По данным Gartner, в прошлом году компании в среднем потратили на генеративный искусственный интеллект (GenAI) около 1,9 млн. долл., однако менее 30% руководителей в области ИИ считают, что их генеральные директора удовлетворены результатами. Этот разрыв между расходами и удовлетворенностью вызывает беспокойство, сообщает портал BigDATAwire.
После периода энтузиазма и экспериментов бизнес-руководители переходят от ярких демонстраций и ажиотажа вокруг доказательств концепций к более серьезным вопросам. Что действительно может сделать ИИ в сложной бизнес-среде? Что работает в больших масштабах, а что ломается, когда в дело вступают реальные системы?
Этот сдвиг ясно прослеживается в последних отчетах Gartner «Hype Cycle for Artificial Intelligence» и «Hype Cycle for Generative AI». В этих отчетах отражены показатели зрелости, внедрения и влияния на бизнес новых технологий ИИ. Один из ключевых выводов заключается в том, что, хотя GenAI по-прежнему занимает видное место, он больше не является главным событием. По мере того, как его ограничения становятся все более заметными, внимание переключается на то, что действительно делает GenAI пригодным для использования, например, на более качественные данные, более интеллектуальные рабочие процессы и более сильное управление.
Несмотря на первоначальный энтузиазм, многие проекты GenAI заходят в тупик. Gartner обнаружила, что только 43% организаций считают свои данные готовыми для ИИ. Уже одно это может привести к остановке проектов. Даже лучшие модели могут оказаться неэффективными, если окружающие системы находятся в беспорядке. Низкое качество данных и разрозненная инфраструктура могут незаметно разрушить результаты. Многие команды еще не имеют навыков или правил для управления GenAI после его внедрения. Менее половины имеют официальную политику отслеживания доступа, использования или ответственности.
«Цикл шумихи» Gartner отражает эту напряженность. GenAI сейчас находится во «впадине разочарования» (Trough of Disillusionment). Это признак того, что технология остается мощной, но ожидания охлаждаются. Компании понимают, что ценность приносит не только создание модели. Она приходит с готовностью, доверием и реальной интеграцией.
Именно поэтому набирают популярность ModelOps и ИИ-инжиниринг. ModelOps привносит структуру в хаотичный процесс управления ИИ на протяжении всего его жизненного цикла. ИИ-инжиниринг заключается в предоставлении командам инструментов и систем, необходимых для масштабного развертывания без потери контроля. Раньше это были второстепенные темы. Сейчас они находятся в центре внимания.
Две категории развиваются быстрее остальных: данные, готовые для ИИ, и ИИ-агенты. Агенты привлекают внимание, потому что они не просто реагируют на запросы. Они могут выполнять многоэтапные задачи с определенной степенью независимости. Это интересно, но также сопряжено с рисками. Gartner указывает на растущую озабоченность по поводу ошибок, упущений и безопасности данных, когда агенты действуют самостоятельно.
Такая же срочность стимулирует интерес к готовности данных. Более 50% руководителей признают, что их данные не находятся там, где должны быть. Иметь их много — недостаточно. Данные должны быть надежными, пригодными для использования и безопасными. Когда это не так, компании сталкиваются с реальными рисками, такими как не достижение целей, неверные решения и проблемы с соблюдением нормативных требований. Вот почему инфраструктура данных становится главным приоритетом.
Другие технологии также набирают обороты. Одной из них является мультимодальный ИИ. Эти модели могут работать с текстом, изображениями, видео и аудио, что открывает широкий спектр новых применений. Доверие также становится центральной темой. Компании испытывают давление, чтобы обеспечить справедливость, безопасность и объяснимость решений ИИ. Gartner объединяет эти усилия в рамках подхода AI TRiSM (AI Trust, Risk and Security Management, управление доверием, рисками и безопасностью ИИ), и хотя эта область еще находится на ранней стадии развития, сдвиг в сторону подотчетности очевиден.
Между тем, некоторые тенденции, связанные с GenAI, уже теряют силу. инжиниринг подсказок теряет актуальность, поскольку инструменты все лучше понимают естественный язык. Рынки моделей также охлаждаются, поскольку компании отказываются от готовых решений. Даже GenAI для генерации кода, который когда-то казался прорывом, начинает сталкиваться с реальными трудностями.
В то же время Gartner отмечает некоторые свежие идеи, которые набирают популярность. Синтетические данные, хотя и не являются новой идеей, становятся все более ценными, особенно в таких областях, как здравоохранение и финансы, где доступ к реальным данным затруднен. Эмоциональный ИИ появляется в инструментах поддержки клиентов и контроля состояния здоровья, хотя люди по-прежнему беспокоятся о его точности и справедливости. Эти технологии пока не являются самыми яркими, но вокруг них нарастает динамика. По мере того, как GenAI становится более привычным явлением, внимание переключается на экосистему, которая определяет его успех или провал.
Некоторые изменения менее заметны, но не менее важны. Компании начинают использовать LLMOps и AgentOps для управления сложностью, связанной с масштабированием больших моделей и автономных агентов. Эти новые практики помогают командам контролировать, настраивать и обслуживать системы, которые не ведут себя как традиционное ПО. В то же время такие инструменты, как векторные базы данных и ткань данных, становятся ключевыми для построения конвейеров данных, которые могут идти в ногу со временем.
Gartner также указывает на такие находящиеся в ранней стадии развития технологии, как композитный ИИ, казуальный ИИ и нейросимволический ИИ. Эти методы направлены на привнесение большего количества логики, структуры и контекста в то, как системы ИИ думают и принимают решения.
В то время как некоторые области набирают обороты, другие исчезли из рейтинга. Например, облачные сервисы ИИ больше не считаются передовыми. Они по-прежнему важны, но теперь являются частью фона.
Отчеты Gartner показывают, что будущее корпоративного ИИ будет зависеть от того, насколько хорошо организации смогут перестроить под него основу. Данные, управление, системы и доверие. Это и есть настоящая дуга «цикла шумихи», а также реальная задача, стоящая перед нами.
