MIT Technology Review w najnowszym artykule postawił prowokacyjne pytanie o przyszłość sztucznej inteligencji, porównując obecną sytuację branży do biznesplanu z kultowego odcinka South Park. Analiza "The missing step between hype and profit" ujawnia przepaść między obecnymi obietnicami AI a rzeczywistą transformacją gospodarczą.
Autor Will Douglas Heaven zwraca uwagę na fundamentalny problem: firmy technologiczne zbudowały zaawansowane narzędzia (krok 1) i obiecują rewolucję (krok 3), ale nikt nie wie dokładnie, jak do niej dojść (krok 2).
Kluczowe wnioski
- Firmy AI mają jasną wizję przyszłości, ale brakuje im konkretnego planu implementacji — podobnie jak w kultowym odcinku South Park z 1998 roku o krasnoludkach kradnących bieliznę.
- Badanie Mercor wykazało, że agenty AI od OpenAI, Anthropic i Google DeepMind nie poradziły sobie z większością z 480 zadań wykonywanych przez bankierów, konsultantów i prawników.
- Przepaść między hype'em a rzeczywistością wypełniają spekulacje i dzikie prognozy, które mogą wstrząsać rynkami na podstawie pojedynczych postów w mediach społecznościowych.
- Transformacja wymaga nie tylko lepszej technologii, ale również przeprojektowania istniejących procesów pracy i organizacji.
Różnice w prognozach ekspertów
Najlepszym przykładem tej niepewności są dwa niedawne badania o różnych wnioskach. Anthropic opublikowało prognozę, według której LLM-y najbardziej wpłyną na prace menedżerów, architektów i dziennikarzy, podczas gdy ogrodnicy, pracownicy budowlani i hotelarze mogą spać spokojnie. Jednak te przewidywania opierają się jedynie na teoretycznych możliwościach modeli, a nie na rzeczywistych wynikach w miejscu pracy.
Z kolei badacze z Mercor przetestowali agenty AI na 480 konkretnych zadaniach z branży finansowej, konsultingowej i prawniczej. Rezultat był zaskakujący — większość zadań zakończyła się niepowodzeniem, mimo użycia najnowszych modeli od wiodących firm.
Jak wyjaśnia autor, różnice wynikają częściowo z tego, kto przeprowadza badania i dlaczego. Anthropic ma interes w pozytywnym przedstawieniu przyszłości AI. Ponadto większość optymistycznych prognoz opiera się na szybkim rozwoju narzędzi do kodowania, ale nie wszystkie zadania można rozwiązać programowaniem.
Wyzwania rzeczywistego wdrożenia
Kluczowy problem polega na tym, że narzędzia AI nie działają w sterylnych warunkach laboratoryjnych. Muszą funkcjonować w skomplikowanych środowiskach pełnych ludzi i ugruntowanych procesów biznesowych. Czasami dodanie AI może nawet pogorszyć sytuację.
Jakub Pachocki, główny naukowiec OpenAI, mówi o "ekonomicznie transformacyjnej technologii", ale szczegóły tej transformacji pozostają mgliście zarysowane. Różne firmy podejmują różne strategie, a nie jest pewne, czy którakolwiek z nich osiągnie sukces.
Brak zgodności co do przyszłości AI tworzy próżnię informacyjną, którą wypełniają kolejne sensacyjne zapowiedzi. Przemysł technologiczny i światowa gospodarka opierają się na obietnicy transformacyjnej mocy AI, ale to wciąż nie jest pewny zakład.
Autor kończy apelem o więcej dowodów i mniej spekulacji. Wymaga to jednak przejrzystości od twórców modeli, współpracy między naukowcami a biznesem oraz nowych metod ewaluacji pokazujących rzeczywiste efekty wdrożeń technologii.
