rezultatų aprašymams generuoti. „Reuters”, „Bloomberg” – panašiai. Skaičiai, faktai, struktūra – visa tai algoritmas sudėlioja greičiau, nei žurnalistas suspėja atidaryti naują dokumentą.

Bet čia ir prasideda įdomiausia dalis – kas iš tikrųjų keičiasi, o kas lieka žmogaus rankose.

Ką DI sugeba ir ko – ne

Dirbtinis intelektas puikiai tvarkosi su struktūruotais duomenimis. Jei yra lentelė su skaičiais, jis pavers ją tekstu. Jei yra šablonas – užpildys. Greičiau, pigiau, be klaidų rašyboje. Kai kurios redakcijos jau naudoja DI įrankius pirminiams naujienų pranešimams, kuriuos vėliau peržiūri redaktorius.

Tačiau yra dalykų, kur algoritmai kol kas tikrai stringa. Šaltinio užkalbinimas telefonu, konteksto supratimas, jautimas, kad kažkas istorijoje „ne taip” – tai reikalauja patirties ir intuicijos, kurios neišmokstama iš duomenų rinkinio. Investigacinė žurnalistika, interviu, kultūriniai niuansai – čia žmogus vis dar nepakeičiamas.

Redaktorių vaidmuo – mažėja ar keičiasi?

Daugelis baiminasi, kad DI atims darbus. Realybė, bent jau šiandieninė, yra sudėtingesnė. Redaktoriai vis dažniau tampa ne tik teksto taisytojais, bet ir algoritmų „prižiūrėtojais” – jie tikrina, ką sugeneravo sistema, ar tai tikslu, ar neklaidina, ar atitinka redakcijos toną.

Atsirado net naujas terminas – prompt journalism, kai žurnalistas formuluoja užklausas DI sistemai ir iš gautų rezultatų kuria turinį. Tai nėra nei gryna žurnalistika, nei gryna automatizacija – kažkas tarp.

Kai kurios redakcijos, ypač mažesnės, jau mažina personalą, motyvuodamos tuo, kad DI padeda „optimizuoti procesus”. Tai skamba gražiai, bet reiškia, kad žmonės praranda darbus. Kitos, priešingai, investuoja į žurnalistų mokymą dirbti su naujais įrankiais, matydamos juos kaip pagalbininkus, o ne pakaitalus.

Patikimumas – didžiausias klaustukas

Vienas rimčiausių iššūkių – DI generuojamo turinio tikslumas. Sistemos kartais „haliucinuoja” – sugalvoja faktus, kurie skamba įtikinamai, bet yra neteisingi. Žurnalistikoje tai yra katastrofa. Vienas netikslus faktas gali pakenkti redakcijos reputacijai, kurią ji kūrė dešimtmečius.

Todėl faktų tikrinimas tampa dar svarbesnis nei anksčiau. Paradoksas – technologija, kuri turėtų palengvinti darbą, kai kuriais atvejais sukuria papildomą patikrinimo naštą.

Tarp sparčių pokyčių ir senų vertybių

Žurnalistika visada keitėsi – nuo spausdinimo mašinėlių prie kompiuterių, nuo laikraščių prie interneto, nuo tekstų prie podkastų. DI – dar vienas posūkis, ne pabaiga. Greičiausiai ateities redakcijose žmonės ir algoritmai dirbs kartu: vieni generuos, kiti vertins, tikslins, interpretuos. Svarbiausia, ko negalima deleguoti mašinai – atsakomybė už tai, kas paskelbiama. Ir ta atsakomybė visada liks žmogiška.

Prisimeni laikus, kai televizijos naujienų studija reiškė didelį biudžetą, dešimtis žmonių už kadro ir griežtą tvarkaraštį? Tie laikai sparčiai traukiasi į praeitį. Dirbtinis intelektas įsiveržė į žiniasklaidos pasaulį ne tyliai pro galines duris, o tiesiai per pagrindinį įėjimą – ir jis čia ne svečias.

Šiandien pasaulio televizijos stotys eksperimentuoja su technologijomis, kurios dar prieš penkerius metus atrodė kaip mokslinė fantastika. Ir ne tik eksperimentuoja – jos jau dirba.

Tekstas, kurio niekas nerašė (bent jau ne žmogus)

Automatizuotas turinio kūrimas – tai ne ateitis, tai dabartis. Tokios platformos kaip Automated Insights ar Wordsmith jau seniai generuoja finansines ataskaitas, sporto rezultatus ir orų prognozes greičiau, nei žurnalistas suspėja atsisėsti prie kompiuterio.

Televizijos naujienų redakcijose tai reiškia vieną paprastą dalyką: rutininiai pranešimai – eismo įvykiai, biržos naujienos, rinkimų rezultatai – gali pasirodyti ekrane per kelias sekundes po to, kai duomenys tampa prieinami. Žurnalistai tuo tarpu gali daryti tai, ko algoritmas negali: kalbėtis su žmonėmis, ieškoti konteksto, pasakoti istorijas su siela.

Virtualūs pranešėjai – gimmick ar revoliucija?

Kinijos valstybinė naujienų agentūra Xinhua pristatė savo AI pranešėją dar 2018-aisiais. Nuo tada virtualūs veideliai ekranuose tapo vis labiau įprasti – ypač Azijoje. Jie nesirgo, nereikalavo atostogų ir galėjo transliuoti 24 valandas per parą.

Skamba gerai, tiesa? Bet čia ir prasideda įdomiausia dalis. Žiūrovai tai pastebėjo. Kažko trūko – to neapčiuopiamo žmogiško elemento, kuris verčia tikėti tuo, ką girdi. Akių kontaktas buvo netikslus, intonacijos – per daug lygios, šypsena – per daug tobula.

Technologija tobulėja milžinišku greičiu, ir šiandieniniai virtualūs pranešėjai jau gerokai artimesni realybei. Tačiau klausimas lieka atviras: ar žiūrovai nori matyti algoritmą, skaitantį naujienas?

Redakcija be miego

Vienas didžiausių AI privalumų televizijos naujienų pasaulyje – tai gebėjimas dirbti tada, kai visi miega. Automatinės sistemos stebi informacijos srautus, socialinių tinklų tendencijas, oficialius pranešimus ir gali pažadinti redaktorių tik tada, kai kažkas tikrai svarbaus nutinka.

Be to, AI jau aktyviai naudojamas vaizdo medžiagos apdorojimui – automatinis subtitrų generavimas, vertimas į kitas kalbas realiuoju laiku, archyvų paieška. Tai ne tik taupo laiką, bet ir atveria duris mažesnėms televizijoms, kurios anksčiau tiesiog negalėjo sau leisti tokių resursų.

Kai technologija susitinka su žurnalistika – kas laimi?

Atsakymas nėra toks dramatiškas, kaip daugelis bijo. AI neatima darbo iš žurnalistų – bent jau ne tų, kurie sugeba prisitaikyti. Jis atima nuobodžiausius, labiausiai rutininius darbus ir palieka erdvės tam, kas iš tiesų svarbu: tyrimams, analizei, žmogiškoms istorijoms.

Televizijos naujienų studija šiandien – tai hibridinė erdvė, kurioje algoritmai ir žmonės dirba kartu. Ir nors virtualūs pranešėjai dar neišstūmė tikrų veidų iš ekranų, jie jau pakeitė tai, kas vyksta už kadro. Greičiau, pigiau, efektyviau – taip, bet be šilumos, be intuicijos, be to sugebėjimo pajusti, kad šiandien žiūrovui reikia ne tik faktų, bet ir supratimo. Tą dalį kol kas paliekame žmonėms. Ir tai – ne silpnybė, o didžiausias žurnalistikos turtas.

Dar prieš penkerius metus kavos aparato gedimas atrodė paprastai: aparatas neveikia, skambini meistrei, ji atvažiuoja, pažiūri, sako „reikia dalies” ir išvažiuoja. Kartais grįžta po savaitės, kartais po dviejų. Vilniaus kavinių savininkai tai žino labai gerai – kiekviena prastovos diena reiškia prarastus pinigus ir nepatenkintus klientus.

Dabar situacija keičiasi. Modernūs kavos aparatai – ypač profesionalūs „De’Longhi”, „Jura”, „Franke” ar „WMF” modeliai – jau turi integruotus jutiklius, kurie stebi slėgį, temperatūrą, vandens kietumą, malimo tikslumą ir dar keliolika parametrų. Visa ši informacija niekur nedingsta – ji kaupiama ir, jei žinai kaip, gali daug pasakyti apie tai, kas vyksta aparato viduje.

Diagnostika prieš gedimą – ar tai įmanoma?

Taip vadinamas prediktyvinis (numatantis) aptarnavimas – tai ne ateities muzika. Vilniaus serviso centrai, dirbantys su aukštesnės klasės įranga, jau naudoja programinę įrangą, kuri prisijungia prie aparato ir nuskaito jo „sveikatos istoriją”. Pavyzdžiui, jei slėgio pompa pradeda rodyti nereguliarią kreivę – dar prieš tai, kol kavos skonis pasikeičia – tai yra signalas, kad kažkas negerai.

Praktiškai tai reiškia štai ką: vietoj to, kad lauktum, kol aparatas visiškai suges, technikas gali atvažiuoti iš anksto, pakeisti besidėvinčią dalį ir išvažiuoti. Kavinė dirba toliau. Klientai nieko nepastebi. Savininkas nemoka dvigubai – už skubų remontą ir prarastas pajamas.

Nuotolinė prieiga – tikrovė, ne reklama

Kai kurie Vilniuje veikiantys servisai jau siūlo nuotolinės diagnostikos paslaugą. Aparatas prijungiamas prie interneto (dažniausiai per „Wi-Fi” arba specialų modulį), o technikas gali peržiūrėti jo duomenis nesėdamas į automobilį. Tai ypač naudinga tais atvejais, kai klientas skambina ir sako „kažkas ne taip, bet nežinau kas” – tokiu atveju specialistas gali iš karto pasakyti, ar problema rimta, ar pakanka nustatymus pakoreguoti.

Žinoma, ne viskas taip sklandžiai. Senesnė įranga tokių galimybių neturi, o mažesnės kavinės dažnai naudoja pigesnius aparatus be jokios „smart” funkcionalumo. Be to, duomenų perdavimas kelia ir tam tikrų klausimų – kas turi prieigą, kaip saugoma informacija. Tai realūs klausimai, kuriuos verta užduoti serviso tiekėjui.

Ką tai reiškia eiliniam kavos aparato savininkui Vilniuje

Jei turi profesionalų aparatą ir nori išnaudoti šias galimybes, pirmiausia verta pasitikrinti, ar tavo modelis turi diagnostikos sąsają. Daugumos gamintojų svetainėse tai nurodyta techninėse specifikacijose. Antra – ieškoti serviso, kuris dirba su ta konkrečia marka ir turi atitinkamą programinę įrangą. Ne kiekvienas „kavos aparatų meistras” turi prieigą prie gamintojo diagnostikos įrankių.

Taip pat verta pagalvoti apie aptarnavimo sutartis. Daugelis Vilniaus servisų siūlo periodinį techninį aptarnavimą su diagnostika – tai dažnai apsimoka labiau nei mokėti už kiekvieną iškvietimą atskirai.

Technologijos – tik įrankis, o ne stebuklas

Visa ši „smart” diagnostika yra tikrai naudinga, bet nereikia jos idealizuoti. Jutikliai gali klysti, programinė įranga turi klaidų, o geras technikas su patirtimi kartais greičiau suranda problemą nei bet kokia sistema. Technologijos čia veikia kaip papildomas sluoksnis – jos padeda, bet nepakeičia žmogiško sprendimo.

Vilniaus kavos kultūra auga sparčiai – mieste veikia šimtai kavinių, o kokybės kartelė kyla. Toje aplinkoje aparato patikimumas tampa konkurenciniu pranašumu. Ir jei „smart” technologijos padeda tą patikimumą užtikrinti – verta bent jau suprasti, kaip jos veikia, net jei pats jų nenaudoji.

Daugelis Alytaus verslininkų vis dar galvoja, kad dirbtinis intelektas (DI) – tai kažkas, kuo naudojasi tik Vilniaus startuoliai ar tarptautinės korporacijos. Bet realybė kitokia. Net ir nedidelės įmonės Alytuje jau dabar integruoja DI įrankius į savo kasdienę veiklą – ir ne todėl, kad tai madinga, o todėl, kad tai tiesiog taupo laiką ir pinigus.

Pažiūrėkime, kaip tai atrodo praktikoje.

Klientų aptarnavimas: kai nereikia budėti visą parą

Viena Alytaus baldų gamybos įmonė prieš metus įdiegė paprastą pokalbių robotą savo svetainėje. Rezultatas? Apie 40% dažniausiai užduodamų klausimų – apie pristatymo laiką, medžiagų pasirinkimą, kainas – dabar atsako automatiškai. Vadybininkai galėjo sutelkti dėmesį į sudėtingesnius užsakymus, o klientai gauna atsakymus net naktį.

Tai nėra raketų mokslas. Tokius sprendimus galima sukurti naudojant Tidio, Intercom ar net nemokamą ChatGPT API versiją. Svarbiausia – iš anksto surašyti, kokie klausimai kartojasi dažniausiai, ir tuo pagrįsti roboto scenarijus.

Marketingas ir turinys: kai vienas žmogus dirba kaip trys

Alytaus turizmo srityje veikianti įmonė naudoja DI įrankius socialinių tinklų turiniui generuoti. Tai nereiškia, kad robotas viską parašo ir paskelbia – tai reikštų šaltą, beasmenį turinį. Vietoj to, darbuotojas pateikia idėją ir pagrindinius faktus, DI parengia pirminį tekstą, o žmogus jį pritaiko, suteikia vietinį koloritą ir paskelbia.

Toks procesas leidžia per tą patį laiką sukurti tris kartus daugiau turinio. Naudojami įrankiai: ChatGPT, Canva Magic Write ir Jasper. Kaštai – keliasdešimt eurų per mėnesį.

Buhalterija ir dokumentų tvarkymas: nuobodžiausi darbai – automatizuoti

Vienas Alytaus logistikos verslas pradėjo naudoti DI pagrindu veikiančias sąskaitų atpažinimo sistemas. Anksčiau buhalterė rankiniu būdu perkeldavo duomenis iš PDF sąskaitų į apskaitos sistemą. Dabar tai daro programa – su mažiau nei 2% klaidų rodikliu.

Panašūs sprendimai: Dext (anksčiau Receipt Bank), Mindee ar integracijos per Zapier su populiariomis apskaitos sistemomis kaip Rivile ar Scoreboard.

Nuo ko pradėti, jei dar nepradėjai

Čia nereikia didelių investicijų ar IT specialisto. Keletas praktinių žingsnių:

• Identifikuok pasikartojančias užduotis. Kas tavo įmonėje daroma vėl ir vėl? Atsakymai į tuos pačius el. laiškus? Duomenų perkėlimas? Tai – pirmieji kandidatai automatizavimui.
• Pradėk nuo nemokamų įrankių. ChatGPT nemokama versija, Google Workspace AI funkcijos ar Canva – visi turi nemokamus planus, kurie leidžia išbandyti be rizikos.
• Mokyk komandą, ne tik save. DI įrankiai duoda geriausius rezultatus, kai juos naudoja visi, ne tik vadovas.
• Nesitikėk stebuklo iš karto. Pirmą mėnesį gali atrodyti, kad daugiau laiko eina į mokymąsi nei sutaupoma. Tai normalu.

Kas iš tikrųjų svarbu – žmonės ar technologijos?

Alytaus verslo pavyzdžiai rodo vieną paprastą tiesą: DI neišstumia žmonių, jis išstumia nuobodžias, pasikartojančias užduotis. Baldų įmonės vadybininkas dabar turi daugiau laiko pokalbiams su klientais, o ne atsakinėja į tuos pačius klausimus. Marketingo specialistas kuria strategiją, o ne kankina save prie tuščio ekrano.

Svarbiausia – nežiūrėti į DI kaip į brangų ir sudėtingą dalyką. Šiandien tai yra prieinamas įrankis, kurį gali naudoti net vieno žmogaus įmonė Alytuje. Klausimas ne ar verta pradėti, o kiek ilgai dar galima laukti, kol konkurentai aplenkia.

Prisimenu pokalbį su socialine darbuotoja Rasa iš Kauno. Ji pasakojo, kaip anksčiau praleisdavo valandas rašydama ataskaitas, pildydama formas, ieškodama informacijos apie klientus įvairiose sistemose. „Kartais jaučiausi kaip popierių tvarkytoja, o ne žmogaus padėjėja”, – prisipažino ji. Dabar, kai jos įstaiga pradėjo naudoti dirbtinio intelekto sprendimus, situacija pasikeitė. Ne iš karto, ne be iššūkių, bet pasikeitė.

Dirbtinis intelektas socialinėse paslaugose – tai ne mokslinės fantastikos scenarijus, o jau vykstanti realybė Lietuvoje. Tačiau skirtingai nei populiariuose filmuose, čia nėra robotų, kurie pakeistų žmones. Yra įrankiai, kurie leidžia specialistams būti geresniais tame, ką jie daro geriausiai – padėti žmonėms.

Kas iš tiesų vyksta socialinių paslaugų sektoriuje

Lietuvos socialinių paslaugų sistema šiandien susiduria su paradoksu. Viena vertus, paslaugų gavėjų poreikiai auga – senėjanti visuomenė, sudėtingėjančios socialinės problemos, didėjantis dėmesys kokybei. Kita vertus, specialistų trūksta, o tie, kurie dirba, dažnai perkrauti administracinėmis užduotimis.

Štai kur dirbtinis intelektas tampa ne prabanga, o būtinybe. Tik reikia suprasti, kad kalbame ne apie vieną technologiją, o apie visą įrankių spektrą. Tai ir automatizuoti dokumentų valdymo sprendimai, ir duomenų analizės sistemos, ir net pokalbių robotai, kurie gali suteikti pirminę informaciją žmonėms, ieškančiems pagalbos.

Socialinių reikalų ministerijos duomenimis, per pastaruosius trejus metus apie 40 procentų savivaldybių pradėjo įgyvendinti bent vieną skaitmeninį sprendimą socialinių paslaugų srityje. Tai gali skambėti įspūdingai, bet realybė sudėtingesnė – dažnai tai tik pirminiai žingsniai, o ne visapusiška transformacija.

Konkretūs dirbtinio intelekto taikymo būdai praktikoje

Pradėkime nuo to, kas jau veikia ir ką galite pradėti naudoti jau rytoj. Dokumentų valdymo automatizavimas – tai pirmasis žingsnis daugeliui įstaigų. Programos, kurios gali atpažinti tekstą dokumentuose, automatiškai ištraukti reikiamą informaciją ir užpildyti formas, jau seniai nėra ateities muzika.

Vilniaus miesto socialinių paslaugų centras, pavyzdžiui, naudoja sistemą, kuri automatiškai analizuoja gautus prašymus dėl socialinės paramos. Sistema nuskaito dokumentus, ištraukia pagrindinius duomenis – pajamas, šeimos sudėtį, gyvenamąją vietą – ir iškart patikrina, ar visa informacija pateikta. Jei ko nors trūksta, sistema automatiškai informuoja pareiškėją. Specialistui lieka tik peržiūrėti jau paruoštą bylą ir priimti sprendimą.

Kitas praktinis pavyzdys – rizikos vertinimo sistemos. Kai socialiniai darbuotojai dirba su šeimomis, kuriose gali būti smurto ar vaiko teisių pažeidimų, labai svarbu laiku atpažinti pavojaus ženklus. Dirbtinio intelekto algoritmai gali analizuoti daugybę veiksnių – ankstesnius incidentus, ekonominę situaciją, sveikatos problemas, mokyklos lankomumą – ir padėti specialistui įvertinti situacijos rimtumą. Svarbu pabrėžti: sistema nepriiima sprendimų už žmogų, ji tik suteikia papildomos informacijos.

Pokalbių robotai ir virtualūs asistentai taip pat pradeda rastis Lietuvos socialinių paslaugų erdvėje. Klaipėdos savivaldybė įdiegė pokalbių robotą, kuris svetainėje atsako į dažniausiai užduodamus klausimus apie socialines paslaugas. „Žmonės dažnai nori sužinoti paprastus dalykus – kokius dokumentus reikia pateikti, kur kreiptis, kokie terminai. Robotas gali atsakyti į tokius klausimus bet kuriuo paros metu”, – pasakoja projekto koordinatorė Ingrida.

Kaip pradėti: žingsniai įstaigoms ir specialistams

Jei dirbate socialinių paslaugų srityje ir norite pradėti naudoti dirbtinio intelekto sprendimus, pirmiausia atsakykite į klausimą: kokią problemą norite išspręsti? Ne „norime būti modernūs” ar „visi naudoja, tai ir mes”, o konkreti problema. Galbūt per daug laiko eina dokumentų tvarkymui? Galbūt sunku sekti visus klientų atvejus? O gal trūksta duomenų, kad galėtumėte planuoti paslaugas?

Pradėkite nuo mažo. Viena didžiausių klaidų – bandyti iš karto įdiegti didžiulę, viską apimančią sistemą. Geriau pasirinkti vieną konkrečią sritį ir išbandyti sprendimą joje. Pavyzdžiui, automatizuoti tik prašymų priėmimą arba tik ataskaitų rengimą.

Įtraukite savo komandą nuo pat pradžių. Socialiniai darbuotojai, kurie kasdien dirba su klientais, žino, kur yra tikrosios problemos. Jie taip pat bus tie, kurie naudos naują sistemą, todėl jų nuomonė kritiškai svarbi. Panevėžio rajono socialinių paslaugų centre, prieš įdiegiant naują dokumentų valdymo sistemą, surengė kelis susitikimus su darbuotojais, išklausė jų pasiūlymus ir net leido išbandyti kelias skirtingas sistemas. Rezultatas – daug didesnis priėmimas ir mažiau pasipriešinimo pokyčiams.

Investuokite į mokymą. Ir tai ne vienkartinis mokymas įdiegimo metu, o nuolatinis procesas. Technologijos keičiasi, atsiranda naujų funkcijų, žmonės pamiršta, kaip naudoti retai naudojamas funkcijas. Sukurkite mokymų planą, paskirkite „technologijų ambasadorius” komandoje – žmones, kurie geriau išmano sistemas ir gali padėti kolegoms.

Su kokiais iššūkiais susidursite ir kaip jų išvengti

Būkime atviri – įdiegti dirbtinio intelekto sprendimus socialinėse paslaugose nėra paprasta. Pirmasis ir dažniausiai sutinkamas iššūkis – pasipriešinimas pokyčiams. Žmonės bijo, kad technologijos atims jų darbus. Šis baimė nėra visiškai nepagrįsta – technologijos tikrai keičia darbo pobūdį. Bet socialinių paslaugų srityje dirbtinis intelektas greičiausiai nepakeis žmonių, o pakeis tai, kaip jie dirba.

Socialinė darbuotoja Jurgita iš Šiaulių prisipažįsta, kad iš pradžių labai priešinosi naujai sistemai. „Maniau, kad tai dar vienas būdas mus kontroliuoti, dar viena sistema, kurią reikės mokytis”, – sako ji. Bet po kelių mėnesių jos nuomonė pasikeitė. „Dabar matau, kad turiu daugiau laiko tiesiogiam darbui su žmonėmis. Mažiau laiko praleidžiu prie kompiuterio, daugiau – pas klientus.”

Antrasis didelis iššūkis – duomenų apsauga ir privatumas. Socialinių paslaugų srityje dirbama su itin jautria informacija – žmonių sveikatos duomenimis, finansine informacija, šeimos situacija. Bet kokia dirbtinio intelekto sistema turi atitikti griežtus duomenų apsaugos reikalavimus. Tai reiškia, kad negalite tiesiog nusipirkti bet kokio sprendimo iš rinkos – reikia įsitikinti, kad jis atitinka BDAR reikalavimus, kad duomenys saugomi Lietuvoje ar ES, kad yra aiškios procedūros, kas ir kaip gali pasiekti informaciją.

Trečiasis iššūkis – skaitmeninė atskirtis. Ne visi paslaugų gavėjai gali ar nori naudotis skaitmeninėmis paslaugomis. Vyresnio amžiaus žmonės, asmenys su negalia, socialinės atskirties patiriantys žmonės – jiems gali būti sunku naudotis naujomis technologijomis. Todėl labai svarbu, kad skaitmeniniai sprendimai būtų papildomas, o ne vienintelis būdas gauti paslaugas. Visada turi likti galimybė kreiptis tiesiogiai, kalbėti su gyvais žmonėmis.

Etiniai klausimai, kurių negalima ignoruoti

Kai kalbame apie dirbtinį intelektą socialinėse paslaugose, etiniai klausimai iškyla kiekviename žingsnyje. Kas atsako, jei algoritmas suklysta? Kaip užtikrinti, kad sistema nėra šališka? Kaip išlaikyti žmogiškąjį elementą, kuris yra toks svarbus socialiniame darbe?

Algoritminė šališkumas – tai rimta problema. Dirbtinio intelekto sistemos mokosi iš duomenų, o jei tie duomenys atspindi egzistuojančius visuomenės stereotipus ar nelygybę, sistema gali juos dar labiau sustiprinti. Pavyzdžiui, jei istoriškai tam tikros bendruomenės dažniau buvo tikrinamos dėl vaiko teisių pažeidimų, sistema gali „išmokti”, kad šios bendruomenės yra didesnės rizikos, net jei tai neatspindi tikrosios situacijos.

Lietuvoje socialinių paslaugų srityje dirbtinio intelekto etikos gairės dar tik formuojasi. Bet kai kurie principai jau aiškūs. Visų pirma, skaidrumas – žmonės turi žinoti, kada su jais sąveikauja dirbtinis intelektas, o ne žmogus. Antra, žmogaus priežiūra – svarbūs sprendimai apie žmonių gyvenimus visada turi būti priimami žmonių, o ne algoritmų. Trečia, galimybė apskundžti – turi būti aiškios procedūros, kaip žmogus gali ginčyti sprendimą, jei mano, kad sistema suklydo.

Socialinių darbuotojų profesinė etika taip pat turi prisitaikyti prie naujų realijų. Lietuvos socialinių darbuotojų asociacija jau pradėjo diskusijas, kaip atnaujinti etikos kodeksą, kad jis apimtų ir darbo su dirbtinio intelekto sistemomis aspektus. Kaip užtikrinti konfidencialumą, kai duomenys saugomi debesyje? Kaip išlaikyti profesinį santykį su klientu, kai dalis komunikacijos vyksta per automatinius kanalus?

Ateities vizija: kur link judame

Lietuvos socialinių paslaugų skaitmeninimo strategija numato, kad iki 2030 metų dauguma administracinių procesų bus automatizuoti, o specialistai galės sutelkti dėmesį į tiesioginį darbą su žmonėmis. Skamba optimistiškai, bet ar tai realu?

Žiūrint į tarptautinę patirtį, matome, kad kai kurios šalys jau gerokai pažengė šia kryptimi. Danijoje socialiniai darbuotojai naudoja dirbtinio intelekto sistemas, kurios analizuoja šimtus duomenų šaltinių ir padeda identifikuoti šeimas, kurioms gali prireikti pagalbos, dar prieš krizę. Estijoje dauguma socialinių paslaugų gali būti užsakytos internetu, o sistemos automatiškai patikrina asmens tinkamumą gauti paramą.

Bet Lietuva turi savo specifiką. Mūsų socialinių paslaugų sistema labai decentralizuota – kiekviena savivaldybė turi daug savarankiškumo. Tai viena vertus gerai – leidžia prisitaikyti prie vietinių poreikių. Bet kita vertus, apsunkina didelių skaitmeninių sprendimų įdiegimą. Kai kiekviena savivaldybė naudoja skirtingas sistemas, sunku užtikrinti duomenų mainus, sunku mokytis iš kitų patirties.

Todėl ateityje labai svarbu standartizavimas. Ne vienodos sistemos visur, bet bent jau vienodi standartai, kaip tos sistemos turi veikti ir kaip jos turi keistis duomenimis. Socialinių reikalų ministerija jau dirba prie bendros duomenų mainų platformos, kuri leistų skirtingoms sistemoms „kalbėtis” tarpusavyje.

Kitas svarbus ateities aspektas – personalizacija. Dirbtinis intelektas gali padėti kurti individualius paslaugų planus, atsižvelgiant į kiekvieno žmogaus unikalią situaciją. Vietoj standartinių paslaugų paketų – pritaikyti sprendimai, kurie tikrai atitinka žmogaus poreikius. Bet tam reikia daug duomenų ir sudėtingų analitinių sistemų.

Kai technologijos tarnauja žmoniškumui

Grįžkime prie Rasos istorijos, su kuria pradėjome. Po metų dirbant su nauja sistema, ji sako: „Dabar jaučiuosi tikra socialine darbuotoja. Turiu laiko išklausyti žmones, suprasti jų situaciją, ieškoti geriausių sprendimų. Technologijos nepaėmė mano darbo – jos leido man daryti savo darbą geriau.”

Ir būtent tai turėtų būti dirbtinio intelekto tikslas socialinėse paslaugose. Ne pakeisti žmones, o jiems padėti. Ne sumažinti kontaktą su klientais, o padaryti jį kokybišesnį. Ne supaprastinti sudėtingus žmonių gyvenimus iki algoritmų, o suteikti specialistams įrankius geriau suprasti tą sudėtingumą.

Lietuvos socialinių paslaugų sistema turi unikalią galimybę. Mes nesame nei per daug atsilikę, kad negalėtume pasivyti, nei per daug pažengę, kad būtume įstrigę senuose sprendimuose. Galime mokytis iš kitų šalių klaidų, pritaikyti geriausias praktikas prie mūsų konteksto, kurti sprendimus, kurie tikrai atitinka mūsų poreikius.

Bet tam reikia investicijų – ne tik pinigų technologijoms, bet ir laiko specialistų mokymui, dėmesio etiniams klausimams, kantrybės pokyčių procesui. Reikia dialogo tarp technologų, socialinių darbuotojų, politikos formuotojų ir pačių paslaugų gavėjų. Reikia drąsos eksperimentuoti, bet ir išminties pripažinti klaidas.

Dirbtinis intelektas nėra stebuklingas sprendimas visoms socialinių paslaugų problemoms. Jis neišspręs finansavimo trūkumo, nepadidins atlyginimų, neįveiks visuomenėje įsišaknijusių stereotipų. Bet jis gali būti galingas įrankis tų, kurie kasdien stengiasi padėti kitiems žmonėms. Ir jei mes išmoksime jį naudoti išmintingai, etiškai ir žmogiškai, Lietuvos socialinės paslaugos gali tapti ne tik efektyvesnės, bet ir žmogiškesnės. Paradoksalu, bet būtent technologijos gali mums padėti grąžinti žmogiškumą į sistemą, kuri per dažnai tampa pernelyg biurokratiška ir nutolusi nuo žmonių.