Είναι ίσως το μεγαλύτερο στοίχημα στην ιστορία του επιχειρείν. Η φρενίτιδα γύρω από την Τεχνητή Νοημοσύνη άρχισε με την κυκλοφορία του ChatGPT στα τέλη Νοεμβρίου 2022 και δύο χρόνια αργότερα είναι σε πλήρη εξέλιξη. Πού θα οδηγήσει;
Το chatbot της OpenAI προσέλκυσε 100 εκατομμύρια χρήστες μέσα σε λίγες εβδομάδες. Ήταν η πιο εντυπωσιακά ταχεία απήχηση προϊόντος στα χρονικά. Αλλά δεν ήταν μόνο οι χρήστες που έδειξαν ενδιαφέρον, όπως παρατηρεί ο Economist. Οι επενδυτές συνέρρεαν επίσης με θεαματικούς ρυθμούς. Οι δαπάνες στα κέντρα δεδομένων της AI αναμένεται να υπερβούν τα 1,4 τρισ. δολάρια το διάστημα 2024 – 2027. Η χρηματιστηριακή αξία της Nvidia, της κορυφαίας κατασκευάστριας ημιαγωγών που επιτρέπουν την ανάπτυξη της ΑΙ, έχει οχταπλασιαστεί σε πάνω από 3 τρισ. δολάρια.
Απόκλιση αγορών με την πραγματικότητα
Υπάρχει εδώ ένα «αλλά». Οι περισσότερες επιχειρήσεις εξακολουθούν να μην είναι βέβαιες για το τι μπορεί και τι δεν μπορεί να κάνει η παραγωγική τεχνητή νοημοσύνη και πώς μπορούν να το αξιοποιήσουν. Αυτή τη στιγμή ακόμη και στις ΗΠΑ μόνο το 5% των αμερικανικών επιχειρήσεων λένε ότι χρησιμοποιούν στα προϊόντα και τις υπηρεσίες τους τεχνητή νοημοσύνη. Ελάχιστες startups τεχνητής νοημοσύνης βγάζουν κέρδος. Όσο δε για τους περιορισμούς στην κατανάλωση ενέργειας και δεδομένων, καθίστανται ολοένα και πιο επώδυνοι.
Η απόκλιση αυτή του άκρατου ενθουσιασμού των επενδυτών από την πραγματικότητα στον επιχειρηματικό κόσμο δεν μπορεί να είναι «βιώσιμη» . Θα μπορούσε λοιπόν το 2025 να εξελιχθεί σε ένα έτος, κατά το οποίο η φούσκα της ΑΙ θα σπάσει, προειδοποιεί ο Economist. Ή θα μπορούσε να είναι το έτος κατά το οποίο θα επιταχυνθούν τα βήματα στην κατεύθυνση της αποτελεσματικότητας.
Τεράστιο κόστος
Η ηλεκτρική ενέργεια που χρησιμοποιείται για την εκπαίδευση του GPT-4, του μεγάλου γλωσσικού μοντέλου που στηρίζει το ChatGPT, θα μπορούσε να τροφοδοτήσει 5.000 αμερικανικά σπίτια για ένα χρόνο. Ο αντίστοιχος αριθμός για το GPT-3, τον προκάτοχό του, ήταν μόλις 100. Η ανάπτυξη ολοένα μεγαλύτερων και μεγαλύτερων μοντέλων απαιτεί ολοένα και βαθύτερες τσέπες. Σύμφωνα με ορισμένες εκτιμήσεις, η επόμενη γενιά μοντέλων θα μπορούσε να κοστίσει 1 δισεκατομμύριο δολάρια μόνο σε επίπεδο εκπαίδευσης. Και όσο μεγαλύτερα γίνονται, τόσο περισσότερο θα αυξάνεται το κόστος της αναζήτησης τους (το «συμπέρασμα»). Εν τω μεταξύ, υπάρχει μια διαφαινόμενη έλλειψη δεδομένων εκπαίδευσης. Σύμφωνα με μια εκτίμηση, το απόθεμα κειμενικών δεδομένων υψηλής ποιότητας στο διαδίκτυο θα έχει εξαντληθεί μέχρι το 2028.
Οι εταιρείες σε όλο τον κόσμο σπεύδουν να βρουν έξυπνες λύσεις σε αυτά τα προβλήματα, από πιο αποτελεσματικά και εξειδικευμένα τσιπ μέχρι πιο εξειδικευμένα και μικρότερα μοντέλα που χρειάζονται λιγότερη ενέργεια. Άλλοι ονειρεύονται τρόπους αξιοποίησης νέων πηγών δεδομένων υψηλής ποιότητας, όπως σχολικά βιβλία, ή δημιουργίας συνθετικών δεδομένων, για χρήση στην εκπαίδευση. Το αν αυτό θα οδηγήσει σε σταδιακές βελτιώσεις στην τεχνολογία ή θα καταστήσει το επόμενο μεγάλο άλμα προς τα εμπρός προσιτό και εφικτό, είναι ακόμα ασαφές. Οι επενδυτές έχουν ρίξει χρήματα σε εταιρείες σούπερ σταρ όπως η OpenAI. Όμως, στην πράξη δεν υπάρχει μεγάλη διαφορά στις επιδόσεις και τις δυνατότητες μεταξύ των μοντέλων που προσφέρουν οι OpenAI, Anthropic και Google. Και άλλες εταιρείες όπως η Meta, η Mistral και η xAI είναι πολύ πίσω.
Για τους τελικούς χρήστες της τεχνητής νοημοσύνης, βρίσκεται σε εξέλιξη ένας διαφορετικός αγώνας, καθώς άτομα και εταιρείες προσπαθούν να βρουν τον καλύτερο τρόπο χρήσης της τεχνολογίας. Αυτό απαιτεί χρόνο: πρέπει να γίνουν επενδύσεις, να επανεξεταστούν οι διαδικασίες και να επανεκπαιδευτούν οι εργαζόμενοι. Ήδη ορισμένοι κλάδοι έχουν προχωρήσει περισσότερο στην υιοθέτηση της τεχνητής νοημοσύνης από άλλους: το 1/5 των εταιρειών IT, για παράδειγμα, δηλώνουν ότι τη χρησιμοποιούν. Καθώς η τεχνολογία γίνεται πιο εξελιγμένη, η υιοθέτησή της μπορεί να επιταχυνθεί.
Χρησιμοποιούμε, αλλά δεν το λέμε
Σημασία όμως έχει και η εταιρική κουλτούρα. Αν και λίγες εταιρείες λένε στους στατιστικολόγους ότι χρησιμοποιούν AI, το ένα τρίτο των εργαζομένων στην Αμερική λένε ότι το χρησιμοποιούν για δουλειά μία φορά την εβδομάδα. Σε ορισμένους ρόλους το νούμερο είναι ακόμα μεγαλύτερο. Μια μελέτη διαπίστωσε ότι το 78% των μηχανικών λογισμικού στην Αμερική χρησιμοποιούν τεχνητή νοημοσύνη τουλάχιστον μία φορά την εβδομάδα έναντι 40% το 2023, όπως και το 75% του προσωπικού ανθρώπινου δυναμικού έναντι 35%. Και το OpenAI λέει ότι το 75% των εσόδων του προέρχεται από απλούς χρήστες και όχι από εταιρικές συνδρομές.
Όλα αυτά υποδηλώνουν ότι το μεγάλο μέρος της χρήσης της τεχνητής νοημοσύνης είναι μυστική, καθώς οι εργαζόμενοι το χρησιμοποιούν για να βελτιστοποιήσουν εργασίες όπως η επανεγγραφή κειμένου ή η δημιουργία αναφορών. Οι εργαζόμενοι μπορεί να ανησυχούν ότι αν παραδεχτούν ότι χρησιμοποιούν AI για να κάνουν τα πράγματα πιο γρήγορα και αποτελεσματικά, οι εργοδότες θα τους δώσουν περισσότερη δουλειά ή θα το εκλάβουν ως ένδειξη ότι χρειάζονται λιγότερους υπαλλήλους. Αυτό με τη σειρά του υποδηλώνει ότι η υιοθέτηση του AI είναι τόσο μια πρόκληση διαχείρισης όσο και μια τεχνολογική. Για να αξιοποιήσουν στο έπακρο την τεχνολογία, οι εργοδότες πρέπει να δημιουργήσουν ένα περιβάλλον που να ενθαρρύνει τη διαφάνεια και τον πειραματισμό, αντί για τη μυστικότητα και την καχυποψία.
