AI4PPP – Artificial Intelligence for People, Planet and Profit

Umetna inteligenca je zdaj globoko vključena v različne sektorje, pri čemer podjetja hitro sprejemajo sisteme, ki temeljijo na umetni inteligenci, da bi se prilagodila naraščajočim zahtevam digitalnih okolij. Ker umetna inteligenca postaja vse bolj razširjena, se pojavlja razkorak med tistimi, ki učinkovito uporabljajo tehnologije umetne inteligence, in tistimi, ki se za to borijo. Ta razkorak se povečuje in poslovni uspeh podjetij postaja tesno povezan s stopnjo uvedbe umetne inteligence. Medtem ko se umetna inteligenca uporablja v skoraj vseh panogah, nekatera področja izstopajo zaradi obsežne uporabe umetne inteligence na svetovni ravni, vključno s sektorji, kot so zdravstvo, finance in proizvodnja.

Hiter razvoj umetne inteligence pogosto vodi do nesporazumov in precenjevanja. Da bi ločili hype od resničnosti, se podjetja zdaj osredotočajo na resnične aplikacije umetne inteligence v različnih panogah. Umetna inteligenca je na primer napredovala pri nalogah, ki se tradicionalno štejejo za človeške, kot je prepoznavanje slik in govora. Inovacije, kot sta Googlovo prepoznavanje slik ali razumevanje glasu Siri, kažejo, kako je umetna inteligenca pri določenih nalogah postala enako dobra, če ne celo boljša od ljudi.

V prihodnjih letih se pričakuje, da bo inteligenca aplikacij AI hitro rasla zaradi napredka v nevronskih mrežah in povečane računalniške moči. Te izboljšave predstavljajo pomembne priložnosti za podjetja. Na primer, v zavarovalniški industriji lahko AI bere in kategorizira zahtevke ter ponuja priporočila zaposlenim, kar prihrani čas in izboljša natančnost.

Dopolnjevanje učnih gradiv

Za izboljšanje izobraževalnih vsebin so bili opravljeni intervjuji s podjetji v Španiji, na Hrvaškem in v Sloveniji, ki so uspešno implementirala rešitve umetne inteligence. Ti intervjuji so zagotovili dragocen vpogled v praktično uporabo umetne inteligence v različnih poslovnih kontekstih in pomagali oblikovati učno gradivo, da bi bolje odražalo scenarije iz resničnega sveta. Povratne informacije teh podjetij so poudarile priložnosti in izzive integracije umetne inteligence ter ponudile koristne študije primerov, ki jih je treba vključiti v prihodnje izobraževalne module.

Izobraževalni moduli, razviti v okviru projekta Rezultat 4, so bili uspešno pilotno vključeni v učna okolja projektnih partnerjev. V tem procesu so bili uporabljeni učni materiali, ustvarjeni v PR3.

Glavne ugotovitve po zaključenem pilotiranju:

• Povečano zanimanje: Študenti so pokazali izrazito povečanje zanimanja za uporabo UI rešitev na njihovih strokovnih področjih po zaključku pilota.
• Praktična integracija: Študenti so prepoznali prednosti uporabe UI na svojih področjih in začeli razmišljati o njenih praktičnih aplikacijah.
• Povečana motivacija: Predavatelji so opazili večjo motivacijo študentov pri delu z UI rešitvami.
• Pozitivno dojemanje UI: Pilot je uspešno seznanil študente z UI rešitvami, kar je privedlo do pozitivnega mnenja, da lahko UI izboljša poslovno učinkovitost in optimizira organizacijske procese.
• Napovedne sposobnosti: Študenti so prepoznali potencial UI za natančno analizo in napovedovanje tržnih trendov.
• Koristi za industrije: Izobraževanje o UI ima potencial za izboljšanje številnih industrij, kar poudarja potrebo po vključitvi UI v akademske programe.
• Strateško oblikovanje učnih programov: Izobraževalni programi bi morali biti zasnovani tako, da se osredotočijo na specifične sektorje, kjer UI prinaša največje prednosti, ter prilagoditi učne poti tehničnim sposobnostim študentov.
• Praktična osredotočenost: Moduli naj se osredotočijo na zagotavljanje praktičnih orodij za uporabo in interpretacijo UI, ne pa na celovito obvladovanje vseh UI veščin.
• Priprava na prihodnost: Ta pristop omogoča študentom, da učinkovito uporabijo UI pri oblikovanju poslovnih strategij, napovedovanju trendov in prilagajanju načrtov.

Kot del rezultatov projekta 4 so projektni partnerji razvili izobraževalna gradiva, ki predstavljajo dodaten korak k doseganju glavnega cilja projekta – zagotoviti inovativen in prenosljiv program usposabljanja za umetno inteligenco za tehnološke voditelje na ravni zunaj C in tiste, ki bodo to postali.

Učna gradiva predstavljajo uporabne poslovne primere, ki prikazujejo praktično uvajanje umetne inteligence v specifične panoge, kar bo študente vodilo k razumevanju teoretičnih vidikov, osredotočenih na razumevanje tehnologije umetne inteligence in njenega potenciala za uvajanje inovacij in izboljšav v vsakdanje poslovno okolje. Izobraževalna gradiva so razvita za sprejetje med predavanji s študenti MBA in magistrskimi poslovnimi študenti.

Kot končni rezultat je bilo razvitih 9 celovitih modulov usposabljanja, od katerih vsak predstavlja en poslovni primer in zajema 20 šolskih ur. Na ta način izobraževalni moduli predstavljajo prosto dostopno učno gradivo, pripravljeno za uporabo, ki bo profesorjem in študentom zagotovilo vsa gradiva, potrebna za uspešno izvajanje procesa poučevanja/učenja – znotraj vsakega modula se razvijejo naslednje vrste učnih gradiv:

1. Scenariji poučevanja – profesorjem/predavateljem zagotoviti podrobne informacije o napredku šole, nalogah študentov in trajanju ter zagotoviti smernice za njihovo izvajanje in dragocene pripombe
2. Učna gradiva – namenjena profesorjem/predavateljem z namenom izboljšanja učnega procesa in lažjega izvajanja modulov
3. Učna gradiva – namenjena učencem, da obogatijo učni proces in naredijo lekcijo bolj praktično in projektno usmerjeno

Učno gradivo je pripravljeno kot »standardno« gradivo, ki bi ga lahko uporabili za ustvarjanje novih ali izboljšanje obstoječih študijskih programov v visokem šolstvu ali usposabljanju odraslih. V okviru projekta AI4PPP smo na naši fakulteti razvili tri module:

Uporaba umetne inteligence v turizmu:

https://www.ai4ppp.eu/results/educational-materials/traveler-experience/

Prihodnost voznikov avtonomnih vozil:

https://www.ai4ppp.eu/results/educational-materials/future-of-drivers-in-autonomous-vehicles/

Upravljanje dobavne verige in umetna inteligenca:

https://www.ai4ppp.eu/results/educational-materials/supply-chain-management-in-manufacturing/

Kot del tega rezultata projekta so projektni partnerji razvili učni načrt, ki ponuja ideje, ki lahko izboljšajo način trenutnega poučevanja v visokem šolstvu v populaciji študentov MBA in MA Business, ki so izjemno vrednostno usmerjeni.

Ta projekt bo vključeval tri glavne naloge kurikuluma: kurikulum, ki služi kot pogodba, kurikulum, stalni dokument in kurikulum kot kurikulum. Učni načrt služi kot pogodba med inštruktorjem in študenti, ki jasno opisuje podrobnosti programa. Zasnovan je tako, da sporoča vsebino, namen in cilje.  Učni načrt, osredotočen na učenje, je tisti, ki se osredotoča na učence in na to, kaj potrebujejo za učinkovito učenje. Takšen učni načrt bo študentom poleg omenjenega pogodbenega in dokumentarnega gradiva zagotovil tudi koristnejše informacije. Študentom bo zagotovil informacije o načrtovanju nalog, oceni uspešnosti ter načrtovanju časa in virov. To bo študentom pomagalo razviti organizacijske veščine, ki so koristne tudi zunaj posameznega predmeta. Poleg tega bo načrt zagotovil smernice za učenje na tečaju, oceno pripravljenosti za delo na tečaju in priložnosti za pomoč. Prav tako bo pomagal razumeti vsebino predmeta v kontekstu študentovega študijskega programa. Končno bo učni načrt služil študentom kot model poklicnega razmišljanja in pisanja. Naša posebna pozornost in ločen rezultat učnega načrta predstavljata pomen te naloge tako z vidika akademske kot svetovalne vrednosti. Ker je umetna inteligenca za večino zelo nejasna tema, bodo učni načrti prva kontaktna točka na poti do učinkovitega izobraževanja o umetni inteligenci.

Poročilo

DACUM (Developing A Curriculum) je hitra, a dobro uveljavljena tehnika analize delovnih mest. Postopek DACUM se uporablja za določitev kompetenc, ki jih je treba obravnavati v učnem načrtu usposabljanja za določen poklic. DACUM se uporablja za razvoj profilov delovnih mest za vse vrste poklicev, vključno z najvišjimi menedžerji in specializiranimi delovnimi mesti. Ta stroškovno učinkovita tehnika je bila potrjena z raziskavami in se zelo pozitivno primerja z drugimi metodami analize delovnega mesta.

DACUM temelji na treh predpostavkah:

1. Strokovnjaki lahko bolje opišejo svoje delo kot kdorkoli drug.
2. vsako delovno mesto je mogoče učinkovito opisati s kompetencami ali nalogami, ki jih opravljajo uspešni delavci v tem poklicu,
3. Opišejo se lahko tudi posebna znanja, spretnosti, stališča in orodja, ki jih delavci potrebujejo za pravilno opravljanje svojih nalog.

Zato so projektni partnerji AI4PPP izvedli analizo DACUM z menedžerji na visoki ravni, ki niso IKT, iz različnih industrij na Hrvaškem, v Sloveniji in Španiji. Na tej podlagi je bil pripravljen zaključni dokument o analizi DACUM, ki bo v veliki meri služil partnerjem v naslednjih fazah projekta, predvsem za kurikulume in razvoj izobraževalnih gradiv.

Poročilo

Da bi zagotovili celovit in visokokakovosten izobraževalni kurikulum na področju umetne inteligence, je bilo treba raziskati, kaj izobraževalni učni načrti v visokošolskih institucijah (zlasti MBA) in drugih ponudnikih izobraževanja v partnerskih državah že ponujajo, po drugi strani pa analizirati trenutne potrebe trga v smislu kompetenc in izkušenj, potrebnih za poklice, ki uporabljajo umetno inteligenco.

Rezultat projekta 1 je bil zato osredotočen na pripravo podrobnega poročila, v katerem so pregledani izzivi, s katerimi se srečujejo različni deležniki pri pristopu k umetni inteligenci, da bi opisali potencial umetne inteligence in korake, potrebne za uspešno izvajanje učnih načrtov na visokošolskih institucijah in v poslovnem sektorju, ter opredelili izobraževalne potrebe, da bi zapolnili vrzel.

Da bi bile organizacije uspešne in kompetentne, morajo ustvariti konkurenčno prednost, ta projekt pa bo ponudil usposabljanje strokovnjakov med kandidati MBA ali odločevalci že na ravni C, da pridobijo prednost s preoblikovanjem poslovnih procesov za doseganje resničnih, oprijemljivih rezultatov.

Ta rezultat zagotavlja ozadje za oblikovanje in strukturiranje učnih načrtov, izobraževalnega gradiva in pilotnih primerov, ki so predvideni v naslednjih korakih.

Poročilo

24. marca 2022 je potekalo srečanje projektnih partnerjev. Na prvem srečanju so partnerji konzorcija razpravljali o vidikih vodenja projekta in priprave analize vrzeli – da bi razumeli potencial umetne inteligence v vsaki od partnerskih držav.