Už nejsme za „nerdy“. Umělá inteligence opraví portfolio, umí odhalit i černý odběr elektřiny

Před šesti lety, když jsme začínali, jsme pro mnohé firmy byli za „nerdy“. Dnes je situace jiná. Firmy v oblasti zpracování dat udělaly velký posun. Potenciál však není zdaleka vyčerpán. Naše řešení využívající umělou inteligenci (AI) umí rekonstruovat portfolio, stejně tak odhalit černý odběr elektřiny nebo detekovat podvody v mezinárodní přepravě, řekl v rozhovoru pro Roklen24 Tomáš Hubínek, spoluzakladatel a jeden z majitelů technologické společnosti BigHub, která pomáhá firmám využívat umělou inteligenci za pomocí cloudových řešení. Co všechno dokáže umělá inteligence například v energetickém sektoru? Jak se globálně změnila práce s daty a kde je největší potenciál využití umělé inteligence? Přečtěte si rozhovor!

Jste na trhu šest let. Máte pestré portfolio klientů, někteří z nich dokonce patří mezi největší firmy v České republice. Vraťme se ale na začátek. Jak vznikl nápad založit BigHub?

Myšlenka vlastně vznikla už na škole. S Karlem Šimánkem jsme se poznali na ČVUT během studia na Fakultě jaderné a fyzikálně inženýrské. V ročníku jsme byli skvělá parta, v oboru nás končilo osm a pět z nás později do BigHubu v jeho začátcích naskočilo. Před založením BigHubu jsme ale sbírali zkušenosti napříč trhem. Já ještě během školy pracoval pro CERN, s Karlem jsme pak byli v konzultační společnosti a následně jsme si zkusili i práci v korporaci.

Postupně jsme si čím dál více uvědomovali potenciál datové analytiky, cloudu a AI a chtěli ho využít naplno. Ale to nebylo v žádné z těchto institucí možné, proto jsme s Karlem, a ještě spolu s Josefem Stejskalem v roce 2016 založili BigHub.

Můžeme se podílet na datové transformaci napříč sektory, řešíme obchodní problémy, architekturu řešení i implementaci v logistice, energetice, financích, zdravotnictví či herním průmyslu. Tahle variabilita nás baví. Inovativní přístupy a projekty se navíc snadněji do firem implementují zvenku, máme větší autonomii v návrhu řešení a řízení projektu, což vyhovuje nám i našim zaměstnancům. Můžeme tak dodávat důležité projekty do velkých korporacích, a přitom si udržet startupového ducha a do jisté míry se odstínit od korporátních procesů. S autonomií jde ruku v ruce i více zodpovědnosti, ale té se nebojíme.

Jaké byly vaše začátky? Potýkali jste s nějakými fuckupy, nebo šlo vše hladce podle představ?

Určitě to nebylo vždy lehké, ale to v podnikání asi nikdy není. Hodně lidí nás v počátcích odrazovalo s tím, že český trh není na cloud a AI připraven. Ta cesta chvíli trvala, ale naštěstí jsme se dostali k osvíceným lidem, tady bych zmínil dva zásadní klienty, a to Innogy a GoodData. Díky nim jsme se brzy dostali k velmi zajímavým analytickým projektům a následně také k zahraničním klientům a nadnárodním korporacím, kteří byli na AI a datovou transformaci připraveni.

Co se týče projektových fuckupů, tak musím říct, že se nám docela vyhýbají. Ale stalo se nám například, že jsme udělali úspěšný pilot, optimalizace by našemu klientovi přinesla výraznou úsporu, nicméně pak zjistil, že kvůli regulatorním požadavkům to nemůže dát do produkce, a přišlo to tak vniveč.

V rámci poskytovaných služeb se zaměřujete na umělou inteligenci, cloudová řešení a data. Po které službě je největší poptávka?

V současné době máme velkou poptávku po cloudových datových analytických platformách a cloudových datových řešení. Cloud přináší společnostem úspory, jednodušší škálování, operativu i rychlejší start nových projektů. Po datových řešeních je poptávka vysoká dlouhodobě, tam nějaký dramatický růst nepozorujeme. Poptávka po AI projektech také poslední dobou roste, nicméně celkový objem práce na samotných modelech je typicky menší v kontextu celého AI projektu.

Nasadit produkční AI systém do reálné praxe vyžaduje přípravu dat, systém pro zpracování požadavků, často v reálném čase, propagaci výstupů do korporátních procesů a spoustu dalších produkčních aktivit, které představují výrazně větší objem práce než tvorba samotného modelu.

Ve vašem klientském portfoliu najdeme zástupce energetického sektoru, například Innogy, Pražská plynárenská, nebo dokonce ČEZ. Jak konkrétně může umělá inteligence pomoci právě v tomto segmentu?

Energetický sektor je zajímavý právě množstvím datových use casů. Jsou tady transakční data, produkce, spotřeba, energetická síť a její využití, každý den přicházíme s klienty na nové možnosti.

Jedním z typických příkladů pro výrobu a distribuci je prediktivní údržba, tedy systém monitorující stav komponent, který dokáže předpovědět možnou blížící se závadu a řídit tak efektivněji servis součástek. Výhodou je, že v energetice jsou rozvodné sítě dobře monitorované a v reálném čase poskytují celou řadu měření fyzikálních veličin, na základě nichž pak vyhodnocení probíhá.

Dále jsme například dělali systém pro detekci černých odběrů elektřiny, kde jsme za pomoci AI identifikovali podezřelá místa v síti. Optimalizovali jsme i chod elektrárny nebo vyvinuli aplikaci pro chytré odečty elektřiny. A mohl bych pokračovat dále, těch témat je spoustu a je to hodně různorodé.

Pokud se zaměříme na finance, pomáháte i investičním společnostem. Jak dokážete zefektivnit jejich práci a fungování? Jaké služby jim poskytujete?

Ve finančním sektoru je využití strojového učení hodně rozšířené. Začínal jsem stejně jako několik dalších společníků ve finančním sektoru ještě před začátkem BigHub. Zaměřuje se na něj řada startupů, a rovněž finanční společnosti si dobře uvědomují jeho přínosy. Celý sektor je tak s adopcí AI vepředu. V BigHub jsme například pro jednu významnou zahraniční brokerskou společnost zpětně rekonstruovali finanční portfolia jejich klientů a vytvářeli doporučení na optimální investiční modely a strategie.

Jak jsou na tom české firmy z hlediska zpracování dat a jejich využití? Využívají jejich plný potenciál, nebo stále existují mezery?

Posun je veliký, firmy stále více přemýšlí nad tím, jak svá data využít k optimalizaci chodu či poskytování nových produktů či služeb. Dobré je, že firmy většinou mají poměrně dlouhou historii nasbíraných dat a je na čem stavět. Za poslední roky se řadě firem podařilo úspěšně nasadit první AI modely a vstřebat jejich přínos. To obecné povědomí je výrazně větší než před lety, a proto se k novým AI projektům stavějí mnohem otevřeněji.

Před šesti lety, kdy jsme začínali, to bylo jiné. Když jsme se tehdy s firmami bavili o využití neuronových sítí na jejich data, byli jsme za „nerdy“, a bylo určitě výrazně těžší takový projekt prosadit. Firmy také řešily základnější datové otázky, jako kde věci počítat, jak tam data dostat, jak je dostat do správné formy… Cesta k AI projektu tak byla mnohem delší.

Každopádně ten potenciál firemních dat ještě není zdaleka vyčerpán. I po těch letech velkého pokroku jsme de facto na začátku, a nová témata se stále otevírají.

Jak se za posledních deset let změnila práce s daty, uvažujeme-li v globálním měřítku?

Největší boom na datovém trhu způsobil open source. Firmám to přineslo snížení závislosti na konkrétním dodavateli, nižší cenu a větší prostor pro využití širšího spektra technologií.  Open source tak do značné míry odemkl potenciál umělé inteligence. Významnou roli v tom sehráli především velcí technologičtí hráči jako Google, Facebook, Amazon či Microsoft. Po nich začali AI využívat i netechnologické a menší firmy.

Druhým významným faktorem je rozšíření cloudových technologií, které celý proces vývoje urychlují a mění zaběhlé postupy.

Co se týče samotné práce, tak rostou nároky na vývojáře. Zásadní je především schopnost se rychle adaptovat a naučit se pracovat s novými nástroji a technologiemi. Nezbytné jsou pak znalosti cloudových technologií. Datové inženýrství se v posledních letech co do metodik a postupů stále více přibližuje ke klasickému softwarovému vývoji.

Kde vidíte největší potenciál využití umělé inteligence? Má toto odvětví nějaké významné mantinely expanze?

V oblasti umělé inteligence bude dále pokračovat rozvoj algoritmů, a to jak na teoretické rovině, tak na konkrétních aplikacích jako je computer vision nebo analýza textu, které se rozvíjí neuvěřitelně rychle. Spolu s tím bude pokračovat rozvoj výpočetní infrastruktury, grafických karet a procesorů. Pořád se ale bavíme o sice rychlém, ale postupném vývoji. Nemyslím si, že nás v nejbližších letech čeká nějaká velká revoluce, která by změnila celé paradigma. Tu dle mého názoru přinese až větší rozšíření kvantových počítačů na reálné problémy, jejich rozvoj, zlevnění a celková adopce. Na to se velmi těším, ale vidím to jako delší kontinuální proces. Revoluce to tedy určitě bude, ale nepřijde ze dne na den.

My se v BigHub zaměřujeme na využití AI na konkrétní jasně definované problémy. Nicméně bude určitě velmi zajímavé také pozorovat, jak se bude rozvíjet snaha o vývoj obecné umělé inteligence (AGI), která by byla schopna vykonávat jakýkoli úkol stejně či lépe než člověk. Tam se ale nějakého většího průlomu dočkáme až v mnohem delším časovém horizontu a bude věřím ještě dost času na vyřešení etických a společenských otázek, které to přinese.

Aktuálně pracujete na projektu odhalování podvodů, jako je porušování duševního vlastnictví či podhodnocování zboží při mezinárodní přepravě. To vše za použití umělé inteligence. Mohl byste princip toho, jak AI podvody odhalí, alespoň stručně popsat?

Základem je AI model, který je schopen na základě historicky nasbíraných dat o potvrzených podvodech a analýze textu identifikovat podezřelé zásilky. Tento model se musí pravidelně aktualizovat a výstupy vyhodnocovat, což je součástí naší práce.

Kromě toho je potřeba vyvinout aplikaci, která v reálném čase zpracovává informace o zásilkách a generuje upozornění, na jejichž základě probíhá samotná kontrola. To vše bylo potřeba implementovat do již existujících firemních procesů.

Výsledky je také potřeba zobrazovat a pravidelně podávat informace o tom, kde se co vyhodnotilo a jak si model vede. Algoritmus mimo jiné využívá i přímé vstupy od uživatelů, k čemuž bylo potřeba vyvinout webovou aplikaci.

Celý systém se tak skládá z několika částí, AI zde hraje zásadní roli, ale k nasazení do reálného businessu je zapotřebí daleko více.

Český trh práce naráží v mnohem sektorech na omezení v podobě nedostatku pracovníků. Jak je na tom segment práce s daty a s umělou inteligencí? Máme u nás dostatek kvalifikovaných lidí?

Řekl bych, že kvalitních a schopných lidí máme na českém trhu hodně, ale ta poptávka je přeci jen o něco vyšší. ?? Náš obor se hodně rychle vyvíjí, a proto je pro nás při výběru nových lidí zásadní motivace a schopnost rychle se naučit pracovat s novými technologiemi.

V důsledku toho, jak se datový vývoj přibližuje klasickému softwarovému vývoji, tak nacházíme skvělé lidi také mezi softwarovými vývojáři. To se nám daří hlavně díky tomu, že máme zajímavé projekty s velkým dopadem a fajn firemní prostředí.  Nyní sídlíme v Praze, s několika lidmi pracujícími na dálku, ale vzhledem k poptávce chceme vybudovat další vývojářské huby.

A co absolventi vysokých škol? Jsou ze školy dostatečně připraveni na reálnou práci s daty a umělou inteligencí?

Z vlastní zkušenosti a z diskusí s přáteli, kteří studovali v Německu či Francii, musím říct, že provázanost studia s praxí má v ČR stále mezery. Každá univerzita a fakulta k tomu přistupují jinak, ale celkově se to podle mě každým rokem zlepšuje. Je to ale neustálý proces, ke kterému musí přispět především lidé z praxe. Proto jsme na naší alma mater, FJFI ČVUT, otevřeli předmět Aplikovaná analýza dat, kde se snažíme ukázat, jak to v praxi funguje, a studentům předat postřehy, které jsme za ty roky v oboru nasbírali.

Nicméně ten trend je dobrý, jsem rád že studenti softwarových oborů často již při studiu získávají kvalitní praxi a jsou poměrně dobře připraveni. Za těch posledních šest let vidím velký posun.

Jaké máte plány do budoucna? Ať už z hlediska produktů nebo expanze do zahraničí.

Teď je naší prioritou zvládnout další růst, poptávka je vysoká, už nejsme mikro firma, která stojí na pár lidech. Zakládáme si na pracovním prostředí a setkávání v kanceláři. Limituje nás fakt, že máme vývojovou pobočku pouze v Praze, a proto je naším plánem v příštím roce otevřít další pobočku v ČR. K tomu zvažujeme také dvě zahraniční destinace. Dalším cílem je více proniknout na americký trh, který poskytuje hodně příležitostí k dalšímu růstu. Zaměřujeme se na korporátní klienty a startupy, ale rádi bychom také navázali spolupráci s vědeckou sférou, například s institucemi jako jsou ESA či CERN.