Генеративный ИИ (GenAI) — это прорывная сила, но насколько прорывная? Мы все знаем, что «GenAI будет большой вещью». Но не совсем уверены в том, насколько большой. Сила GenAI, меняющая мир, заключается в том, чтобы заставить знания работать на нас, пишут в корпоративном блоге топ-менеджеры и ведущие аналитики Forrester Брайан Хопкинс, Джули Мор и Тед Шадлер.

У нас есть два убеждения:

  • GenAI сводит стоимость активации знаний к нулю. Информационные технологии свели к нулю стоимость данных, но использование данных для создания ценности по-прежнему дорого. GenAI взорвет рынки, построенные на этих затратах, потому что он может перерабатывать информацию в знания по требованию, в нечеловеческих масштабах. Ни один бизнес не застрахован от этой разрушительной силы, и естественный язык — это только верхушка айсберга: есть еще генерация кода, открытие новых материалов (одна только химия — это отрасль стоимостью 5,7 трлн. долл.), архитектурное и инженерное планирование и многое другое. Ни одна сфера человеческих знаний или фирма, которая от них зависит, не останется вне досягаемости GenAI. Это также окажет огромное влияние на потребителей.
  • GenAI замыкает цикл знаний. GenAI создает добродетельный цикл расширения знаний, который повышает спрос на новые знания для развития GenAI. Проще говоря, чем больше компания получает от GenAI, тем больше она в него вкладывается, инвестируя все больше и больше в надежде получить все больше и больше знаний. Это запускает непрерывный цикл, который ускорит влияние GenAI в каждой компании. Это создаст новые каналы доставки ценности, новые отрасли и большие угрозы для тех, кто не адаптируется. GPT-3 запустил этот двигатель год назад, но он только раскручивается. Это послужит механизмом развития частных моделей знаний следующего поколения — вокруг, в стороны и вверх.

Цикл знаний. Источник: Forrester

Но то, что эти две реальности повлияют на каждую отрасль, не означает, что их воздействие одинаково ударит по каждой компании. Мы считаем, что последствия будут зависеть от способа использования знаний для создания бизнес-ценности. Например:

  • Фирмы, собирающие высокопрофессиональные знания, будут создавать ценность за счет их усиления с помощью GenAI. Именно этим занимается Forrester с помощью Izola, нашего инструмента для исследований на базе GenAI, ориентированного на клиентов. Клиенты обращаются к нашим аналитикам за их глубоким опытом, накопленным за годы исследований. Мы усиливаем эти знания с помощью Izola, чтобы клиенты могли не ограничиваться базовыми вопросами, а взаимодействовать с нашими аналитиками по более глубоким проблемам, с которыми они сталкиваются. В качестве другого примера можно привести сервисные компании, которые видят потенциал GenAI для повышения ценности человеческих услуг. Они экспериментируют с GenAI для поддержки реорганизации целых технологических стеков с помощью моделей, которые получают и дистиллируют большие массивы данных об управлении ИТ-сервисами и корпоративных системах. В компаниях с высоким уровнем квалификации человеческие «ноу-хау» будут концентрироваться в начале конвейеров создания ценности, а GenAI будет распределять эти знания более автоматизированными способами.
  • Фирмы с большим количеством данных и повторяющимися процессами превратят эффективность в рост. Это почувствует каждая фирма, которая зависит от повторяющихся процессов с большим количеством данных. В разработке ПО генерирующие код боты Тьюринга — это только начало. В будущем люди будут контролировать боты при разработке большинства рутинных программ. Другой пример — Google DeepMind GNoME, который предсказал структуры 2,2 млн. новых материалов, 700 из которых сейчас создаются и тестируются. Конкуренты, которые не повышают эффективность на порядок и более, используя подобные возможности, не смогут идти в ногу со временем. Лидеры воспользуются этой экономией и перенаправят человеческие таланты на создание новых ценностей.
  • Новые конкуренты в области ПО и сервисов будут строить бизнес на сборе знаний и предоставлении частных моделей. Возможности для новых сервисов, построенных на основе цикла знаний, огромны. Модели GenAI могут работать с неидеальными данными, но понадобится множество таких моделей, настроенных на конкретные сценарии использования. В этом компаниям помогут поставщики и партнеры. Графовые базы данных будут приобретать все большее значение, но оцифровывать и связывать данные не так-то просто. Например, бизнес по сбору и объединению информации о медицинских исследованиях в области наук о жизни практически не освоен и требует новых идей, венчурных инвестиций и технологических инноваций для расширения масштабов возможного.