Latvijas uzņēmums "Apply" ar mākslīgo intelektu strādā vairāk nekā 10 gadu: brāļi Jakuboviči stāsta par milzu iespējām

Ar mākslīgo intelektu sākām strādāt jau 2012. gada beigās. Mums bija projekts, ko aizsāka nu jau viens no "Apply" īpašniekiem Kārlis Gudonis.

Kārlim bija ideja attiecībā uz to, kā ar mākslīgo intelektu var rēķināt mediju reitinga punktus – sekot līdzi, vai reklāma ir vai nav parādījusies televīzijas kanālā, kurā brīdī tas noticis, un iegūt salīdzinošos datus. Tieši ar šo projektu aizsākām mūsu ceļu datorredzes risinājumu izstrādē. Tas bija aizraujoši – izrādās, ka šī jaunā tehnoloģija datus apstrādā pavisam citādāk, nekā mēs bijām pieraduši!

Šim projektam sekoja daudzi citi gan industriālajā sektorā, gan veselības aprūpē, kā arī daudzās citās nozarēs. Mākslīgā intelekta algoritmi, ko mēs būvējam, ir ļoti dažādi. Nereti katram projektam tos pielāgojam individuāli, tomēr bieži varam izmantot vienādus algoritmus starp pavisam nesaistītām nozarēm.

No katra projekta mēs esam mācījušies un uzkrājuši zināšanas. Mums bieži jautā, kā mēs spējam saglabāt fokusu, ja vienlaicīgi apkalpojam tik dažādas industrijas? Jāsaprot, ka mēs nestrādājam šajās industrijās – mēs strādājam ar tehnoloģiju, kuru iespējams piemērot dažādu nozaru vajadzībām un specifikai. Tas nozīmē, ka mums jāspēj ātri iedziļināties to īpatnībās, taču pašu problēmu mēs risinām ar tehnoloģijas palīdzību. Šobrīd mums jau izstrādāti dažādi rīki, kurus diezgan ātri varam pielāgot vienam vai otram projektam. Vēl aizvien saglabājam individuālu pieeju, bet tagad problēmu spējam atrisināt efektīvāk un veiklāk, salīdzinot ar pašu sākumu, kad pilnīgi visu domājām no jauna.

Lai to sasniegtu, mēs iedziļinājāmies dažādos pētījumos, sekojām līdzi, ko dara datorzinātnieki, kā attīstās tehnoloģija un kā varam to izmantot atvērtā koda veidā.

Kā jūs meklējat projektus?

Projektu piesaiste visbiežāk notiek, balstoties uz personīgiem ieteikumiem. Klienti, ar kuriem sadarbība ir bijusi veiksmīga, dalās savā pieredzē ar citiem. Šie cilvēki nāk pie mums un izklāsta savu problēmu. Mēs piedāvājam iespējamo risinājumu un kopīgi izvērtējam, vai sadarbība ir īstenojama.

Godīgi jāatzīst, ka pirmos septiņus gadus visi mākslīgā intelekta projekti mūsu uzņēmumam nesa zaudējumus. Mūsu tālākā darbība šajā periodā bija iespējama, pateicoties IT pakalpojumiem, kurus turpinājām piedāvāt klientiem. Finansiālie zaudējumi galvenokārt bija saistīti ar izaicinājumiem, kurus nes inovatīvu projektu izstrāde.

Kāpēc mākslīgā intelekta risinājumi ir dārgi? Ir divi būtiski aspekti, kas to ietekmē. Pirmā ir mācīšana. Vispirms ir jāiegūst dati, kas jāstrukturē pēc konkrētiem parametriem. Šie dati ir "jāiemāca" datoram. Pēcāk būtiska nozīme ir datu zinātnieka intuīcijai - kā datus vislabāk strukturēt un kombinēt, lai konkrētajā situācijā dators spētu efektīvāk identificēt likumsakarības, veikt aprēķinus un izstrādāt prognozes. Pirmsākumos, kad šādi procesi ir jaunums, to "atkošana" var aizņemt ļoti ilgu laiku.

Otrkārt – kad sākām strādāt, mums nebija izpratnes, vai mūsu risinājumi darbosies. Klienti vērsās pie mums ar konkrētu problēmu, kuru teorētiski saprotam, ka iespējams risināt ar datorredzi. Tomēr sākotnēji bija grūti paredzēt, vai mūsu iecerētais risinājums īstenojams praksē. Bija izaicinoši aprēķināt izmaksas un nepieciešamo laiku risinājuma izveidei. Tāpat, pirms ķērāmies pie darba, nevarējām noteikt projekta sarežģītības pakāpi.

Ko mēs darījām? Bieži vien pirmos konceptus – daļēji izstrādātas vai pusgatavas sistēmas – klientiem piedāvājām bez maksas, lai pierādītu, ka spējam risinājumu īstenot. Protams, tās bija mūsu pašu investīcijas. Nereti klienti solīja, ka iegādāsies risinājumu, ja tas darbosies. Taču, nonākot pie norēķiniem, domas mainījās. Šādā veidā nācās zaudēt diezgan ievērojamus līdzekļus.

Līdz ar to jāatzīst, ka sākotnējais periods mākslīgā intelekta projektos bija ļoti izaicinošs, jo tas saistījās ar būtiskiem zaudējumiem. Mums bija jāapgūst šī tehnoloģija, jāiegūst pieredze un izpratne par to, kā varam to pārvērst praktiskā produktā.

Vai varat nedaudz pastāstīt par saviem risinājumiem veselības aprūpes jomā – "Sinapse", "Psylo", plaušu vēža diagnostika? Tie ir publiski zināmie jūsu projekti.

Projekts "Sinapse" palīdz ārstiem ātrāk diagnosticēt išēmisko insultu, un šobrīd risinājumu turpina attīstīt mūsu meitas uzņēmums. Jaunais risinājums iecerēts kā palīgs radiologiem, uzlabojot diagnostikas precizitāti. Sistēma diagnosticē, vai datortomogrāfijas izmeklējumā potenciāli vērojams išēmisks insults, savukārt ārsta uzdevums šo pieņēmumu apstiprināt. Risinājums ne tikai samazina diagnostikas laiku, bet ir īpaši noderīgs brīžos, kad pat diennakti ilgstošajās dežūrās ārsta uzmanība ir samazināta.

Pie mums vērsās ārsti – radiologi Kārlis Kupčs un Andris Veiss –, kuri teica, ka pasaulē jau darbojas šāda veida sistēmas, bet tās ir diezgan neprecīzas. Tādēļ viņu jautājums bija: vai mēs varam uztaisīt ko labāku?

Piesaistījām kompetenču centra finansējumu, un jau pirmā risinājuma versija izrādījās ļoti veiksmīga – tā sasniedza konkurentu precizitātes līmeni un atsevišķos gadījumos pat to pārsniedza. Protams, priekšā bija liels darbs un pagāja laiks, līdz visu noslīpējām. Tagad šis projekts uzrāda ļoti labus rezultātus, jau tiek testēts Paula Stradiņa Klīniskās universitātes slimnīcā, un kopā ar abiem ārstiem esam "AKA Sinapse" līdzīpašnieki.

Arī plaušu vēža pētniecībai veltītais projekts "Aitomic" aizsākās ļoti interesanti. Pirms kāda laika no farmācijas uzņēmuma "Roche" uzzinājām skumju statistiku, ka tikai 15 līdz 25% plaušu vēža pacientu 3. un 4. stadijā palīdz imūnterapija, kas šobrīd tiek izmantota kā viens no ārstēšanas standartiem. Un nav iespējams prognozēt, kuriem pacientiem tā palīdzēs un kuriem nē. Latvijā ir divi zinātnieki – ārsts-patologs profesors Sergejs Isajevs un Latvijas Universitātes Ķīmiskās fizikas institūta direktors un vadošais pētnieks profesors Donāts Erts –, kuri bija mēģinājuši iegūt atbildes uz šo jautājumu, izmantojot atomspēku mikroskopu. Ja parastā mikroskopā mēs uz paraugu tikai skatāmies, tad varētu teikt, ka atomspēka mikroskopā paraugu var "pataustīt", iegūstot daudz dažādu fizikālu parametru. Piemēram, noskaidrojot tā elastību, spraigumu, virsmas raupjumu, koeficientus utt.

Ar "Roche" gādību arī mēs sākām līdzdarboties šajā projektā, un tas ir ļoti aizraujošs. Esam piesaistījuši finansējumu pirmajām trīs pētniecības fāzēm.

Pirmajā fāzē mēs iemācījāmies jaunu veidu, kā veikt audu biopsiju – kā iegūt "ķermeņa gabaliņu" tā, lai to varētu "pataustīt" ar atomspēku mikroskopu. Otrajā fāzē mēs iemācījāmies strādāt ar atomspēku mikroskopu un sapratām, kā varam iegūt atkārtojamus rezultātus. Zinātnē tas ir pats galvenais. Nevis vienkārši kaut ko darīt, bet saprast – ja pieeja ir šāda, tad iegūstam X rezultātus, taču, ja darām citādāk, tad arī rezultāti atšķirsies. Mēs nevaram ietekmēt rezultātu, bet varam pateikt, kāda metode jāizmanto, lai iegūtu nepieciešamos datus. Otrā fāze tika pabeigta ar ļoti labiem rezultātiem.

Tagad ir sākusies trešā fāze, kurā mēs sākam integrēt mākslīgo intelektu. Tā uzdevums ir meklēt korelācijas starp datiem par audzēju, ko iegūstam atomspēku mikroskopā, un datiem par pašu pacientu. Šādā veidā saprotam, vai ārstēšana bijusi veiksmīga vai neveiksmīga un kādi faktori to ietekmē.

Jāpiemin, ka šis pētījums ir prospektīvs, nevis retrospektīvs. Tātad mēs analizējam aktīvu audzēju, bet pētījumu pabeigt varam tikai tad, kad vienā vai otrā veidā noslēdzies pacienta stāsts. Retrospektīvā pieejā mēs izmantotu pagātnes datus un mēģinātu tos analizēt. Ceram, ka ar šo projektu varēsim izglābt nākotnes pacientu dzīvības.

Trešais risinājums ir "Psylo". Nacionālajā psihiskās veselības centrā, psihiatres Lienes Sīles vadībā, tika veikts pētījums. Ideja bija šāda: ja pacientus spēj savlaicīgi identificēt un nošķirt – kuriem nepieciešama ātrāka ārstēšana un hospitalizācija un kuri var nedaudz pagaidīt vai ārstēties ambulatori –, kopējās sabiedrības psihiskās veselības rādītāji uzlabotos. Galvenokārt prioritāri būtu jāaprūpē pacienti ar šizofrēniju, smagiem depresijas gadījumiem, kā arī situācijām, kur pastāv pašnāvības vai agresijas risks pret sevi vai citiem. Pētījums norādīja uz šādas sistēmas pozitīvu ietekmi un tika izsludināts iepirkums par triāžas rīka izstrādi. Mēs šajā iepirkumā uzvarējām un šobrīd strādājam pie projekta īstenošanas. Izstrādājam speciāli šīm vajadzībām pielāgotus mākslīgā intelekta modeļus, kā arī izveidojam visu nepieciešamo sistēmu, lai atbalstītu konkrēto metodiku. Pašlaik gaidām projekta startu, un tad varēsim novērtēt, kā tas darbosies praksē.

Mums ir arī vairāki citi projekti, kas paredzēti bioloģijas un pētniecības laboratorijām. Šajos projektos mēs izstrādājam un būvējam mikroskopus. Tā kā mums ir padziļinātas zināšanas par optiku un optometriju, mēs varam uzbūvēt speciālus mikroskopus, kas paraugā spēj ļoti ātri atrast, piemēram, visas dzīvās baktērijas un tās izanalizēt pēc morfoloģijas jeb uzbūves. Vai, piemēram, ļoti ātri saskaitīt bakteriāli piesārņotus paraugus. Šajā gadījumā nav nepieciešams gaidīt vairākas dienas – divas, trīs vai pat piecas, atkarībā no baktēriju veida –, līdz tās izaug. Izmantojot šo pieeju, ir iespējams daudz ātrāk noteikt parauga piesārņojuma pakāpi.

Mums ir bijis vēl viens projekts, kas paredzēts Amerikas tirgum. Tas bija saistīts ar miofunkcionālo terapiju, kas koncentrējas uz mēles, sejas un žokļa muskuļu pareizu funkciju. Tas nepieciešams, piemēram, pacientiem pēc insulta vai ar runas problēmām. Šajā projektā mērķis bija panākt, lai fizioterapeits vai logopēds var strādāt ar vairākiem pacientiem attālināti. Izmantojām datoros iebūvētās kameras un 3D kameras, kas spēj nolasīt seju un tās mīmiku, lai precīzi novērtētu atveseļošanās progresu.

Latvijā veselības jomā ar digitalizāciju neiet gludi. Kā ir ar MI risinājumu pieņemšanu? Kā nozare pieņem jauninājumus?

Tāpat kā visur – gan labi, gan slikti vienlaikus. Ir cilvēki, kuri līdzīgi mūsu partneriem, Kārlim Kupčam un Andrim Veisam, kuri uzskata, ka vajag attīstīties līdzi laikam. Bet ir daļa speciālistu, kuri tam netic un pat baidās no tā. Tāpēc es teiktu, ka šobrīd atrodamies transformācijas brīdī.

Es personīgi neticu, ka mākslīgais intelekts aizstās cilvēku. Šobrīd Eiropa neļauj bez ārsta klātbūtnes izdarīt slēdzienu jeb noteikt diagnozi, vismaz ne šādām mākslīgā intelekta sistēmām. Lēmumam vienmēr jābūt cilvēka pamatotam un izskaidrotam. Es pieļauju, ka tas ar laiku varētu mainīties, bet ne šobrīd. Šodienas kontekstā es drīzāk teiktu, ka ārstiem mākslīgais intelekts vairāk kalpo kā automatizācijas rīki, palīdzot ātrāk un labāk izdarīt savu darbu.

Man parasti ir banālais piemērs par remontdarbiem un rīģipša skrūvēšanu pie sienām. Mēs to vairs nedarām ar parasto skrūvgriezi, jo elektriskais skrūvgriezis mums ļāvis kļūt produktīvākiem. Ar parastu skrūvgriezi tik daudz rīģipša vienkārši nevarētu saskrūvēt. Un es domāju, ka ar mākslīgo intelektu būs līdzīgi. Mākslīgā intelekta sistēmas atbalstīs ārstus un ļaus viņiem ātrāk un veiklāk izdarīt to, ko viņi dara jau tagad.

Un tad ir arī filozofiskais jautājums. Es nedomāju, ka mākslīgais intelekts pārspēs cilvēci gudrībā un mēs varēsim iztikt bez ārstiem. Jā, varbūt tas mūs pārspēs zināšanu apjomā. Mākslīgais intelekts jau tagad zina daudz vairāk gan par fiziku, gan ķīmiju, gan mākslu, mūziku utt.

Jāatceras, ka mākslīgais intelekts apkalpo mūsu vajadzības. Ja šobrīd medicīnā vajadzīgi šādi rīki, tad nākotnē būs nepieciešamas inovācijas. Vai mākslīgais intelekts pats tās saražos? Es tam neticu. Vai mākslīgais intelekts sapratīs, ko mēs gribam izdarīt un kādas ir mūsu šī brīža vajadzības? Arī tam es neticu.

Tāpēc es uzskatu, ka šī tehnoloģija būs kā "superīgs skrūvgriezis" vai ļoti jaudīgs kalkulators. Tehnoloģijai viennozīmīgi ir vieta sabiedrībā, bet es neticu tam, ka tā visu izdarīs mūsu vietā. Tad būs jāatlaiž visi cilvēki, nevienam nebūs darba, pazudīs pirktspēja un mākslīgajam intelektam zudīs pastāvēšanas jēga. Tas ir tāds apburts filozofisks loks.

Veselības dati ir ļoti sensitīvi. Kā jūs nodrošināt, ka pacienta dati ir ne tikai anonimizēti, bet arī neizsekojami?

"Sinapses" produktā notiek datu anonimizācija. Piemēram, lai no galvas skenējumiem nevarētu rekonstruēt cilvēka seju un veikt viņa identifikāciju, sistēmā automātiski tiek veikta biometrisko datu "sajaukšana". Datus analizējam tikai pēc tam. Tas pasargā pacienta privātumu, bet neietekmē mūsu darba kvalitāti.

Protams, ja risinājums ir slimnīcas īpašums, tas darbojas slimnīcas IT infrastruktūrā. Šādā gadījumā nav pamata taisīt anonimizāciju, jo dati jau ir aizsargāti ar slimnīcas infrastruktūras mehānismiem un metodēm.

Medicīnas datus saviem risinājumiem ņemat no Latvijas slimnīcām?

Pirmos datus apmācībai mēs ieguvām no Paula Stradiņa Klīniskās universitātes slimnīcas, ar kuriem mums ir noslēgta beztermiņa sadarbība. Esam viņiem piešķīruši licenci mūsu produkta mūža lietošanai, savukārt, mēs iegūstam datus, kas ļauj apmācīt sistēmu. Šeit, protams, strādā manis pieminētā anonimizācija.

Ja runājam par ārstiem, vai jūs viņiem skaidrojat, kā strādā mākslīgais intelekts, kādi ir algoritmi? Vai skaidrojošais darbs palīdz veicināt ārstu uzticēšanos šiem risinājumiem?

Viennozīmīgi skaidrojošais darbs palīdz. Diemžēl, pirms ārsti sāk lietot mūsu risinājumus, ne vienmēr paspējam visus ar tiem iepazīstināt padziļināti. Un tad rodas dažādi pārsteigumi.

Šeit jāsaprot arī mūsu informācijas apguves specifika. Deviņdesmitajos gados, kad parādījās ikdienā izmantojami personālie datori un mēs sākām tos izmantot, piemēram, grāmatvedības uzskaitēs, tika veiktas apmācības – kā darbojas dators, kā to ieslēgt, kas ir operētājsistēma un ko var paveikt "Microsoft" rīki. Šobrīd mēs neizglītojam sabiedrību par mākslīgo intelektu un tā iespējam, kas rada problēmas. Mēs bieži vien nemākam to lietot, jo nesaprotam, kā tas strādā. Tikai tad, kad tehnoloģiju izprotam, varam to efektīvi pielietot. Bet, ja sagaidām brīnumus, seko liels izbrīns, kas noved pie secinājuma: "Tas mākslīgais intelekts neko nesaprot!" Tāpēc ir nepieciešams skaidrojošais darbs.

It īpaši tādos risinājumos kā, piemēram, "Sinapse". Daļa cilvēku apgūst jauno tehnoloģiju ļoti ātri, īpaši tie, kas ir tehnoloģiski pieredzējušāki. Savukārt otra daļa, kas ar tām ikdienā saskaras mazāk, vispirms jāapmāca, lai viņi spētu to efektīvi izmantot.

Ir ļoti daudz pamatlietu, kuras saprotot, iespējams reālistiskāk būvēt ekspektācijas. Piemēram, ja mēs iemācām datorredzes risinājumam atpazīt suņus un kaķus, tad, parādot galdu, mākslīgā intelekta rīks diemžēl nepateiks, ka tas ir galds. Tas pateiks, ka tas ir vai nu suns, vai nu kaķis, bet nespēs identificēt "trešo nezināmo objektu". Piemēram, ja sistēmā ir reģistrētas trīs, četras vai piecas diagnozes, mākslīgais intelekts nevarēs atrast sesto nezināmo diagnozi. Viņš spēs noteikt tikai to, ko ir iemācīts atpazīt.

Un tas ir arī viens no iemesliem, kāpēc es uzskatu, ka mākslīgais intelekts nevar attīstīties bez cilvēku uzraudzības. Šobrīd cilvēki dzīvo līdz 80 vai 90 gadiem. Drīz mēs dzīvosim līdz 100 gadiem. Tad radīsies jaunas slimības, jaunas patoloģijas, ar kurām iepriekš neesam saskārušies. Mākslīgajam intelektam atkal būs jāmāca tās atpazīt. Te parādās ārstu vērtība. Vienkāršos gadījumus tehnoloģija spēs atpazīt, bet sarežģītos, robežgadījumus – tos noteikt būs ārsta pienākums.

Jūs minējāt, ka mākslīgā intelekta risinājumi agrāk nepelnīja, īpaši medicīnas jomā. Kad tie sāks pelnīt?

Šobrīd ar mākslīgo intelektu, protams, var pelnīt. Iemācoties ar to strādāt un realizējot projektus, mēs pelnām kā no jebkura cita projekta. Nākotnē es sagaidu, ka apgrozījums un ieņēmumi būs krietni lielāki, jo šobrīd vēl joprojām mākslīgā intelekta "vilnis" iet secīgi – tas sācies lielajās valstīs, tad tas ienāks mazākās valstīs. Piemēram, Āfrikā par mākslīgo intelektu pielietošanu ārpus telefona iespējams nedomās vēl vairākus gadus – tur ir citas prioritātes.

Šobrīd mākslīgā intelekta produktus var nosaukt par ažiotāžu, kas noteikti mazināsies, un daļa no tiem pazudīs. Bet medicīnas projekti, ja tie strādā precīzi, nepazudīs. Tos turpinās attīstīt un izmantot arvien plašāk. Ja šobrīd mēs ejam pie klientiem un piedāvājam risinājumus, tad drīzumā pienāks brīdis, kad būs otrādi.

Kā ar konkurenci? Jūsu risinājumi nav unikāli pasaulē. Globāli milži ir ieguldījuši miljardus mākslīgā intelekta risinājumos. Kā jūs tas ietekmē?

Tā ir plaši apskatāma tēma. To var sadalīt divās daļās – vai mēs spējam konkurēt ar lielajiem uzņēmumiem un vai mēs jūtam viņu ietekmi uz savu biznesu. Atbilde ir – jā un nē.

"Jā", jo daļu no uzdevumiem, kurus risināja mūsu veidotie šaurie mākslīgā intelekta modeļi, tagad var realizēt ar lielajiem valodu modeļiem. Tādiem kā "ChatGPT", "Claude", "Gemini" utt. Savukārt, "nē" tāpēc, ka lielie modeļi joprojām ir koncentrēti uz valodu, dokumentiem, teksta ģenerēšanu u.c.

To var izmantot arī ārpus šīm jomām, bet, lai apmācītu lielos valodu modeļus, vajag ļoti, ļoti, ļoti daudz elektrības. Mēs runājam par tūkstošiem reižu lielāku patēriņu nekā šaurajiem modeļiem. Tur, kur mēs šobrīd apmācībā tērējam 10 līdz 20 eiro, viņi tērē desmitiem tūkstošu eiro.

Tādēļ lielajiem uzņēmumiem ir apgrūtinātas peļņas iespējas – viņi netiek pāri izmaksām. Viņi meklē veidus, kā tērēt mazāk elektrības mākslīgā intelekta apmācībai un darbināšanai. Lēnā garā viņi to panāks. Ko tas nozīmē? Viņi samazinās modeļus, un "ChatGPT" paliks "mazāk gudrs". Šobrīd nekas neliecina, ka elektrības patēriņu tuvākajā laikā varēs optimizēt simtiem tūkstošu reižu.

Jāatzīst, sākumā mēs baidījāmies par savu darbu. Kad 2022. gada beigās parādījās "ChatGPT", likās, ka ar mums ir cauri, jo ar to varēs izdarīt visu. Bet tad mēs ar kolēģiem iedziļinājāmies šajā jautājumā un sapratām, ka nav tik traki. Mūsu "jājamzirdziņš" ir specializētie mākslīgā intelekta modeļi, kurus var apmācīt relatīvi lēti un kas šobrīd vēl joprojām strādā būtiski precīzāk nekā vispārējas lietošanas ģeneratīvais mākslīgais intelekts.

Par meklēšanu internetā vai semantisku analīzi mēs nerunājam – tur, protams, lielie valodu modeļi ir pārāki, jo viņi ir veidoti tieši šim uzdevumam. Bet ja nepieciešams identificēt, piemēram, sveķu pilienu mēbeļu furnitūrā, līdz ar to tas būs kā defekts gala produktā –, tad šādu zināšanu "ChatGPT" nav.

Jūs strādājat ne tikai pie medicīnas jomas risinājumiem, bet arī citās nozarēs. Vai varat nedaudz pastāstīt par šiem projektiem?

Valts Jakubovičs (V.J.): Jā, mums ir daudzi projekti arī citās jomās. Jāsaka godīgi, ka bieži vien par tiem atklāti runāt nevaram, jo tie saistīti ar klientiem un inovācijām. Mums jāgaida, kad pats klients vēlēsies par to paziņot. Līdz ar to mums it kā ir ar ko palielīties, bet tajā pašā laikā mums jāievēro līgumsaistības un jāsagaida pareizs mirklis, lai to darītu.

Ja runājam par projektiem, kas jau nākuši atklātībā, tad gribētu pieminēt projektu ar "AJ Power", kas ir kļuvis arī par vienu no "Apply" dalībniekiem. Šogad finalizējām projektu "Tron" – enerģijas vadības sistēmu, kurā izmantojam mākslīgā intelekta risinājumus. Šobrīd tas jau apkalpo vairākus klientus industrijā.

Tāpat projekts ar uzņēmumu "Timbro" – meža audita datu ievākšanas rīks jeb digitāls dastošanas rīks. Mēs turpinām to attīstīt, uzlabot gan datu kvalitāti, gan padarīt risinājumu ergonomiskāku un ērtāku cilvēkam, kas dasto jeb uzmēra mežu.

Mums ir arī risinājums stikla taras kvalitātes kontrolei. Tā ir iekārta, kas nosaka ļoti sīkus, mazus defektus tukšā stikla tarā. Ja ir defekts, pudele tiek noņemta no ražošanas līnijas. Patiesībā ir ļoti daudz risinājumu ražošanai – tieši produkcijas vai izejvielu kvalitātes kontrolei. Mēs esam orientēti uz tehnoloģiju, nevis uz konkrētiem risinājumiem, tādēļ šāda veida tehnoloģija ir pielāgojama gan kokapstrādē, gan pārtikas ražošanā, gan metālapstrādē. Industriju loks ir ļoti plašs, un projektu portfelis tiešām ar katru gadu aug un aug. Pēdējā laikā esam novērojuši tendenci, ka uz mākslīgā intelekta risinājumiem arvien vairāk fokusējas gan mazie, gan lielie uzņēmumi, cenšoties ieviest šādas tehnoloģijas savos ražošanas procesos.

Tirgus ir tāds, kāds tas ir. Tāpat arī potenciālo darbinieku skaits. Tādēļ, ja darbs tiek automatizēts, tas ne vienmēr ir tāpēc, lai "atbrīvotos" no cilvēkiem, bet tieši otrādi – lai padarītu viņu darbu produktīvāku. Lai automatizētu vienkāršus, atkārtojamus procesus, kurus var darīt dators, un ļautu cilvēkam darīt ko sarežģītāku.

Jāuzsver, ka šādiem rīkiem vienmēr jābūt uzticamiem. Ja lielie valodu modeļi ir mainīgi, notiek atjaunošanās un pēkšņi tas strādā mazliet citādāk, ražošanas procesos tas nav pieļaujams. Mēs garantējam, ka atbilde būs vienāda un kvalitāte būs stabila.

Kā kopumā vērtējat Latvijas uzņēmumu attieksmi pret mākslīgā intelekta risinājumiem? Kādas ir atšķirības starp lielo uzņēmumu un mazo/vidējo uzņēmumu attieksmi pret to?

V.J.: Lielākā atšķirība ir ierobežotie resursi. Mazajiem uzņēmumiem ir ierobežoti resursi gan IT atbalsta, gan finanšu apjomā, kuru viņi drīkst atļauties ieguldīt inovāciju jomā. Savukārt lielajiem uzņēmumiem parasti jau ir digitālās stratēģijas, viņi šajā ziņā strādā ilgtermiņā. Nākamie pieci līdz septiņi gadi ir plānoti, un mākslīgā intelekta risinājumi parasti jau ir daļa no šīs stratēģijas.

Mazie uzņēmumi vairāk domā par to, kā šodien optimizēt izmaksas vai palielināt produktivitāti. Nevis par stratēģiskiem gājieniem, bet par ātriem ieguvumiem.

Otrā atšķirība ir tā, ka lielie uzņēmumi ir gatavāki eksperimentēt. Protams, saprāta robežās, bet ir gatavi pamēģināt. Savukārt mazajiem uzņēmumiem ir lielākas bažas un riski, vai tiešām šādi risinājumi strādās.

A.J.: Jāsaprot, ka inovācijas ne vienmēr izdodas. Piemēram, uzņēmums sākotnēji var uzskatīt, ka defektu līmenis ražošanā ir ap 5%. Tiek ieviesta kvalitātes inspekcijas iekārta, un pēkšņi atklājas, ka patiesībā 25% preču ir defekts. Ko darīt tālāk? Iet pie ražošanas iekārtas izstrādātāja un norādīt uz problēmu. Ražotājs atbild: labi, bet defektu mazināšana maksās desmit reizes dārgāk. Šāda situācija var apdraudēt biznesa modeli, jo mūsu tehnoloģija strādā efektīvāk, nekā sākotnēji prognozēts.

Taču mazajiem uzņēmumiem bieži vien ir gatavība daudz ko ieviest, un ir arī dažādi veidi, kā pieteikties papildu finansējumam. Taču ar naudas apgūšanu mūsu valstī neiet tik gludi. Problēma slēpjas Ministru kabineta noteikumos, un paies vairāki gadi, līdz sistēma tiks sakārtota. Nauda it kā ir, bet to nevar apgūt.

"Apply" apgrozījums 2024. gadā sasniedza 2,6 miljonus eiro. Kādas ir prognozes par pagājušā gada rezultātiem, un kāda ir jūsu nākotnes vīzija, ko vēlaties sasniegt nākamajos piecos gados?

V.J.: 2025. gadā prognozēts 3,2 miljonu eiro apgrozījums. Taču turpmākajos piecos gados pieprasījums pēc mākslīgā intelekta risinājumiem tikai pieaugs.

Ja runājam par detalizētāku piecgades plānu, tad salīdzinājumā ar to, kā mēs strādājam šobrīd, tas būtiski nemainīsies. Mūsu fokuss paliek tas pats: turpināt pilnveidot "Apply" pamatpakalpojumus. Tas nozīmē, ka mēs arī turpmāk koncentrēsimies uz individuālu risinājumu izstrādi uzņēmumiem, kuriem nepieciešama automatizācija gan ražošanas procesos, gan administratīvajos procesos, tieši izmantojot mākslīgā intelekta risinājumus.

Lielu uzmanību, sākot jau ar šo gadu, pievērsīsim eksportam. Mēs aktīvi meklēsim papildu partnerus starptautiskajā līmenī, kuriem varēsim piegādāt gan apakšpakalpojumus, gan datorredzes izstrādes, gan citus mākslīgā intelekta risinājumus. Iespējams, atvērsim kādu filiāli citā valstī.

Un, protams, pats būtiskākais ir turpināt attīstīt produktu virzību – gan "Sinapse", gan "Aitomic" un "Tron". Ja līdz šim mēs vairāk fokusējāmies uz šo produktu izstrādi, tad šobrīd vairāk ir jāvirzās komercializācijas kontekstā – apgūt jaunus tirgus un piedāvāt šos produktus starptautiski. Tas ir liels virziens, ko mēs jau esam sākuši pagājušajā gadā un ko noteikti turpināsim attīstīt arī 2026. gadā un tālākā nākotnē.