Что говорили фонды про ИИ в бизнесе
1. Фокус на промежуточный слой (middleware) вместо крупных языковых моделей (LLM)
• Инвестиции в инфраструктуру и middleware
Вместо инвестиций в крупные языковые модели (LLM), венчурные фонды сосредоточились на промежуточном слое (middleware), который помогает использовать LLM в реальных приложениях, особенно в корпоративной среде. Этот слой включает технологии, преобразующие неструктурированные данные (например, из Slack или email) в формат, пригодный для анализа с помощью LLM и векторных баз данных.
Вместо горизонтального применения ИИ в корпоративной среде (например, для всех сотрудников), новые волны инноваций сосредотачиваются на специфических бизнес-процессах (продажи, маркетинг, исследования и разработки). Это позволяет легче измерять ROI и демонстрировать влияние ИИ на ключевые показатели компании.
В следующие 18 месяцев инвесторы планируют уделить основное внимание прикладным решениям в таких отраслях как продажи, маркетинг, юриспруденция и производство.
2. Вызовы при внедрении ИИ в компаниях
• Баланс между инновациями и безопасностью данных
Бизнес пока сильно озабочен безопасностью данных при использовании чувствительной информации.
• Обучение и адаптация организаций
Вызовом является сама необходимость обучения и адаптации организаций к новым возможностям ИИ.
• Экономическая эффективность
Первоначально многие компании сосредоточены на изучении и тестировании технологий, но неизбежно встанет большой вопрос возврата инвестиций (ROI).
Несмотря на огромные инвестиции в ИИ, количество реальных случаев использования, внедренных в масштабах, пока не соответствует вложенным средствам. Это вызывает сомнения у инвесторов относительно того, оправданы ли ожидания и вложения в ИИ.
Для успешного внедрения ИИ компаниям нужно обучаться и адаптироваться к новому мышлению, основанному на вероятностях, а не на детерминированном подходе (if-then-else или A → B). Вероятностное мышление требует предугадывать различные исходы и учитывать неопределенность. Это требует изменений в восприятии технологий и новых подходов к принятию решений.
• Проблемы восприятия вероятностей
Люди часто переоценивают свои знания и ожидают точных результатов. Однако ИИ работает на основе вероятностных моделей, и ошибки в восприятии могут мешать принятию решений, особенно когда точность предсказания составляет, например, 90%, что воспринимается как недостаток.
• Переоценка краткосрочных возможностей и недооценка долгосрочных
В ближайший год возможности ИИ могут быть переоценены, но в долгосрочной перспективе (10 лет) потенциал ИИ, скорее всего, будет недооценен. Сейчас важнее всего сфокусироваться на обучении и адаптации, чтобы подготовиться к будущим возможностям.
@ProstoVenture #websummit