# Энди Курциг из Pearl: «Google и OpenAI ждут иски на миллиарды из-за галлюцинаций ИИ»

Источник: https://www.youtube.com/watch?v=BvO7UyOFuNc
Канал: Eye on AI
Опубликовано: 29.06.2025

---

Сервис Pearl предлагает новый взгляд на профессиональные услуги в эпоху нейросетей, объединяя возможности больших языковых моделей (LLM) с верификацией от живых экспертов. Основатель компании Энди Курциг обсуждает с ведущим Крейгом Смитом проблемы «галлюцинаций» ИИ, юридические риски ИТ-гигантов и создание устойчивой бизнес-модели, где человек остается финальным гарантом качества.

## 🧠 Pearl: Узкая специализация против горизонтальных гигантов
[[JUMP:00:00]]

Энди Курциг, основатель и CEO Pearl (дочернего бренда JustAnswer), позиционирует свой продукт как вертикально ориентированную альтернативу ChatGPT и Google Gemini [4:16]. В то время как лидеры рынка стараются быть универсальными помощниками для любых задач (от написания кода до генерации картинок), Pearl фокусируется исключительно на профессиональных услугах: медицине, праве, ветеринарии, налогах и технической поддержке [4:30].

Ключевые особенности подхода Pearl:

*   **Фокус на тексте:** Работа ведется только в рамках профессиональных консультаций.
*   **Сверхточность в нише:** По утверждению Курцига, Pearl на 22% точнее ChatGPT и Gemini в секторе профессиональных услуг [4:59].
*   **Минимизация фатальных ошибок:** Система на 41% реже выдает «опасно неверные» ответы (wrong answers), что критично для медицины или юриспруденции [7:16].
*   **Масштаб:** Платформа объединяет около 12 000 сертифицированных специалистов в 700 категориях [5:26], [8:54].

Курциг подчеркивает, что в этих индустриях галлюцинации ИИ недопустимы, так как цена ошибки может быть катастрофической для пользователя [5:39].

## 🩺 Механика «Человека в контуре» (Human-in-the-Loop)
[[JUMP:07:01]]

Процесс взаимодействия с Pearl начинается как в обычном чате, но имеет важные отличия на этапе уточнения. По словам Курцига, сервис заменяет необходимость в сложном промпт-инжиниринге: система сама задает уточняющие вопросы [6:49].

Алгоритм работы выглядит следующим образом:

1.  **Запрос:** Пользователь описывает проблему (например, сыпь на ноге) в свободной форме.
2.  **Уточнение:** ИИ ведет диалог, собирая детали, как это делал бы врач на приеме [7:01].
3.  **ИИ-ответ:** Система выдает предварительное решение.
4.  **Верификация:** Реальный врач смотрит историю переписки, читает ответ ИИ и ставит ему «оценку доверия» от 1 до 5 [7:57].
5.  **Консультация:** Если пользователю нужна полноценная помощь, он может перейти к живому общению (чат или звонок) [9:21].

Проверка ИИ-ответа живым экспертом занимает всего несколько минут и предоставляется бесплатно [11:10]. Монетизация происходит через подписку (около $30 в месяц), которая дает неограниченный доступ к экспертам [12:08].

## ⚖️ Проблемы ответственности и юридическая «ловушка» ИТ-гигантов
[[JUMP:14:12]]

Одной из самых острых тем обсуждения стала юридическая ответственность за неверные советы ИИ. Курциг утверждает, что Google и OpenAI находятся в крайне уязвимом положении [14:27].

Аргументы Курцига об ответственности ИИ:

*   **Утрата защиты Секции 230:** Традиционно технологические компании защищены в США Актом о пристойности в коммуникациях (Section 230), так как они являются лишь «платформами», транслирующими чужой контент [15:44].
*   **Переход к роли «автора»:** Когда LLM генерирует прямой ответ без ссылок на источники, она перестает быть платформой и становится издателем, несущим полную ответственность за содержание [16:38].
*   **Судебные прецеденты:** Курциг упоминает трагические случаи (например, самоубийство подростка или вредные медицинские советы), по которым семьи пострадавших уже подают иски к Google и другим компаниям [15:19].

Pearl решает этот вопрос через модель маркетплейса. Так как финальное решение подтверждает или корректирует эксперт, компания вновь попадает под защиту Секции 230 как посредник, а ответственность за профессионализм несет сам эксперт, который обычно защищен страховкой от профессиональной халатности [18:50].

## 💰 Три фундаментальных изъяны современных LLM
[[JUMP:23:30]]

Курциг считает, что у нынешних лидирующих моделей есть три проблемы, которые мешают их массовому внедрению в серьезные сферы бизнеса:

1.  **Риски (Risk):** Потенциальные иски на миллиарды долларов из-за галлюцинаций в жизненно важных вопросах [23:56].
2.  **Качество (Quality):** Галлюцинации — это не баг, а фича архитектуры LLM. По оценкам Pearl, в профессиональных вопросах ИИ ошибается примерно в 37% случаев [30:15].
3.  **Монетизация (Monetization):** Никто, кроме Nvidia, пока не зарабатывает на ИИ в масштабе. Рекламная модель в чат-ботах буксует, так как нельзя одновременно давать объективный ответ и продавать в нем рекламу конкурента [26:33].

По мнению Курцига, Pearl нашел «хет-трик» решений: привлечение людей повышает качество, снимает риски с платформы и создает понятную модель оплаты «за профессионализм», к которой люди уже привыкли [27:35].

## 🔌 API «Эксперты как сервис»
[[JUMP:33:41]]

Pearl предлагает свою сеть экспертов сторонним компаниям через API. Курциг сравнивает это с подключением API от OpenAI: разработчик может «стримить» в свое приложение не только ИИ-ответы, но и живых врачей или юристов [33:41].

Примеры использования:

*   **Для госпиталей:** Чат-бот на сайте больницы, работающий в 3 часа ночи, где ответ ИИ немедленно подтверждается дежурным врачом из сети Pearl [37:03].
*   **Для ритейла:** Гигантский маркетплейс автозапчастей использует Pearl для помощи покупателям в подборе деталей. Это сократило количество возвратов и повысило конверсию, так как покупатели стали уверены, что деталь подойдет к их конкретному Ford или BMW [45:04].
*   **B2B сегмент:** Механики из маленьких городов (например, на Аляске) используют Pearl, чтобы консультироваться с узкими специалистами по брендам, которые они редко ремонтируют (Volvo, Saab и др.) [10:29].

Курциг резюмирует, что будущее не за «чистым» ИИ, а за гибридными системами, где ИИ берет на себя рутину (маркетинг, продажи, сбор данных), а человек фокусируется на высокоуровневых суждениях и эмпатии [34:06].