Par mākslīgo intelektu šobrīd dzirdam gandrīz katru dienu. Tiek pieminēti čatboti, aģenti, automatizācija un dažādi citi ar AI saistīti risinājumi. No malas var rasties iespaids, ka lielākā daļa uzņēmumu jau strādā ar ļoti attīstītiem mākslīgā intelekta risinājumiem.
Tomēr realitātē attīstība ir daudz pakāpeniskāka. AI ieviešana notiek pa posmiem, līdzīgi kā savulaik digitalizācija vai pāreja uz mākoņpakalpojumiem. Lielākā daļa uzņēmumu joprojām atrodas sākuma stadijā, un nereti AI iespējas tiek izmantotas tikai atsevišķās nodaļās vai individuālu darbinieku līmenī.
Starptautisku pētījumu dati, kā piemēram, Boston Consulting Group arī rāda, ka, lai gan daudzi uzņēmumi šodien izmanto AI, tikai neliela daļa no tiem jau ir guvuši būtisku vērtību, jo AI bieži paliek izolētās iniciatīvās bez stratēģiskas integrācijas.
Balstoties uz savu profesionālo pieredzi un novērojumiem tirgū, lēšu, ka uzņēmumu AI attīstība šobrīd atrodas dažādos brieduma posmos. Lai strukturētu kopainu un padarītu to skaidrāku, šo attīstību var iedalīt piecos brieduma līmeņos.
1. Līmenis – Individuālās produktivitātes AI: Šajā līmenī 2026. gadā ir lielākā daļa uzņēmumu. Šajā līmenī mākslīgais intelekts tiek izmantots kā personīgs darba rīks. Tas palīdz rakstīt tekstus, analizēt informāciju, ģenerēt idejas vai kodu, taču nedarbojas patstāvīgi uzņēmuma procesos. AI šeit reaģē uz cilvēka pieprasījumu un nerīkojas bez tiešas iniciatīvas. Tas nav integrēts sistēmās un nepieņem lēmumus uzņēmumu vārdā. Šis ir visizplatītākais un visvieglāk ieviešamais AI izmantošanas veids. Praktiski tā ir produktivitātes paaugstināšana individuālā līmenī.
Aptuveni 70 – 85 % uzņēmumu šobrīd ir šajā līmenī.
Piemēri:
- Mārketings: Sagatavo LinkedIn ierakstu, reklāmas tekstus, produktu aprakstus vairākās versijās. Cilvēks rediģē un publicē;
- AI palīdz sagatavot sākotnējo līguma struktūru vai izskaidro konkrētu punktu, ko tālāk pārskata jurists.
- IT izstrāde: Ģenerē koda fragmentus, testus, dokumentāciju. Programmētājs pārbauda un integrē;
- Vadība: Sagatavo sapulces kopsavilkumu no pierakstiem vai strukturē idejas prezentācijai.
AI iesaiste šajā gadījumā ir “gudrāks Google + ātrs praktikants”.
2. Līmenis – AI ar uzņēmumu datu kontekstu (RAG). Šajā posmā AI tiek savienots ar uzņēmuma dokumentiem un datubāzēm. Tas spēj sniegt atbildes, balstoties nevis uz vispārīgu informāciju, bet uz konkrēta uzņēmuma datiem. AI kļūst par zināšanu asistentu, kas palīdz orientēties iekšējā informācijā. Tomēr tas joprojām galvenokārt sniedz rekomendācijas vai sagatavo informāciju cilvēka lēmumiem. Procesu izpilde vēl nav pilnībā automatizēta. Šis līmenis jau rada būtisku operacionālu vērtību.
Aptuveni 10 – 20 % uzņēmumu šobrīd ir šajā līmenī.
Piemēri:
- Iekšējais zināšanu asistents: Darbinieks jautā: “Kāda ir komandējumu politika Anglijā?”
AI atrod atbilstošo dokumentu un sniedz atbildi ar atsauci uz konkrētu punktu. - Klientu atbalsts: Operators uzdod jautājumu AI par konkrētu produktu. AI izmanto uzņēmuma rokasgrāmatas un palīdz sagatavot precīzu atbildi.
- Līgumu analīze: AI pārbauda, vai jaunā līguma versija atbilst uzņēmuma standarta nosacījumiem.
- Pārdošana: AI analizē CRM datus un sagatavo personalizētu piedāvājuma melnrakstu konkrētam klientam.
Šajā līmenī AI jau rada strukturētu operacionālu vērtību, jo tas strādā ar konkrēta uzņēmuma datiem, nevis “visu internetu”.
3. līmenis – Procesu AI (Agentic AI). Šajā līmenī AI sāk piedalīties reālos darba procesos un spēj veikt konkrētas darbības. Tas var analizēt situāciju, izvēlēties nākamo soli un izsaukt sistēmas vai rīkus, lai izpildītu uzdevumu. Parasti šī darbība notiek cilvēka uzraudzībā vai ar apstiprinājuma mehānismiem. AI šeit kļūst par digitālu kolēģi, nevis tikai informācijas sniedzēju. Tas ļauj automatizēt atkārtojamus un strukturētus uzdevumus. Ieviešana šajā līmenī prasa jau sakārtotus procesus un uzticamus datus.
Aptuveni 3 – 7 % uzņēmumu šobrīd ir šajā līmenī.
Piemēri:
- Darba uzdevumu apstrāde: AI saņem pieprasījumu → pārbauda CRM → identificē piemērotu komandu → sagatavo piedāvājumu → nosūta to klientam apstiprināšanai;
- Finanšu nodaļa: AI klasificē ienākošos rēķinus → pārbauda pret budžetu → sagatavo maksājuma uzdevumu → cilvēks apstiprina;
- IT atbalsts: AI analizē incidentu → pārbauda zināmo problēmu datubāzi → izpilda skriptu servera restartam → informē lietotāju;
- HR atlase: AI analizē CV → salīdzina ar amata prasībām → sagatavo kandidātu sarakstu → ieplāno interviju kalendārā.
Šajā līmenī AI jau kļūst par “digitālu kolēģi”, ne tikai palīgu.
4. Līmenis – Multi-agent sistēmas. Šajā līmenī darbojas vairāki specializēti AI aģenti, kas sadarbojas savā starpā. Katram aģentam ir konkrēta loma, piemēram: analīze, plānošana, izpilde vai kvalitātes pārbaude. Tie koordinē darbības un kopīgi risina sarežģītākus uzdevumus, kas pārsniedz viena procesa robežas. Sistēma sāk līdzināties digitālai komandai ar darba sadali. Cilvēks nosaka stratēģiju un uzrauga rezultātu, bet ikdienas darbību plūsma var būt lielā mērā automatizēta. Šis līmenis prasa augstu tehnoloģisko un organizatorisko briedumu.
Aptuveni 1 – 2 % uzņēmumu šobrīd ir šajā līmenī, pārsvarā tie vēl ir pilotprojekti vai ļoti tehnoloģiski nobriedušas organizācijas.
Piemēri:
1) E-komercija
- Klienta uzvedības aģents analizē lietotāju darbības mājaslapā;
- Segmentācijas aģents nosaka klientu profilus;
- Piedāvājumu aģents ģenerē personalizētu produktu atlasi;
- Cenu optimizācijas aģents pielāgo akcijas vai atlaides;
- Komunikācijas aģents noslēdz procesu, nosūtot klientam personalizētu ziņu vai piedāvājumu.
Lēmumi notiek sekundēs, bez manuālas kampaņu plānošanas.
2) Finanšu analītikas automatizācija
- Datu savākšanas aģents apkopo datus no ERP, CRM un grāmatvedības sistēmām;
- Kvalitātes kontroles aģents identificē neatbilstības vai trūkstošos ierakstus;
- Analīzes aģents veido finanšu modeļus un prognozes;
- Riska novērtēšanas aģents izceļ potenciālās problēmas;
- Visbeidzot atskaites aģents sagatavo vadībai saprotamu kopsavilkumu.
Šajā gadījumā tā vairs nav tikai atskaite – tā ir nepārtraukta finanšu “situācijas uztvere”.
5. līmenis – Vispārējais mākslīgais intelekts (AGI). AGI (Artificial General Intelligence) apzīmē teorētisku mākslīgā intelekta līmeni, kurā sistēma spētu apgūt un risināt jebkuru intelektuālu uzdevumu līdzīgi kā cilvēks. Tā varētu pārnest zināšanas starp dažādiem domēniem, pielāgoties pilnīgi jaunām situācijām un pilnveidoties, balstoties uz iepriekšējo pieredzi, bez nepieciešamības to īpaši pār-apmācīt katram jaunam gadījumam. Šāda sistēma spētu patstāvīgi formulēt mērķus, izstrādāt stratēģiju un pieņemt lēmumus plašā kontekstā.
Svarīgi uzsvērt, ka AGI nav vienkārši ļoti jaudīgs čatbots vai vairāku AI aģentu kopums. Tas nozīmētu kvalitatīvi citu intelekta līmeni – spēju saprast, mācīties un rīkoties vispārīgi, nevis tikai konkrēti definētos uzdevumos.
Ja mēģinām to iztēloties praksē, var domāt par situāciju, kur AGI darbojas kā digitāls uzņēmuma attīstības vadītājs. Tas analizētu tirgus tendences, izvērtētu uzņēmuma finanšu stāvokli un komandas kapacitāti, noteiktu prioritātes, iniciētu jaunu produktu izstrādi, optimizētu izmaksas un pielāgotu stratēģiju mainīgiem apstākļiem, un to darītu bez iepriekš stingri ieprogrammētas darbplūsmas.
Tomēr jāuzsver, ka šāds līmenis šobrīd nepastāv uzņēmumu praksē. Par to plaši diskutē pētniecībā, forumos un konferencēs, taču tas joprojām pieder vairāk nākotnes scenāriju un teorētisku apsvērumu, nevis reālas ieviešanas jomai.
Svarīgākais gan nav tas, cik attīstīts AI būs nākotnē, bet gan tas, kā uzņēmumi to sāk izmantot jau šodien.
LTECH komandā strādājam ar uzņēmumiem pie sistēmu modernizācijas, procesu automatizācijas un AI risinājumu ieviešanas, kas rada praktisku biznesa vērtību. Ja domājat par AI pielietojumu savā organizācijā, droši sazinieties – labprāt padalīšos ar pieredzi un idejām.