Kaip dirbtinis intelektas keičia duomenų infrastruktūrą Baltijos šalių įmonėse

Duomenų infrastruktūra Baltijos šalių įmonėse pastaraisiais metais keitėsi sparčiai. Lietuva 2023-2025 m. užfiksavo didžiausią mokamos debesijos naudojimo augimą visoje ES. Pokytį vis dažniau diktuoja dirbtinis intelektas, nes jam reikia to, kam dauguma duomenų sluoksnių niekada nebuvo kurti. „PwC” 2026 m. Lietuvos ir Baltijos šalių įmonių vadovų apklausoje net 74 % Lietuvos vadovų nesutiko, kad jų dažniausiai naudojamas DI įrankis turi prieigą prie visų įmonės dokumentų ir duomenų. Tai nėra vien saugumo nuostata. Mūsų vertinimu, tai ir duomenų architektūros būklės rodiklis. Toliau aiškinamės, kas realiai stringa ir nuo ko pradeda CTO bei CIO Lietuvoje, Latvijoje ir Estijoje.

Pagrindinės išvados

• Duomenų infrastruktūra šiandien dažniau riboja DI projektus nei modelio kokybė ar technologijos pasirinkimas.
• Baltijos šalių įmonės nėra skaitmeniškai atsilikusios, todėl DI stagnacijos priežasčių reikia ieškoti duomenų sluoksnyje, o ne bendroje brandoje.
• Ribota DI įrankio prieiga prie įmonės duomenų dažniausiai rodo neišspręstą prieigos teisių ir duomenų kilmės valdymą.
• Įmonės, neturinčios vieno atsakymo į klausimą, kur yra naujausi duomenys, DI projektuose praranda daugiausia laiko.
• Nacionalinė DI infrastruktūra nesutvarkys vidinio įmonės duomenų sluoksnio, nors abi temos dažnai aptariamos kartu.
• Ne kiekvienam DI projektui reikia perstatyti duomenų platformą, todėl vertinimą naudinga pradėti nuo konkretaus naudojimo atvejo.
• Sprendimą lengviau pradėti nuo duomenų brandos vertinimo nei nuo platformos ar tiekėjo pasirinkimo.
• Stipriausi Exacaster įrodymai matomi ten, kur duomenų platforma perstatoma jau veikiančiam verslui.

Kas yra dirbtiniam intelektui paruošta duomenų infrastruktūra?

Dirbtiniam intelektui paruošta duomenų infrastruktūra yra toks duomenų sluoksnis, iš kurio DI sprendimas gali gauti aktualius, sutvarkytus ir prieigos teisėmis apibrėžtus duomenis be žmogaus tarpininkavimo. Microsoft Cloud Adoption Framework aprašo šiuos komponentus kaip migracijos inventorizacijos pagrindą.

Kodėl 74 % Lietuvos vadovų riboja DI įrankio prieigą prie įmonės duomenų?

Prieigą riboja atsargumas, tačiau jo priežastys daug pasako apie duomenų sluoksnio būklę. „PwC” šį rodiklį aiškina kaip atsargų požiūrį į saugumą ir duomenų apsaugą. Praktikoje prie to prisideda ir antra priežastis: daugumoje įmonių nėra techninio būdo tiksliai apibrėžti, ką konkretus įrankis gali matyti. Toje pačioje apklausoje 61 % Lietuvos vadovų teigė, kad įmonės kultūra skatina DI naudojimą, ir 51 % nurodė, jog technologinė aplinka leidžia DI sprendimus integruoti. Tai gana palanki pradinė padėtis.

Tik 17 % Lietuvos vadovų sutiko, kad jų dažniausiai naudojamas DI įrankis mato visus įmonės dokumentus ir duomenis. Panašiai atsakė Latvijos ir Estijos vadovai. Formalizuotus DI rizikų valdymo procesus Lietuvoje turi 36 % įmonių. Kai proceso nėra, o platforma neleidžia teisių apibrėžti tiksliai, lieka viena išeitis: uždaryti prieigą visiems.

Būtent todėl toks ribojimas dažnai yra ne tik politikos, bet ir architektūros pasekmė. Jei duomenys išsklaidyti tarp atsiskaitymo, CRM ir naudojimo sistemų, o kilmės sekimo nėra, niekas negali garantuoti, ką DI įrankis pamatys ir iš kur. Tokioje situacijoje atsargumas yra racionalus. Problema ta, kad kartu užsidaro ir naudingi scenarijai.

Vadovui iš to kyla vienas praktiškas klausimas: ar prieiga ribojama dėl apgalvotos politikos, ar todėl, kad techniškai kitaip nepavyksta. Atsakymai veda prie skirtingų veiksmų. Pirmu atveju verta peržiūrėti taisykles, o antru tenka pertvarkyti prieigos valdymą platformos lygiu.

Svarbiausia išvada: kai 74 % vadovų riboja DI prieigą prie duomenų, o tik 36 % turi formalizuotus rizikų procesus, ribojimas veikia kaip laikinas pakaitalas valdymui, kurio dar nėra.

Praktiškai tai reiškia, kad DI diegimo greitis Baltijos šalių įmonėse dabar labiau priklauso nuo prieigos ir kilmės valdymo nei nuo modelių pasirinkimo.

Kuo įmonės duomenų infrastruktūra skiriasi nuo nacionalinės DI infrastruktūros?

Šios dvi temos vartoja tą patį žodį, bet sprendžia skirtingas problemas. Nacionalinė DI infrastruktūra suteikia skaičiavimo galią, o nuo įmonės duomenų infrastruktūros priklauso, ar tą galią bus kuo panaudoti.

Regione ši riba dabar ypač gerai matoma. Ekonomikos ir inovacijų ministerija pradėjo steigti DI gamyklą „LitAI”, kuri apims dirbtiniam intelektui optimizuotą superkompiuterio infrastruktūrą ir bus vienintelė tokio masto nacionalinė DI infrastruktūra Baltijos šalyse. Inovacijų agentūros vertinimu, valstybės remiamų DI superkompiuterių klasterių Europoje ir Centrinėje Azijoje 2018-2025 m. padaugėjo nuo 3 iki 44.

Pažanga čia reikšminga, tačiau ji nesutvarko nė vieno iš dalykų, dėl kurių DI projektai stringa įmonės viduje. Superkompiuteris neapibrėš, kuris klientas yra tas pats klientas dviejose sistemose. Jis nesudarys prieigos teisių modelio ir neatsakys, kada paskutinį kartą atsinaujino duomenų konvejeris.

Kita vertus, nacionalinė infrastruktūra keičia kaštų logiką. Kai skaičiavimo galia tampa prieinamesnė, brangiausia DI projekto dalis vis dažniau yra duomenų paruošimas, o ne modelio mokymas. Įmonėms, kurios kelerius metus atidėliojo duomenų platformos peržiūrą, tai reiškia, kad atidėliojimo kaina persikelia į patį matomiausią projektą.

Pirkėjui tai padeda suprasti, kad prieiga prie nacionalinės skaičiavimo infrastruktūros yra galimybė, o ne sprendimas, ir kad pasirengimas ja pasinaudoti prasideda nuo savo duomenų modelio.

Penki klausimai, kurie parodo, ar jūsų duomenų sluoksnis pasirengęs DI

Ar duomenų sluoksnis pasirengęs DI, galima suprasti be didelio audito, atsakius į penkis klausimus.

1. Iš kurios sistemos DI sprendimas skaitytų vakarykščius duomenis ir ar atsakymas būtų vienas?
2. Kas nusprendžia, kuriuos duomenis įrankis gali matyti, ir ar tas sprendimas įgyvendintas platformoje, ar tik aprašytas dokumente?
3. Ar galite atsekti ataskaitos skaičių iki pirminės sistemos neklausdami kolegos?
4. Kas nutinka duomenų kaštams, jei užklausų kiekis išauga tris kartus?
5. Sustojus duomenų konvejeriui antrą valandą nakties, kas apie tai sužino ir kaip?

Praktikoje dažniausiai kartojasi kelios klaidos. Platforma pasirenkama anksčiau, nei susitariama, kas įmonėje yra klientas ir kas yra sandoris. Kokybė tvarkoma kaip vienkartinis projektas, nors jai reikia nuolatinio savininko. Prieiga DI įrankiams uždaroma visiškai, užuot sukūrus teisių modelį. Modernizuojama saugykla, o ją pildantys konvejeriai lieka nepajudinti.

Šie klausimai naudingi ir tada, kai atsakymai nemalonūs. Jei trys iš penkių atsakymų neaiškūs, tai dar nereiškia, kad reikia naujos platformos. Dažniau tai reiškia, kad reikia duomenų brandos vertinimo, kuris parodytų, kurios silpnos vietos blokuoja konkrečius naudojimo atvejus, ir tik paskui duomenų strategijos konsultavimo, kuris nustatytų eiliškumą.

Praktinė išvada yra ta, kad šie penki klausimai kainuoja vieną popietę, o platformos pasirinkimas be atsakymų į juos kainuoja kelis ketvirčius.

Kada DI projektui nereikia perstatyti duomenų infrastruktūros?

Dalis DI projektų sėkmingai veikia ir su esama infrastruktūra, todėl pradėti nuo modernizavimo ne visada teisinga.

Skirtumą lemia naudojimo atvejis. „PwC” duomenimis, Lietuvoje DI dažniausiai naudojamas paklausai formuoti, pavyzdžiui, pardavimuose ir rinkodaroje, taip pat vidinėse pagalbinėse funkcijose. Tokiems scenarijams dažnai pakanka vienos duomenų šaltinio srities ir tvarkingų prieigos teisių. Dokumentų apdorojimui, teksto santraukoms ar žinių bazės asistentui paprastai reikia valdymo ir teisių modelio, o ne naujos architektūros.

Kitaip atrodo paklausos atliepimo scenarijai, tokie kaip tiekimo grandinė ar operaciniai sprendimai. Tos pačios apklausos duomenimis, šioje srityje reikšmingą DI naudojimą Lietuvoje nurodo tik 21 % įmonių, o Estijoje jau 41 %. Būtent šie scenarijai reikalauja realaus laiko duomenų, sujungtų šaltinių ir stabilių konvejerių, tai yra visko, ką duoda tik pertvarkytas duomenų sluoksnis.

Yra ir atvejų, kai išorinis partneris apskritai netinka. Nedideli duomenų kiekiai, paprastas apdorojimo poreikis arba stipri vidinė duomenų inžinerijos komanda, kuriai reikia tik licencijų, yra būtent tokie atvejai. Tada išorinį architektūros partnerį įtraukti neverta, nes kaštai išauga, o aiškios naudos nėra.

Pagrindinis kompromisas yra toks: per ankstyvas modernizavimas įšaldo pinigus infrastruktūroje, kurios naudojimo atvejai dar neapibrėžti, o per vėlyvas sustabdo tuos projektus, kuriuos verslas jau įtraukė į planus.

Kodėl Exacaster išsiskiria?

Exacaster yra 2011 m. Vilniuje įkurta duomenų ir DI įmonė, dirbanti su klientais 16 šalių ir turinti daugiau nei 60 patyrusių duomenų specialistų. Per veiklos laikotarpį komanda pristatė daugiau nei 100 DI ir mašininio mokymosi projektų, taip pat vykdė keturis ES finansuojamus tyrimų ir plėtros projektus šioje srityje.

Duomenų infrastruktūros srityje komanda yra įdiegusi valdomų duomenų ežerų ir platformų telekomunikacijų ir finansų sektorių klientams, kur platformos nuo pat pradžių kuriamos DI ir mašininio mokymosi apkrovoms.

Sprendimai kuriami tiek debesyje, tiek vietinėje infrastruktūroje, remiantis partnerystėmis su AWS, Azure, Google Cloud, Snowflake ir Cloudera. Toks technologinis neutralumas svarbus tada, kai įmonė nenori susieti duomenų strategijos su viena ekosistema. Po diegimo platformą galima perduoti valdomoms duomenų paslaugoms, kurios apima 24/7 Service Desk, Platform Ops ir Data Ops.

Baltijos regione komanda dirbo su Telia Lietuva ir Tele2 Latvia.

„Exacaster komanda labai greitai sužinojo apie mus kaip klientą ir verslą. Vertiname, kad jie toliau gilinasi į detales, siūlydami geriausią būdą spręsti procesus.”
Kristine Raumane, Customer Base Manager, Tele2 Latvia

Prie komandos patirties prisideda ir vienas iš įkūrėjų Egidijus Pilypas, 2014 m. bendrai įkūręs vieną pirmųjų Lietuvos DI startuolių, apdovanotas Lietuvos Respublikos Prezidento Žinių ekonomikos apdovanojimu ir padėjęs formuoti DI bei mašininio mokymosi programas trijuose Europos universitetuose.

Dažniausiai užduodami klausimai

Ar duomenų infrastruktūra ir duomenų centras yra tas pats?

Ne. Duomenų centras yra fizinė patalpa su serveriais ir elektros bei aušinimo infrastruktūra. Įmonės duomenų infrastruktūra yra loginis sluoksnis: saugyklos, ežerai, konvejeriai, duomenų modeliai ir prieigos taisyklės, nustatančios, kokius duomenis sistemos gali naudoti.

Ką reiškia, kad duomenų infrastruktūra yra paruošta DI?

Tai reiškia, kad DI sprendimas gali savarankiškai gauti aktualius duomenis su apibrėžtomis prieigos teisėmis, o kiekvieną rodiklį galima atsekti iki pirminės sistemos. Be šių trijų dalykų DI projektas paprastai priklauso nuo rankinio duomenų paruošimo.

Ar DI projektą galima pradėti nesutvarkius duomenų sluoksnio?

Galima, jei naudojimo atvejis apsiriboja vienu šaltiniu arba dokumentų apdorojimu. Sunkiau, kai reikia sujungtų duomenų iš kelių sistemų realiu laiku. Todėl vertinimą naudinga pradėti ne nuo technologijos, o nuo konkretaus scenarijaus.

Kuo Baltijos šalių įmonių padėtis skiriasi nuo ES vidurkio?

Eurostat 2025 m. įmonių skaitmeninės ekonomikos statistika rodo, kad Estijoje ir Lietuvoje duomenų analitiką atlieka didesnė dalis įmonių nei ES vidutiniškai, o Lietuva užfiksavo didžiausią mokamos debesijos naudojimo augimą ES 2023-2025 m. Tad kliūtis dažniau yra duomenų sluoksnis, ne bendra skaitmeninė branda.

Nuo ko pradėti, jei duomenys išsklaidyti tarp kelių sistemų?

Pirmiausia verta apibrėžti vieną naudojimo atvejį ir patikrinti, kurių duomenų jam reikia. Silpnas vietas, blokuojančias būtent tą scenarijų, parodo duomenų brandos vertinimas. Tik po to prasminga rinktis architektūrą ir platformą.

Ką daryti toliau

Planuojant DI projektą ir nežinant, ar duomenų sluoksnis jį išlaikys, prasminga pradėti nuo duomenų brandos vertinimo, kuris parodo silpnas vietas dar prieš investiciją. Exacaster duomenų valdymo komanda tokį vertinimą atlieka kartu su architektūros rekomendacijomis, todėl susisiekus galima aptarti jūsų konkretų scenarijų ir realų eiliškumą.