Современный бизнес находится в плену иллюзии, что генеративный искусственный интеллект (Generative AI) станет «серебряной пулей», способной автоматически решить любую задачу. Однако Эрик Сигел (Eric Siegel), эксперт в области машинного обучения и автор книги «The AI Playbook», утверждает, что нынешний ажиотаж вокруг больших языковых моделей во многом основан на гиперболах. По его мнению, за блестящим фасадом чат-ботов скрывается технология, требующая постоянного контроля со стороны человека, в то время как проверенный временем предиктивный ИИ продолжает приносить миллиардную прибыль в условиях полной автономии.
🎭 Иллюзия человечности и ловушка хайпа 0:00
Эрик Сигел отмечает, что заголовки СМИ рисуют картину грядущей революции, где ИИ не только решит все проблемы бизнеса, но и заменит огромную часть рабочей силы . Сигел, работающий в индустрии с 1991 года, признаётся, что десятилетиями наблюдал за волнами хайпа вокруг ИИ, но нынешняя ситуация с генеративными моделями кажется ему особенно тревожной .
Основная проблема, по мнению эксперта, заключается в «человекоподобности» таких систем, как ChatGPT:
- Имитация понимания: Большие языковые модели способны поддерживать диалог на любую тему и создавать впечатление глубокого понимания контекста .
- Случайная правота: Сигел утверждает, что генеративный ИИ выдаёт корректные ответы скорее как «побочный эффект». Модель работает на микроуровне, предсказывая следующее слово, и её успех в генерации связного текста не означает наличия логики .
- Проблема доверия: В отличие от традиционных компьютерных систем, призванных автоматизировать процессы, генеративный ИИ нельзя «бросать без присмотра». Любой черновик письма или учебный план, созданный нейросетью, требует обязательной проверки человеком (пруфридинга) .
Сигел делает вывод: технология, которую нужно постоянно перепроверять, по определению менее автономна и, следовательно, обладает меньшим потенциалом для масштабной оптимизации экономики, чем кажется на первый взгляд .
🛠 Предиктивный ИИ: невидимый двигатель экономики 3:08
В противовес яркому, но нестабильному генеративному ИИ, Эрик Сигел ставит предиктивный (прогностический) ИИ. Это технология, которая учится на исторических данных, чтобы предсказывать конкретные исходы и улучшать миллионы ежедневных операционных решений в крупных организациях .
Сигел приводит примеры реального применения предиктивного ИИ, которые уже сегодня обеспечивают бесперебойную работу мировых систем:
- Маркетинг: Определение того, кто из клиентов с наибольшей вероятностью совершит покупку, для таргетирования рекламы .
- Финансы: Мгновенное выявление мошеннических транзакций для их блокировки .
- Транспорт: Прогноз поломок колес поездов для своевременной инспекции .
- Общественная безопасность: Пожарный департамент Нью-Йорка использует модели для предсказания зданий с наибольшим риском возгорания, чтобы приоритизировать проверки .
- Здравоохранение: Оценка вероятности повторной госпитализации пациента перед его выпиской .
Ключевое отличие здесь — полная автономность. Компьютер систематически принимает тысячи решений на высокой скорости, основываясь на математической вероятности, что и даёт реальный прирост эффективности .
🚚 Кейс UPS: как предсказания экономят сотни миллионов 4:30
Один из самых ярких примеров эффективности предиктивного ИИ Сигел видит в работе компании UPS, одной из крупнейших служб доставки в США . Компания внедрила систему, которая прогнозирует завтрашние поставки, что в сочетании с алгоритмами оптимизации маршрутов приносит колоссальные результаты.
Экономические и экологические показатели UPS благодаря ИИ:
- Ежегодная экономия составляет $350 миллионов .
- Сокращение выбросов углекислого газа на сотни тысяч метрических тонн ежегодно .
Технологический процесс выглядит следующим образом: планирование загрузки грузовиков начинается вечером, когда часть информации о посылках ещё отсутствует . Используя предиктивную модель для каждого адреса, система оценивает шансы на то, что туда потребуется доставка на следующее утро. Несмотря на неизбежные ошибки в прогнозах (uncertainty), дополненная картина позволяет строить маршруты настолько оптимально, что это перекрывает любые издержки от неточностей .
🤖 Тупик AGI и противоядие от ожиданий 6:28
Сигел выражает глубокий скептицизм относительно концепции AGI (искусственного общего интеллекта) — компьютера, способного выполнить любую человеческую задачу . Он сравнивает нынешние ожидания с сюжетами о Франкенштейне, где машина внезапно «оживает» .
По мнению Сигела, вера в то, что мы близки к созданию цифровой копии человека, — это прямой путь к разочарованию и управленческим ошибкам. Он предлагает «противоядие от хайпа»:
- Фокус на конкретной ценности: Вместо философских рассуждений о природе разума, бизнес должен искать прикладные сценарии использования .
- Развертывание (Deployment): Сигел подчеркивает, что математические расчеты не имеют ценности, пока они не внедрены в реальные операции компании .
- Прагматизм: ИИ — это инструмент для улучшения операционной эффективности, а не магическая панацея .
В конечном итоге, Сигел призывает лидеров бизнеса быть умнее: если цель состоит в реальном улучшении работы предприятия, стоит выбирать проверенные методы работы с данными и вероятностями, а не гнаться за «недосягаемыми замками» генеративных моделей .
