Тотальное доминирование с AI. Стратегия, инструменты нейросети и ChatGPT

Генеративный ИИ и ChatGPT вывели дискуссии об искусственном интеллекте на новый уровень, привлекая внимание как предпринимателей, так и глав государств. Лидеры бизнеса и топ-менеджмент должны быть в курсе трендов и отслеживать сферы применения генеративного ИИ, чтобы создавать убедительные стратегические предпосылки для инвестиций.

Привет! Меня зовут Влад Прошинский, 8 лет запускаю и развиваю ИТ продукты в роли от Product Manager до CPO. Последние 8 месяцев изучаю как AI и LLM могут быть применимы в продуктах и бизнес-процессах. Я убежден, что знания в области нейросетей дадут менеджерам и фаундерам большое преимущество

В статье хочу поделиться стратегическим виденьем, кейсами применения генеративного ИИ в продуктах и в автоматизации бизнес-процессов компаний мирового уровня.

Генеративный ИИ оказал влияние, как никакая другая технология за 10 лет. За полгода ChatGPT сумел доказать: ни стоимость вычислений, ни сложность инфраструктуры, ни человеческие ресурсы больше не препятствуют массовому внедрению, ИИ-трансформация началась.

Согласно отчету McKinsey, ИИ может дать дополнительный прирост $13 трлн. к 2030 году, увеличивая глобальный ВВП на 1,2% в год.

Массовое принятие (mass adoption) технологии в активной фазе не только в личном использовании, но и в бизнес-процессах. Рост производительности труда разработчиков и работников умственного труда с использованием продуктов на базе GPT массово доказано, и заставило организации переосмыслить свои бизнес-процессы и ценность человеческих ресурсов. То, как развиваются продуктовые решения на базе GPT и других нейросетей, как интегрируют ИИ в повседневную жизнь человека и бизнес, — очередное доказательство того, что ИИ — стратегическая необходимость.

В отчетах о прибылях и убытках за этот квартал, СЕО технологических компаний в США говорят меньше о проблемах, а больше о том, как они планируют использовать ИИ для увеличения доходов и снижения затрат. Упоминания «AI» увеличились более чем в 4 (!) раза по сравнению с 2022 годом, что свидетельствует о том, что ИИ стал ключевым фактором конкурентоспособности и инноваций в технологической отрасли.

«Победитель забирает всё», и в контексте ИИ это выражение имеет прямой подтекст. В технологической гонке лидеры боятся остаться позади, если они замедлятся, а другие нет. Эта «дилемма заключенного» из теории игр, создает риски для ответственных практик внедрения ИИ. Лидеры, отдающие приоритет скорости выхода на рынок, являются движущей силой нынешней «гонки вооружений», в которой крупные корпоративные игроки торопят выпуск продуктов на базе нейросетей.

CEO и основатели компаний активно требуют от команд найти способы внедрения генеративного ИИ в свои продукты и процессы, но чтобы создать ценность с помощью этих технологий, необходимо понимать: как они работают, где принесут пользу, какие у них ограничения и риски. Такие компетенции, как правило, редко встречаются среди топ-менеджмента. Следовательно их нужно искать на стороне, на платформах, как Experum, ExpertMe, MentorClub, CareerPaths, фриланс биржах или написать мне.

В статье я вскользь затрону развитие технологии, как продуктолога меня интересует как эта технология изменит потребности пользователей, способы решения задач и самое главное: «как на этом заработать?», ведь задача бизнеса извлекать прибыль. Но по статистике, 87% ML-проектов не доходят даже до внедрения и основная проблема в том, что мало кто сейчас имеет комплексные знания о том, какой «кубик» в виде ИИ решения встроить в систему, как это сделать, как всё не «сломать».

Типичные проблемы с которыми сталкиваются команды:

• Кривые процессы работы над ИИ-проектом
• Неверное определение возможностей для применения ИИ
  
• Нет насмотренности (опыта) → много ресурсов тратится впустую
  
• Бизнес и продакты всё ещё не говорят на языке DS и ML-инженеров
  
• Не определяют возможные риски на старте
  
• Увлеченность экспериментами, игнорируя бизнес-цели

В современных реалиях бизнесу нужны менеджеры, которые будут видеть стратегические возможности для внедрения ИИ там, где это возможно, а также выстраивать операционные end-to-end процессы.

Согласно графику, который приводит Gartner, общий ИИ (AGI, artificial general intelligence), он же «искусственный разум», способный найти решение для произвольных задач и дообучаться до бесконечности, появится примерно через 10 лет. Прогноз сообщества Metaculus чуть более оптимистичен – январь 2027.

Очевидно, прогресс развития в сторону AGI искусственно сдерживают: первое письмо с требованием немедленно приостановить обучение более мощных моделей, чем GPT-4, было опубликовано в марте, второе — в мае. Как итог, в середине апреля OpenAI заявили, что приостановили обучение модели GPT-5 и занялись «другими вещами» (быстрым API и снижением «стоимости ИИ»), а 30 июля тот же OpenAI подает заявку на патент GPT-5... Процесс необратим.

Промежуточным этапом указан «причинный / казуальный ИИ» (Casual AI) – это новый тип ИИ, который может обнаруживать и рассуждать о связи причин и следствий, а также определять силу каждой связи. Причинность, очень важна для последующего прогресса. Его характеризует: высокая автономность, адаптивность, принятие обоснованных и логичный решений.

14 июля 2023 Илон Маск объявил о запуске xAI, цель которой «понять истинную природу Вселенной», для решения таких задач как раз и нужен Casual AI. Среди ранних инструментов: Auto-GPT, BabyAGI, SuperAGI, ToddlerAGI.

Сейчас в большинстве ИИ продуктов под капотом GPT-3.5 или GPT-4, которая дообучена для решения конкретных задач в рамках продукта, а самым популярным продуктом является ChatGPT, который набрал 1 млн. пользователей за рекордные 5 дней в 2022 году.

Появление GPT-5 несомненно повысит качество продуктов и откроет новые возможности для решения задач и самого ChatGPT. Таким образом, ваш GPT-ассистент, который может помочь вам делать вашу работу эффективнее, со временем будет становится более умным, а качество и скорость выполнения задач будет расти экспоненциально.

Компании и специалисты, которые внедрили в свою работу ИИ инструменты, выигрывают в моменте и со временем, отрыв от тех, кто их не использует будут стремительно проигрывать более продвинутым.

Почему это так важно именно сейчас?

В отчете исследователей Microsoft объясняется, как языковая модель GPT-4 осваивает навыки человеческого мышления. Можно ли считать это этапом появления AGI (общего искусственного интеллекта)?

ChatGPT можно рассматривать как посредственного ассистента, уровень которого зависит от навыков промптинга (умение коммуницировать с нейросетями в виде подсказок), но сейчас это отправная точка в совершенно иное будущее, которое наступит через 3-5 лет.

Мировые продуктовые компании активно внедряют ИИ в свои продукты, повышая ценность за счет увеличения скорости работы и решение проблем «с чистого листа», это позволяет лучше активировать пользователей в ключевые JTBD сценарии. Примеры:

• Zoho добавила ChatGPT в Notebook
• Taboola планирует добавить ChatGPT к своей рекламной платформе
• Microsoft добавила ChatGPT в Bing и Edge. В планах добавить в Word
• Google внедряет AI в Docs, Sheets
• Miro выпустили AI лаунчпад (как это ранее сделали в Notion)
• UIzard добавил ChatGPT для генерации лендингов и UI приложений
• BuzzFeed планирует использовать ChatGPT для создания викторин
• недавно был разработан микрочип всего за 100 минут

Небольшой список инструментов, которые можно начать применять в своей работе и в компании:

• поиск хайпа, трендов, инсайтов: AnswerThePublic - прослушивает данные автозаполнения из Google запросов. Нил Патель утверждает: пользователи делятся самым сокровенным с поисковиком, что создает ценность для компаний, которые нацелены лучше узнать своих клиентов
• создавайте статьи и посты до 10 раз быстрее: Copy.ai, CoWriter, Jasper, Phrasee, AI Writer, WriteSonic, HyperWrite, GetGenie Ai)
• гипер-персонализация: Persado разработал «мотивационный ИИ», как утверждает сервис: «Бренды, использующие AI от Persado, отмечают рост конверсии на 41% в цифровых каналах». Их алгоритм ориентирован на достижение положительного ROI
• создание баннеров и креативов: AdCreative.AI, Pebblely, Fotor, Designer
• создание продающих видео: Designs.AI, Kaiber, Elai.io
• мониторинг сайтов конкурентов: Browse AI (также можно использовать для мониторинга свежих вакансий, как пример мониторинг HH.ru)
• LP и сайты: Landingsite.ai, Framer, Uizard , Durable, SiteGPT, 60secSite
• создание реалистичных людей с вашим продуктом: Caspa
  (демонстрировали свою beta-версию, работает хорошо с 3-5 попыток)
• SEO: Craftly.AI, SEO.app, Charm, SEMRush, Moz, Market Brew
• AI для email-рассылок: Animaker, Postcards (рост open-rate до 300%)
• презентации: Pitchbob, Tome, Designs, AI Colors, Gamma, Pitchyouridea

• прогнозирование продаж: RCMX
• тренировать продавцов на эффективных моделях: Fiber AI
• цифровые продавцы: Rask.AI, Immersive Fox, Veed AI, Elai.io
• анализ звонков, перевод из аудио в текст: Fabius, SalesAI
• автозаполнение карточек клиента: SalesAI

• искать точки роста в продукте для продактов: Kraftful
• удержание пользователей: Subsets
• сортировать проблемы пользователей: AppFollow, Charm
  
• сегментировать пользователей: Obviously AI
• генерировать гипотезы роста: GoalAI
• анализировать отзывы клиентов: Rargus
  

• проводить исследования пользователей: Outset.ai, Iris.ai

• проводить анализ рынка: Silatus, Pitchbob.io
• промпт-инжиниринг для продактов: AI Product
  
• создание рекомендательной системы
  

Forbes пишет , что Meta , Canva и Shopify используют решения на базе ChatGPT в своих чат-ботах саппорта клиентов.

Решения для саппорта: Kapa, Clueso, Ada, MagicReply

По данным GitHub, Co-pilot участвует в написании 46% кода (среди тех, кто его использует) и помогает писать код на 55% быстрее

• автоматизация бизнес-процессов: MagicFlow, Bardeen, Levity.ai
  
• ассистенты: Co-pilot, Sweep, CodeStory, Autocode, GPT Engineer, Tabnine
• код ревью: AI Code Reviewer, Backend-GPT, Planar
  
• создание языковых моделей LLM: Flowise, GradientJ
  
• авто-документирование кода: Stenography, Mintlify
  
• Cody - помогает читать, писать и понимать код
• Giskard - помогает снизить ошибки производительности в моделях ИИ
• Lightning - помогает обучать, развертывать и создавать ИИ
• Tempo - пишет front-end
• AutoInfra - автоматизация DevOps и Infra
  
• Structured - разбор логов

• оптимизация и прогноз бюджета: FinanceGPT, OpenOs, ObviousAI
• работа с данными в формате «запрос-ответ»: Code Interpreter, Seek AI
• общаться с PDF: AskYourPDF, ChatDOC, ChatPDF, Fileread AI
• анализ баз данных: Loofi, Baselit, Noteable (SQL, Python, & R)
• обучение ИИ на данных компании: Fine-tuner, ChatNode, Fini
• финансовый ассистент: Quill AI
• документооборот: Deep Cognition, Acodis, Mindee, Smart Touch
  

• автоматизация процесса найма (job сайты → анализ резюме с ChatGPT)
• прогнозирование увольнений (кейс Xsolla)
• подготовка резюме: HyreSnap, Resume.io
  
• тренер для прохождения собеседований: Yoodli

• Kona - Executive коучинг
• Stellar - ставит цели/KPI в компании и отслеживает их выполнение

Важно отметить о нюансах работы с GPT:

• «мусор на входе → мусор на выходе» — четко характеризует ChatGPT. Сначала овладейте навыками написания промптов (шпаргалка).
• Подсказки и вопросы приводят к лучшим результатам.если ChatGPT не знает ответ, он его придумает (нужно перепроверять) и может подделывать источники и давать правдоподобные, но неправильные или бессмысленные ответы
• точность (accuracy) ответов может снижаться. Исследование снижения точности с 52% до 10%

Резюмируя, хочу отметить, что на этапе роста бизнеса, особую роль занимают эксперименты. Проверять гипотезы – одна из основных задач маркетологов и продактов. Тестируя перечисленные инструменты, есть большая вероятность что вы сможете найти точки роста эффективности в своей работе.

Эффект от внедрения AI аватаров Synthesia, как примеры роста, которые мы планируем внедрять в один из проектов клиента:

Отдельно выделю решения c открытым исходным кодом. Они больше подойдут для среднего бизнеса, для проектов, где требуется больше гибкости, секьюрности, экономии бюджета.

Согласно аналитике Trends.vc, ИИ с открытым исходным кодом помогает компаниям строить инфраструктуру быстрее, учась друг у друга. Компании, которые предлагают ИИ с закрытым исходным кодом решают, когда и для чего вы можете его использовать. ИИ с открытым исходным кодом помогает нам учиться и опираться на результаты работы друг друга, это превращает гонку ИИ вооружений в сотрудничество.

Open-source платформы

• Huggingface - создание и развертывания ИИ Open-source модели
• Replicate - создание и запуска ИИ модели в облаке
  
• Google Colab - для исследований в области машинного обучения
• Difty - open-source для LLMOps, AI-native приложений

В будущем появится больше платформ, созданных для размещения моделей с открытым исходным кодом. Они упростят создание и развертывание моделей.

Open-source модели

• Panda GPT - создаст описание по картинке, напишет истории, видео и ответит на вопросы из аудио. Может одновременно принимать мультимодальные входные данные и составлять их семантику
• Stable Diffusion - преобразовывает текст в изображение (text-to-image)
  
• Riffusion - преобразовывает текст в аудио (text-to-audio)
  
• BLOOM - открытая многоязычная модель
  
• DragGAN - меняет позы, форму, выражение и расположение объектов
  
• Falcon - LLM для исследований и коммерческого использования
  

Open-source дата-сеты

• The Pile - набор данных книг, веб-страниц, журналов чатов и др.
• ImageNet - 14,000,000+ изображений с комментариями
  
• OIG - диалоговые данные для чат-ботов с ИИ
  

Open-source инструменты

• PyTorch - фреймворк для создания deep learning моделей
• TensorFlow - ML платформа с открытым исходным кодом
  
• Keras - API для deep learning моделей
  
• Prem AI - инструмент для развертывания LLM на серверах
  

Альтернативы ChatGPT с открытым исходным кодом

• GPT4All - бесплатный локальный чат-бот
• HuggingChat - альтернатива ChatGPT, основанная на Open Assistant
  
• StableVicuna - чат-бот, который дообучается на отзывах людей
  

Плюсы open-source AI

• Открытый исходный код решает проблему привязки к поставщику и высоких затрат на смену. Такие платформы, как Hugging Face, упрощают поиск моделей ИИ, подходящих для ваших вариантов.
• ИИ с открытым исходным кодом позволяет создавать нишевые приложения , на создание которых у крупных компаний (например OpenAI) с закрытым кодом нет времени, знаний или интереса.
• Четкая документация повышает качество и внедрение вашего ИИ инструмента с открытым исходным кодом.
• Модели искусственного интеллекта с открытым исходным кодом могут быть немного хуже, но намного дешевле.

Появление новой «работы» (в терминах JTBD) у потребительских сегментов уже активно формируется. Это порождает спрос на экспертизу внедрения ИИ в бизнес-процессы для получения конкурентных преимуществ. В этой связи, будет активно развиваться ИИ консалтинг, а также курсы и мастер-классы по внедрению решений в бизнес-процессы.

Компании всё больше будут отдавать такие задачи на аутсорс, так как высокий риск внутреннего саботажа среди сотрудников из-за страхов остаться без работы (отчет ВЭФ за 2023 год утверждает, что к 2025 году 50% задач на рабочих местах будут автоматизированы).

С формированием рынка бизнес-консультантов по ИИ будут набирать обороты запуски инфо-продуктов. Можно создавать курсы и мастер-классы для внедрения ИИ в бизнес-процессы, а также обучать фрилансеров для овладения инструментарием. Для примера англоязычные мастер-классы:

• ChatGPT для Salesforce учит как создать ChatGPT для Salesforce
• Мастер-класс ChatGPT как начать и масштабировать бизнес
  
• Курс по ChatGPT для ютуберов как находить идеи, писать сценарии
  
• ChatGPT: The Ultimate ChatGPT Copywriting Class обучает копирайтингу
  
• AI Assistants обучает ChatGPT маркетингу, бизнесу, финансам
  
• ChatGPT от нуля до героя учит, как стать экспертом по ChatGPT
  
• Революция в изучении языков с ИИ как создать классы с ChatGPT
  
• ChatGPT для работы обучает ChatGPT письму, разработке, переводу
  
• Поднимите бизнес на новый уровень контент-маркетинга с ChatGPT
  
• ChatGPT Secrets To Master Data Science обучает науке о данных на Python с помощью ChatGPT
  

Генеративный ИИ находится на пике хайпа, согласно свежему отчету Gatner, ожидания от технологии завышены и, видимо, мы переходим в фазу «разочарования», что подтверждается снижением использования ChatGPT среди энтузиастов (в РФ аудитория ChatGPT снизилась на 30%, а Midjourney - на 50% в июне), тем не менее, согласно циклу и прогнозам стратегов, технология получит широкое применение в начале 2024.

Недавно Gartner провели опрос на конференции The Future of Data-Centric AI, который показал, что большинство участников планировали начать промышленное использование больших языковых моделей (LLM) к концу 2023 года. Компании вынуждены добавлять ИИ в свои решения и процессы, чтобы оставаться конкурентоспособными.

Что думаете? Уже тестили ИИ? Делитесь опытом и идеями в комментариях 👇