Поможет ли ChatGPT 7.0 компаниям стать эффективнее?

Нет.

И это критически важно понимать, как мне кажется. Чтобы избавиться от иллюзий: «вот выйдет новая модель (или исчезнут галлюцинации), тогда заживем получим эффект в P&L».

Недавно смотрел выступление Али Годси, сооснователя и CEO Databricks (недавно оценена в $134 млрд, одна из ключевых компаний в инфраструктуре корпоративного ИИ). Он хорошо это сформулировал.

Первое впечатление от Али

Как же хороши интерактивы, которые он делает с группой! Как же прекрасно они помогают поверить в его идеи! Вот, например:

«Поднимите руки те, кто считает, что AGI (универсальный ИИ, который превосходит человека) уже изобретен! Ага, 10%. Вот так всегда, отличный ответ.

А теперь поднимите руки те, кто считает, что многие люди, с которыми вы взаимодействуете, не так умны, как лучшие ИИ модели, с которыми вы работали? Ага, большинство!

А теперь сначала: так кто считает, что у нас еще нет AGI? Вот то-то»

И это готовит аудиторию к ключевому выводу.

Вернёмся к ключевой идее

Проблема низкой отдачи от применения ИИ в компаниях не в «недостаточных возможностях ИИ». Их как раз уже давно достаточно. Проблема в том, как устроены наши организации и процессы в них.

Аналогии из прошлого

Когда в 1880-х электричество заменило паровые двигатели, их встраивали в существующие оргпроцессы цеха. Большой центральный вал, огромные потери, необходимость работать в едином ритме. Эффект удалось получить только через 40 лет, когда процессы изменили и двигатели стали устанавливаться в конкретные станки.

Та же ситуация была с компьютерами, которые долго использовали как «быструю печатную машинку» или «калькулятор» (помню такое, участвовал!). А процесс обмена данными и принятия решений оставался «бумажным». Прошло 25 лет, пока не изменились процессы.

Проблема не в возможностях ИИ

ИИ давно обогнал человека по способности делать большую часть рутинных интеллектуальных операций (по данным METR ИИ уже автономно решает задачи, решение которых заняло бы у человека 12 или даже 16,5 часов: вот мой пост, вот пугающие свежие данные). Обогнать-то обогнал… вот только процессы в компаниях («интеллектуальные цеха») остались такими же, какие были. Этим и объясняются страшные цифры типа «95% ИИ-внедрений проваливаются не дают измеримого эффекта на P&L». Ну ладно, не только этим. Есть и другие проблемы, но эта одна из самых важных.

Короче, нет никакого смысла «жаловаться на ИИ» и ждать «ChatGPT 7.0». Существующие модели уже обгоняют человека. Способность получать эффект связана с тем, как устроены организации.

Мой практический вывод

Я бы выделил три барьера к получению экономического эффекта от ИИ:

1. Возможности нейросетей. Это вопрос решен уже примерно год назад.

2. Возможности сотрудников (и руководителей) эффективно использовать ИИ. Не только «писать письма и делать саммари» — это как раз «компьютер как печатная машинка». Это вопрос постепенно решается.

3. Возможности организации пересобрать процессы так, чтобы ИИ работал «на полную». И вот тут все пока еще очень плохо.

Олег, и что делать?

Я полагаю, что работать над экономической отдачей от ИИ надо, начиная с шага 2. Потому что если руководители попробуют и начнут применять нейросети достаточно широко, то это станет залогом дальнейшего распространения, развития и экспериментов. А там и до перестройки процессов недалеко.

Тогда как если начать с шага 3, получишь сопротивление такого масштаба, что можешь потерять возможности внедрения нового на месяцы, если не на годы.

И Али со мной согласен, его кейс про сложности при ИИ-трансформации его собственной компании очень хорошо это показывает.

Что думаете?

Пишите в комментариях!