Lae alla trend

Tehisintellekt tegeleb järjest keerukamate ülesannetega

Lae alla

Suurandmete, pilvandmetöötluse ning sellega seotud arvutus- ja salvestusvõime kättesaadavus, kiiremad protsessorid, usaldusväärsemad ja hinnalt soodsad andurid ning läbimurded tehisintellekti (AI) tehnoloogias on jõuliselt suurendanud tehisintellekti võimsust, kättesaadavust, kasvu ja mõju [1],  [2],  [3],  [4]. Investeeringud AI arendusse ja kasutusse kasvavad [5], samuti ootused AI abil tootlikkuse parendamiseks [6],  [7] ning keerukate probleemide lahendamiseks nt transpordisektoris, teadustöös, tervishoius, kriminaalõiguses, küberturbes, põllumajanduses, finantsteenustes, turunduses ja reklaamis [8].

Loe lähemaltSulge

Trendi mõju avaldumine

Lae alla

  1. Suurandmete, pilvandmetöötluse ning sellega seotud arvutus- ja salvestusvõime kättesaadavus, kiiremad protsessorid ning läbimurded tehisintellekti tehnoloogias on suurendanud tehisintellekti võimsust, kättesaadavust, kasvu ja mõju (Lane ja Saint-Martin, 2021 [9]; Euroopa Komisjon, 2020f [10]; Zhang jt, 2021 [11]). Prognooside kohaselt kasvab maailmas loodavate andmete maht 2018. aasta 33 zettabaidilt 2025. aastaks 175 zettabaidini (Tehisintellekti võimalused…, 2020 [12]).
  2. Tehisintellekti investeeringud ja äriarendus kasvavad kiiresti. Erakapitali investeeringud AI idufirmadesse hoogustusid 2016. aastast pärast viieaastast stabiilset kasvu. Küpsevate tehnoloogiate ja ärimudelitega areneb tehisintellekt laialdase leviku suunas. (OECD, 2019b [13]) Idufirmadelt eeldatakse AI kasutamist, investorid näevad AI-d asjade interneti loomuliku osana (CB Insight, 2018 [14]).
  3. Jätkuv tehnoloogiline areng toob kaasa ka paremad ja odavamad andurid, mis koguvad usaldusväärsemaid andmeid tehisintellektisüsteemide kasutamiseks (Lane ja Saint-Martin, 2021 [15]).
  4. Tehisintellekt saab parandada tootlikkust ja aitab lahendada keerukaid probleeme (OECD, 2019b [16]; Zhang jt, 2021 [17]). Inimese ja masina koostöö võib kokku anda rohkem kui selle osade summa (Sage-Gavin, 2019 [18]).
  5. Enamik töötajaid suhtuvad AI mõjusse oma töös positiivselt (kõrgelt kvalifitseeritud töötajad on positiivsemad kui madala kvalifikatsiooniga töötajad) ning peavad tähtsaks enda oskuste arendamist (Lane ja Saint-Martin, 2021 [19]).
  6. Euroopa Komisjon tahab suurendada tehisintellekti tehnoloogiatesse tehtavaid era- ja avaliku sektori investeeringuid 20 mld euroni aastas (Euroopa Parlamendi seisukoht…, 2021 [20]).
  7. Tänu oma mitmekülgsele rakendusvõimalusele on tehisintellekt muutumas üldotstarbeliseks tehnoloogiaks (GPT, General Purpose Technology) (Perrault, 2019 [21]).

Vaata lisaks megatrendi Digitehnoloogia ulatub kõikjale.

Loe lähemaltSulge

Trendi mõjutöökohtadele

Lae alla

  1. Suurandmeanalüüsi tehnoloogiate kasutamine kasvab nii metsaressursi majandamise süsteemides kui ka tootmis- ja tarneahelate juhtimises. Ettevõtted otsivad aktiivselt võimalusi AI kasutamiseks näiteks planeerimises ja juhtide töö lihtsustamiseks (EMPL 2022 [22]).
  2. Nutikas tootmine toimub digitaalselt integreeritud süsteemides, kasutades suurt hulka andmeid, et juhtida tootmisprotsesse varasemast kvaliteetsemalt, kulusäästlikumalt ja kiiremini. Üha laialdasemalt kasutusel olevad automatiseeritud süsteemid, arvprogrammjuhtimisega ja robottööpingid koos tööprotsessi monitooringusüsteemidega (nt masinnägemine või ka muud keerulisemad tehisintellekti kasutavad tehnoloogiad) on integreeritud asjade internetiga (IoT) (Tilk ja Kruusmaa 2022 [23]).
  3. Osa rahvusvaheliste uuringute 28 alusel võib väita, et paljud töökohad, mis on seotud avaliku sektoriga, sh sotsiaalvaldkond, on n-ö automatiseerimiskindlad ja valdkonda ootab ees töökohtade arvu kasv. Seda eriti näiteks sotsiaaltööga lähedalt seotud ametialade puhul tervishoius ja psühhoteraapias (Bakshi et al. 2017 [24]).
  4. Ekspertide sõnul ei asenda ükski tehnoloogiline lahendus empaatiat, inimlikku hoolimist või tähelepanu, mis on kõik sotsiaaltöö nurgakivideks. McKinsey Instituudi uuringu (2017 [25]) järgi mõjutab automatiseerimine vähem neid ameteid, mille sisuks on suhtlus, nõustamine ja inimeste juhtimine. McKinsey Instituudi ülevaates on valdkonna tööjõuvajaduse vähenemise vastuargumendina lisaks inimfaktorit nõudvate töökohtade automatiseerimise raskusele toodud ka tõik, et töökohad sotsiaalhoolekandes on võrdlemisi odavad, mis muudab investeerimise võimalikesse automaatsetesse lahendustesse tööandjate jaoks ka vähem atraktiivseks. Sarnase tulemuseni jõudsid ka Frey ja Osborne (2013), kes enda uuringu 31 raames koostatud pingereas on kõige madalama automatiseerimise riski tõenäosusega esimese kümne ameti sekka paigutanud nii tegevusterapeudi (1), vaimse tervise häiretega tegelevad sotsiaaltöötajad (4) kui ka sotsiaaltöötajad tervishoius (8).
  5. Mõnede hinnangute kohaselt on farmaatsiatööstuses loodavate uute töökohtade arv oluliselt väiksem kui tehisintellektiga kaotatud töökohtade arv. Teisest küljest on teadlased viidanud, et tehisintellektil põhinevad rakendused kõige tõenäolisemalt siiski täiendavad inimesi, pakkudes otsuste tegemiseks rohkem andmeid (Kulkov, 2021 [26]).
  6. Tehisintellekti (AI) kasutuselevõtt muudab töö olemust, asendades ja muutes komponente inimtöös (OECD, 2019b [27]), ning töökeskkonda, nt ametiülesannete ümberkorraldamise kaudu (Lane ja Saint-Martin, 2021 [28]).
  7. AI kasutuselevõtt võib kaotada suure hulga töökohti, samas luua ka uusi ning seniseid täiustada (Tehisintellekti võimalused…, 2020 [29]). Eeldatavalt saab AI mõju töökohtadele olema suurim ametites või sektorites, mis tuginevad kõige rohkem ülesannetele, mida AI suudab ära teha (Lane ja Saint-Martin, 2021 [30]). Mõjusid on käsitletud ka trendides Väärtusmaailm teiseneb > Paindlikum töö- ja õpimaailm ning > Suurenev sotsiaalne sidusus leevendab süvenevat ebavõrdsust.
  8. AI kasutuselevõtt hõlmab näiteks tervishoidu ja diagnostikat (CB Insight, 2018 [31]), kõrgtehnoloogiat, autotööstust ja montaaži, telekommunikatsiooni, transporti ja logistikat, finantsteenuseid, pakendatud tarbekaupu, jaemüüki. AI põimub ka sellistesse tehnoloogiatesse nagu loomulik keele mõistmine ja tekstianalüüs, loomuliku keele klassifitseerimine ja otsuste haldamine, visuaalne tuvastamine (sh pilt, nägu ja video), virtuaalsed agendid või vestlusliidesed („juturobotid”) ja robotprotsesside automatiseerimine. (Lane ja Saint-Martin, 2021 [32], Zhang, 2021 [33])
  9. Investeeringute mahu järgi hinnates kasvavad AI rakendajatest kõige kiiremini järgmised valdkonnad: autonoomsed sõidukid, ravimitööstus, näotuvastustehnoloogia, videosisu, pettuste tuvastamine ja finantssektor (Perrault jt, 2019 [34]).
  10. Tehisintellekti kasutuselevõttu ettevõtetes motiveerib inimese võimekuse täiendamine (Lane ja Saint-Martin, 2021 [35]).
  11. AI-l on võimekus luua täiendavaid innovatsioone, võimaldada teaduslikke läbimurdeid ja luua täiesti uusi tööstusharusid, mis võivad viia veelgi rohkemate töökohtade loomiseni kui senised edusammud tehnoloogias (Lane ja Saint-Martin, 2021 [36]; OECD, 2018a [37]). AI rakendused loovad uusi kõrge tootlikkusega ülesandeid, nagu näiteks ülitäpne tootmine (Lane ja Saint-Martin, 2021 [38]).
  12. Tänu AI-le on võimalik lisaks rutiinsetele tööülesannetele automatiseerida järjest enam ka mitterutiinseid tööülesandeid (Lane ja Saint-Martin, 2021 [39]; Zhang, 2021 [40]). Kuna tehisintellekt veel ei ületa inimest loomingulises ja sotsiaalses intelligentsuses, arutlusoskustes ja ebakindlusega toimetulekus, jäävad need endiselt inimeste kanda, jättes AI-le täiendava ja kergendava rolli (Lane ja Saint-Martin, 2021 [41]), kuid tuleb tähele panna, et AI võimekust arendatakse edasi (Blue, 2020 [42]; Rosso, 2021 [43]).
  13. On välja arvestatud, et AI töökohtade kasv toob kaudsete töökohtade loomise efekti, nt väidetavalt iga töökoht kõrgtehnoloogiaettevõttes loob viis täiendavat töökohta väljaspool seda ettevõtet (Lane ja Saint-Martin, 2021 [44]).
  14. Vanemaealistel töötajatel võib olla AI kasutuselevõtuga seotud muudatustega keerulisem kohaneda (Lane ja Saint-Martin, 2021 [45]), näiteks kuna neil võib olla madalam motivatsioon ümberõppeks vähemaks jäänud tööaastate tõttu (Webb, 2019 [46]). Vt võimalusi ja vajadusi trendist Väärtusmaailm teiseneb > Suurenev sotsiaalne sidusus leevendab süvenevat ebavõrdsust.
  15. Viiteid AI positiivsele mõjule palgakasvuks võib näha kõrgema haridustasemega või kõrgema palgaga ametikohtadel ja samuti ametites, mis on seotud tarkvara tundmisega. Eeldatavasti on need töötajad paremini võimelised kasutama AI-d oma töös ja tõstavad tootlikkust. Tootlikkuse tõus võib tasakaalustada AI kasutuselevõtust tingitud palgakasvu, mis omakorda tänu üldisemale heaolule tõstab eratarbimist, tekitades samas vajadust lihtsamate (veel automatiseerimata) teenustööde järele. Pole teada, kas senised AI kasutuse mõjud tööhõivele ja palkadele saavad olema samad ka edaspidi – see on väljakutse teadlastele, kes peavad püüdma ennustada täiesti uute tehnoloogiate ja senise tehnoloogia täiesti uute rakenduste mõju, ning poliitikakujundajatele, kes peavad mõju arvestavat poliitikat välja töötama. (Lane ja Saint-Martin, 2021 [47])
  16. Haridus ja kogemused, mis peegeldavad tööga seotud AI-rakendamise teadmiste ja oskuste olemasolu, tõstavad konkurentsivõimet tööturul (Lane ja Saint-Martin, 2021 [48]), pikaajalist töötust aitab vältida haridus ja koolitus (Tehisintellekti võimalused…, 2020 [49]).
  17. AI kasutuselevõtuga seotud ülesannete ümberkorraldamine võib tuua nii tööga rahulolu tõusu kui ka tõsta stressi. See, kas efekt on negatiivne või positiivne, tuleneb paljuski tehnoloogia kasutuselevõtu protsessist kui tehnoloogiast endast, siin on suur roll juhtkonna hoiakutel ja arusaamadel. (Lane ja Saint-Martin, 2021 [50])
  18. Juhul kui töötajad tunnevad, et otsused tehakse automatiseeritud protsesside kaudu, mis põhinevad andmetel, millele neil pole juurdepääsu ega kontrolli, on risk stressi ja ärevuse tekkeks. Kerkib mure seoses andmekaitse ja privaatsusega. Tekib ebakindlus otsustusprotsessi täpsuse ja õigluse suhtes, eriti kui viimane määrab edutamise ja tasustamise, ametijuhendi muutmise ning tööle võtmise ja töölt vabastamise. AI rakendamine töökohal viisil, mis suurendab survet töötajatele, või töötajate liigne jälgimine andmekogumise ja -töötlusega võib põhjustada stressi ja ärevust, tõmmata alla tööefektiivsust ning viia tootlikkuse langusele. (Lane ja Saint-Martin, 2021 [51]) (EL-is kaitseb GDPR-i artikli 22 lõige 1.)
  19. Luuakse töökohti, mis on tarvilikud AI enda edasiseks arendamiseks, hooldamiseks, käitluseks, reguleerimiseks ja auditeerimiseks (Acemoglu ja Restrepo, 2018 [52]), töötasu nendel töökohtadel on konkurentsivõimeline (CB Insight, 2018 [53]).

Vaata lisaks megatrendi Digitehnoloogia ulatub kõikjale.

Loe lähemaltSulge

Trendi mõjuoskustele

Lae alla

  1. Liit- ja virtuaalreaalsuse kasutamine aitab hõlpsamini tajuda projekteeritavat ruumi ja mastaape, võimaldades tulemusi enne ehitamist valideerida ning vähendades seeläbi seisakuid ja projekti hilinemist. Samuti võimaldab see reaalajas teavet kuvades probleeme kiiremini lahendada isegi objektist eemal olles. 3D-visualiseerimine annab parema ettekujutuse loodavatest sise- või väliruumi lahendustest (Lepik ja Uiboupin, 2024 [54]).
  2. Nõudlus tehisintellektiga seotud oskuste järele kasvab, oskusi võib vaja minna nii kõrge kui ka madala kvalifikatsiooniga ametikohtadel töötamisel (Lane ja Saint-Martin, 2021 [55]). Vajadus AI-oskuste järele on kasvanud kõigis majandussektorites, kuid rohkem nt teabe-, kutse-, teadus- ja tehnika-, rahanduse ja kindlustuse ning jäätmekäitluse valdkonnas (Perrault jt, 2019 [56]). Kasutusalade lõikes on AI-oskusi vaja näiteks järgmistes valdkondades: veebiostlemine ja -reklaam, veebiotsingud, isiklikud digiabilised, masintõlge, nutikad kodud, linnad ja taristud, autod (AI-põhised ohutusrakendused), küberturvalisus, võitlus desinformatsiooni vastu, tervishoid, transport, tootmine, toit ja põllumajandus ning avalikud teenused (Mis on tehisintellekt…, 2021 [57]). AI kasutamisvõimalused ja sellega seotud oskusvajadused varieeruvad valdkonniti, nt loomuliku keele töötlust (teksti ja kõne mõistmine ning loomine) saab kasutada tööstusharudes, kus on suures mahus kliendi- või operatiivandmeid tekstivormis, nt kõrgtehnoloogia, telekommunikatsioon, jaekaubandus, finantsteenused ja tervishoid; ning füüsilist robootikat saab kasutada tööstusharudes, kus füüsiliste kaupade logistikal on tarneahelas tähtis roll, nt autotööstus, kaupade pakendamine ja farmaatsia. Vähem nähakse AI-oskuste vajadust nt ehituses, kunstis, tervishoius ja sotsiaalhoolekandes (Perrault jt, 2019 [58]).
  3. AI abil töötavate tehnoloogiate ülesehitamiseks ja juurutamiseks organisatsioonides ja ühiskonnas on vaja järgmiseid oskusi ja teadmisi: 1) matemaatika (teoreetiline taust AI-uuringute tegemiseks ja rakendamiseks), statistika (empiirilised oskused AI-mudelite sobitamiseks ja mõju mõõtmiseks); 2) masinõpe (iseõppivate ja muude juhendatud mudelite loomiseks); 3) statistiline programmeerimine (mudelite rakendamiseks); 4) tarkvaraarendus (rakenduste kujundamiseks ja skaleerimiseks) (Perrault jt, 2019 [59]). Oluline on tegeleda AI ohutusega (Amodei jt, 2016 [60]; Euroopa Komisjon, 2020f [61]), kuna AI-d kasutatakse näiteks üha enam selliste ülesannete automatiseerimisel, mis sisaldavad suhtlust keskkonnaga, nt isesõitvad autod (Hernández-Orallo jt, 2020 [62]). Tehisintellekti spetsialistidelt oodatakse üha enam ka sektorispetsiifilisi, insenertehnilisi ja äriteadmisi (Lane ja Saint-Martin, 2021 [63]) ning teadmisi eetilise ja usaldusväärse tehisintellekti väljatöötamiseks (Euroopa Komisjon, 2020f [64]).
  4. On protsesse, mida AI ei suuda hetkel järele teha ning mis on paljudel töökohtadel üha olulisemad: loovus, originaalsus, keeruline arutlus, kriitiline mõtlemine ning sotsiaalne ja emotsionaalne intelligentsus (Lane ja Saint-Martin, 2021 [65]), kuid AI võimekus tulla toime nimetatud olukordadega võib muutuda. Ametialadel, kus sotsiaalse suhtluse komponent töös on väga oluline, on AI rakendamiseks vähem võimalusi (nt massaažiteraapia). Sama kehtib kõrgelt kvalifitseeritud teadustööga seotud ametialadel, mis nõuavad uudsete olukordade üle arutamist (nt teadlased). (Webb, 2019 [66])
  5. Nõudlus PhD tasemel AI ekspertide järele kasvab, kuid väidetavalt veelgi rohkem vajatakse kõrghariduse esimese ja teise taseme teadmistega eksperte (80% AI-ga seotud tööpakkumistest nõuab vähemalt BA taset ning pooled seesugustest tööpakkumistest ei eelda BA-st kõrgemat haridust) (Lane ja Saint-Martin, 2021 [67]).

Vaata lisaks megatrendi Digitehnoloogia ulatub kõikjale.

Loe lähemaltSulge

Trendi mõjuühiskonnale, majandusele, haridusele

Lae alla

  1. Masinõpe ja muud iseõppivad süsteemid on tulnud, et jääda. Süsteemid arenevad pidevalt ja õpivad maailma iseseisvalt tundma ilma inimesepoolse ettekirjutuseta. Seda toetavad kiirestiarenevad süvaõppe (deep learning) ja neuronvõrkude (neural networks) teadussuunad, mis toovad arvutiteadusesse üha enam inimesele omaseid käitumis- ja otsustusmudeleid. Tehisintellekt mõjutab meie elu üha rohkem. See loob julgeoleku, demokraatia, äritegevuse ja tööhõive valdkonnas nii võimalusi kui ka ohte, on märkinud Euroopa Komisjon (2020 [68]).
  2. Ettevõtjatele annab tehisintellekt võimaluse töötada välja uue põlvkonna tooted ja teenused, sealhulgas sektorites, kus Euroopa ettevõtetel on juba praegu tugev positsioon. Eriti võib esile tõsta rohe- ja ringmajandust, masinatööstust, põllumajandust, tervishoidu, moodi ja turismi, kus tehisintellekt võimaldab optimeerida müügikanaleid, parandada masinahooldust, suurendada toodangu mahtu ja kvaliteeti, parandada klienditeenindust ja säästa energiat. Eeldatavalt hakatakse tehisintellekti üha rohkem kasutama kuritegevuse ennetamisel ja kriminaalõigussüsteemis, sest see võimaldab kiiremini töödelda suuri andmekogumeid. Sõjalises valdkonnas saab tehisintellekti kasutada häkkimise ja andmepüügiga seotud kaitse- ja ründestrateegiates või kübersõjas põhisüsteemide ründamiseks (Euroopa Komisjon 2020 [69]).
  3. Sotsiaalministeeriumi rohelises raamatus (2020) on soov lähiaastatel suurendada uudsete tehnoloogiliste lahenduste osakaalu, et tulla toime kasvava hoolduskoormust kandvate inimeste arvuga ning samal ajal tagada riigis jätkusuutlik pikaajalise hoolduse süsteem. Potentsiaalsete tehnoloogiliste lahenduste näidetena toob roheline raamat välja teiste seas GPS-tehnoloogial põhinevad seireseadmed, kaugsuhtlusvahendid (sh videovestlused) ning elektroonsed infosüsteemid (Sotsiaalministeerium 2020 [70]).
  4. Digitaliseerimine ja tehisintellekti rakendamine vedude korraldamisel aitab kaubavedusid optimeerida, sealhulgas tühisõitude vähendamise teel ning optimaalsete teekondade planeerimisega (DHL, 2023 [71]).
  5. Lisaks raudteetranspordi elektrifitseerimisele tõuseb lähikümnendil märgatavalt ka automatiseerituse ja digitaliseerituse tase ning areneb tehnoloogia. Digitaliseerimise areng pakub võimalusi andmepõhisteks täiustusteks: näiteks AI-toega kaamerad on võimelised jälgima rööbastee tingimusi ja teavitama operaatoreid viivitamata kõigist kõrvalekalletest, vältides niimoodi võimalikke rööbastelt maha sõite, ennetades remondivajadust ja tugevdades turvameetmeid (Moment, 2023 [72]).
  6. AI võib tulevikus aidata süsinikujalajälge vähendada, analüüsides andmeid ja leides ehitusprojektidele keskkonnasõbralikumaid lahendusi. AI kasutamine võib kasulikuks osutuda ka elamute renoveerimisel, sest arendatavad süsteemid suudavad paberil jooniseid lugeda ja nendest BIM-mudeleid luua. See aitab oluliselt aega ja kulusid säästa, võrreldes sellega, kui peaks renoveerimist vajavate hoonete projektdokumente käsitsi mudelitesse lisama (Ärileht, 2023 [73]).
  7. Tehisintellekt (AI) ja masinõpe muudavad ja kiirendavad märgatavalt ravimiarenduse protsessi ja soodustavad personaalmeditsiini arengut. Need tehnoloogiad aitavad analüüsida suuri andmekogumeid, et tuvastada potentsiaalseid ravimikandidaate, ennustada raviainete toimeid, patsientide ravivastuseid ja parandada diagnostilist täpsust (WEF, 2023  [74];McKinsey, 2024 [75]).
  8. AI abil optimaalsete ravimikandidaatide profiili moodustamine võib ebaõnnestumise tõenäosust märkimisväärselt vähendada kliiniliste uuringute etapis, mis on farmaatsiatööstuses kõige kulukam. Ravimitööstus saab AI-põhiseid tööriistu kasutada ka kvaliteedikontrolli täiustamiseks, tootmise optimeerimiseks ja reaalajas otsuste langetamise toetamiseks, samuti tarneahelate optimeerimiseks ja ravimiohutuse järelevalve tõhustamiseks. Lisaks võimaldab AI automatiseerida seadusnõuete ja vastavussüsteemide järgimist, mis on ravimitööstuses olulise tähtsusega valdkond (Saha, 2024 [76]).
  9. Andmed on väärtuslik vara. Praegused andmetöötluse tehnoloogiad, tehisintellekt, asjade internet, 5G/6G on tuleviku rohelise ja digitaalseeritud tööstuse jaoks strateegilise tähtsusega tehnoloogiad. Asjade internet (IoT) või tööstuslik asjade internet (IIoT – Industrial Internet of Things) (Industrial internet of things, 2022) võimaldab seadmed omavahel ühendada, kasutades digitehnoloogia lahendusi, ning võtta kasutusele andmesisestusega automatiseeritud süsteemid, CNC- ja robottööpingid koos tööprotsessi monitooringusüsteemidega (Lepik ja Uiboupin, 2023 [77]).
  10. Steriilsete ravimite tootmises on traditsiooniliselt olnud käsitsitöö etappe, kuid kasvav suundumus personaalmeditsiini, tugevatoimeliste ravimite ja väikeste ravimipartiide tootmisele tingib selle, et kasutatakse üha enam automatiseeritud protsesse ja suletud tootmisisolaatoreid. Automatiseeritud kontrolli tehnoloogia areneb kiiresti ning tõhustab tootmist. (Nt tehisintellekti abil saab õpetada masinaid tuvastama, kas mingid osakesed tootes on praak ja saastumine või lihtsalt õhumullid.) Tootmise digitaalsed kaksikud (digital twins) ja masinõpe võimaldavad tootmisprotsesse reaalajas jälgida ja kohandada, vähendades nõnda tootmise peatamise vajadust ja optimeerides toodangut (Andersen, 2021 [78]).
  11. Tehisintellekti aruka rakendamise abil on võimalik parandada nii otsuste tegemise kiirust ja kvaliteeti kui ka optimeerida eri majandusharude ning riigiaparaadi tegevusi. Eesti avaliku sektori tehisintellekti rakenduste arendus saab toimuda koostöös ametkondade, erasektori ning teadusasutustega (Karu, 2021 [79]). Tehnoloogia peab aitama kaasa eesmärkide saavutamisele ning toetama selleks loodud protsesse ja protseduure, mis nõuab omakorda nii eesmärkide selgeks rääkimist, strateegias kokkuleppimist, protsesside kogupaketi ülevaatamist-uuendamist kui ka sisukate mõõdikute seadmist (Karu, 2021 [80]) ning andmeid AI koolitamiseks (CB Insight, 2018 [81]).
  12. AI annab võimaluse töötada välja uue põlvkonna tooted ja teenused. Näiteks rohe- ja ringmajanduses, masinatööstuses, põllumajanduses, tervishoius, moes ja turismis võimaldab AI optimeerida müügikanaleid, parandada masinahooldust, suurendada toodangu mahtu ja kvaliteeti, parandada klienditeenindust ja säästa energiat. AI kasutamine avalike teenuste valdkonnas võib vähendada kulusid ning anda uusi võimalusi ühistranspordi, hariduse, energia ja jäätmekäitluse vallas. (Tehisintellekti võimalused…, 2020 [82]) AI võime töödelda suures koguses andmeid ja õppida reaalajas võib muuta selle eriti sobivaks näiteks pideva tagasiside ja arenduse toetamiseks (Lane ja Saint-Martin, 2021 [83]).
  13. AI kasutuselevõtuks on vaja korrastada andmeid ja protsesse, koostada juhendmaterjale, korraldada koolitusi ja suurendada teadlikkust, samuti demonstreerida AI näiteid (Karu, 2021 [84]) ja muudatusi organisatsioonilistes protsessides (OECD, 2019b [85]). Uue tehnoloogia kasutuselevõtt tõstab tulemuslikkust, kuid juurutamisel võib oodata mingil määral ka kulude kasvu (Karu, 2021 [86]1).
  14. AI kasutamisest tulenev tööjõu tootlikkuse kasvuprognoos 2035. aastaks on 11–37% (Tehisintellekti võimalused…, 2020 [87]). AI senine aeglane mõju tootlikkuse kasvule on tingitud AI rakendamise ettevalmistamise ja ümberkorraldustega seotud viivitustest: esmalt on vaja uut tehnoloogiat õppida, sellesse investeerida, seda juurutada, millele järgneb konkurentsist ja tehnoloogia arengust ajendatud kiirendus, seejärel aeglasema kasvu periood, kus tehnoloogia on laiemalt levinud (Lane ja Saint-Martin, 2021 [88]).
  15. AI kasutuselevõtu kavandamisel tuleb võtta aega ja analüüsida, et võetaks kindlasti kasutusele tehnoloogia, mis hiljem osutuks ikka kasulikuks või et oskused ja uus tehnoloogia oleks omavahel vastavuses ning AI-d kasutataks talle sobivate ülesannete lahendamiseks (Lane ja Saint-Martin, 2021 [89]; Acemoglu ja Restrepo, 2018 [90]; Tehisintellekti võimalused…, 2020 [91]).
  16. AI valdkonnas on eelis riikidel, kellel on kasutada suuremad AI arendamiseks vajalikud andmehulgad (Karu, 2021 [92]). Massilise teabekogumisega võivad rohkem andmeid omavad ettevõtted saada parema positsiooni, tõrjudes konkurendid eemale (Tehisintellekti võimalused…, 2020 [93]). Tehnoloogia ja üleilmastumine tõstavad turu mahtu, AI-st tekkiv kasu liigub „võitja saab rohkem“-printsiibil (Lane ja Saint-Martin, 2021 [94]).
  17. AI tõhusust mõjutavad selle arendus ja juurutamine, turutingimused, poliitikad ja institutsioonid (Lane ja Saint-Martin, 2021 [95]). AI kasutuselevõttu võivad pidurdada üldsuse ja ettevõtjate umbusaldus, puudulik taristu, initsiatiivipuudus, investeeringute nappus või – kuna tehisintellekti masinõpe sõltub andmetest – digitaalturu killustatus (Tehisintellekti võimalused…, 2020 [96]).
  18. aasta mais võttis OECD vastu tehisintellekti põhimõtted, mis keskenduvad AI usaldusväärsele ja vastutustundlikule haldamisele (OECD, 2019b [97]). EL-i koostatavas reeglistikus on kesksel kohal usalduse suurendamine AI vastu ning AI võimaliku mõju ohjamine üksikisikute, ühiskonna ja majanduse seisukohast. Samal ajal on eesmärk luua keskkond, mis võimaldaks Euroopa teadlastel, arendajatel ja ettevõtetel jõudsalt areneda. (Euroopa Parlamendi seisukoht…, 2021 [98]) AI loomist ja tegevust reguleerivate eeskirjade loomisel tuleb jälgida, et need ei pidurdaks innovatsiooni (Tehisintellekti võimalused…, 2020 [99]).
  19. Selleks et Eesti avalikus sektoris säiliks praegune hoog ning et ka erasektor tuleks avaandmete ja tehisintellekti teemaliste arutelude ja tegudega rohkem kaasa, on abiks, kui need teemad muutuksid riiklikul tasemel strateegiliseks rohkem kui paari ministeeriumi haldusalas ning et tagataks arendustegevusteks vajaminev püsiv rahastus (Karu, 2021 [100]).
  20. Oluline on AI vastutustundlik kasutamine tööl, tõstmaks ohutust ja töökohtade kvaliteeti. Robotitel, sh AI-d kasutatavatel robotitel, on kasvav võimekus asendada töötajaid rasketes ja ohtlikes töökeskkondades, vähendades seeläbi tööohutuse ja töötervishoiu riske. (Lane ja Saint-Martin, 2021 [101])
  21. AI võib ühiskonnas tekitada ärevust, selle ennetamiseks on võimalik tööturg valmistada ette AI kasutuselevõtuks: toetada inimesi AI-süsteemide kasutamisel ja vajalike oskuste omandamisel, tagada õiglane üleminek, et AI-st saadav kasu jaguneks laialdasemalt ja õiglasemalt (nt sotsiaaldialoogi, koolitusprogrammide, ümber- ja täiendõppe kaudu), edendada ettevõtlust ja tootlikkust (Lane ja Saint-Martin, 2021 [102]).
  22. Kui mõnes konkreetses valdkonnas on realiseerumas protsesside ulatuslik automatiseerimine, on vastutustundlik tõsta (ümber- või täiendõppe kaudu) selle valdkonna spetsialistide võimekust tasemele, kus nad kas suudaksid täiendatud süsteemis tekkinud uute ülesannetega hästi hakkama saada või leida sisulist, eneseteostusvõimalusi pakkuvat rakendust muudes valdkondades (Lane ja Saint-Martin, 2021 [103]; Karu, 2021 [104]).
  23. Nii AI kui ka täiendõppe organiseerimisel tuleb tähele panna ebavõrdsuse süvenemise ohtu juhul, kui kõrgelt kvalifitseeritud kutsealadel töötavatel töötajatel avanevad paremad võimalused õppimiseks (nt parem juurdepääs elukestvale õppele) ja on oskused, mida ei saa hõlpsasti AI-ga automatiseerida (Lane ja Saint-Martin, 2021 [105]).
  24. Kui AI viib töökohtade automatiseerimiseni mitmes tööstusharus, siis see omakorda võib tuua kaasa sektorite vahelise ebavõrdsuse, mistõttu oleksid üleminekud keerulised. Kuna tehnoloogia areng võib suurendada tootlikkust ja juhtida majanduskasvu, on põhjust uurida, kuidas AI-d saaks rakendada kaasaval viisil, suurendamata ebavõrdsust ja seega ka ühiskonna vastupanu tehnoloogia arengule. (Lane ja Saint-Martin, 2021 [106]) Vt võimalusi ja vajadusi trendist Väärtusmaailm teiseneb > Suurenev sotsiaalne sidusus leevendab süvenevat ebavõrdsust.
  25. Andmete abil otsustamine võib ühest küljest vähendada eelarvamuste mõju (Tehisintellekti võimalused…, 2020 [107]), teisalt tuleb AI treenimisel ennetada võimalikku kallutatust, et vältida diskrimineerimist (Euroopa Komisjon, 2020f [108]; Zhang jt, 2021 [109]). Tuleb minimeerida rakenduste kasutamisest võimalikult tulenevat diskrimineerivat mõju (vajalik on aktiivne kaasamine, õiglus, arusaamisõigus ja edasikaebamise võimalus) ning kujundada usaldusväärse AI arendamise eetikasuunised (seaduslik, eetiline (inimeste sõltumatuse austamine, kahju tegemisest hoidumine, õiglus ning selgitatavus), töökindel) (Karu, 2021 [110]). AI kasutamisel tuleb rõhutada õigust eraelu puutumatusele ja andmekaitsele (Tehisintellekti võimalused…, 2020 [111]).
  26. AI keerukus, ettearvamatus ja osaliselt autonoomne tegutsemine võivad luua raskelt kontrollitava olukorra, tuvastamaks, kas AI-lahendus on kooskõlas õigusaktidega (Euroopa Komisjon, 2020f [112]).
  27. Vaja on otsustada, millised saavad olema algoritmile antavad volitused. Kui AI rakenduste rolliks saab mh parimana käsitatava otsustusvariandi pakkumine, tuleb luua analüüsitulemuste konfliktolukordade lahendamise protseduur (Karu, 2021 [113]). Vaja on selgitada, milline on AI vastutus AI kasutamisest tekkinud kahju korral (Tehisintellekti võimalused…, 2020 [114]).
  28. Tuleb otsustada, kellele kuuluvad intellektuaalomandi õigused siis, kui tegemist on tehisintellekti loominguga (Euroopa Parlamendi seisukoht…, 2021 [115]).
  29. AI puhul peab tähelepanu pöörama küberrünnakutele ja laiaulatuslikule manipulatsioonivõimalusele (PwC, 2018b [116]). AI võimaldab luua süvavõltsinguid (Zhang, 2021 [117]) (realistlikke võltsitud video-, audio- ja pildimaterjale), mis võivad tekitada finantsriski ja mainekahju ning häirida otsustamist (Tehisintellekti võimalused…, 2020 [118]). Veebiplatvormid kasutavad AI-rakendusi ebaseadusliku ja sobimatu veebikäitumise avastamiseks ja sellele reageerimiseks (Tehisintellekti võimalused…, 2020 [119]). Teadlased arendavad süvavõltsingu tuvastamise tehnoloogiat (Zhang, 2021 [120]).

Vaata lisaks megatrendi Digitehnoloogia ulatub kõikjale.

Loe lähemaltSulge

Allikad

    1. 9. 15. 19. 28. 30. 32. 35. 36. 38. 39. 41. 44. 45. 47. 48. 50. 51. 55. 63. 65. 67. 83. 88. 89. 94. 95. 101. 102. 103. 105. 106. Lane, M., Saint-Martin, A. (2021). The impact of Artificial Intelligence on the labour market: What do we know so far? OECD Social, Employment and Migration Working Papers No. 256. https://doi.org/10.1787/7c895724-en

    2. 68. 69. Euroopa Komisjon (2020). Tehisintellekt: Euroopa käsitus tipptasemel ja usaldusväärsest tehnoloogiast. Valge raamat.

    3. 20. 98. 115. Euroopa Parlamendi seisukoht tehisintellekti küsimuses. (2021). Euroopa Parlament, uudised, 4. märts. Kasutatud 21.04.2021, https://www.europarl.europa.eu/news/et/headlines/society/20201015STO89417/euroopa-parlamendi-seisukoht-tehisintellekti-kusimuses

    4. 7. 11. 17. 33. 40. 109. 117. 120. Zhang, D., Mishra, S., Brynjolfsson, E., Etchemendy, J., Ganguli, D., Grosz, B., Lyons, T., Manyika, J., Niebles, J., C., Sellitto, M., Shoham, Y., Clark, J., Perrault, R. (2021). The AI Index 2021 Annual Report. AI Index Steering. Committee, Human-Centered AI Institute, Stanford University, Stanford, CA. Kasutatud 25.08.2021, https://aiindex.stanford.edu/wp-content/uploads/2021/03/2021-AI-Index-Report_Master.pdf

    5. 8. OECD (2019). Artificial Intelligence in Society. Summary. Paris: OECD Publishing. Kasutatud 25.02.2021

    6. 14. 31. 53. 81. CB Insight (2018). Top AI Trends to Watch in 2018. Kasutatud 10.03.2021, https://www.cbinsights.com/research/report/artificial-intelligence-trends-2018/

    10. 61. 64. 108. 112. Euroopa Komisjon (2020f). Tehisintellekt: Euroopa käsitus tipptasemel ja usaldusväärsest tehnoloogiast. Valge raamat. Kasutatud 21.04.2021, https://op.europa.eu/et/publication-detail/-/publication/ac957f13-53c6-11ea-aece-01aa75ed71a1

    12. 29. 49. 82. 87. 91. 93. 96. 99. 107. 111. 114. 118. 119. Tehisintellekti võimalused ja ohud. (2020). Euroopa Parlament, uudised, 20. oktoober. Kasutatud 21.04.2021, https://www.europarl.europa.eu/news/et/headlines/priorities/tehisintellekt-elis/20200918STO87404/tehisintellekti-voimalused-ja-ohud

    13. 16. 27. 85. 97. OECD (2019b). Artificial Intelligence in Society. Summary. Paris: OECD Publishing. Kasutatud 25.02.2021, https://www.oecd-ilibrary.org/sites/9f3159b8-en/index.html?itemId=/content/component/9f3159b8-en

    18. Sage-Gavin, E., Vazirani, M., Hintermann, F. (2019). Getting Your Employees Ready for Work in the Age of AI. MIT Sloan Management Review, 27. veebruar. Kasutatud 10.03.2021, https://sloanreview.mit.edu/article/getting-your-employees-ready-for-work-in-the-age-of-ai/

    21. 34. 56. 58. 59. Perrault, R., Shoham, Y., Brynjolfsson, E., Clark, J., Etchemendy, J., Grosz, B., Lyons, T., Manyika, J., Mishra, S., Niebles, J. C. (2019). The AI Index 2019 Annual Report. AI Index Steering Committee, Human-Centered AI Institute, Stanford University, Stanford, CA. Detsember 2019. Kasutatud 31.03.2021, https://hai.stanford.edu/sites/default/files/ai_index_2019_report.pdf

    22. EMPL (2022). Ülevaade Eesti Metsa- ja Puidutööstuse Liidu ettevõtete arendustegevustest.

    23. Tilk, R., Kruusmaa, E.-K. (2022). Tulevikuvaade tööjõu- ja oskuste vajadusele: metsandus ja puidutööstus. Tallinn: SA Kutsekoda.

    24. 25. McKinsey & Company (2017). Jobs lost, jobs gained: Workforce transitions in a time of automation. McKinsey Global Institute.

    26. Kulkov, I. (2021). The role of artificial intelligence in business transformation: A case of pharmaceutical companies. Technology in Society, ScienceDirect

    37. OECD (2018a). OECD Science, Technology and Innovation Outlook 2018: Adapting to Technological and Societal Disruption. Paris: OECD Publishing. https://doi.org/10.1787/25186167

    42. Blue, A. (2020). Grant to Fund Development of Socially Savvy Artificial Intelligence. The University of Arizona, News, 16. jaanuar. Kasutatud 27.09.2021, https://news.arizona.edu/story/grant-fund-development-socially-savvy-artificial-intelligence

    43. Rosso, C. (2021). AI Gains Social Intelligence; Infers Goals and Failed Plans. Psychology Today, 22. jaanuar. Kasutatud 27.09.2021, https://www.psychologytoday.com/us/blog/the-future-brain/202101/ai-gains-social-intelligence-infers-goals-and-failed-plans

    46. 66. Webb, M. (2019). The Impact of Artificial Intelligence on the Labor Market.  SSRN, 6. november. http://dx.doi.org/10.2139/ssrn.3482150

    52. 90.

    Acemoglu, D., Restrepo, P. (2018). Artificial Intelligence, Automation and Work. NBER Working Paper No. 24196. Kasutatud 31.03.2021, nber.org/papers/w24196

    54. Lepik, I., Uiboupin, M. (2024) Tulevikuvaade tööjõu- ja oskuste vajadusele: ehitus. Uuringu terviktekst. Tallinn: SA Kutsekoda

    57. Mis on tehisintellekt ja kuidas seda kasutatakse? (2021). Euroopa Parlament, uudised, 29. märts. Kasutatud 2.04.2021, https://www.europarl.europa.eu/news/et/headlines/society/20200827STO85804/mis-on-tehisintellekt-ja-kuidas-seda-kasutatakse

    60. Amodei, D., Olah, C., Steinhardt, J., Christiano, P., Schulman, J., Mané. D. (2016). Concrete Problems in AI Safety. Kasutatud 20.09.2021, https://arxiv.org/abs/1606.06565

    62. Hernández-Orallo, J., Martinez Plumed, F., Avin, S., Whittlestone, J., Ó Héigeartaigh, S. (2020). AI Paradigms and AI Safety: Mapping Artefacts and Techniques to Safety Issues. Frontiers in artificial intelligence and applications, ISSN 0922-6389, 325, p. 2521-2528, JRC122002. doi:10.3233/FAIA200386

    70. Sotsiaalministeerium (2020). Roheline raamat. Tehnoloogiakasutuse suurendamine inimese igapäevase toimetuleku ja heaolu toetamiseks kodus. Tallinn.

    71. DHL (2023) Logistics Trend Radar.

    72. Moment (2023) Rail industry trends 2023-2030.

    73. Ärileht (2023). Harilikust pliiatsist ja paberist kuni tipptehnoloogia kasutamiseni ehituses

    74. WEF (2023). Zhavoronkov, A. How AI can clean up the pharmaceutical industry.

    75. McKinsey (2024). Shah, B., Bleys, J.,Viswa, C. A., Zurkiya, D., Leydon, E. Generative AI in the pharmaceutical industry: Moving from hype to reality.

    76. Saha, G. C. (2024). European Pharmaceutical Review. Transforming pharmaceutical manufacturing: The AI revolution.

    77. Lepik, I., Uiboupin, M. (2023). Tulevikuvaade tööjõu- ja oskuste vajadusele: masina-, metalli- ja elektroonikatööstus; mootorsõidukite hooldus ja remont. Uuringu terviktekst. Tallinn: SA Kutsekoda

    78. Andersen, A. B. (2021). Tech Talk. The future of fill-finish facilities in pharma manufacturing.

    79. 80. 84. 86. 92. 100. 104. 110. 113. Karu, K. (2021). Tehisintellekti keerukad küsimused. Juridica, 1, lk 43–54. Kasutatud 8.03.2021, https://juridica.ee/article_full.php?uri=2021_1_tehisintellekti_keerukad_k_simused&pdf=1

    116. PwC (2018b). Workforce of the future: The competing forces shaping 2030. Kasutatud 25.02.2021, https://www.pwc.com/gx/en/services/people-organisation/workforce-of-the-future/workforce-of-the-future-the-competing-forces-shaping-2030-pwc.pdf