Redakcja naukowa: dr hab. Tymoteusz Doligalski, prof. SGH, dr Daniel Kaszyński.

Niniejsza monografia jest efektem konferencji AI Spring 2024. Jej celem było komunikowanie wyników badań dotyczących sztucznej inteligencji w naukach ekonomicznych. Publikacja zawiera 16 rozdziałów pogrupowanych w cztery części: perspektywa przedsiębiorstw i gospodarki, aspekty analityczne, regulacje i społeczne konsekwencje oraz sektorowe zastosowania. Rozdziały zostały napisane w formacie research letters i koncentrują się na zwięzłej prezentacji kluczowych tez, najczęściej pomijając rozbudowane przeglądy literatury. Takie podejście umożliwia czytelnikom łatwiejsze zapoznanie się z różnorodnymi koncepcjami i wynikami badań. Kierując się postulatem szybszej i szerszej komunikacji wiedzy, zdecydowaliśmy się na wydanie monografii w formie pliku elektronicznego, dostępnego w trybie otwartego dostępu (open access). Nasza monografia jest skierowana zarówno do środowiska naukowego, jak i praktyków biznesu zainteresowanych pogłębionym zrozumieniem roli AI w procesach transformacji cyfrowej.

➡️ Pobierz książkę w pliku PDF.

„Jest to bardzo ciekawa publikacja która zestawia ze sobą różne badania, różne perspektywy, różne punkty spojrzenia na zastosowania sztucznej inteligencji w różnych sektorach gospodarki. Jest to oryginalne opracowanie, wieloautorskie, wielodziedzinowe, przy czym wszystkie te tematy łączą się z nauką ekonomii i w ten sposób mają wspólną podstawę”. 

~ dr hab. Artur Strzelecki, Uniwersytet Ekonomiczny w Katowicach

„Główna siła książki tkwi w bogactwie tematów – od teoretycznych rozważań nad wpływem rozwiązań sztucznej inteligencji na gospodarkę, po jej praktyczne wdrożenia w różnych sektorach. (…)  Monografia podejmuje tematykę niezwykle aktualną i istotną z punktu widzenia przyszłości innowacji oraz cyfrowej transformacji. Wpisuje się w kluczowe nurty współczesnej refleksji nad rozwojem sztucznej inteligencji i jej konsekwencjami dla biznesu oraz gospodarki”.

~ dr hab. Sylwia Sysko-Romańczuk, Politechnika Warszawska

Struktura monografii

Część I. Sztuczna inteligencja - perspektywa przedsiębiorstw i gospodarki
Od Internetu do sztucznej inteligencji. Porównanie rewolucji i modeli - Tymoteusz Doligalski, Marcin Kowalczy
Sztuczna inteligencja i wzrost gospodarczy w perspektywie technologicznej osobliwości - Jakub Growiec
Generatywne modele sztucznej inteligencji w funkcjonowaniu przedsiębiorstw - Michał Bernardelli  
Zarządzanie innowacjami we wdrażaniu sztucznej inteligencji w organizacji - Ryszard Ćwiertniak
Wykorzystanie sztucznej inteligencji przez małe i średnie firmy w Europie - Wojciech Nowakowski

Część II. Technologie, dane i analityka sztucznej inteligencji
Wyzwania związane z doszkalaniem dużych modeli językowych. Perspektywa ekonometrii - Igor Kapiczyński, Dawid Zdanowicz, Daniel Kaszyński, Petro Vavryk
Zbiory danych i modele językowe dla języka polskiego do identyfikacji stwierdzeń wymagających weryfikacji - Krzysztof Węcel, Marcin Sawiński, Ewelina Księżniak, Milena Stróżyna 
Hiperpersonalizacja z użyciem AI z zachowaniem prywatności użytkownika - Izabella Krzemińska, Jakub Rzeźnik
Transformacja danych w czasie rzeczywistym: ocena wydajności Apache Spark - Mariusz Rafało, Emilia Kaleta-Pazdur    
Kwantowe algorytymy hybrydowe jako modele uczenia maszynowego - Sebastian Zając, Jacob Cybulski, Tomasz Kulpa

Część III. Regulacja i społeczne konsekwnecje wdrażania sztucznej inteligencji
Podejście do uregulowania zastosowania systemów sztucznej inteligencji - analiza porównawcza wybranych krajowych systemów prawnych - Aleksandra Szulc 
Wpływ sztucznej inteligencji na karierę zawodową w postrzeganiu studentów Uniwersytetu Ekonomicznego w Krakowie - Kamila Kwiatkowska

Część IV. Sektorowe zastosowania sztucznej inteligencji
Zastosowanie sztucznej inteligencji i hiperautomatyzacji w procesie fuzji przejęć - Paulina Roszkowska
Generatywna sztuczna inteligencja – nowe wyzwania dla rynku sztuki - Włodzimierz Szpringer
Wpływ wdrożenia AI na postrzeganie metaverse w sektorze przemysłów kreatywnych - Aneta Siejka, Rafał Kasprzak
Zastosowanie sztucznej inteligencji w działaniach zmierzających do ograniczenia konsumpcji tytoniu. Analiza przypadków NHS i WHO - Marcin Hofman, Jacek Winiarski

Wybrane fragmenty z monografii

W odróżnieniu od Internetu sztuczna inteligencja nie tworzy nowego uniwersum, a raczej „usprawnia procesy nam już znane” (14). Często usprawnienia te nie są zauważane przez użytkownika, który nie ma dogłębnej wiedzy w zakresie funkcjonowania danego rozwiązania, a „koncentruje się na własnej funkcjonalności” (29). Sztuczna inteligencja zwiększa możliwości przetwarzania, klasyfikacji i filtracji danych (23). Sztuczna inteligencja zwiększa możliwości przetwarzania, klasyfikacji i filtracji danych (23). Niesie to za sobą dwie konsekwencje. Pierwszą z nich jest automatyzacja, dzięki której „coraz więcej procesów decyzyjnych czy produkcyjnych może działać autonomicznie, bez udziału człowieka” (23). Dotyczy to także wykonywanych przez specjalistów zadań intelektualnych, które mogą zostać zrealizowane z wykorzystaniem „tańszej i szybszej ekspertyzy elektronicznej” (12). Drugą konsekwencją jest zwiększenie kompetencji pracowników, których produktywność wzrasta dzięki użyciu narzędzi wykorzystujących sztuczną inteligencję.
Tymoteusz Doligalski, Marcin Kowalczyk

Różnice w postrzeganiu zagrożeń wynikających z obu rewolucji mogą brać się również z odmiennego kontekstu geopolitycznego. Ten temat został poruszony przez jednego respondenta (30). Rewolucja internetowa miała miejsce po rozpadzie bloku wschodniego. Ówczesny Internet niósł obietnicę wzmocnienia wolności słowa, podkreślano jego zdecentralizowany charakter, który korelował z modnym wówczas pojęciem globalnej wioski (30). Aktualna sytuacja geopolityczna jest odmienna, gdyż „świat ponownie dzieli się na bloki, a kwestie związane z konfrontacją militarną są na porządku dziennym. Rozważania o AI są często interpretowane w ramach konfliktu USA–Chiny” (30).
Tymoteusz Doligalski, Marcin Kowalczyk

Zdaniem respondentów istotną charakterystyką modeli internetowego biznesu jest „łączenie ludzi i dostarczanie treści” (22) oraz „dystrybucja informacji oraz produktów” (21). W podobnym duchu wypowiedziana została opinia, zgodnie z którą model biznesu w Internecie „koncentrował się na demokratyzacji dostępu do informacji, reklamie online oraz e-commerce, tworząc platformy, które łączyły użytkowników i sprzedawców” (13) (...) Część respondentów sygnalizowała jednak wątpliwości dotyczące tego, czy można mówić o modelu biznesu wykorzystującym sztuczną inteligencję. Podawali wiele argumentów. W przeciwieństwie do Internetu, który jest środowiskiem, sztuczna inteligencja stanowi jedno z narzędzi, a sama w sobie nie tworzy uniwersum (1), w którym mogłyby funkcjonować podmioty, w szczególności według nowych zasad. Sztuczna inteligencja stanowi obecnie „dodatek wspomagający określone rozwiązanie, a nie funkcjonalność fundamentalną czy produkt sam w sobie” (15), a jej zadaniem jest „pomóc wewnętrznie, wspomóc procesy, realizacje, pracę” (33).
Tymoteusz Doligalski, Marcin Kowalczyk

Rewolucja cyfrowa ma potencjał, by rozprawić się z obserwowaną przez cały XX w. silną zależnością pomiędzy wzrostem gospodarczym a postępem technologicznym oraz wzrostem kompetencji pracowników. W erze przemysłowej, w której praca umysłowa człowieka była niezbędnym czynnikiem produkcji, komplementarnym względem wszelkich maszyn i urządzeń, długookresowy wzrost gospodarczy można było uzyskać jedynie dzięki wzrostowi produktywności tejże pracy [por. np. Romer, 1990]. Kiedy jednak praca umysłowa człowieka zaczyna być automatyzowana – zastępowana przez pracę maszyn działających autonomicznie – wzrost może przyspieszać także i bez udziału człowieka. Wszelako, aby możliwe było skokowe przyspieszenie wzrostu w skali makroekonomicznej, kluczowe jest przejście od częściowej do pełnej automatyzacji produkcji [Growiec, 2022b]. Tylko tak można bowiem ominąć relatywnie powolną pracę ludzkiego umysłu, stanowiącą „wąskie gardło” dzisiejszych procesów produkcyjnych.
Jakub Growiec

Z lokalnego punktu widzenia oddanie AI kontroli nad podejmowaniem decyzji wydaje się korzystne niemal na każdym szczeblu, od szeregowego pracownika, wyręczającego się narzędziami AI w pracy i czasie wolnym, przez menedżera, widzącego możliwość zaoszczędzenia czasu i środków poprzez zastąpienie zadań pracowników zadaniami zautomatyzowanymi, po dyrektora firmy, widzącego możliwości zwiększenia udziału w rynku. Można sobie wyobrazić, że i dyrektorskie decyzje mogą być automatyzowane, jeśli tylko właściciel firmy będzie dostrzegał w tym korzyść i nie będzie widział zagrożenia dla swojego udziału w zyskach.
Jakub Growiec

W scenariuszu pozytywnym AGI działa dla dobra ludzkości, kompresując w ciągu jednego roku dziesięcio- albo i stulecia postępu technologicznego. Dzięki AGI ludzkość pokonuje dręczące ją od tysiącleci nowotwory, choroby zakaźne, a może nawet i naturalne procesy starzenia. AGI wynajduje też nowe, przełomowe sposoby pozyskiwania energii ze słońca i dostarcza nam narzędzia potrzebne do kosmicznej ekspansji. W scenariuszu negatywnym AGI wygrywa z człowiekiem konflikt o zasoby i następnie albo fizycznie eliminuje gatunek ludzki, albo permanentnie pozbawia go wpływu na jakiekolwiek decyzje. Obecność powyższego scenariusza negatywnego oznacza, że powstanie AGI wiąże się z ryzykiem egzystencjalnym dla ludzkości.
Jakub Growiec

...sektor technologiczny niejako zmuszony jest do szybszego wdrożenia rozwiązań GenAI, przede wszystkim przez szybko rozwijającą się konkurencję. Zrozumiały jest jednak znacznie wolniejszy proces przyswajania GenAI w przypadku firm z innych sektorów gospodarki. Wiele z nich bowiem ograniczanych jest przez obowiązujące regulacje prawne (np. sektor medyczny czy finansowy), których zmiana czy dostosowanie wymaga dłuższego czasu.
Michał Bernardelli

Poza zwiększaniem produktywności pracy oraz wymuszeniem zmiany profilu pracowników kluczową zaletą GenAI jest znacznie niższy próg wejścia dla nowych działań biznesowych oraz znaczne przyspieszenie badań i rozwoju poprzez projektowanie generatywne. Aktualnie widoczne jest to raczej na mocno specjalistycznych obszarach (...). W innych sektorach istnieje jednak również duży potencjał aplikacyjności, szczególnie na polu automatyzacji procesów i pracy ludzkiej w przedsiębiorstwach.
Michał Bernardelli

Warto także zwrócić uwagę na znaczącą różnicę pomiędzy rzeczami, które można zrealizować pod względem technologicznym, a takimi, których wdrożenie jest opłacalne z punktu widzenia przedsiębiorstwa. Tym samym wdrażanie GenAI w przedsiębiorstwach można traktować jako swego rodzaju problem decyzyjny, który w porównaniu z erą przed generatywną AI, jest bardziej złożony i obarczony większą niepewnością.
Michał Bernardelli

Chęć dostosowania uniwersalnych modeli LLM do specyficznych potrzeb biznesowych rodzi fundamentalne wyzwanie: doszkalanie (fine-tuning) w wąskiej dziedzinie prowadzi do zjawiska katastrofalnego zapominania (catastrophic forgetting). Oznacza to, że im bardziej model staje się ekspertem np. w medycynie, tym bardziej “zapomina” swoją pierwotną, ogólną wiedzę, pogarszając wyniki w innych, nietrenowanych obszarach. Dla biznesu to bardzo ważna informacja: wyspecjalizowane narzędzie LLM może stać się bezużyteczne w innych zadaniach, co podważa ideę jednego, uniwersalnego modelu.
Igor Kapiczyński, Dawid Zdanowicz, Daniel Kaszyński, Petro Vavryk

Spersonalizowane doświadczenia mogą znacznie zwiększyć zaangażowanie i satysfakcję użytkowników, ale nie powinny odbywać się kosztem naruszenia prywatności. Zrównoważenie tych aspektów wymaga solidnych rozwiązań technologicznych, rygorystycznych przepisów oraz zmiany podejścia do danych użytkowników i w konsekwencji zmiany w podejściu biznesowym. Poszanowanie prywatności i autonomii użytkowników w przemyśle 5.0 powinno być priorytetem. Rozwiązania podobne do zaproponowanych w rozdziale nie mogą być wdrażane bez uprzedniej dokładnej i uczciwej analizy korzyści użytkowników i biznesu.
Izabella Krzemińska, Jakub Rzeźnik

Wyniki badania mają na celu pomóc projektantom architektury w podejmowaniu optymalnych decyzji. Dostarczają one wskazówek dotyczących wyboru odpowiedniej wielkości klastra Apache Spark i ustawień parametrów. Co więcej, zapewniają wgląd w możliwe skutki różnych scenariuszy strumieniowania. Optymalizując alokację zasobów i zadania przetwarzania w Apache Spark, organizacje mogą znacząco zredukować zużycie zasobów obliczeniowych oraz czas potrzebny na wnioskowanie, co prowadzi do obniżenia kosztów operacyjnych. 
Mariusz Rafało, Emilia Kaleta-Pazdur

Wyniki badania sugerują potrzebę dalszego dostosowywania programów nauczania do wyzwań ery AI. Potwierdziły one przypuszczenia [autorki] dotyczące dostrzegania zmian przez grupę badanych studentów, wynikających z analizy podobnych badań na ten temat. Uczelnie powinny nie tylko oferować kursy techniczne związane z AI, ale także kłaść nacisk na rozwój umiejętności miękkich, takich jak krytyczne myślenie i kreatywność, które – według World Economic Forum [2023] – pozostają kluczowe na rynku pracy.
Kamila Kwiatkowska

Badania pokazują, że 70–90% transakcji kończy się niepowodzeniem, z czego znaczna część wynika z problemów w fazie integracji po fuzji. Pomimo lepszej analizy due diligence niemal połowa wszystkich działań integracji kończy się niepowodzeniem, zwiększając ryzyko dla przyszłych wyników. Priorytetowe wyzwania obejmują utrzymanie tempa, skalowalność, różnice kulturowe, migrację danych, integrację technologii i systemów.
Paulina Roszkowska

Wybór niewłaściwego celu w transakcjach M&A rzadko jest bezpośrednio identyfikowany jako główna przyczyna niepowodzenia, ponieważ problemy wynikające z błędnych decyzji na tym etapie często stają się widoczne dopiero po pewnym czasie, gdy pojawiają się trudności z integracją przejętej firmy, konflikty kulturowe lub brak osiągnięcia zakładanych synergii. Wówczas pierwotny wybór celu bywa trudny do jednoznacznego wskazania jako przyczyna problemów. Dodatkowo presja na szybkie osiągnięcie wzrostu za pomocą M&A, zdobycie nowych rynków czy przejęcie technologii często prowadzą do wyboru suboptymalnych spółek do przejęcia, ale ponieważ decyzje te są zgodne z bieżącą strategią, rzadko bywają postrzegane jako główne źródło niepowodzenia transakcji.
Paulina Roszkowska

Technologie, o których mowa, powinny służyć wsparciu ludzkich decyzji, a nie ich zastępowaniu. Choć hiperautomatyzacja upraszcza procesy, nadzór ludzki pozostaje niezbędny do uwzględniania subtelnych kwestii, które mogą zostać pominięte przez algorytmy, i zapewnia kompleksowe zrozumienie wyników due diligence. Wzajemne uzupełnianie się technologii i ludzkiej oceny pozwala na bardziej kompleksowe i efektywne przeprowadzanie due diligence w przyszłych transakcjach.
Paulina Roszkowska

Analizowane przykłady transakcji M&A pokazują, że tradycyjne podejścia do fuzji i przejęć nie spełniają już wymagań nowoczesnych firm. (…) Zastosowanie technologii poprawia efektywność podejmowania decyzji i w konsekwencji pomaga kreować wartość dla akcjonariuszy. Transakcje M&A są z natury unikatowe i w dużej mierze opierają się na ludzkim osądzie, który musi być obecny na każdym etapie transakcji. Aby jednak nadążyć za szybko ewoluującym środowiskiem biznesowym i zachować konkurencyjność, spółki przejmujące i doradcy muszą zacząć posiłkować się technologiami.
Paulina Roszkowska

Choć koncepcja metaverse w kontekście zastosowań biznesowych wciąż jest na wstępnym etapie rozwoju, może zrealizować swój potencjał dzięki wdrożeniu AI. Metaverse stwarza również nowe perspektywy dla pracy i edukacji. Środowisko metaverse ze wsparciem AI może dalej się rozwijać. AI jest używana do zapewniania użytkownikom wciągających doświadczeń.
Aneta Siejka, Rafał Kasprzak

Metaverse i sztuczna inteligencja to dwie szybko rozwijające się technologie. Sztuczna inteligencja odgrywa ważną rolę w rozwoju metaverse, służąc do budowania wirtualnych światów. AI może poprawiać te doświadczenia poprzez spersonalizowane rekomendacje treści i adaptacyjne interfejsy. Może też naśladować funkcje poznawcze, takie jak rozumienie języka i wydawanie poleceń.
Aneta Siejka, Rafał Kasprzak

Postępująca integracja sztucznej inteligencji (AI) z metaverse to istotny kierunek rozwoju. Ma ona potencjał zwiększyć możliwości zastosowania nowych technologii przez wiele organizacji. Dzięki temu ludzie mogą poruszać się po światach wirtualnych i fizycznych.
Aneta Siejka, Rafał Kasprzak