a mesterséges intelligencia buboréka és egy régi piaci hiba megismétlése

Minden nagyobb technológiai átalakulásnak van egy paradoxona, ahol bár elkerülhetetlen, rövid távon túlbecsülik is. Úgy tűnik, hogy a mesterséges intelligencia pontosan ezt a pontot érte el, nem azért, mert törékeny vagy múlékony, hanem azért, mert túl hamar az elkerülhetetlen cél állapotába került.

A kérdés tehát nem az, hogy az AI releváns-e, ez már megoldódott. A legőszintébb kérdés az, hogy a piacnak sikerül-e elválasztania az infrastruktúrát az eufóriától, a valódi narratív értéktől és a jól összecsomagolt ígéretek konkrét eredményétől.

A történelem párhuzamot kínál ezzel a forgatókönyvvel, ahol a 19. század végén a vasutak a jövőt szimbolizálták, a sínekbe való befektetés pedig a haladásra való fogadást jelentette. A probléma az, hogy adott pillanatban leállt az import, ahol a sínek elvitték, elég volt a létezésük. A vonalak igény nélkül épültek, a vállalatok fenntartható üzleti modell nélkül jelentek meg, és a rossz mutatók kezdték meghatározni a sikert, például a telepített és a nem utaskilométereket.

Ma a beszéd más, de a minta megismétlődik nagyobb modellekkel, több paraméterrel és több feldolgozott tokennel. A kifinomult műszaki mérőszámok azonban gyakran elszakadtak a működési hatástól. A múlthoz hasonlóan a vasúti hálózat kibővítésével az előrehaladást, most az innovációt a modellskálán, nem pedig a elért eredményen mérik.

Csak 2024-ben a mesterséges intelligencia startupokba történő globális befektetései elérték a 110 milliárd USD-t, a Dealroom, a Data Platform és az Intelligence elemzése szerint. Ezek a beruházások leginkább a még bizonytalan kezdeményezésekre koncentráltak, és nem volt egyértelmű megtérülési ciklusuk. Ugyanakkor azt láttuk, hogy a nagyszabású mesterséges intelligencia projekteket elindító cégek egy része nem tudott következetesen kísérletiből termelésbe lépni. Ez a szűk keresztmetszet ritkán technológiai, gazdasági, szervezeti és működési.

Ez az eltérés nem érvényteleníti a technológiát, éppen ellenkezőleg, ahogy a vasúti buborék kipukkan, a befektetők pénzt veszítettek, a cégek eltűntek, és még így is a pályák megmaradtak, és kritikus infrastruktúrává váltak a következő évtizedek ipari növekedéséhez. Ugyanez történik a mesterséges intelligenciával.

A legnagyobb kockázatot nem az esetleges piaci korrekció jelenti, hanem a pszichológiai buborékok magasságát kísérő pszichológiai, ami a lemaradástól való félelem. Amikor a diskurzus az lesz, hogy “ha most nem fogadsz örökbe, irrelevánssá válsz”, a racionalitás sietségre ad, és a stratégiai döntéseket szorongás, nem pedig elemzés alapján hozzák meg.

Ezen a ponton néhány kérdésnek meg kell előznie minden nagyobb mesterséges intelligencia kezdeményezést, mint például: Van-e valódi kereslet erre az alkalmazásra, vagy arra kényszerítjük a problémát, hogy igazoljuk a megoldást? Mérhető-e a befektetés megtérülése, vagy csak a prezentációkra vetítik? A számítási, energia- és működési költségek a várható haszonról szólnak? Van-e elég kormányzás az olyan kockázatok kezelésére, mint a rendszerhibák, a modellhallucinációk és a szabályozási hatások? Ezeket a problémákat figyelmen kívül hagyva olyan pályákat helyezünk el, ahol nincs útvonal.

Ebben a nyomási környezetben alakul ki a különbség az azt használók között, mint stratégiai kellék, és aki ezt strukturális előnyként építi be. Azok a szervezetek, amelyek az érettséggel keresztezik a buborékokat, azok, amelyek a technológiát eszközként kezelik, nem pedig célként, és azt a világos folyamatokhoz, objektív mutatókhoz és konkrét üzleti döntésekhez kapcsolják. Annak megértése, hogy az intelligens automatizálás nem mindent lecserél, hanem a már meglévő jobb megszervezését.

A mesterséges intelligencia valóban újradefiniálja a műveleteket, a termelékenységet és a döntési modelleket, de nem úgy, ahogyan azt sok narratíva sugallja. Ahogy a városokhoz, iparágakhoz és emberekhez kapcsolódó ösvények igazán virágoznak, a túlélő mesterséges intelligencia valódi problémákhoz, világos mérőszámokhoz és fenntartható eredményekhez kapcsolódik.