Kraj AI euforije: Počinje era stvarnog dokazivanja i primjene
Zašto je vrijeme nerealnih očekivanja gotovo i zašto je to odlična vijest za industriju
Prošlo je vrijeme kada je svaka najava novog, tek neznatno boljeg jezičnog modela izazivala tektonske poremećaje na tržištu i nezaustavljivi rast dionica tehnoloških kompanija. Početni šok i opće oduševljenje revolucionarnim mogućnostima generativne umjetne inteligencije polako blijede. Zamjenjuje ih mnogo zahtjevnija, ali i mnogo važnija faza razvoja: stvarna implementacija u svakodnevne poslovne procese i suočavanje s konkretnim inženjerskim izazovima. Ulazimo u fazu u kojoj više nije dovoljno samo pokazati impresivan tehnološki demo; sada je potrebno dokazati mjerljiv povrat investicije i stvarnu dodanu vrijednost za korisnike.
Euforija je odradila svoju ulogu. Privukla je ogromne količine kapitala i talentiranih stručnjaka u područje strojnog učenja, što je rezultiralo ubrzanim razvojem infrastrukture i alata. Međutim, ista ta euforija stvorila je nerealna očekivanja kod šire javnosti, poslovnih lidera i samih investitora. Sada, kada se prašina počinje slijegati, suočavamo se s realnošću softverskog inženjerstva u kojoj ne postoje jednostavna rješenja, a svaki novi tehnološki skok donosi i potpuno nove kategorije problema.
Prevladavajuća priča
Tehnološki divovi, venture kapitalisti i razni industrijski analitičari mjesecima su nas agresivno uvjeravali da se nalazimo na samom rubu tehnološke singularnosti. Prevladavajući narativ, koji su mediji spremno prihvatili bez previše kritičkog propitivanja, bio je prilično jednostavan: umjetna inteligencija će u rekordnom roku potpuno automatizirati većinu kognitivnih poslova. Prema tim predviđanjima, svjedočimo skoroj zamjeni cijelih odjela unutar kompanija, eksponencijalnom povećanju produktivnosti koje će radikalno smanjiti potrebu za ljudskim radom i stvaranju potpuno novih ekonomskih paradigmi preko noći.
Slušali smo obećanja o sustavima koji će samostalno programirati kompleksne aplikacije od početka do kraja, pisati savršene pravne dokumente bez ikakvog ljudskog nadzora i donositi optimalne strateške odluke u djeliću sekunde. Prema toj priči, svaka tvrtka koja ne integrira najnovije AI alate u sve pore svog poslovanja praktički je preko noći osuđena na brzu propast, ostavljena u prašini od strane agilnije konkurencije koja je prigrlila tehnologiju budućnosti. U takvom okruženju, ulaganje u umjetnu inteligenciju postalo je pitanje osnovnog opstanka, straha od propuštanja prilike (FOMO), a ne pažljivo planirane poslovne strategije.
Zašto je ta priča pogrešna ili nepotpuna
Ovakav površan pogled potpuno ignorira grubu ekonomsku i tehničku stvarnost s kojom se inženjeri svakodnevno susreću. Generativni modeli jesu nevjerojatno impresivni u kontroliranim demonstracijama i pri rješavanju standardiziranih zadataka, ali njihova pouzdanost u kritičnim poslovnim primjenama, gdje su tolerancije za grešku minimalne, i dalje drastično varira. Kompanije koje su preskočile fazu planiranja sada bolno shvaćaju da integracija umjetne inteligencije nije samo kupnja mjesečne pretplate na popularni API ili instalacija novog softverskog paketa. Prava integracija zahtijeva duboke, skupe i vremenski zahtjevne promjene u arhitekturi podataka, modernizaciju zastarjelih sustava, implementaciju strogih sigurnosnih protokola i, što je najvažnije, temeljitu edukaciju zaposlenika.
Osim toga, financijska računica često se jednostavno ne poklapa s početnim optimizmom. Troškovi treniranja, finog podešavanja i svakodnevnog pokretanja naprednih jezičnih modela u produkciji su astronomski veliki. Dok su troškovi infrastrukture fiksni i eksponencijalno rastu, povrat te investicije u mnogim slučajevima još uvijek nije jasno vidljiv niti mjerljiv u kratkom roku. Modeli i dalje pokazuju opasnu sklonost halucinacijama, samouvjerenom izmišljanju činjenica i donošenju logički nekonzistentnih zaključaka čim se suoče s rubnim slučajevima izvan svojih podataka za treniranje. To znači da ljudski nadzor, takozvani "human-in-the-loop" pristup, ostaje apsolutno neophodan korak u svakom ozbiljnom poslovnom procesu. Umjesto da AI potpuno zamijeni radnika, on stvara potrebu za visoko kvalificiranim stručnjacima koji će te modele usmjeravati, provjeravati i ispravljati njihove greške. Kada u računicu uključite trošak samog modela i trošak ljudskog stručnjaka koji ga mora detaljno nadzirati, obećana radikalna financijska ušteda često nestaje poput fatamorgane.
Posljedice u stvarnom svijetu
Zbog svega navedenog, tehnološka industrija ubrzano ulazi u razdoblje otrežnjenja. Investitori postaju znatno oprezniji; više ne nagrađuju kompanije samo zato što su spomenule generativnu umjetnu inteligenciju u svom kvartalnom izvješću. Sada se traže konkretni poslovni modeli, jasni planovi monetizacije i stvarni podaci o zadržavanju korisnika, umjesto pukih obećanja o nadolazećoj općoj umjetnoj inteligenciji. Gubitnici u ovoj novoj, zrelijoj fazi bit će prvenstveno oni startupi koji su svoj cijeli proizvod bazirali na tankom sloju korisničkog sučelja izgrađenom povrh postojećih, tuđih modela. Bez stvaranja ikakve duboke, zaštićene intelektualne vrijednosti ili specifičnog, jedinstvenog znanja o domeni, takvi su proizvodi osuđeni na propast onog trenutka kada glavni pružatelji modela integriraju te iste funkcionalnosti u svoje osnovne ponude.
S druge strane, prave dugoročne pobjede odnijet će one organizacije koje su odoljele pritisku brzih rješenja i površnih integracija. Pobjednici će biti tvrtke koje fokusiraju primjenu umjetne inteligencije na uske, visoko specifične i dobro definirane probleme u specifičnim industrijama. To su situacije gdje automatizacija dosadnih, ponavljajućih zadataka donosi mjerljivu i sigurnu prednost u brzini obrade, zadržavajući pritom ljudske stručnjake u punoj kontroli nad donošenjem ključnih strateških odluka. Pravi potencijal leži u alatima koji proširuju ljudske sposobnosti i rješavaju specifična uska grla u radnim tokovima, a ne u sustavima koji obećavaju potpunu, ali tehnološki trenutno neostvarivu autonomiju. Fokus se seli s grandioznog pitanja "kako ovaj model može u potpunosti odraditi moj posao" na vrlo praktično pitanje "kako ovaj model može pouzdano ubrzati najdosadniji i najmanje kreativan dio mog posla".
Završni stav
Umjetna inteligencija sasvim sigurno nije čarobni štapić koji jednim zamahom rješava sve nagomilane poslovne probleme, kompenzira loš menadžment organizacije ili ispravlja duboko ukorijenjenu lošu arhitekturu sustava. Ona je iznimno moćan, ali još uvijek izrazito nesavršen alat koji zahtijeva visoku razinu stručnosti, veliki oprez pri implementaciji i kristalno jasnu dugoročnu poslovnu strategiju. Umjesto beskonačnog sanjarenja o potpuno autonomnim sustavima koji će jednog dana bez greške preuzeti svijet, vrijeme je da tehnološka zajednica zasuče rukave. Prava, održiva vrijednost umjetne inteligencije dokazat će se tek kada se prestanemo slijepo fokusirati na hipotetske potencijalne sposobnosti budućih iteracija modela i potpuno se posvetimo rješavanju stvarnih, opipljivih i složenih problema u stvarnom svijetu koristeći isključivo alate čija su nam ograničenja danas poznata.
Komentar objavljen na portalu Umjetna Inteligencija Blog by ShtefAI, autor: Shtef
