Почему так трудно внедрять генеративный ИИ | Большие Идеи

・ Технологии

Почему так трудно внедрять
генеративный ИИ

Прошло больше года с момента запуска ChatGPT, а компании все еще задаются тем же вопросом, что и при выходе продукта на рынок: как на самом деле использовать его в бизнесе?

Авторы: Дэнни Го , Марк Эспозито , Пол Ли , Теренс Це

Почему так трудно внедрять генеративный ИИ
Фото: Markus Winkler / Unsplash

читайте также

Семь ошибок руководителя при опросах сотрудников

Елена Емеленко

Туризм — бомба замедленного действия

Нунс Пол,  Спелман Марк

Почему так трудно внедрять генеративный ИИ

Дэнни Го,  Марк Эспозито,  Пол Ли,  Теренс Це

Что делать, если ваши руководители конфликтуют

Ребекка Найт

Многие компании обнаружили, что инструменты генеративного ИИ (GenAI), такие как LLM (большая языковая модель), хотя и впечатляют, но не являются таким уж простым и готовым решением. Когда организация задумывается о внедрении таких инструментов и решает, стоит ли вообще этим заниматься, следует рассмотреть несколько вариантов: 1) отдавайте предпочтение производительности, а не новизне; 2) сочетайте генеративный ИИ с такими инструментами, как векторные базы данных; 3) всегда помните об операторе в контуре управления; 4) отслеживайте свои данные и 5) имейте реалистичные ожидания.

За почти полтора года, прошедшие с момента выхода ChatGPT 3.5, и компании, и обычные люди уже погрузились в изучение технологии генеративного ИИ (GenAI). У многих возник страх упустить новую возможность, не попасть в волну, а также беспокойство, что столь масштабные изменения в отрасли застали их врасплох, что их обойдут конкуренты, которым удалось разгадать, как пользоваться этой технологией, и провести революционные изменения в своем бизнесе. Все говорят о преобразующей силе генеративного ИИ в разных отраслях и его влиянии на будущее любой работы. Еще больше подливают масла в огонь СМИ, постоянно напоминая о грядущем масштабном и быстром сокращении рабочих мест.

Сегодня ажиотаж вокруг генеративного ИИ, похоже, немного поутих. Многие компании по-прежнему задаются теми же вопросами, что и год назад: как воспользоваться обещанной экономией средств и значительным повышением эффективности, которые якобы предлагает генеративный ИИ? Как на самом деле использовать его в бизнесе?

Находясь в авангарде продвижения ИИ и помогая компаниям внедрять и использовать эту технологию, мы видим, что многие испытывают трудности с ИИ. Тому есть несколько причин.

Во-первых, многие крупные и малые предприятия все еще пытаются понять, как следует интегрировать в свою деятельность традиционный ИИ, — например, алгоритм продукционного типа и машинное обучение. В лучшем случае они находятся на стадии изучения традиционного ИИ, а в худшем — просто чувствуют себя потерянными. Недавнее исследование показало, что более 70% опрошенных крупных компаний все еще задаются вопросом, как воспользоваться потенциальными преимуществами, которые может предложить ИИ.

Во-вторых, генеративный ИИ гораздо сложнее и предназначен для решения конкретных задач. С одной стороны, он способен в кратчайшие сроки написать отчет на 5 тыс. слов, но с другой — не может выполнить базовую задачу по вводу данных: скажем, извлечение и классификация данных о водительских правах, с чем легко справится традиционный ИИ. Поэтому компаниям необходимо тщательно продумать, в каких ситуациях можно использовать преимущества генеративного ИИ. Управление с помощью традиционного ИИ похоже на плавание по бурным водам на современном, но несколько громоздком судне, а генеративный ИИ добавляет при этом больше тоннажа, мощности и еще более неспокойное море. Организация, которая еще не в полной мере освоила традиционное ИИ, конечно же, будет испытывать трудности с генеративным.

В-третьих, до конца не ясны долгосрочные последствия внедрения генеративного ИИ —долгосрочные затраты и влияние законодательства. На наш взгляд, сегодняшняя ситуация отбрасывает нас назад, к началу тысячелетия. Если в те времена компании видели необходимость в создании веб-сайтов, то лишь немногие четко представляли себе, насколько сильно интернет будет интегрирован в многоканальные стратегии, не говоря уже об использовании различных устройств и приложений для телефонов. Вполне логично, что большинство компаний все еще ищут дальнейшие перспективы развития (даже если кажется, что остальные уже все поняли). Но это не значит, что поиски не имеют смысла. Вот как компании могут сориентироваться и понять, что делать дальше.

Рынок генеративного ИИ

Первое решение, которое приходится принимать большинству компаний, — какой продукт генеративного ИИ они хотят использовать. На данный момент существует множество поставщиков генеративного ИИ как титанов индустрии, таких как Meta и Alphabet, так и новичков — например, Hugging Face, Anthropic и Stability.ai. Этот рынок станет еще более тесным, поскольку такие богатые данными корпорации, как Bloomberg и JPMorgan Chase, уже выразили свое намерение вступить в борьбу, а Apple работает над собственным предложением под названием Ajax. Компаниям следует учитывать несколько факторов.

Во-первых, OpenAI и его нынешние конкуренты теперь соревнуются за право стать главным выбором разработчиков решений генеративного ИИ, а те, кто пришел позже, возможно, уже упустили свой шанс запрыгнуть в последний вагон. В OpenAI недавно представили простой инструмент для создания приложений на базе ChatGPT, что похоже на попытку укрепить свои позиции, поскольку пользователи, привыкшие к одной системе, скорее всего, будут использовать ее и в дальнейшем. Обладая крупнейшим — и, возможно, лучшим — генеративным ИИ на рынке, OpenAI находится в наилучшем положении для создания целостной экосистемы.

Вместе с тем, и сами разработчики вряд ли захотят присягнуть на верность одному из производителей генеративного ИИ, чтобы сохранить возможность выбора продукта для разных проектов. Это, в свою очередь, уже привело к появлению таких наборов инструментов, как LangChain, платформы с открытым исходным кодом, разработанной для того, чтобы пользователи могли одновременно работать с разными генеративными ИИ.

Конкуренция между различными компаниями, занимающимися разработкой генеративного ИИ, чем-то напоминает ранний период противоборства iOS и Android. Большая экосистема позволит OpenAI оставаться лидером рынка (и зарабатывать деньги) еще нескольких лет, пока его конкуренты не смогут объединить усилия. Это вовсе не означает, что Apple и Google объединятся, чтобы конкурировать с Microsoft. Более вероятно, что конкуренты договорятся о едином стандарте совместной работы, чтобы противостоять доминированию OpenAI. Мы считаем, что это не похоже на ситуацию 2015 года, когда сподвижники Android наконец-то смогли создать полноценную экосистему, конкурирующую с iOS. По мере консолидации рынка генеративного ИИ мы ожидаем появления двух-трех крупных фракций, конкурирующих между собой. Возможно, все больше компаний, как крупных, так и стартапов, удвоят свои усилия, чтобы занять центральное место в этих системах.

Как использовать преимущества генеративного ИИ

Учитывая текущее положение дел, компании могут интегрировать генеративный ИИ в свою работу. Здесь мы хотели бы предложить несколько вариантов.

Выбирайте производительность, а не новизну

Наш многолетний опыт работы с генеративным ИИ показывает, что его производительность не обусловлена генерированием человекоподобных текстовых ответов, написанных разговорным языком, или моделью, обученной на огромном количестве данных. Чтобы получить максимальную отдачу от генеративного ИИ, вы должны задаться вопросом, подходит ли эта технология для конкретной задачи или цели.

Хотя ChatGPT (на данный момент) лучше справляется с обработкой слов и естественных языков, мы обнаружили, что традиционные модели глубокого обучения показывают лучшие результаты при обработке изображений. Можно выделить еще одно открытие. В одном из создаваемых нами продуктов мы обнаружили, что ChatGPT-4 лучше «понимает» запросы пользователей, а версия 3.5 быстрее и лучше преобразует обработанный вывод в ответы пользователям.

Вместо того чтобы безоговорочно брать на вооружение новейшие технологии ИИ, компании должны понять, какие бизнес-задачи они пытаются решить, и найти наиболее подходящий инструмент ИИ, основываясь как на сильных, так и на слабых сторонах каждого из доступных вариантов.

Сочетайте генеративный ИИ с векторными базами данных

Векторная база данных — это новая форма базы данных, которая специализируется на поиске наиболее близких по значению записей для наилучшего ответа на конкретные запросы (в отличие от традиционных баз данных, которые просто хранят записи). Компании могут использовать генеративный ИИ — например, ChatGPT — для разделения запросов пользователей, а затем применять векторную базу данных для поиска лучших ответов, соответствующих этим параметрам.

Рассмотрим аналогию. Если бы вы проходили собеседование при приеме на работу, ChatGPT и его конкуренты предложили бы вам возможность «прочитать комнату»: проанализировать позу, выражение лица, выбор слов и тона собеседников. В то же время векторные базы данных действовали бы как ваши банки памяти и мудрости, давая шанс придумать лучший ответ.

Так что самого по себе генеративного ИИ может быть недостаточно. В зависимости от задач, которые необходимо решить, он может быть лишь половиной технологического решения. Потребность в векторной базе данных для того, чтобы сделать генеративный ИИ действительно полезным, означает, что компаниям следует ожидать усложнения и увеличения сроков разработки решения.


Никогда не забывайте об операторе в контуре управления

Обычно, какими бы мощными ни казались технологии ИИ, их возможности хороши лишь настолько, насколько в них задействован человек. В случае с генеративным ИИ это не так. Люди играют важнейшую роль в направлении генеративного ИИ к бизнес-целям, управлении взаимодействием внутри информационно-технологических систем, разработке действий, необходимых для данных, поступающих в модели ИИ и выводимых из них, а также в борьбе с галлюцинациями — выдуманной или откровенно ложной информацией, создаваемой генеративным ИИ, которая на сегодняшний день остается одной из главных его проблем.

Отслеживайте свои данные

Хотя проблема галлюцинаций по-прежнему актуальна, важно отследить четкий путь от источника данных до конечного пользователя. Прослеживаемость позволяет пользователям узнать первоисточник данных, что повышает надежность и достоверность результатов работы генеративного ИИ, создавая тем самым более прочную основу для принятия обоснованных решений.

Компаниям необходимо убедиться, что система данных занимает важное место как в арсеналах технологий, так и в рабочих процессах. Только так организации могут быть полностью уверены в том, что они используют правильные данные.

Имейте реалистичные ожидания

Генеративный ИИ — это быстроходная яхта, под палубой которой происходит много интересного. Трудно точно сказать, чего, сколько и как быстро компании с генеративным ИИ могут достичь в реальности. Твердая убежденность в том, что ИИ принесет быстрые результаты и солидную финансовую прибыль, скорее всего, приведет к разочарованию. Руководители должны осознавать, что исследовательский и экспериментальный путь генеративного ИИ будет долгим.

Использование технологий генеративного ИИ в бизнесе — не просто технологическая инвестиция, это императив современного бизнеса. Как бы ни было трудно, внедрение генеративного ИИ в деятельность компании требует понимания нюансов современных разработок ИИ и четкого осознания возникающих проблем. Тем не менее, для тех организаций, которые смогут успешно использовать генеративный ИИ для достижения своих бизнес-целей, награда будет особенно ценной.

* деятельность на территории РФ запрещена