Статья в Fortune отмечает, что современная экономика ИИ одновременно доминируется двумя настроениями: с одной стороны — «на этот раз всё по-другому», с другой — «никто не знает ответа». Статья считает, что именно сосуществование оптимизма и неопределенности является наиболее заметной чертой нынешнего ажиотажа вокруг ИИ.
Профессор Уортонской школы бизнеса Пенсильванского университета в США Этан Моллик недавно на мероприятии в Нью-Йоркской публичной библиотеке заявил, что даже лаборатории ИИ, топ-менеджеры компаний и отраслевые лидеры мнений не имеют готового метода, чтобы ответить на вопрос, как ИИ действительно изменит бизнес. Он сказал, что любому, кто утверждает, что уже владеет «стандартным сценарием», нельзя доверять.
Общая производительность все еще остается ограниченной
Статья ссылается на данные Bank of America, согласно которым ИИ в настоящее время способствует росту годовой производительности экономики лишь на 0,1%. Это число резко контрастирует с высокими ожиданиями рынка по поводу ИИ. В том же отчете Bank of America по-прежнему описывает ИИ как технологию, оказывающую большее влияние, чем электричество и интернет.
Исследование Goldman Sachs за март этого года также пришло к аналогичному выводу. В отчете говорится, что пока не наблюдается значимой корреляции между ИИ и ростом производительности на уровне всей экономики. Однако в отраслях, где применение ИИ более интенсивно, таких как служба поддержки и программное обеспечение, медианный рост производительности может достигать 30%.
По оценкам Bank of America, сегодня ИИ может трансформировать около 20% рабочих задач, из которых лишь 23% в настоящее время экономически эффективны. Даже при полной автоматизации экономия на затратах на труд составит около 27%, а сами затраты на труд составляют примерно половину общих расходов. Согласно этой методике, теоретический потенциал роста производительности труда в настоящее время составляет около 0,66%, однако на практике этот показатель будет дополнительно снижаться из-за трений и задержек в реализации.
Внутренние процессы компании замедляют внедрение
Статья утверждает, что преимущества ИИ пока не полностью реализовались, и проблема, скорее всего, заключается не в самой технологии, а в организационной структуре. Моллик отмечает, что отделы ИТ в компаниях часто становятся местом, где проекты ИИ наиболее часто застаются, не из-за сопротивления инновациям, а потому что их обязанности по своей природе направлены на управление рисками.
Он также отметил, что система KPI ограничивает пространство для экспериментов. Если компания с самого начала требует, чтобы какой-либо проект обеспечил улучшение на 10%, она, как правило, отбирает лишь незначительные доработки существующих процессов, а не способствует их полной замене. Другими словами, настоящие AI-приложения, меняющие способы работы, могут не получить должной поддержки в рамках традиционных систем оценки эффективности.
Даже ИИ-компании ищут способы внедрения.
Статья также упоминает более показательное явление: многие ИИ-компании создают собственные команды по консалтингу и внедрению, чтобы помочь клиентам интегрировать модели в реальные бизнес-процессы. Моллик считает, что это само по себе свидетельствует о том, что в отрасли пока не сформировалась зрелая и воспроизводимая модель внедрения.
Если возможности моделей уже настолько сильны, что способны переформировать огромное количество офисных рабочих мест, то эти компании должны были бы легче ответить на базовый вопрос «как внедрить». Но на практике даже самые преданные ИИ поставщики технологий ищут способы внедрения в бизнесе.
Статья приходит к выводу, что текущий основной противоречие в индустрии ИИ — это не только разница в оценках, но и несоответствие между скоростью технологического прогресса и способностью организаций к его усвоению. Рынок с одной стороны верит, что ИИ принесет глубокие изменения, а с другой — не имеет прямых путей для реализации, и это напряжение продолжит влиять на следующий этап развития экономики ИИ.