Почему бизнес разочаровывается в генеративных нейросетях
Исследование Массачусетского технологического института (MIT) показало: 95% корпоративных пилотных внедрений генеративного ИИ проваливаются.
Как правильно трактовать эти результаты и какие перспективы можно ожидать от повсеместного внедрения ИИ, рассказал руководитель лаборатории международных экономических исследований СКОЛКОВО Владимир Коровкин:
Согласно «циклу хайпа» Гартнера, любая новая технология проходит один и тот же путь: сначала — взрыв завышенных ожиданий, затем — резкое разочарование. Так было и с генеративным ИИ: СМИ наперебой предсказывали, что он изменит мир, но интерес быстро угас, и на первый план вышли скептики.
Важно и то, как трактуются цифры. В исследовании MIT «успех» проектов трактуется как быстрый финансовый результат. Но внутри компаний такие результаты зависят от множества бухгалтерских допущений. Неудивительно, что лучше всего технологии работают в стартапах, где бизнес-модель сразу строится на ИИ. Поэтому к цифре 95% стоит относиться с осторожностью.
Второй момент — «быстрая отдача». У инвесторов есть термин «хоккейная клюшка»: долгий период безрезультатности проекта, за которым следует экспоненциальный рост. Настоящие инвесторы ищут именно такие проекты на «плоской» стадии, а не в фазе бурного роста, где придется переплачивать. Возможно, многие кейсы из исследования еще просто еще дошли до своей точки роста.
Это не значит, что провалов нет. Пока бизнес до конца не понимает, какую реальную ценность способны дать генеративные модели. GPT полезен студенту для написания курсовой, но большинству компаний не нужно производить тонны текста. С визуальной генерацией то же самое: в рекламе и медиа она быстро приелась — однообразный стиль перестал удивлять и стал напоминать репродукции из «Огонька».
Главный вопрос: способен ли генеративный ИИ создать устойчивое конкурентное преимущество? Пока не все умеют работать с этой технологией — да. Но число «неумеющих» стремительно сокращается.
Пример: на недавнем конкурсе грантов пять участников представили идентичные стратегии, предложенные ИИ. Первое впечатление — свежо и перспективно, но при ближайшем рассмотрении идеи оказались банальными.
Получается, ИИ прикидывается оригинальным, но в основе своей он банален. Когда решения клонируются потоком, это становится очевидно. В итоге все пять получили низкие оценки, а если бы они сделали проект вручную, шансов было бы больше. Бизнес ждет та же ловушка: механическое внедрение ИИ там, где он не нужен, неизбежно приведет к посредственным результатам.