С момента появления генеративного ИИ многие компании пытаются понять, какую выгоду из него можно извлечь для развития бизнеса. Ответ может быть проще, чем кажется.
С 2015 года практически любое применение машинного обучения стали называть искусственным интеллектом. Некоторые обозреватели и отраслевые эксперты были с этим не согласны. По их мнению, речь шла лишь о сопоставлении поступающих на вход данных с образцом и последующей выдаче результата. Модели не думали, а скорее вычисляли вероятности. Так как же они могли обладать интеллектом?
Читайте новую главу отчета Tech Trends от Deloitte в переводе Хабра-редакции КРОК под катом!
Генеративный ИИ ставит под сомнение саму суть спора о том, могут ли машины быть разумными. С точки зрения функционирования, его модели во многом схожи с более ранними инструментами машинного обучения. Тем не менее благодаря росту вычислительных мощностей, более высокому качеству обучающих данных и грамотному применению как нейронных сетей, так и глубокого обучения, генеративный ИИ может имитировать когнитивные способности человека в различных ситуациях. Все чаще машины, обладающие интеллектом хотя бы в функциональном, практическом смысле, помогают значительно повысить производительность и эффективность работы предприятий, а также выводить инновационные продукты и услуги на новые рынки.
Во многих тестах на когнитивные способности инструменты ИИ как минимум не уступают человеку, а то и превосходят его. Недавно модель ChatGPT получила оценку «отлично» за известный своей сложностью тест по биологии Advanced Placement. Генератор изображений Dall-E 2 смог решить тест «Матрицы Равена» для измерения уровня интеллектуального развития с помощью рисунков. Чат-бот Claude 2 компании Anthropic показал результат выше 90% в устном и письменном разделах теста GRE, который сдают абитуриенты для поступления во многие высшие учебные заведения США и Канады. Более того, инструменты ИИ последовательно превосходят человека в распознавании рукописного текста, речи и изображений, понимании прочитанного текста и языка.
Вопрос уже не о разуме ИИ как таковом, а скорее о том, как бизнесу использовать эти когнитивные инструменты для получения реальной выгоды.
Генеративный ИИ захватил всеобщее внимание во второй половине 2022 года и в начале 2023 года. Немногие технологии могут похвастаться таким громким дебютом. Люди практически сразу же начали осваивать и использовать генеративный ИИ. Согласно компании OpenAI, аудитория ChatGPT достигла 100 млн пользователей в течение 60 дней после релиза. Для сравнения, TikTok потребовалось девять месяцев, чтобы достичь этого показателя (Рис. 1). Генератор изображений Midjourney насчитывает около 16 млн пользователей. Ежедневно Dall-E 2 пользуются 1,5 млн человек. В июле чат-бот Bard от Google набрал 10 млн просмотров страниц. По данным опроса компании Deloitte 2023 года, в числе приоритетов руководители активно отмечают рост использования генеративного ИИ в корпоративном секторе (Рис. 2).
Примечание: Графики являются условными и не отражают реальных темпов роста.
Источник: Krystal Hu, «ChatGPT sets record for fastest-growing user base--analyst note», Reuters, 2 февраля 2023 г.
Источник: Fortune/Deloitte CEO Survey Insights, лето 2023 г.
Влияние генеративного ИИ обусловлено совокупностью факторов. Прежде всего речь про передовое оборудование, и главным образом, специализированные чипы ИИ, используемые в моделях обучения. С их помощью были созданы более совершенные модели, например, большие языковые модели (LLM). Эти инструменты получили широкое распространение благодаря своему удобству, что позволило даже людям без технического образования работать с очень продвинутыми моделями.
Такое внимание спровоцировало золотую лихорадку среди инвесторов (Рис. 3). Инвесторы вкладывают огромные деньги в стартапы, разрабатывающие продукты на основе генеративного ИИ. Они считают, что грядет новая технологическая эра в бизнесе, когда сбор аналитики и проверка контрактов будут проходить без участия человека, не говоря уже о непрерывной генерации контента для укрепления связи между брендами и аудиторией.
Несмотря на многочисленные разговоры о том, что ИИ заменит специалистов, судя по всему, крупные компании не планируют использовать его даже для частичной автоматизации задач, требующих умственного труда. Результаты опроса руководителей показали, что генеративный ИИ в основном внедряют, чтобы улучшить качество контента, укрепить конкурентное преимущество и масштабировать экспертизу сотрудников. Сокращение численности персонала оказалось в конце списка приоритетов. Скорее всего, ИИ освободит сотрудников от рутинных, повторяющихся задач и позволит им сосредоточиться на более творческих аспектах своей работы.
По всей вероятности, наступает эпоха ИИ, а для некоторых она уже наступила. Но, как говорится, и ведущие компании это осознают: на пути к успеху углы не срежешь, т.е. нельзя минимизировать сопутствующие развитию риски или затраты. Это значит, что генеративный ИИ не заменит людей, а даст им инструменты, которые повысят производительность труда, расширят их знания и творческий потенциал, что, в свою очередь, будет способствовать развитию инноваций на предприятии.
Руководители компаний все чаще сталкиваются с необходимостью ускорить этот переход и опередить конкурентов. По результатам одного из исследований, 64% руководителей компаний чувствуют большое давление со стороны инвесторов, кредиторов и кредитных организаций, требующих ускорить внедрение генеративного ИИ. Но несмотря на это, руководители осознают, как важно исходить из реальных потребностей бизнеса. Попытка «впихнуть» генеративный ИИ во все процессы компании только потому, что это популярная новинка, вряд ли принесет значимые результаты. Вместо этого можно пойти стратегическим путем и использовать уникальные возможности генеративного ИИ, чтобы решать существующие проблемы и выделяться на фоне конкурентов. Именно так сегодня и действуют инновационные компании.
Примечание: Графики являются условными и не отражают реальных темпов роста.
Источник: Jacob Robbins, «The most active investors in generative AI», News & Analysis, 15 июня 2023 г.
Компании по-настоящему раскроют потенциал генеративного ИИ, когда смогут с его помощью трансформировать бизнес-функции, сократить затраты, совершенно иначе выстроить циклы создания продуктов, услуг и инноваций, а также добиться такой эффективности процессов, которая раньше казалась недостижимой. Для этого руководителям следует ориентироваться на более эволюционный подход в отношении корпоративных данных и технологической стратегии.
Чтобы стать компанией, активно использующей ИИ, требуется строгая дисциплина и концентрация на вспомогательных системах и алгоритмах. Как для успешного запуска ракеты нужна пусковая площадка и центр управления полетами, так и для эффективной работы генеративного ИИ в компании необходимы инфраструктура и системы контроля. К счастью, последние несколько лет компании активно занимались аналитикой данных и машинным обучением и теперь могут применить этот опыт и к генеративному ИИ, хотя некоторые методы могут потребовать тонкой перенастройки.
Как правило, для работы генеративному ИИ нужны терабайты данных на высокопроизводительных вычислительных кластерах с графическими процессорами. Поскольку лишь немногие компании располагают такой инфраструктурой, большинство возьмет ее в аренду. С помощью программных интерфейсов инженеры могут встраивать генеративный ИИ в существующее программное обеспечение без необходимости создания новой инфраструктуры. Несмотря на то, что вендоры продуктов на основе ИИ думают прежде всего об удобстве использования, предприятиям важно помнить и о вышеуказанных технических требованиях.
Кроме того, необходимо понимать, для чего стоит использовать ИИ, а это снижение затрат, ускорение и упрощение процессов, изменение способов привлечения клиентов, стимулирование инноваций и построение доверенной среды. Каждая компания будет использовать генеративный ИИ по-своему, но для начала стоит сфокусироваться на модернизации какой-то одной области.
Ниже – мысли и соображения тех, кто уже внедрил эту технологию.
Данные должны быть правильно структурированы и доступны для ИИ - только в этом случае обучение моделей и проработка новых сценариев дадут результат.
К такому выводу пришла крупнейшая газовая компания в Северной Америке Enbridge. Несколько лет назад, начиная амбициозной проект по миграции в облако, компания и не думала заниматься генеративным ИИ. Главными целями были модернизация инфраструктуры и ликвидация технического долга за счет сокращения количества локальных серверных стоек. Между делом компания построила централизованное хранилище, куда поступают данные со всего предприятия – данные по нормативным требованиям, с торговых площадок, кадровая информация и т.д. Оно заменило собой сотни обособленных баз данных.
Когда же появился генеративный ИИ, руководство Enbridge осознало, что централизованное хранилище данных идеально подходит для проработки вариантов повышения эффективности на базе ИИ. В результате был внедрен ассистент на базе генеративного ИИ, который помогает разработчикам писать код быстрее и эффективнее, а офисным сотрудникам повышать свою производительность.
По словам Джозефа Голлапалли, директора по облачным технологиям, IT-операциям и обработке данных в Enbridge, цель проекта в том, чтобы «ускорить работу, стимулировать инновации и повысить эффективность. Эти решения на базе ИИ могут помочь нам оптимизировать деятельность, соблюдение техники безопасности, взаимодействие с клиентами и экологические показатели».
Для масштабирования ИИ стратегическое управление должно быть эффективным. Модель стратегического управления должна определять перспективы бизнеса, возможные риски и функциональные разрывы, а также проверять, насколько деятельность компании соотносится с ее стратегией. Это позволяет не только обезопасить бизнес, но и масштабировать проекты после этапа пилотного тестирования.
Крупнейший американский ритейлер подержанных автомобилей CarMax активно и систематически использует возможности генеративного ИИ в масштабах всего предприятия, что позволяет задействовать новейшие технологии и при этом контролировать, чтобы сотрудники их эффективно применяли. Один из самых интересных инструментов в арсенале CarMax добавляет сгенерированный ИИ контент на специализированные автомобильные веб-сайты. На них публикуется выжимка из нескольких тысяч реальных отзывов покупателей, что позволяет клиентам быстро ознакомиться с мнением других людей.
По словам Шамима Мохаммада, исполнительного вице-президента и IT-директора в CarMax, подобные внедрения приносят наибольшую пользу бизнесу тогда, когда реализуются под должным контролем. В CarMax стратегическому управлению уделяют особое внимание. Возможно, это звучит скучновато, но стратегия - ключевой элемент для масштабирования генеративного ИИ. В CarMax даже создали специальную группу по управлению ИИ, которая следит за тем, чтобы подразделения компании использовали ИИ надлежащим образом. Задача группы - не просто давать от ворот поворот любым новым сценариям использования ИИ, но, помимо прочего, помогать с масштабированием успешных кейсов на всю организацию через унификацию методов обучения и использования моделей. Цель состоит в том, чтобы генеративный ИИ использовался не только технологическими или продуктовыми командами.
«С помощью машинного обучения и искусственного интеллекта мы внедрили много крутых штук, – говорит Мохаммад. – Сейчас для меня главное, чтобы наша компания ответственно подходила к использованию технологий на базе ИИ и чтобы любые методы внедрения не противоречили нашим основным ценностям».
Генеративный ИИ изменил систему авторского права. Теперь любой желающий может в пару кликов создать изображения, видео, текст и аудио. Однако некоторые модели обучаются на заимствованном контенте. В одном из судов США недавно постановили, что контент, таким образом созданный ИИ, не подпадает под защиту авторских прав. Кроме того, обучение моделей на материалах, защищенных авторским правом и взятых из Интернета, может быть сопряжено с правовыми рисками, включая нарушение прав интеллектуальной собственности.
Однако вряд ли это стоит считать проблемой. Платформа Shutterstock, предоставляющая стоковые фотографии, видеоматериалы и музыку – пример того, как можно использовать творчество генеративного ИИ в коммерческих целях, не нарушая авторские права владельца оригинального контента.
Недавно Shutterstock представила инструмент генерации изображений, который создает картинки на основе запросов («промптов») пользователей. Как и другие генераторы изображений, инструмент обучался на визуальном контенте, созданном другими художниками. Однако в этом случае каждый из тех, чьи работы использовались для обучения модели, заранее дал на это согласие. Более того, художники получают вознаграждение каждый раз, когда их работы используются для обучения модели и когда пользователь платит за лицензию на использование изображения, созданного на платформе. Shutterstock лицензирует контент на своей платформе как данные, предоставляя дополнительную правовую защиту конечным пользователям.
«Контент создают все: от генерального директора до рядового специалиста по продажам, – считает директор по инновациям Shutterstock Майкл Франселло. – Потребность в создании контента была невероятной. Мы рано поняли, что можем предоставлять наш контент как данные, на которых можно обучать генеративные модели ИИ. Мы должны защищать основное направление нашей деятельности, и при этом уважать интересы тех, кто его создает – художников и авторов».
На протяжении многих лет этот подход помогает компаниям масштабировать использование технологий. Генеративный ИИ – не исключение. На этапе «ползания» технология используется от случая к случаю и приходится много чего делать вручную. При переходе на «ходьбу» процессы уже определены на фундаментальном уровне и автоматизированы. Во время «бега» сценарии использования унифицируют и начинают применять в масштабах всего предприятия. К моменту «полета» организация, опираясь на достигнутые результаты, осваивает уже возможности технологии нового поколения.
Используя такой подход, химическая компания Eastman разработала внутренние сервисы на основе генеративного ИИ. Компания имеет большой опыт работы с данными и аналитикой в отрасли, где это не особо распространено. Например, она предлагает интеллектуальный сервис (с запатентованными показателями термостабильности), предсказывающий момент деградации теплоносителя, который клиенты используют в своих промышленных процессах. В результате инженеры могут поддерживать оптимальное качество теплоносителя, планировать техобслуживание и ремонт, а значит, избегать дорогостоящих простоев производственных линий.
Опираясь на этот опыт, компания в порядке эксперимента начала внедрять генеративный ИИ в процессы продаж. Она создала инструмент на базе ИИ, который может читать текстовые файлы на естественном языке. Пока инструмент находится на стадии разработки. Сейчас специалисты проверяют, умеет ли он извлекать ключевую информацию из заметок, составленных по итогам звонков продавцов. После каждого телефонного разговора специалисты отдела продаж составляют важные заметки, но их практически никто не читает. Теперь с помощью генеративного ИИ компания начинает использовать эту информацию.
«Благодаря этому инструменту наша химическая компания может добавить цифровой слой в наш сервис, чтобы выделиться на рынке и создать конкурентное преимущество», – говорит IT-директор Eastman Альдо Носеда.
Учитывая темпы развития генеративного ИИ, возможно, имеет смысл применить подобную схему к новым сценариям использования, появляющимся в корпоративном сегменте. Пилотный проект может вылиться в унифицированную практику, которая станет стандартной для всех подразделений компании. Как только организация достигнет такого уровня развития, перед ней откроются безграничные возможности.
В ближайшем будущем извлечь выгоду из генеративного ИИ станет еще проще, так как появятся модели, обученные с учетом отраслевой специфики. Сегодня большинство использует базовые модели генеративного ИИ, для обучения которых брались данные общего назначения. Однако такие неспециализированные инструменты могут применяться в очень специфических предметных областях, что подтверждает мощь больших языковых моделей. Тем не менее следующее поколение больших языковых моделей, скорее всего, будет больше заточено под отраслевую специфику и потребности конкретной компании.
Тренд уже налицо. NVIDIA представила большую языковую модель для биотехнологического сектора – BioNeMo, а у Google есть инструмент Contact Center AI, который работает как служба поддержки клиентов. BloombergGPT отвечает на вопросы о финансовом секторе. Модель ClimateBERT, обученная исследовать изменения климата, может консультировать компании по климатическим рискам.
Когда компании в полной мере осознают преимущества моделей, обученных с учетом отраслевой специфики, спрос на подобные услуги, скорее всего, возрастет. Более трети компаний планируют в будущем обучать и адаптировать большие языковые модели к потребностям своего бизнеса. Возможно, именно в больших языковых моделях частного порядка и кроется настоящий потенциал генеративного ИИ для бизнеса. Однако, разрабатывая и поддерживая такие модели, компании не спешат открывать их исходный код. Эти большие языковые модели, будучи заточены под конкретную цель, размещены в безопасном месте и обучены на закрытых данных, могут дать компаниям огромное конкурентное преимущество. Вероятно, это случится на следующем этапе развития генеративного ИИ.
Мотивационные плакаты давно трансформировались из корпоративных клише в особую категорию мемов. Между тем один избитый афоризм может дать такой заряд мотивации, какого мы уже не ждем от корпоративной культуры: «Все ограничения лишь в нашей голове.
Возможно, вы слышали эту фразу. Действительно, в работе различных команд и компаний всегда присутствуют ограничивающие факторы. Данных мало или они некорректны. Руководство настроено скептически. Или самое страшное из всех: «Это ничего не изменит».
Но в мире генеративного ИИ человек, и правда, ограничен лишь собственным воображением. Теперь можно создавать постоянные потоки контента, находить новые способы повышения эффективности, анализировать нормативные документы или отзывы клиентов за считанные минуты. Остается лишь один вопрос: что вы хотите узнать?
Способность задавать более качественные вопросы станет важнейшим навыком при использовании генеративного ИИ. С этим трендом может возникнуть спрос на руководителей нового типа, у которых больше развиты творческие способности. Последние 20 лет руководители принимали решения, ориентируясь не на инстинкт или интуицию, а на данные и аналитику. Но в ближайшие несколько лет те, кто обладает богатым воображением, могут оставить остальных далеко позади. Если генератору изображений отправить посредственный запрос («промпт»), он создаст невыразительную картинку. То же самое относится и к использованию генеративного ИИ в корпоративном сегменте. В отсутствие воображения выхлоп будет так себе. Как компании все больше пытаются выделиться на фоне конкурентов, так и руководители с воображением, которые найдут новые неординарные сценарии для использования генеративного ИИ, смогут выделиться на фоне коллег, опирающихся лишь на данные.
Это не значит, что принятие решений на основе данных канет в лету. Как раз наоборот – оно станет еще более значимым, чем когда-либо. Но, возможно, сама фраза «на основе данных»" будет пониматься иначе, потому что благодаря генеративному ИИ руководители будут работать с данными в гораздо большем диапазоне. Так много корпоративных данных погребено в текстовых файлах на естественном языке, в логах, в интеллектуальных системах, а генеративный ИИ как раз помогает осмыслить этот цифровой хаос. Креативный руководитель поймет, что эти позабытые источники данных могут рассказать о его бизнесе, задаст им правильные вопросы с помощью генеративного ИИ и получит ответы не через неделю, как раньше, а в мгновение ока.
Но все это – лишь толика того, что может генеративный ИИ. Он точно потрясет мир, и пока трудно сказать, где будет трясти сильнее всего.
Руководитель направления BigData и BI, КРОК
«На сегодняшний день большинство компаний научились хранить данные. Игроки рынка, отстающие по уровню цифровизации, стремятся ускоренно создать аналитические хранилища, чтобы не утратить конкурентные преимущества. А те заказчики, у которых уже есть корпоративные хранилища данных, все чаще задаются вопросом, как их использовать, чтобы получить максимальный эффект для бизнеса.
Мы наблюдаем рост спроса на проекты по управлению данными и применение инструментов Data Governance и Data Quality. Бизнесу важно заложить цифровой фундамент в виде хранимых данных и научиться получать максимальный эффект от управления большими объемами информации. За счет накопленных в системах данных уже сегодня генеративный ИИ используется на предприятиях для тестирования гипотез, автоматизации поиска информации, работы с документами, повышения эффективности поддерживающих функций бизнеса и обслуживания оборудования, а также минимизации человеческого фактора».
Продолжение следует
Отчет Tech Trends 2024 от Deloitte в переводе Хабр-редакции КРОК:
Часть 1: Исследование «Технологические тренды 2024». Противостояние интеллектов
Часть 2: Цифровой и физический мир без границ: пространственные вычисления и промышленная метавселенная