Polskie młode firmy oferujące produkty i usługi z zakresu zaawansowanej analityki, data science, sztucznej inteligencji pracują głównie dla klientów zagranicznych. Na rodzimym rynku nie zauważają jeszcze dostatecznego zapotrzebowania na swoje rozwiązania. Dostrzegają jednak rysujące się powoli perspektywy rozwoju. To główne wnioski z panelu dyskusyjnego podczas „ML@Enterprise Forum 2018”.

Polskie firmy działające w obszarze analityki i sztucznej inteligencji oferują na tyle zaawansowane, ciekawe oraz użyteczne rozwiązania, że bez trudu znajdują na nie odbiorców i klientów na całym świecie. Uczestnicy dyskusji panelowej „Polski program rozwojowy sztucznej inteligencji – jak zrobić to mądrze?”, przeprowadzonej w ramach konferencji „ML@Enterprise. Machine learning, sztuczna inteligencja, zaawansowane technologie analityczne i data science w praktyce biznesowej”, przyznawali jednogłośnie, że głównym obszarem ich działalności biznesowej są rynki zagraniczne. Nie widzą jeszcze zbyt dużego zainteresowania swoją ofertą ze strony przedsiębiorstw działających na polskim rynku.

„Nie skupiamy się na polskim rynku, zaczynaliśmy od Niemiec. Działamy tam głównie w branży motoryzacyjnej i finansowej” – wyjaśnia dr Karol Przystalski, CTO w firmie Codete. Dla polskich firm robią głównie warsztaty i spotkania prezentujące techniki zaawansowanych analiz. Biorą udział w meetupach, gdzie uczą data scientistów.

Potrzebne jest inne podejście

Na pozyskiwaniu klientów zagranicznych skupia się również firma Sotrender. Swoje rozwiązania do optymalizacji i automatyzacji działań marketingowych może najłatwiej sprzedać poza granicami kraju. „W zakresie automatyzacji rynek marketingu w Polsce jest niewielki w porównaniu z rynkiem światowym” – tłumaczy dr Dominik Batorski, członek zarządu Sotrender i jednocześnie pracownik ICM Uniwersytetu Warszawskiego. Jego zdaniem, zdecydowana większość działających w naszym kraju firm ukierunkowana jest na klientów spoza Polski. W tej ocenie utwierdzają go spotkania z uczestnikami prowadzonego przez niego Meetupu Data Science Warsaw. To w dużej liczbie pracownicy takich właśnie przedsiębiorstw.

Na zaawansowane usługi łatwiej obecnie znaleźć klientów za granicą niż w Polsce. Dlaczego tak się dzieje? „Wiele firm w Polsce ma inne potencjały wzrostu, rozwoju i konkurowania na rynku, na przykład niskie koszty pracy” – ocenia Dominik Batorski. Jak zauważa, są firmy, które chciałyby się zmieniać, korzystać z najnowszych technologii, ale nie mają doświadczenia w prowadzeniu projektów badawczo-rozwojowych. A wiele prac z dziedziny sztucznej inteligencji ma taki właśnie charakter. „Tu wymagane jest inne podejście. Nie można z góry wszystkiego przewidzieć, nie można zawczasu ustalić, co ostatecznie będzie dostarczone. Wielu zarządzających w polskich firmach tego nie rozumie. Nie potrafią zarządzać innowacjami w swoich organizacjach” – zauważa Dominik Batorski.

Na znaczenie podejścia badawczo-rozwojowego w projektach dotyczących sztucznej inteligencji zwraca również uwagę Dawid Detko, Data Science Architect & Team Leader w firmie Predica. „Budując nasze produkty, wychodzimy często od projektów B+R” – mówi.

Na zaawansowane usługi łatwiej obecnie znaleźć klientów za granicą niż w Polsce.

Korzyści muszą być oczywiste

Do szukania klientów za granicą zachęcają polskich przedsiębiorców także wyższe marże. „Za granicą można zarobić o wiele więcej” – przyznaje Przemysław Chojecki, CEO w ulam.ai. Jego zdaniem, w Polsce nie jest tak źle, jeśli chodzi o otwartość na wykorzystanie sztucznej inteligencji. Są na przykład banki, które zatrudniają programistów, prowadzą własne badania, robią swoje rozwiązania, wykorzystując najnowsze technologie, takie jak boty czy blockchain.

Przemysław Chojecki dostrzega też problemy po stronie polskich firm tworzących rozwiązania z zakresu sztucznej inteligencji. Brakuje im umiejętności sprzedania swojego produktu bądź usługi na polskim rynku, dotarcia z ofertą do polskiego klienta, umiejętności pokazania rzeczywistych korzyści biznesowych. Przedsiębiorstwo, które na konkretnych przykładach zobaczy skalę możliwych do osiągnięcia oszczędności, jest skłonne zainwestować w systemy i narzędzia wykorzystujące sztuczną inteligencję. I takie organizacje już w naszym kraju są.

Teraz jednak skupianie się na polskim rynku jest uznawane za ryzykowne. „Wspieramy polskie firmy, ale biznesowo działamy tam, gdzie można zarobić więcej” – mówi dr inż. Tomasz Trzciński, Chief Scientist w Tooploox i adiunkt na Politechnice Warszawskiej. Podkreśla jednak, że to w Polsce trzeba budować potencjał wiedzy pozwalającej na rozwój rozwiązań z zakresu sztucznej inteligencji. To w konsekwencji przysłuży się podniesieniu poziomu jakości życia w naszym kraju. Spowoduje też odwrócenie trendu wyjazdów z Polski najlepszych specjalistów po zakończeniu studiów. Należy zacząć działać już dzisiaj z myślą o przyszłości. Trzeba już teraz tworzyć rozwiązania, które sprawdzą się za pięć, 10 lat.

Polskim firmom tworzącym rozwiązania z zakresu sztucznej inteligencji brakuje umiejętności dotarcia z ofertą do polskiego klienta.

Co powinniśmy zrobić: rekomendacje do prac nad rozwojem sztucznej inteligencji w Polsce

Ponad 20 krajów na świecie ma już własne strategie rozwoju sztucznej inteligencji. W Ministerstwie Przedsiębiorczości i Rozwoju trwa obecnie zbieranie rekomendacji do budowy programu na rzecz rozwoju sztucznej inteligencji w naszym kraju. Uczestnicy panelu dyskusyjnego „ML@Enterprise 2018” przedstawili własne propozycje działań, które państwo polskie powinno w pierwszym rzędzie wesprzeć.

Dawid Detko, Data Science Architect & Team Leader, Predica

Bardzo ważne jest wspieranie projektów badawczo-rozwojowych. Zachętą dla najlepszych data scientistów nie jest dzisiaj tylko płaca, ona osiągnęła już wysoki poziom. Liczy się również atrakcyjność projektów, w których można brać udział. Jeśli będzie ich w naszym kraju więcej, jeśli będą ciekawe, jeśli ich efekty będą miały publiczny użytek, to łatwiej będzie pozyskać specjalistów. Duże znaczenie ma także położenie nacisku na komercjalizację wyników prac badawczo-rozwojowych.

Przemysław Chojecki, CEO, ulam.ai

Potrzebne jest otwarcie się instytucji publicznych na współpracę z młodymi, innowacyjnymi firmami. Bez tego trudno mówić o efektywnym wykorzystaniu posiadanych środków. Kluczowe znaczenie ma otwartość na innowacje i współpracę z młodymi.

dr Karol Przystalski, CTO, Codete

Jak pokazują badania, polskie firmy mają problemy ze zbieraniem danych. Robią to głównie „ręcznie”, a nie automatycznie. Trudno jest takie dane połączyć i poddać analizie. Trzeba to zmienić. Rolą państwa powinno być wspomaganie przedsiębiorców w zmianach na rzecz sprawnej infrastruktury pozyskiwania danych. Inną ważną kwestią jest wprowadzanie odpowiednich regulacji prawnych służących rozwojowi wykorzystania technik sztucznej inteligencji.

dr Dominik Batorski, ICM Uniwersytet Warszawski, Sotrender

Dostępne u nas obecnie środki na rozwój przeznaczone są głównie dla przedsiębiorstw. Niezbędne staje się natomiast wspieranie programów badawczych osadzonych w dłuższej perspektywie czasowej. Brakuje nam dużych, silnych ośrodków badawczych zajmujących się sztuczną inteligencją. Różne tematy pojawiają się wyspowo. W kolejnej perspektywie finansowania unijnego trzeba będzie konkurować o fundusze na poziomie europejskim, a nie krajowym. Jeżeli już dzisiaj nie zaczniemy się do tego przygotowywać, to będziemy mieli problem z pozyskiwaniem środków.

dr inż. Tomasz Trzciński, Chief Scientist, Tooploox, adiunkt, Politechnika Warszawska

Należy wspierać przede wszystkim rozwój nauki, a to wymaga działań długodystansowych. Efekty prac nie pojawią się szybko. Potrzebne jest także lepsze zrozumienie specyfiki działań w sferze badań związanych ze sztuczną inteligencją czy szerzej, informatyką. Tutaj fundusze potrzebne są głównie na opłacenie pracy ludzi, bo to ich wiedza, ich umiejętności, ich kwalifikacje decydują o uzyskiwanych wynikach.