Dirbtinio intelekto burbulas ir senos rinkos klaidos pasikartojimas

Kiekviena didelė technologinė transformacija turi paradoksą, kai, nors tai neišvengiama, ji taip pat pervertinama per trumpą laiką. Atrodo, kad dirbtinis intelektas pasiekė būtent tą tašką ne todėl, kad yra trapus ar trumpalaikis, o todėl, kad per anksti buvo pakeltas į neišvengiamos paskirties vietą.

Todėl kyla klausimas ne tai, ar AI yra aktualus, tai jau išspręsta. Sąžiningiausias klausimas yra tai, ar rinka sugeba atskirti infrastruktūrą nuo euforijos, tikrosios naratyvinės vertės ir konkretaus gerai supakuotų pažadų rezultato.

Istorija siūlo paralelę šiam scenarijui, kai XIX amžiaus pabaigoje geležinkeliai simbolizavo ateitį, o investavimas į bėgius reiškė lažybas dėl pažangos. Problema ta, kad tam tikru momentu nustojo importuoti ten, kur nunešė bėgiai, to pakako jiems egzistuoti. Linijos buvo sukurtos be paklausos, įmonės atsirado be tvaraus verslo modelio, o neteisingi rodikliai pradėjo apibrėžti sėkmę, pavyzdžiui, įrengti ir ne keleiviniai kilometrai.

Šiandien kalba yra kitokia, tačiau modelis kartojasi naudojant didesnius modelius, daugiau parametrų ir daugiau apdorotų žetonų. Tačiau sudėtinga techninė metrika dažnai buvo atjungta nuo veiklos poveikio. Kaip ir anksčiau, pažanga buvo matuojama geležinkelių tinklo išplėtimu, naujovės dabar matuojamos modelio skale, o ne pasiektu rezultatu.

Remiantis „DealRoom“, „Data Platform“ ir „Intelligence“ analize, vien 2024 m. pasaulinės investicijos į AI startuolius pasiekė apie 110 mlrd. Šios investicijos daugiausia buvo sutelktos į iniciatyvas, kurios vis dar buvo nesaugios, o grąžinimo ciklai buvo neaiškūs. Tuo pačiu metu pamatėme, kad dalis įmonių, pradėjusių didelio masto AI projektus, negalėjo nuosekliai pereiti nuo bandomojo prie gamybos. Ši kliūtis retai būna technologinė, ekonominė, organizacinė ir operatyvinė.

Šis neatitikimas nepaneigia technologijos, priešingai, kaip ir geležinkelių burbului sprogus, investuotojams prarado pinigus, išnyko įmonės, o bėgiai išliko ir tapo kritiška infrastruktūra ateinančių dešimtmečių pramonės augimui. Tas pats nutinka ir su dirbtiniu intelektu.

Didžiausia rizika kyla ne dėl galimos rinkos korekcijos, o dėl psichologinės, kuri lydi bet kokio burbulo aukštį, ty baimę būti paliktam. Kai diskursas tampa “jei nepriimsite dabar, tapsite nereikšmingi”, racionalumas užleidžia vietą skubėjimui ir strateginiai sprendimai priimami remiantis nerimu, o ne analize.

Šiuo metu kai kurie klausimai turėtų būti prieš bet kokią didelę AI iniciatyvą, pavyzdžiui: ar yra reali šios programos paklausa, ar verčiame problemą pateisinti sprendimą? Ar investicijų grąža išmatuojama ar tik numatoma pristatymuose? Ar skaičiavimo, energijos ir veiklos sąnaudos atitinka numatomą naudą? Ar pakanka valdymo, kad būtų galima susidoroti su tokiomis rizikomis kaip sisteminė klaida, pavyzdinės haliucinacijos ir reguliavimo poveikis? Šių problemų ignoravimas reiškia, kad takeliai nėra ten, kur maršruto nėra.

Būtent šioje spaudimo aplinkoje skirtumas tarp tų, kurie ją naudoja, susidaro kaip strateginis atramas ir kas jį įtraukia kaip struktūrinį pranašumą. Organizacijos, kurios kerta burbulus su branda, yra tos, kurios technologijas traktuoja kaip priemonę, o ne tikslą, jungiančią jas su aiškiais procesais, objektyviais rodikliais ir konkrečiais verslo sprendimais. Supratimas, kad išmanioji automatika yra ne visko pakeitimas, o geresnis to, kas jau egzistuoja, organizavimas.

Dirbtinis intelektas iš tikrųjų iš naujo apibrėžs operacijas, produktyvumą ir sprendimų modelius, bet ne taip, kaip rodo daugelis pasakojimų. Kaip ir takai, kurie iš tikrųjų klesti, buvo susiję su miestais, pramonės šakomis ir žmonėmis, taip ir išliks AI, kurie bus susiję su tikromis problemomis, aiškiomis metrikomis ir tvariais rezultatais.