Обзор событий в Силиконовой долине от Goldman Sachs: агенты искусственного интеллекта, рабочие процессы и модели окружающего мира.

Автор: Ли Цзя, Wall Street Journal

Искусственный интеллект вступает в новую фазу: от «способности отвечать» к «способности выполнять».

Согласно данным Wind Trading Desk, последний отчет Goldman Sachs показывает, что коммерциализация ИИ смещается от модели «подписка за использование» к оплате на основе потребления, объема транзакций и результатов; в то же время агенты переходят от вспомогательных инструментов к исполнителям рабочих процессов, а ценность отрасли смещается от самой модели к собственным данным, бизнес-контексту и экспертным знаниям в данной области.

Это означает, что конкуренция в индустрии ИИ смещается от вопроса «чья модель сильнее» к вопросу «кто действительно может освоить рабочий процесс». Возможности модели остаются важными, но способность проникать в корпоративные производственные среды, понимать бизнес-контекст и надежно выполнять задачи станет более важным конкурентным барьером.

Это заключение основано на недавнем полевом исследовании Goldman Sachs цепочки создания стоимости в индустрии ИИ в Силиконовой долине. С 18 по 19 августа Goldman Sachs третий год подряд посещал стартапы в сфере ИИ, ведущие венчурные фирмы и исследователей из Стэнфордского университета, Калифорнийского университета в Беркли и Университета Сан-Франциско. Goldman Sachs считает, что по мере ускорения внедрения агентов распределение ценности между передовыми моделями, моделями с открытым исходным кодом, глобальными моделями, корпоративным программным обеспечением и собственными данными изменится.

Внедрение агентов: Предприятиям действительно не хватает не возможностей, а «контролируемости».

Если раньше ИИ решал проблему «помощи людям в выполнении задач», то агенты пытаются решить проблему «выполнения задач самостоятельно». Однако при крупномасштабном внедрении в предприятиях самым большим препятствием может стать уже не столько возможности модели, сколько распределение обязанностей и возможность контроля всего процесса выполнения.

В отчете цитируются исследователи из Стэнфорда, которые указывают на то, что большинство предприятий по-прежнему находятся в режиме человеческого контроля. Особенно в таких областях, как юриспруденция, управление рисками, страхование и аудит, если модель допускает ошибку, то кто несет ответственность, как отследить процесс и можно ли ее своевременно исправить, может быть столь же важным, как и сами возможности модели.

Таким образом, рабочие процессы, которые с наибольшей вероятностью будут автоматизированы в первую очередь, обычно обладают тремя характеристиками: четкими границами принятия решений, проверяемыми результатами и обратимыми ошибками. Обработка счетов-фактур — типичный пример. Искусственный интеллект отвечает за извлечение полей и выполнение проверок, а случаи с низкой степенью достоверности рассматриваются людьми, после чего процесс завершается с помощью обратимого ERP-процесса.

Это также означает, что поставщики информационных услуг с надежным контентом, проверенными моделями предметной области и развитыми отношениями с регулирующими органами с большей вероятностью первыми выйдут на корпоративные производственные площадки.

Соперничество моделей: разделение труда между передовыми моделями и моделями с открытым исходным кодом.

Что касается дискуссии о "открытом или закрытом исходном коде", то сигналы, полученные Goldman Sachs в ходе этого расследования, указывают на то, что это не бинарный выбор, а скорее разные модели могут соответствовать разным уровням рабочих процессов.

Сторонники передовых моделей считают, что корпоративное бенчмаркинг часто недооценивает возможности моделей. В реальных производственных условиях потери бизнеса, вызванные снижением точности модели, могут значительно превышать экономию на затратах на вывод результатов. Поэтому, хотя многие компании, разрабатывающие ИИ, заявляют о внедрении многомодельной стратегии, они по-прежнему в значительной степени полагаются на передовые модели в своих основных производственных средах.

Другая точка зрения предполагает, что подавляющее большинство корпоративных рабочих процессов не требуют передовых интеллектуальных решений. По мере улучшения производительности моделей с открытым исходным кодом, клиенты все чаще готовы мириться с ограниченными потерями производительности ради снижения затрат на вывод данных. Одна венчурная компания прогнозирует, что в ближайшие 12-18 месяцев около 90% токенов, используемых для вывода данных, будут направлены на модели с открытым исходным кодом.

Это означает, что на будущем рынке моделей ИИ может сформироваться более четкое разделение труда: передовые модели будут отвечать за сложные задачи с высокой добавленной стоимостью и высокой надежностью, в то время как модели с открытым исходным кодом будут заниматься более масштабными стандартизированными задачами и большей частью потребления токенов.

Мировые модели: вычислительная мощность ИИ может дать старт второй кривой роста.

За последние 18 месяцев исследователи все чаще смещают акцент с моделей линейного программирования на «мировые модели».

В отличие от моделей LLM, которые в основном полагаются на данные из интернета для обучения, мировые модели должны понимать окружающую среду, причинно-следственные связи, физические законы и динамические взаимодействия в реальном мире, при этом данные должны поступать в большей степени из физических систем, конкретных отраслей и реальных операционных сценариев. Это означает, что важность собственных данных может еще больше возрасти.

Компания Goldman Sachs считает, что проблемное пространство, соответствующее таким областям, как физика, промышленность, наука и робототехника, намного шире, чем просто генерация текста, и эти рабочие процессы часто требуют больших инвестиций в вычислительные мощности. По мере того, как ИИ все больше проникает из цифрового мира в физический, спрос на вычислительные мощности для обучения моделей, моделирования и вывода результатов также может получить новый импульс роста.

По прогнозам Goldman Sachs, в ближайшие пять лет спрос на вычислительные мощности может вырасти примерно в 24 раза, а напряженность между спросом и предложением, как ожидается, сохранится дольше, что напрямую принесет пользу компаниям, занимающимся облачными вычислениями и вычислительной инфраструктурой, таким как Microsoft, Oracle и CoreWeave.