Стаття Fortune зазначає, що сьогоднішня штучна інтелектуальна економіка підкорюється двома емоціями: з одного боку — «на цього разу все інше», а з іншого — «ніхто не знає відповіді». Стаття вважає, що ця співіснування оптимізму та невизначеності є найбільш виразною рисою сьогоднішнього хайпу навколо ШІ.
Професор Віттонської школи бізнесу Університету Пенсильванії, США, Етан Моллік на заході в Нью-Йоркській публічній бібліотеці зазначив, що навіть лабораторії ШІ, топ-менеджери та лідери галузі не мають готового підходу, щоб відповісти на питання, як ШІ справді змінить бізнес. Він сказав, що будь-хто, хто стверджує, що вже має «стандартний сценарій», недостовірний.
Загальна продуктивність все ще залишається обмеженою
Стаття посилається на дані Bank of America, згідно з якими AI наразі піднімає річну продуктивність економіки лише на 0,1%. Це число суттєво відрізняється від високих очікувань ринку щодо AI. У той самий звіті Bank of America все ще описує AI як технологію, що має більший вплив, ніж електрика та інтернет.
Дослідження Goldman Sachs за березень цього року також прийшло до подібного висновку. У звіті зазначається, що поки що не спостерігається значного зв’язку між штучним інтелектом і підвищенням продуктивності на рівні всієї економіки. Однак у галузях, де застосування ШІ є більш концентрованим, таких як служба підтримки клієнтів і програмне забезпечення, медіанне підвищення продуктивності може досягати 30%.
За оцінками Bank of America, наразі штучний інтелект може трансформувати приблизно 20% робочих завдань, з яких лише 23% наразі є витратно ефективними. Навіть після повної автоматизації економія на витратах на працю становитиме близько 27%, а витрати на працю самі по собі становлять приблизно половину загальних витрат. За цією методикою теоретична межа підвищення продуктивності праці наразі становить приблизно 0,66%, а реальний результат буде ще більше знижений через тертя та затримки у впровадженні.
Внутрішні процеси компанії сповільнюють реалізацію
Стаття вважає, що відсутність повного вияву прибутку від ШІ пояснюється не стільки технічними проблемами, скільки організаційною структурою. Молік зазначає, що відділи ІТ у компаніях часто стають місцем, де проекти ШІ найбільше застрягають — не через опір інноваціям, а через те, що їхні обов’язки природньо спрямовані на мінімізацію ризиків.
Він також зазначив, що система KPI обмежує простір для експериментів. Якщо компанія з самого початку вимагає, щоб певний проект призвів до покращення на 10%, вона, як правило, відбирає лише незначні коригування існуючих процесів, а не сприяє їх повній заміні. Іншими словами, справжні застосунки ШІ, які змінюють спосіб роботи, можуть не мати можливості успішно розвиватися в межах традиційних систем оцінки ефективності.
Навіть AI-компанії шукають способи розгортання
Стаття також згадує більш показовий феномен: багато AI-компаній створюють власні команди з консультування та розгортання, щоб допомогти клієнтам інтегрувати моделі у реальні бізнес-процеси. Молік вважає, що це саме по собі свідчить про те, що галузь ще не сформувала зрілу, повторювану модель реалізації.
Якщо здібності моделей вже настільки сильні, що здатні перетворити велику кількість робіт у сфері білих комірців, то цим компаніям слід було б легше відповісти на базове питання «як внедрити». Але насправді навіть найбільш захоплені штучним інтелектом постачальники технологій шукають способи його реалізації в бізнесі.
Стаття вважає, що ключовий конфлікт у сучасній галузі ШІ — це не лише рівень оцінки, а й невідповідність між швидкістю технічного прогресу та здатністю організацій його сприймати. Ринок одночасно вірить у глибокі зміни, які принесе ШІ, і не має прямої схеми для його реалізації — ця напруга продовжуватиме впливати на наступний етап розвитку ШІ-економіки.