Kodėl Lietuva apskritai turėtų rūpintis dirbtiniu intelektu?
Jei dar prieš penkerius metus kas nors būtų pasakęs, kad Lietuva taps vienu iš įdomiausių dirbtinio intelekto ekosistemų Baltijos regione, daugelis būtų šypsojęsi skeptiškai. Maža šalis, nedidelė rinka, ribotas talentų baseinas – argumentų prieš buvo daugiau nei už. Tačiau kas nutiko realybėje? Vilnius šiandien figūruoja europiniuose startuolių žemėlapiuose, lietuviški DI sprendimai pasiekia užsienio rinkas, o valstybinės institucijos bent jau bando kalbėti ta pačia kalba kaip ir technologijų sektorius.
Dirbtinis intelektas Lietuvoje – tai ne tik gražūs pranešimai spaudai. Tai realūs produktai, realūs žmonės ir, svarbiausia, realios problemos, kurias jie bando spręsti. Šiame straipsnyje pabandysime peržvelgti, kas iš tikrųjų vyksta lietuviškoje DI erdvėje – nuo startuolių iki valstybinių iniciatyvų, nuo sėkmės istorijų iki akivaizdžių spragų.
Lietuviški startuoliai, kurie jau daro kažką įdomaus
Pradėkime nuo to, kas labiausiai džiugina – nuo konkrečių kompanijų. Lietuvos startuolių scena DI srityje nėra tokia tuščia, kaip kartais atrodo iš šalies.
Oxylabs – viena iš tų kompanijų, kurios sėkmė dažnai lieka šešėlyje, nes ji dirba B2B segmente. Jie kuria žiniatinklio duomenų rinkimo infrastruktūrą, o pastaraisiais metais aktyviai integruoja mašininio mokymosi sprendimus, kad automatiškai aptiktų ir apeitų svetainių apsaugos mechanizmus. Skamba techniškai? Taip ir yra. Bet jų klientai – tai stambios analitikos ir žvalgybos kompanijos visame pasaulyje, kurioms reikia švarių, struktūruotų duomenų.
Telesoftas ir keletas kitų fintech orientuotų kompanijų aktyviai naudoja DI sukčiavimo aptikimui. Lietuva, kaip žinia, tapo vienu iš Europos fintech centrų – čia licencijuota daugybė mokėjimų įstaigų ir elektroninių pinigų institucijų. Tai natūraliai sukuria paklausą DI sprendimams, kurie gali realiu laiku analizuoti transakcijų srautus ir išfiltruoti įtartinus atvejus.
Neurotechnology – galbūt vienas žinomiausių lietuviškų technologijų brendų pasaulyje biometrinių technologijų srityje. Jų pirštų atspaudų atpažinimo algoritmai naudojami dešimtyse šalių, o pastaraisiais metais kompanija plečiasi į veido atpažinimo ir kitų biometrinių modalumų sritis. Tai ne naujas žaidėjas – kompanija veikia nuo 1990-ųjų, tačiau jų technologijų branduolys yra būtent tai, ką šiandien vadintume DI.
Yra ir mažesnių, bet ne mažiau įdomių projektų. Deeper – kibernetinio saugumo įrenginių gamintojas, kuris integruoja DI grėsmių aptikimui. Vinted, nors ir ne grynai DI kompanija, aktyviai naudoja mašininį mokymąsi rekomendacijų sistemoms ir turinio moderavimui – o tai yra vienas iš sudėtingiausių DI taikymo atvejų praktikoje.
Valstybė ir DI: tarp ambicijų ir biurokratijos
Čia reikia būti sąžiningais. Lietuvos valstybė DI atžvilgiu elgiasi kaip daugelis Europos vyriausybių – su entuziazmu strateginiuose dokumentuose ir žymiai mažesniu entuziazmu konkrečiuose veiksmuose.
Lietuvos dirbtinio intelekto strategija buvo priimta 2019 metais. Joje numatyti ambicingi tikslai: tapti DI lydere regione, sukurti palankią ekosistemą, investuoti į talentus. Strategija buvo atnaujinta, papildyta, komentuota. Realybė? Mišri.
Teigiama pusė: Skaitmeninės ekonomikos ir visuomenės indeksas (DESI) rodo, kad Lietuva nuosekliai gerėja skaitmeninės valdžios rodikliuose. Elektroninės paslaugos veikia, duomenų mainų platformos egzistuoja, ir tai yra infrastruktūra, ant kurios galima statyti DI sprendimus.
Neigiama pusė: viešojo sektoriaus DI projektai dažnai stringa pirkimų procedūrose arba baigiasi brangiais, bet mažai naudingais sprendimais. Klasikinis pavyzdys – bandymai automatizuoti dokumentų apdorojimą valstybinėse institucijose. Techniškai tai nėra raketų mokslas, tačiau organizaciniai ir teisiniai barjerai dažnai paverčia paprastą projektą daugiametiu maratonu.
Vienas iš įdomesnių valstybinių eksperimentų – Registrų centro bandymai naudoti DI duomenų kokybės gerinimui. Registrų centras valdo milžiniškus duomenų masyvus – nekilnojamojo turto, juridinių asmenų, gyventojų registrus. Automatinis duomenų tikrinimas ir anomalijų aptikimas čia turi akivaizdžią praktinę vertę.
Akademinė pusė: universitetai ir tyrimų centrai
Negalima kalbėti apie DI ekosistemą ignoruojant akademinę pusę. Lietuvos universitetai – Vilniaus universitetas, Kauno technologijos universitetas, VGTU (dabar Vilniaus Gedimino technikos universitetas) – turi kompiuterių mokslo programas, kurios rengia specialistus. Bet ar jie rengia tinkamus specialistus tinkamam laikui?
Vilniaus universiteto Matematikos ir informatikos fakultetas turi solidžią reputaciją – jų absolventai dirba tiek lietuviškose, tiek tarptautinėse kompanijose. Tačiau problema ta, kad DI srityje akademiniai planai dažnai atsilieka nuo industrijos. Kai universitetas pradeda dėstyti kažkokią technologiją, industrija jau yra du žingsnius pirmiau.
Įdomesnis reiškinys – Nacionalinis dirbtinio intelekto institutas, kuris buvo kuriamas kaip tiltas tarp akademijos ir verslo. Idėja gera: sutelkti tyrėjus, suteikti jiems galimybę dirbti su realiais verslo duomenimis ir problemomis, o verslas gauna prieigą prie mokslinių kompetencijų. Praktikoje tokios struktūros visur pasaulyje susiduria su tuo pačiu iššūkiu – kaip išlaikyti geriausius žmones, kai privataus sektoriaus atlyginimai yra nepalyginamai aukštesni.
Reikia paminėti ir Baltic AI Summit bei panašius renginius, kurie kasmet sutraukia tiek akademikus, tiek verslininkus. Tokie renginiai yra svarbūs ne tik dėl turinio – jie kuria tinklą, o tinklas DI ekosistemoje yra ne mažiau svarbus nei technologijos.
Talentų klausimas: didžiausia lietuviškos DI ekosistemos Achilo kulnas
Pakalbėkime apie tai, apie ką visi žino, bet ne visi nori garsiai sakyti. Lietuva turi talentų problemą – ir ne todėl, kad čia gimsta mažiau gabių žmonių. Problema yra emigracija ir konkurencija su globaliais žaidėjais.
Geras DI inžinierius – duomenų mokslininkas, mašininio mokymosi specialistas, MLOps inžinierius – Lietuvoje gali tikėtis solidaus atlyginimo. Bet tas pats specialistas, dirbdamas nuotoliniu būdu Vokietijos ar Nyderlandų kompanijai, uždirbs du ar tris kartus daugiau. O persikėlęs į San Franciską ar Londoną – dar daugiau.
Ką tai reiškia praktiškai? Lietuviškos DI kompanijos nuolat kovoja dėl talentų su tarptautiniais darbdaviais. Kai kurios to sprendžia protingai – siūlo dalį atlyginimo akcijomis, lankstų darbą, įdomias technines problemas. Kitos tiesiog praranda geriausius žmones.
Yra ir kita medalio pusė. Lietuva pritraukia užsienio specialistus – ypač iš Ukrainos, Baltarusijos, Indijos. Vilniuje galima rasti DI komandas, kuriose lietuviai sudaro mažumą. Tai nėra blogai – tai yra normali technologijų ekosistemos dinamika. Tačiau tai reiškia, kad „lietuviška DI kompanija” dažnai yra labiau geografinis nei etninis terminas.
Praktinis patarimas kompanijoms, kurios nori pritraukti DI talentus Lietuvoje: nustokite konkuruoti tik atlyginimu. Geriausi specialistai ieško įdomių problemų, autonomijos ir galimybės augti. Jei galite pasiūlyti darbą su realiais, sudėtingais duomenimis ir laisvę eksperimentuoti – tai yra jūsų konkurencinis pranašumas.
Finansavimas ir investicijos: kas moka už DI Lietuvoje?
Pinigai – tai kuras, be kurio jokia ekosistema neveikia. Kaip atrodo DI finansavimo kraštovaizdis Lietuvoje?
Europos Sąjungos fondai yra didžiausias finansavimo šaltinis. Horizon Europe programa, struktūriniai fondai, InvestEU – visa tai teikia galimybes tiek akademiniams tyrimams, tiek verslo projektams. Problema ta, kad ES finansavimas ateina su biurokratiniu bagažu. Ataskaitos, auditai, reikalavimai – visa tai atima laiką, kurio startuoliams ir taip trūksta. Tačiau alternatyvų dažnai nėra, todėl reikia išmokti su tuo gyventi.
Privatūs rizikos kapitalo fondai Lietuvoje yra aktyvesni nei prieš dešimtmetį. Practica Capital, Firstpick, Open Circle Capital – šie fondai investuoja į ankstyvosios stadijos startuolius, įskaitant tuos, kurie naudoja DI. Tačiau reikia suprasti: Lietuvos rizikos kapitalo rinka yra maža. Dideli raundai – nuo 10 milijonų eurų ir daugiau – dažniausiai reikalauja tarptautinių investuotojų įsitraukimo.
Versli Lietuva ir kitos valstybinės agentūros siūlo įvairias paramos priemones – nuo konsultacijų iki tiesioginių subsidijų. Jų efektyvumas yra diskutuotinas, tačiau ankstyvoje stadijoje net ir nedidelė finansinė parama gali padėti kompanijai išgyventi kritinį laikotarpį.
Praktinis patarimas DI startuoliams: diversifikuokite finansavimo šaltinius nuo pat pradžių. Nesiremkite vien ES fondais – jie lėti. Nesiremkite vien privataus kapitalo – jis reiklus. Geriausia strategija – ES fondai ankstyvai stadijai, privatūs investuotojai augimo stadijai, o tarp to – klientų pajamos, kurios yra geriausias finansavimo šaltinis.
DI reguliavimas: kaip ES taisyklės veikia lietuviškus projektus
Negalima ignoruoti reguliacinės aplinkos. EU AI Act – Europos Sąjungos dirbtinio intelekto įstatymas – yra vienas iš svarbiausių reguliacinių dokumentų, kuris tiesiogiai paveiks visas lietuviškas DI kompanijas, veikiančias ES rinkoje.
Trumpai apie esmę: EU AI Act skirsto DI sistemas pagal rizikos lygį. Aukštos rizikos sistemos (medicinos diagnostika, biometrinė identifikacija, kreditų vertinimas) turi atitikti griežtus reikalavimus – skaidrumą, auditabilumą, žmogaus priežiūrą. Draudžiamos sistemos (socialinis reitingavimas, tam tikri biometriniai stebėjimai) apskritai negali būti naudojamos ES.
Ką tai reiškia lietuviškoms kompanijoms? Keletas konkrečių pasekmių:
- Kompanijos, kuriančios DI sprendimus finansų sektoriui, turės investuoti į atitikties užtikrinimą – tai reiškia papildomas išlaidas ir laiką
- Duomenų valdymo reikalavimai taps dar griežtesni – GDPR buvo tik pradžia
- Skaidrumas ir paaiškinamumas taps ne tik etikos, bet ir teisinio atitikimo klausimu
- Mažos kompanijos gali turėti sunkumų atitikti reikalavimus dėl ribotų resursų
Tačiau yra ir teigiama pusė. Griežtas reguliavimas gali tapti konkurenciniu pranašumu. Jei lietuviška kompanija nuo pat pradžių kuria DI sistemas, atitinkančias EU AI Act reikalavimus, ji gali lengviau patekti į reguliuojamas rinkas – finansus, sveikatą, viešąjį sektorių – kuriose nereguliuojami žaidėjai negalės veikti.
Nuo teorijos prie praktikos: ką Lietuva gali padaryti geriau
Lietuviška DI ekosistema yra gyva, bet dar toli gražu ne pilnai realizavusi savo potencialą. Baigiant šį apžvalginį žvilgsnį, verta pakalbėti ne apie tai, kas yra, o apie tai, kas galėtų būti – ir ką konkrečiai reikėtų daryti.
Pirmiausia – duomenų prieinamumas. Lietuva turi unikalią galimybę: valstybė valdo didelius duomenų masyvus, kurie galėtų būti naudojami DI modelių mokymui. Sveikatos duomenys, transporto duomenys, žemės ūkio duomenys – visa tai yra potencialiai vertinga, jei būtų prieinama anonimizuota forma tyrimams ir verslo projektams. Estija šioje srityje yra žymiai pažengusi – jų X-Road sistema leidžia saugiai keistis duomenimis tarp institucijų ir su privačiu sektoriumi. Lietuva turi panašią infrastruktūrą, bet jos naudojimas DI tikslams vis dar yra ribotas.
Antra – specializacija. Lietuva negali konkuruoti su JAV, Kinija ar net Prancūzija bendrojo DI srityje. Bet ji gali tapti lyderė specifinėse nišose. Fintech DI – jau dabar stipri pozicija. Kibernetinis saugumas – natūralus tęsinys. Žemės ūkio technologijos – Lietuva turi stiprų žemės ūkio sektorių, o precizinės žemdirbystės DI sprendimai yra sparčiai auganti rinka. Sveikatos technologijos – sudėtinga dėl reguliavimo, bet potencialiai labai vertinga.
Trečia – bendradarbiavimas su Baltijos kaimynais. Estija, Latvija ir Lietuva kartu sudaro pakankamai didelę rinką ir talentų bazę, kad galėtų pritraukti rimtesnį tarptautinį dėmesį. Tačiau realybėje Baltijos šalys dažnai konkuruoja tarpusavyje dėl investicijų ir talentų, o ne bendradarbiauja. Bendros DI iniciatyvos – bendri tyrimų centrai, bendra reguliacinė aplinka, bendra rinkodara tarptautiniams investuotojams – galėtų duoti žymiai daugiau nei kiekvienos šalies atskiri bandymai.
Ketvirta – švietimas, bet kitoks. Ne tik universitetinės programos, bet ir spartūs perkvalifikavimo kursai, bootcamp’ai, mentorystės programos. Lietuva turi nemažai žmonių su stipriu matematiniu ir techniniu išsilavinimu, kurie dirba srityse, kuriose DI greitai pakeis darbo pobūdį. Jų perkvalifikavimas į DI specialistus yra ir socialinė, ir ekonominė būtinybė.
Galiausiai – kantrybė ir realizmas. DI ekosistemos nekuriamos per vienerius metus ar net per vieną politinį ciklą. Izraelis, Kanada, Singapūras – šalys, kurios šiandien laikomos DI lyderėmis – investavo į savo ekosistemas dešimtmečius. Lietuva yra geroje startinėje pozicijoje, turi reikiamą infrastruktūrą ir talentus. Bet tai, kas labiausiai trukdo – tai trumpalaikis mąstymas tiek versle, tiek politikoje. DI nėra sprint’as. Tai maratonas, ir Lietuva jau bėga – tereikia neapsukti ratų.
