Czy w ciągu kilku następnych lat zobaczymy przeszło miliard aplikacji GenAI? Tak twierdzi firma IBM, według której w tej chwili przechodzimy z fazy eksperymentowania z AI do implementacji na skalę korporacyjną. Tę transformację powinno ułatwić przejście z asystentów AI do systemów agentowych.
Od czasu pojawienia się pod koniec 2022 roku ChatGPT, który rozpalił wyobraźnię co do możliwości sztucznej inteligencji wiele mówiło się o możliwościach jej zastosowania w biznesie. Jednak z faktycznymi wdrożeniami było znacznie gorzej. Zwłaszcza iż gwałtownie obiegły świat wieści o spektakularnych wpadkach AI, które potrafiły kosztować firmy spore pieniądze.
Miliard aplikacji GenAI w ciągu kilku lat
Teraz jednak, jak twierdzi IBM, wychodzimy z ery asystentów AI i wchodzimy w erę systemów agentowych. Te systemy lepiej nadają się do wdrożeń komercyjnych w skali korporacyjnej. A to powinno pozwolić na osiągnięcie celów biznesowych: wyższej wydajności, niższych kosztów i zwiększonych przychodów.
„W ciągu najbliższych kilku lat spodziewamy się, iż powstanie ponad miliard nowych aplikacji opartych na GenAI. Sztuczna inteligencja to jedna z tych unikatowych technologii, które mogą trafić w punkt przecięcia wydajności, oszczędności kosztów i skalowania przychodów” – powiedział na konferencji prasowej prezes IBM Arvind Krishna.
Jak dotąd z osiąganiem znaczących korzyści biznesowych przez firmy z wdrożeń AI nie było najlepiej. Pokazuje to badanie przeprowadzone przez IBM, tylko 25% firm osiągnęło zakładany zwrot z inwestycji. Jednak to się zmienia – firmy mniej skupiają się na eksperymentowaniu z AI a bardziej na tych obszarach, gdzie widzą wartość dla swojego biznesu.
IBM nie ukrywa, iż widzi dla siebie rolę w rozwoju AI. Firma nie jest może na razie bardzo znana z modeli AI (choć takie rozwija. Ale jej platforma AI watsonx oferuje narzędzia do budowania systemów AI w oparciu o różne modele AI – zarówno te od IBM jak i innych firm.
Wiele spośród nowych narzędzi wprowadzanych właśnie przez IBM ma charakter agentowy. Watsonx będzie oferować na przykład katalog agentów, szablony agentów dla konkretnych zastosowań, takich jak sprzedaż, zamówienia czy HR, czy system do budowania agentów bez użycia kodu (no-code).
Lekcja dla Europy?
Liczba przeszło miliarda aplikacji AI budzi wrażenie i rodzi następujące pytanie dla Europy. Czy musimy się skupiać na budowaniu własnych dużych modeli językowych (LLM)? A może lepiej wykorzystać istniejące modele, na przykład z USA i na ich podstawie zbudować silny ekosystem systemów AI.
Precedensy z przeszłości są. Polski Solaris zbudował swoją pozycję na europejskim rynku autobusów, w ogóle nie produkując silników do nich. Azjatyckie tygrysy budowały swoją potęgę gospodarczą, najpierw importując technologię, a dopiero potem ulepszając ją. Tą drogą poszła najpierw Japonia, potem Korea Południową, w końcu Chiny.
To, iż można zbudować dobrze funkcjonującą usługę AI bez posiadania własnych modeli AI pokazuje na przykład Perplexity, startup oferujący wyszukiwanie internetowe wspomagane przez AI. Mimo iż firma opiera swoją usługę na modelach językowych innych podmiotów, to podobno ostatnio wyceniana była na około 18 mld dolarów.
Oczywiście europejska AI powinna mówić europejskimi językami. Ale, jak pokazał nam projekt Bielik, można to zrobić, dotrenowując istniejące modele a nie odkrywając coś zupełnie na nowo.
Pozostaje pytanie co do tak zwanej „osobliwości” (singularity). To założenie, iż kiedy sztuczna inteligencja osiągnie pewien poziom, to rozwój naukowy i technologiczny tak przyspieszy, iż wszystkie nasze obecne założenia co do jego przebiegu przestaną być aktualne. jeżeli udałoby się taką AI zbudować, to kraj, któremu by się to udało, uzyskałby nieprawdopodobną przewagę nad innymi.
A może jednak rację ma Michael Wooldridge, badacz AI z Oxfordu, iż „osobliwość to bzdura„. W takim razie nasz kontynent lepiej wykorzystałby swój czas, budując znaczną część z tego miliarda aplikacji AI w oparciu o modele z USA. I oczywiście wtedy bez czekania na to, aż europejskie modele fundamentalne dogonią amerykańską i chińską konkurencję.
Źródło zdjęcia: IBM
