Lugesin ise põhjalikumalt Benedict Evansi artiklit The AI Summer, mille leiad siit. See on “kriitilistest” artiklitest vast üks nüansirohkemaid ja huvilistele soovitan seda kindlasti lugeda.
Evans toob välja, kuidas paljud kasutajad proovisid ChatGPT-d ja teisi generatiivse AI rakendusi, kuid ei naasnud nende juurde püsivalt. Samuti kritiseerib ta, et ettevõtete seas on küll tehtud palju pilootprojekte, kuid täiemahuline kasutuselevõtt on jäänud tagasihoidlikuks.
Evans väidab ka, et juba paar aastat on loov-AI olnud nii tehnoloogiasektori kui laiema avalikkuse tähelepanu keskpunktis ning kuigi ChatGPT ja teised AI-põhised äpid saavutasid vaid loetud kuudega tohutu populaarsuse, on nende kasutamise kasv viimasel ajal üllatavalt hoopis pidurdunud.
Evansi arvates on LLMid uus ja väga võimas tehnoloogia, kuid samas on ka näha, et päris lõplikeks, ettevõtete igapäevatöös kasulikeks toodeteks vormimine võtab veel aega. Väga palju investeeringuid tehakse hetkel just loov-AI tehnoloogia ja mudelite arendamisele, kuid pole selge, kuidas need investeeringud end tagasi teenivad.
Kas Evansil on siis õigus? On siis tõesti AI arengud pidurdumas ja mull on kohe kohe lõhkemas?
Vaatame lähemalt, et millest siis täpsemalt räägitakse.
Kas kasv on kängu jäänud?
Kui vaadata numbreid, siis on näha, et loov-AI on kasvanud peadpööritavas tempos. Näiteks ChatGPT jõudis 100 miljoni kasutajani vaid kahe kuuga – kiirus, mida ei ole näinud ühegi teise tehnoloogia puhul.
.
Ettevõtete jaoks on tõsiseks väljakutseks selle integreerimine spetsiifilistesse töövoogudesse. Pikka aega oli ju takistuseks kasvõi see, et ei olnud selge, kuidas OpenAI käitub andmetega, mida kasutajad ChatGPTsse sisestavad. Õnneks on nüüd viimastel kuudel olukord selginenud, kuid on ka mõistetav kui kõik CTO’d ei ole veel OpenAI viimaste uuendustega kursis.
Samas mulle tundub ka, et OpenAI ei suuda otsustada, et kas ta peaks arendama ChatGPT’d edasi ettevõtte kasutajate vajadusi silmas pidades või eraisikute vajadusi silmas pidava chatbotina (a’la Siri, Alexa vms).
Lisaks, kuigi LLM-id on suutnud automatiseerida mitmeid ülesandeid, nagu teksti genereerimine ja analüüs, on nende kasutamine teatud ärivajadusteks siiski veel piiratud.
Paljudes valdkondades ei ole LLMide-põhised lahendused veel piisavalt usaldusväärsed või täpsed, et neid saaks kasutada ilma inimese järelevalveta. On valdkondi, kus veamarginaalid ja eksimused kriitilise tähtsusega ning väikseimadki eksimused ei ole lubatud.
Kui tehnoloogia arendamine on üks aspekt, siis teine oluline komponent on kasutajakogemus ja kasutajaliides. LLM-id võivad pakkuda võimsaid võimalusi, kuid nende tegelik väärtus sõltub suuresti sellest, kuidas need integreeritakse kasutajasõbralikesse tööriistadesse.
Kuhu raha läheb ja kust ta tagasi tuleb?
Benedict Evans tõstatab oma essees ka investeeringute tasuvuse teema ja hoiatab mullistumise eest. Samal teemal on teravalt investeeringute tasuvuse küsimuse tõstatanud USA üks juhtivaid riskikapitalifirmasid Sequoia oma blogipostituses. Generatiivse AI arendamine on tõmmanud endale tohutult tähelepanu ja investeeringuid. Väga palju investeeringuid tehakse hetkel just loov-AI tehnoloogia ja mudelite arendamisele ja vähem praktilisemasse rakendamisse ettevõtetes.
 prognoosib, et 20% nende tuludest sel aastal tuleb suurettevõtete nõustamisest generatiivse AI vallas, mis viitab sellele, et paljud ettevõtted on veel planeerimis- ja uurimisfaasis. Konsultantide roll on muutunud üha olulisemaks, sest ettevõtted otsivad juhiseid ja teadmisi, kuidas AI-d oma tegevusse tõhusalt integreerida.
Mida veel tähele panna?
Olles ise mõnda aega juba erinevaid ettevõtteid AI valdkonnas koolitanud ja konsulteerinud, leian, et AI ei ole imerohi, vaid spetsiifiline tarkvaralahendus, mis vajab veel eksperimenteerimist ja testimist. Kuigi juba täna saab mitmeid tööülesandeid kiirendada ja protsesse efektiivsemaks muuta, on lõplik potentsiaal saavutatav vast alles mõne aasta pärast.
ChatGPT ei ole hetkel veel väga kõige lihtsamini igapäevatöösse integreeritav ja sellega töötamine vajab harjumist, õppimist ning katsetamise aega. Töötajad ei pruugi esimese hooga aru saada kõikidest võimalustest, mida ChatGPT pakub.
Seega on oluline anda töötajatele võimalus katsetada ChatGPT-d ja teisi AI tööriistu, et tekiks esmane tunnetus konkreetsete mudelite võimekustest.
Samuti tuleks süstemaatiliselt koondada ettevõtte sees parimaid praktikaid ja nende põhjal standardiseerida AI lahendusi. Üheks võimaluseks on parimate promptide põhjal nö CustomGPT-de loomine ChatGPT sees.
Lisaks on oluline läbi viia tänaste infosüsteemide audit ja analüüsida, milliseid protsesse nende abil täna tehakse ning kas nendes osades, kus täna teeb süsteemiga tööd inimene, saaks juba teha seda tööd AI.
Väga oluline on ka AI lahenduste hindamise ja testimise metoodika süstematiseerimine, et mõõta, millised promptid on stabiilseimad ja annavad parimaid lahendusi.
Me alles otsime parimaid rakendusi ja töömeetodeid ja seetõttu on ka AI kasuteguri või ROI mõõtmine üsna keeruline.
Samas on AI abil võimalik teha ka tööülesandeid, mille ROI on juba eos raskesti mõõdetav - näiteks kuidas sa mõõdad ChatGPT'ga läbiviidud ajurünnaku kasulikkust?
See näitab, kui oluline on arvesse võtta mitmeid tegureid, kui ettevõtted hakkavad generatiivset AI-d oma süsteemidesse integreerima.
Kokkuvõte
Kokkuvõttes võib öelda, et oleme generatiivse AI kasutuselevõtu alguses ja paljuski oleme veel AI osas naiivsed. Kuigi juba praegu näeme mitmeid muljetavaldavaid tulemusi, on selge, et lõplike tulemusteni ja laialdase kasutuselevõtuni jõudmiseks läheb veel aega.
AI tehnoloogia põhised lahendused peavd veel arenema ja kohanduma, et pakkuda reaalset ja püsivat väärtust. Ettevõtted peavad jätkama katsetusi, õppimist ja kohandamist, et leida parimad viisid AI kasutamiseks oma tegevustes.
Ehk siis õhinapõhine haip on läbi, või on siis vähemalt oma lõpu alguses ja nüüd algab selles valdkonnas päris elu 🙂.