Генеративный искусственный интеллект (GenAI) становится жертвой шумихи — как и компании, вложившие в него деньги. Опрошенные порталом InformationWeek эксперты рассказывают о том, что нужно изменить, чтобы переломить ситуацию.

GenAI — один из самых горячих трендов века. А также самый разочаровывающий для многих компаний.

«Продуктизация GenAI оказалась невероятно иллюзорной. Рекламные ролики ИИ-сервисов настаивают на том, что вы должны внедрить ИИ в свои бизнес-процессы, чтобы оставаться конкурентоспособными. Между тем, трудности с реальным внедрением GenAI уже начинают ощутимо сказываться на финансовых рынках, поскольку технологические компании пытаются оправдать свои капитальные затраты на оборудование и инфраструктуру ИИ. Так что же происходит?» — вопрошает Сохроб Казеруниан, ведущий исследователь ИИ компании Vectra AI.

Некоторые винят в неудачах GenAI чрезмерную шумиху.

«Было неизбежно, что генеративный ИИ в конце концов свалится во впадину разочарования — ни одна технология не может оправдать такой уровень шумихи», — говорит Саурабх Абхьянкар, EVP и директор по продуктам компании MicroStrategy.

Другие считают, что цикл «взлет — крах» характерен для новых технологий, когда поставщики слишком много обещают, а ожидания клиентов не совпадают с реальностью.

«Разочарование произошло потому, что у многих предприятий были завышенные ожидания от многочисленных демонстраций и шумихи. Они думали, что эти модели будут такими же точными, как электронные таблицы или базы данных, и что они смогут легко подключать свои собственные данные. Многие на самом деле не определили критерии успеха для GenAI; предприятия сообщают, что 90% проектов по доказательству концепции так и не переходят в производство», — говорит Навин Рао, вице-президент по ИИ Databricks.

Но, возможно, более важным является тот факт, что слишком многие организации нашли слишком мало сценариев использования GenAI.

«GenAI — это не технологический швейцарский армейский нож, поэтому, чтобы увидеть выгоду, предприятия должны сосредоточиться на том, что он делает хорошо, а именно на понимании и генерировании естественного языка в контексте», — говорит Абхьянкар.

Тем не менее, большинство компаний слишком глубоко увязли в инвестиционном колодце, чтобы перестать пить из него сейчас.

«Во-первых, давайте вспомним, что трансформационные технологии часто спотыкаются перед тем, как начать спурт. Вспомните первые дни Интернета или даже электричества — сначала их отвергали, а потом они стали незаменимыми», — говорит Ларс Найман, директор по маркетингу CUDO Compute, платформы, которая обеспечивает вычислительную мощность многих современных прорывных ИИ-программ.

Хорошая новость заключается в том, что GenAI — это не полностью проигрышная история и скорее всего вообще не проигрышная история, если сейчас принять несколько мер. Вот что нужно изменить, чтобы переломить ситуацию:

1. Прекратить погоню за большим количеством моделей и функций

Потеря интереса к новым моделям и функциям звучит контринтуитивно, но на самом деле это не так. Организациям нужно время, чтобы изучить существующие модели и функции, чтобы понять, как их можно использовать. Спешка с постоянным обновлением, пока вы не разобрались в ситуации, граничит с безумием с точки зрения бизнеса, достижения окупаемости.

«Существует одержимость очарованием моделей данных и инстинкт постоянной доработки алгоритмов MО в погоне за неуловимой „идеальной“ моделью для GenAI-приложений. Но вот в чем дело: такой подход, ориентированный на модели, в корне порочен, поскольку заставляет команды, работающие с данными, упускать из виду основу эффективного MО — сами данные», — предупреждает Кевин Ху, соучредитель и генеральный директор Metaplane и PhD-исследователь Массачусетского технологического института в области МО и визуализации данных.

Сначала правильно оцените свои данные. Узнайте, что у вас есть, и определите, что вам нужно. Затем выберите модель и функции в соответствии с этим. В большинстве случаев вам понадобится несколько моделей ИИ, чтобы их совокупные возможности соответствовали вашим ожиданиям и целям.

2. Сломать стереотипы

Инструменты GenAI чудесны. Они делают так много красивого и так мало практичного. И одна из главных причин этого заключается в том, что, несмотря на объем данных и мощь модели, GenAI-приложения в основном функционируют как изолированные автономные системы.

«Хотя GenAI как отдельное приложение интригует, велика вероятность того, что если ему удастся закрепиться в краткосрочной перспективе, это произойдет благодаря сетевому эффекту существующих мегаплатформ: Google, Amazon, Apple и т. д.», — говорит Эли Гудман, генеральный директор и соучредитель Datos, глобального поставщика данных о потоках кликов.

По его словам, настоящая привлекательность GenAI заключается в его интеграции в качестве дополнения к существующим повседневным продуктам и услугам, повышающего их ценность. «Будь то поиск с помощью ИИ от Google, торговый помощник Rufus от Amazon или недавно запущенные Apple функции ИИ в iPhone 16, успешное внедрение в эти уже массовые потребительские системы — вот где GenAI превратится из исключения в правило», — добавляет Гудман.

Также ожидается, что GenAI станет как пользовательским интерфейсом, так и проводником в многоагентных архитектурах.

3. Продемонстрировать истинный возраст GenAI

GenAI — это не новинка. Это только кажется, что он новый, потому что ChatGPT произвела такой неожиданный всплеск на рынке и все быстро набросились на нее и другие приложения. Конечно, OpenAI создала новые модели, и ChatGPT была и остается впечатляющей моделью, а другие производители и Open Source-проекты последовали ее примеру со своими собственными творениями. Тем не менее, в большинстве своем эта категория ИИ является устоявшейся технологией.

Но за все время ее существования не было достигнуто большого прогресса в определении того, что с ней делать.

«Многие компании относятся к GenAI как к эксперименту на научной выставке, — говорит Скотт Гнау, вице-президент по платформам данных InterSystems, поставщика решений для управления данными с помощью ИИ. — Они внедряют GenAI ради того, чтобы делать это, потому что все остальные делают это и не хотят остаться позади. Они никогда не выходят из теоретической области в практическую. Просто внедрение GenAI без четкой стратегии и измеримых целей приведет лишь к новым препятствиям и разочарованию».

Когда все перестанут смотреть на GenAI как на новую игрушку и увидят в нем достаточно зрелую технологию среди других, еще более зрелых форм ИИ, тогда организации смогут начать сопоставлять возможности и сценарии использования на гораздо более разумной основе.

4. Начать регулярно структурировать свои стратегии и задачи

Приложения GenAI, как правило, основаны на больших языковых моделях (LLM) и создаются для общих целей. У людей возникает впечатление, что в них свалили все данные Интернета, и поэтому из них можно извлечь любой ответ на любую проблему. Просто волшебно! Это приводит к тому, что компании обращаются с технологией так, будто она может сделать все, что угодно, по первому требованию. Ну, иногда может. Но чаще всего делает это довольно плохо.

«Для организаций, испытывающих разочарование от инвестиций в ИИ, ответ заключается не в том, чтобы бросить больше ресурсов на разработку пользовательских моделей, а в том, чтобы усовершенствовать свои данные и стратегии структуризации проблем. Успех зависит от того, насколько правильно структурирована задача для ИИ и какие данные ему предоставляются, а не от создания бóльших и лучших моделей», — говорит Юваль Перлов, директор по технологиям компании K2View, специализирующейся на интеграции данных.

Оказывается, структуризация задач — это разумное использование ИИ, поскольку она позволяет добиться большей производительности таких вещей, как автономные ИИ-агенты, мультиагентные архитектуры, специализированные модели (как в GPT-магазине ChatGPT), мини-модели и другие небольшие языковые модели.

5. Маркировать данные в источнике

В среднем большинство компаний плохо справляются с сортировкой и маркировкой данных. Это ставит крест на всех проектах, будь то ИИ-проекты или более рутинная работа, такая как расширенная аналитика или автоматизация. Исправьте данные, и все будет в порядке. Стандартизация того, как и когда маркируются данные, поможет излечить многие из недугов.

«К сожалению, большинство предприятий применяют каталоги данных для определения, маркировки и сопоставления данных с семантическими концепциями уже после того, как данные прошли через несколько других этапов и преобразований. Вместо этого они должны определять и сопоставлять данные прямо из источника, чтобы любой человек или программа, обращающиеся к данным в дальнейшем, имели общее определение», — говорит Эрик Бест, генеральный директор компании SoundCommerce, поставщика композитной платформы данных.

6. Рассматривать GenAI как дополнение

Если вы рассматриваете GenAI как автоматизацию, которая заменит всех или большинство ваших сотрудников, то вас ожидает сильный шок. Этого не может быть. Не заменит. Это не тот сценарий использования GenAI.

«GenAI часто рекламируют как способного делать то, что он делает не очень хорошо. Примером может служить письмо. Конечно, он может писать, но мы не можем просто отпустить его [на волю], — говорит Фил Либин, бывший генеральный директор технологического единорога Evernote, ныне основатель студии ИИ-стартапов All Turtles. — Моя основная философия заключается в том, что ИИ должен использоваться там, где он может помочь кому-то лучше справиться со своей работой, даже если это займет больше времени. Если вы хотите заменить выполнение работы с помощью ИИ, это пустая трата времени. На самом деле, если вы собираетесь так поступить, то вам вообще не стоит выполнять эту работу».

7. Превратить GenAI в «зеленую» технологию

Ни для кого не секрет, что GenAI, как и все другие формы ИИ, являются огромными потребителями энергии. Согласно результатам исследования, опубликованным в журнале Nature, поиск на основе GenAI, например Perplexity AI, Bing с Copilot и Google с Overviews, потребляет в четыре-пять раз больше энергии, чем поиск без ИИ. Кроме того, крупные системы ИИ, вероятно, будут потреблять столько же энергии, сколько целые государства, и им потребуется огромное количество пресной воды для охлаждения процессоров.

«Технология должна стать более совершенной с точки зрения энергоэффективности и стоимости вычислений, чтобы ее можно было использовать повсеместно, причем не только в технологических компаниях, но и во всех отраслях. Именно здесь инновации в области распределенных вычислений и квантовой обработки могут в конечном итоге сыграть преобразующую роль», — говорит Скотт Дилан, основатель компании NexaTech Ventures, которая занимается стартапами в области ИИ.