Популярная история технологий обычно начинается с персонального компьютера, и не без причины: это было первое высокотехнологичное устройство, которым пользовалось большинство людей. Единственное, что впечатляет больше, чем смелая идея "компьютер на каждом столе и в каждом доме" как корпоративная цель, — это тот факт, что Microsoftсмогла этого добиться при поддержке своего давнего конкурента Apple.


Однако, волна персональных компьютеров стала второй волной технологий, особенно для крупных предприятий. Первая волна — и, пожалуй, более важная с точки зрения экономического воздействия — заключалась в цифровизации внутренних процессов компаний. Вот примеры реальных профессий, которые существовали:
Банковские кассиры в 1908 году (1)
На фото 1908 года — бухгалтеры и кассиры банка. Перенесемся на три десятилетия вперед, когда технологии шагнули вперед:
Бухгалтеры банка в 1936 году (2)


Подпись к этому фото из Getty Images 1936 года весьма любопытна:
Новая система ведения чековых счетов в National Safety Bank and Trust Company в Нью-Йорке, известная как 'Checkmaster', была настолько хорошо принята, что банку пришлось увеличить штат и оборудование. Вместо поддержания минимального баланса клиент платит небольшую комиссию за каждую операцию в выписке. На сегодня банк привлек более 30 000 активных счетов. На фото бухгалтеры вносят записи в систему 'Checkmaster'


Примечательно, что первая реакция на изменение процесса — это бизнес-модель, основанная на покрытии новых маржинальных издержек. Лишь позже компании начинают задумываться о более широкой картине: например, как низкие маржинальные издержки на чековые счета могут привлечь больше клиентов, чей объем операций поддерживается благодаря новым технологиям. Допустим, банк раньше тратил 100 рублей на обслуживание каждого нового клиента (старые маржинальные издержки). После внедрения автоматизации обслуживание клиента стало стоить 50 рублей (новые маржинальные издержки).


Теперь переместимся еще на три десятилетия вперед — внутренние процессы банка выглядели так:
Бухгалтеры банка в 1970 году (3)
Теперь фото цветное, и все сотрудники — женщины. Но удивительно, что, несмотря на весь технологический прогресс (пишущие машинки, калькуляторы), картина не так ужотличается от предыдущих.
Однако это фото 1970 года стало одним из последних в своем роде: Bank of America (где оно было сделано) уже активно переводил учет на компьютеры. Вскоре за ним последовали другие компании, автоматизировав бухгалтерию и планирование ресурсов предприятия (ERP). Раньше эти задачи выполнялись вручную; теперь их взяли на себя компьютеры, а руки стали не нужны.


Две философии технологий
В 2018 году я описал “Две философии технологий” на примере четырех крупнейших IT-компаний: Google и Facebook — с одной стороны, Apple и Microsoft — с другой.
Google видит компьютеры как инструмент, который помогает делать что-то за вас, экономя время. Яркий пример — Duplex (искусственный интеллект, звонящий по телефону), также эта идея пронизывает многие продукты Google:
•​Google Photos не только отсортирует снимки, подпишет их, но и предложитправки;
•​Google News подбирёт новости лично для вас;
•​Google Maps порекомендует рестораны и магазины в шаговой доступности.
•​А беспилотные такси Waymo увезут вас куда угодно.
Facebook (ныне Meta*) идет ещё дальше: Марк Цукерберг заявляет, что платформа хочет делать что-то за вас и даже те вещи, которые никто другой не сможет или не захочет делать. Это более радикальная версия философии Google: компьютеры заменяют людей.


Apple и Microsoft придерживаются иного подхода: ожидается, что не компьютер будет делать за вас вашу работу, а скорее компьютер позволит вам делать свою работу лучше и эффективнее. С этой философией приходит и другое отношение к ответственности. Сундар Пичаи (CEO Google), открывая презентацию, признал, что "мы чувствуем глубокую ответственность за то, чтобы сделать все правильно", но в этом заявлении не только подчеркивается центральная роль Google в целом, но и прямая ответственность ее руководителей. Сатья Наделла (CEO Microsoft) же настаивает на том, что ответственность за технологии лежит не только на компаниях, но и на пользователях. Эта философия, согласно которой компьютеры — это помощник человека, а не его замена, — более старая из двух. Ее величайшим сторонником – пророком – был Стив Джобс, и его аналогия, по случайному совпадению, тоже касалась транспорта. Не автомобиль, а велосипед:


Видео Стив Джобс (4)
Подход этих компаний к искусственному интеллекту отражает их общую философию. Google на передовой, потому что сразу понял, как применить ИИ в своих продуктах для сбора информации — особенно в поиске и рекламе. Facebook, сейчас Meta*, за последние несколько лет значительно продвинулся, полностью изменив алгоритмы рекомендаций и рекламные системы, чтобы они работали на основе вероятностей. Это было сделано в ответ на популярность TikTok и на ограничения, введённые Apple в их рекламной системе. В обоих случаях, как агрегаторы, они были вынуждены самостоятельно предлагать пользователям новый контент.
Apple тем временем активно развивает свою систему Apple Intelligence (персональная система искусственного интеллекта). На мой взгляд, причина, по которой их последняя рекламная кампания кажется немного странной, не ограничивается тем, что рекламируемая функция пока недоступна для обычных пользователей. Apple всегда ассоциировалась с элегантными, похожими на драгоценности устройствами, которые удобно держать в руках, и с программным обеспечением, понятным обычным людям. Поэтому идея попросить телефон «спасти» рыбьи похороны,, показав слайд-шоу, выглядит нелогично по сравнению, например, с образом Стива Джобса, который создавал видео прямо на сцене во время презентации iMovie.
Видео Стив Джобс (5)



Microsoft Copilot
Microsoft, если учитывать их всё более напряжённое партнёрство с OpenAI, технически сейчас также находится в лидерах. Однако их первичный акцент в развитии ИИ сделан на том, чтобы создать инструмент, который, как гласит их новый девиз, «даст возможность каждому человеку и каждой организации на планете добиться большего.»


Гендиректор Сатья Наделла сказал в недавней предзаписанной презентации, посвящённой запуску Copilot Wave 2:
Видео Сатья Наделла (6)
Можно представить Copilot как интерфейс для ИИ. Он помогает убрать барьеры между вашими рабочими материалами, коммуникациями и бизнес-процессами. И это только начало. Фактически, по мере того как ИИ становится всё мощнее и даже приобретает агентские свойства, сами модели превращаются в нечто стандартное, а вся ценность создаётся вами — тем, как вы настраиваете и улучшаете эти модели с помощью ваших бизнес-данных и рабочего процесса. И то, как этот процесс сочетается с интерфейсом взаимодействия между человеком и ИИ, становится решающим.


Сегодня мы анонсируем Wave 2 Microsoft 365 Copilot. Вы увидите, как мы развиваем Copilot в трёх основных направлениях: во-первых, мы объединяем интернет, рабочий процесс и документы в новую ИИ-систему для интеллектуальной работы. С помощью функции Pages мы покажем, как Copilotможет взять любую информацию из интернета или из вашей работы и превратить её в совместное, поддерживаемое ИИ пространство, где можно генерировать идеи и работать в команде. Это просто волшебно. Точно так же, как ПК подарил нам офисные программы, а интернет сделал их коллективными, каждая смена платформы коренным образом меняла рабочие инструменты, а Pages становится первым новым инструментом для эры ИИ.


Обратите внимание, что Наделла, как и большинство историков поп-культуры, пытается провести параллель с персональным компьютером, хотя история ПК здесь скорее создает тень, чем освещает аналогию Наделлы. Первая волна персональных компьютеров представляла собой не более чем игрушки, такие как Commodore 64 и TRS-80, которые продавались в местном магазине Radio Shack; Apple I, выпущенный в 1976 году, изначально продавался как просто плата без корпуса.


Плата Apple (7)
Год спустя Apple выпустила Apple II; теперь у устройства был корпус, но для работы нужно было использовать свой собственный телевизор.


Apple II (8)
Два года спустя у Apple II появилось приложение-убийца, которое предвещало проникновение персональных компьютеров в бизнес-среду: VisiCalc — первая электронная таблица.


VisiCalc (9)
Польза VisiCalc для бизнеса была очевидна — на самом деле ее идея пришла к Дэну Бриклину, когда он слушал лекцию в Гарвардской школе бизнеса. Однако эта польза заключалась не в запуске критически важного для бизнеса программного обеспечения, такого как бухгалтерия или ERP-системы. Скорее, сотрудник с Apple II и VisiCalc мог сам взять инициативу в свои руки, чтобы смоделировать свой бизнес и понять, как все работает, используя расчеты, которые для одного человека оказались бы слишком сложными, но при этом не требовали найма огромного штата сотрудников или, что становилось все более актуальным в то время, резервирования времени на центральном компьютере.


Обратите внимание, как это соответствует философии Apple и Microsoft по созданию инструментов: инструменты созданы для использования, но для максимальной пользы требуется желание и инициативность. Это, я думаю, является проблемой при использовании Copilot: ещё до появления Copilot инициативные сотрудники уже искали способы использовать другие ИИ-инструменты для повышения эффективности работы. Идея Copilot заключается в том, что вы получаете ещё более мощный ИИ-инструмент — благодаря интеграции с данными из «Microsoft Graph» — и делаете его доступным для всего вашего коллектива, чтобы повысить общую производительность.


Другими словами, настоящая проблема Copilot заключается в управлении изменениями: одно дело — взимать $30 в месяц за каждого пользователя, предоставляя удивительный новый способ работы; совсем другое — заставить всех сотрудников изменить свои методы работы, чтобы извлечь пользу из ваших инвестиций, и сделать Copilot Pages «новым инструментом эры ИИ», подобно тому, как электронная таблица стала ключевым инструментом в эпоху персональных компьютеров.


Clippy и Copilot
Гендиректор Salesforce (разработчик одноимённой CRM-системы) Марк Бениофф напрошлой неделе на конференции Dreamforce был заметно менее лестен в адрес Copilot. После того как он охарактеризовал машинное обучение как «первую волну» ИИ, Бениоффзаявил, что Copilot — это вторая волна, и с точки зрения Microsoft всё пошло вниз:
Видео Бениофф (10)
Мы перешли в мир Copilot, но этот мир оказался местами удачным, а местами — нет. В мире Copilot клиенты говорят нам: "Эй, у меня есть эти Copilot, но они не работают так, как мы хотим. Мы не понимаем, как этот мир Copilot приведёт нас к настоящему пониманию искусственного интеллекта — увеличению производительности и достижению успехов в бизнесе, которые мы ищем. Мы просто не считаем Copilot ключевым шагом для нашего будущего." В некотором смысле, они воспринимают Copilot как новый Microsoft Clippy (помощник «Скрепка» в Microsoft Office), и я это понимаю.


Сравнение с Clippy было резким, но не совсем несправедливым, особенно для пользователей, не обладающих достаточной инициативой для самостоятельных действий. Бывший исполнительный директор Microsoft Стивен Сайнофски объяснил в журнале HardCore Software:
Зачем Microsoft вообще шла на всё это и выпускала такие рискованные, а порой даже дерзкие продукты? Многие тогда были озадачены этим. Чтобы понять это сегодня, нужно осознать, что использование ПК в начале 1990-х (и ранее) было не просто сложным, оно ещё было запутанным, фрустрирующим, непонятным и, по большей части, недоступным для большинства людей, если они не были вынуждены учиться работать на нём для служебных нужд.


Clippy должен был заменить «гуру Office» — тех специалистов, к которым обращались за помощью в Microsoft Office, когда хотели сделать что-то, что не могли обнаружить самостоятельно. Сайнофски признаёт, что одной из ключевых ошибок было то, что Clippyбыл чрезмерно полезен для простых задач, например, когда он замечал: «Похоже, вы собираетесь написать письмо», если пользователь набирал «Дорогой Иван» и нажимал Enter. Сайнофски отметил:
Путь Clippy (несмотря на все наши усилия, так и названная эта функция) во многом напоминает мне историю ПК. Это был не просто неудачный продукт или функция, появившаяся слишком рано, как многие другие инновации Microsoft. Clippy стал последней попыткой адаптировать рабочий стол для обычных людей, чтобы они могли пользоваться компьютером.


В итоге все поняли, что ПК стали символом смены поколений. Для тех, кто вырос с ними, компьютер стал ещё одним обыденным устройством. Как выяснилось, детям не требовалось наличие разнообразных программ — им нужен был лишь доступ к ПК. Как только у них появлялся компьютер, они быстрее создавали более интересные документы в Office, чем мы. Именно дети любили WordArt и новые графические возможности в Word и PowerPoint, используя их легче и чаще, чем бумеры или представители поколения X, пытавшиеся сопоставить пишущие машинки с возможностями компьютера.


Проблема заключалась не в сложности самой техники, а в том, что одно неверное нажатие могло свести на нет часы проделанной работы. Дети этого страха не испытывали (пока что). Нам нужно было меньше беспокоиться об упрощении программного обеспечения и больше — о том, чтобы сложные задачи выполнялись с минимальным риском.


Это важное наблюдение, когда речь идёт об ИИ, Copilot и концепции управления изменениями: небольшая группа представителей поколения X и бумеров могла изобрести персональный компьютер, но для остальных он стал средством, используемым лишь по необходимости (и зачастую с неохотой) для узкого набора функций. Те, кто вырос с ПК, почти не задумываются о вставке таблицы или графики в документ (если вообще знают, что такое «документ»). Для миллениалов использование компьютера не требует усилий — это просто данность.
При этом вычислительная техника появилась не с персональных компьютеров, а с переходом от ручных расчётов к электронным. Или, если выразиться более резко, первоначальная ценность компьютеров заключалась не в том, чтобы помогать бумерамработать эффективнее, а в том, чтобы полностью заменить целые их группы.


Агенты и o1
Бениофф косвенно соглашается с этим; сравнение Copilot с Clippy стало предисловием к обсуждению агентов:
Видео Бениофф (11)


Но это подтолкнуло нас, и они пытались сказать: какой следующий шаг? Поэтому это мероприятие стало для нас самым важным Dreamforce (ежегодное мероприятие, объединяющее глобальное сообщество Salesforce для обучения, общения, развлечения и обмена опытом). То, что вы увидите на этом событии, — это технологии, которых вы никогда не видели раньше… Когда вы создадите и внедрите своего первого автономного агента для вашей компании, он поможет вам работать продуктивнее, усилит ваших сотрудников и принесёт лучшие бизнес-результаты. Вы запомните это, как первую поездку в Waymo. Это третья волна ИИ. Это — агенты…
Агенты — это не помощники (copilots); они — замена. Они выполняют работу вместо людей — подумайте, например, о колл-центрах. Они обладают всеми преимуществамипрограммного обеспечения: они всегда доступны и могут масштабироваться в зависимости от потребностей.
Видео Dreamforce (12)


Мы знаем, что сотрудники перегружены. Они занимаются малополезными задачами. После пандемии условия работы изменились. Производительность и возможности теперь на другом уровне. Мы видим, что сотрудники работают иначе, и понимаем, что 41 % времени тратится на рутинные и малополезные задачи, и мы намерены это изменить. Клиенты ожидают большего: отсутствие ожидания на линии, более персонализированное и внимательное обслуживание, постоянное взаимодействие с экспертом, мгновенное планирование. Это наше видение, наша мечта для этих агентов…


А что, если бы у сотрудников не было никаких ограничений? Вау. Это немного странная, но масштабная идея. Когда всё это складывается, понимаешь, что можно создать совершенно новый тип компании. Мы можем построить другую технологическую платформу. Мы можем использовать платформу Salesforce, в которую все вы уже вложили столько сил, — и предложить новую возможность. Новую возможность, которая сделает наши компании более продуктивными, усилит сотрудников и принесёт значительно лучшие бизнес-результаты. Это и есть Agentforce.


Эта статья не о жизнеспособности Agentforce; я несколько скептически настроен, по крайней мере в краткосрочной перспективе, по причинам, о которых расскажу чуть позже. Главное в последних нескольких предложениях таково: Бениофф говорит не о том, чтобы сделать сотрудников более продуктивными, а о том, чтобы повысить эффективность компаний; в отношении сотрудников используется слово «усилены», что звучит значительно лучше, чем «заменены»; и конечная цель обозначена ясно — улучшение бизнес-результатов. Это и есть третья философия технологий: улучшение прибыли для крупных предприятий.


Обратите внимание, как эта позиция хорошо вписывается в эпоху централизованных вычислений: бухгалтерские и ERP-системы делали компании продуктивнее и приводили к лучшим бизнес-результатам; а сотрудники, которых «усиливали», — это менеджеры, получавшие гораздо более точные отчёты намного быстрее, в то время как те, кто ранее выполнял эту работу, были заменены. Ключевым было то, что решение о таких изменениях принимали не рядовые сотрудники, а руководители.
Потребительский подход к IT
Когда Бениофф основал Salesforce в 1999 году, он придумал контринтуитивный логотип:
Salesforce "No Software" logo (13)


Конечно, Salesforce — это программное обеспечение; просто оно не является ТАКИМ, каким его продавала его предыдущая компания Oracle, что тогда означало сложные и болезненные установки, занимавшие много времени и зачастую заканчивавшиеся неудачей. Salesforce был другим: это было облачное приложение, которое не требовало установки или обновлений — вы просто подписывались на него.
Сегодня облачные компании стали нормой, отчасти благодаря видению Бениоффа. И, как Salesforce изначально обслуживал, угадайте, кого? — отделы продаж, облачные приложения могут быть ориентированы на отдельные сегменты компании. Действительно, одним из главных трендов последнего десятилетия стали SaaS-приложения, которые росли, по крайней мере на первых порах, благодаря сарафанному радио и пробным версиям от отдельных пользователей или руководителей команд; ведь для начала требовалась лишь кредитная карта, а при наличии freemium-модели даже и она не требовалась!


Этот тренд был частью более широкого явления, так называемой «консумеризации IT». Дуглас Нил и Джон Тейлор, впервые введшие этот термин в 2001 году, писали в документе 2004 года:
Компании должны относиться к пользователям как к потребителям, поощряя ответственность, сопричастность и доверие сотрудников посредством предоставления выбора, простоты и сервиса. Отношение «родитель/ребёнок», которое многие IT-отделы традиционно применяли к конечным пользователям, теперь устарело.


Это, по сути, другой способ сказать то, что отмечал Сайнофски: корпоративным IT-пользователям, то есть сотрудникам компаний, больше не нужно учиться пользоваться компьютером; они выросли с ним и ожидали, что компьютеры будут работать так же, как их бытовые устройства. Более того, широкое распространение потребительских устройств означало, что инновации теперь будут приходить именно с этой стороны, и лучший способ для предприятий не отставать — либо принять потребительскую инфраструктуру, либо стремиться сделать свои системы такими же простыми в использовании.


Возможно, именно так будет работать и ИИ; так оно и происходит на данный момент: большие модели, такие как те, что создают OpenAI, Anthropic, Google или Meta*, обучаются на общедоступных данных, а затем адаптируются под конкретные нужды предприятий. Ограничивающим фактором в этом подходе остаётся человек: нужны сотрудники, готовые работать с ИИ, несмотря на сопутствующие проблемы, такие как плохие данные, галлюцинации, вопросы безопасности и т.д. С этим можно справиться, пока в процесс вовлечён мотивированный человек; мне же кажется маловероятным, что какой-либо автономный агент сможет работать так, чтобы сделать компанию эффективнее, без обширного контроля, который в итоге сделает весь процесс дороже.


Более того, в случае Agentforce и других инициатив, связанных с агентами, я не уверен в том, насколько жизнеспособной и масштабируемой окажется инфраструктура для управления авторегрессивными большими языковыми моделями. О некоторых из этих проблем я рассказывал в своём недавнем посте:
Главная проблема традиционных больших языковых моделей заключается в том, что они зависят от направления решения: хотя они могут рассматривать всю задачу, как только фиксируют определённое предположение, дальнейший процесс фокусируется на нём и обречён на ошибку. Это фундаментальный недостаток так называемых «авторегрессионных больших языковых моделей», которыми на сегодняшний день являются все они.


Проще говоря, большая языковая модель генерирует токен (обычно слово или его часть) на основе всех предыдущих токенов; выбранный токен определяет следующий, согласно данным, на которых обучалась модель (это ещё усложняется параметрами, такими как «temperature», определяющим уровень случайности при выборе из лучших вариантов: низкая температура выбирает самый вероятный токен, а высокая — более «креативный»). Главное, что следует понимать, — процесс последовательный: как только токен сгенерирован, он влияет на последующий.
Проблема данного подхода заключается в том, что, например, при решении кроссворда сгенерированный токен может оказаться неверным, что сделает дальнейшее решение бессмысленным; и, конечно, даже если первый токен верен, второй может оказаться ошибочным, что повлияет на третий и так далее. Более крупные модели могут снизить вероятность ошибки для отдельного токена, но такая возможность всегда существует, то есть авторегрессионные модели неизбежно приводят не только к ошибкам, но и к их накоплению.


Обратите внимание, что эти проблемы возникают даже при специальных запросах, когда настаивают, чтобы модель «рассуждала пошагово» или «разбивала задачу на части»; она остаётся последовательной машиной вывода, которая, допустив ошибку, обречена продолжать выдавать неверный ответ. В то же время это вполне приемлемо для многих задач, например, для написания текстов; проблема возникает, когда требуется логика или итеративное рассуждение. В таком случае даже достаточно сложный кроссворд становится проблематичным.
Этот пост был посвящён новой модели o1 от OpenAI, которую я считаю шагом вперёд в плане жизнеспособности агентов; пример, который я приводил в этом обновлении, — решение кроссворда, что невозможно выполнить за один обычный запрос, но возможно с o1.


Модель o1 специально обучена решать задачи, а также разработана так, чтобы генерировать несколько потоков решения во время вывода, выбирать лучший и повторять каждый шаг, если обнаруживает ошибку. Именно поэтому она правильно решает кроссворды, хотя это занимает значительно больше времени.
o1 вводит новый вектор возможного улучшения: в то время как авторегрессионные модели повышают качество с ростом объёма обучающих данных (а значит, и с увеличением вычислительных ресурсов), o1 масштабируется в части вывода. Это изображение с анонс-страницы OpenAI:
Метрика о1 (14)


Второе изображение иллюстрирует потенциальную проблему в парадигме Copilot: да, более умная модель может сделать ваших сотрудников продуктивнее, но этот прирост должен компенсироваться большими затратами на вывод и увеличением времени ожидания модели (o1 значительно медленнее, чем, например, модель 4o). Однако расчёты для агентов, когда речь идёт о замене сотрудника, кардинально отличаются: даже самая дорогая модель остаётся значительно дешевле, а также обладает преимуществами постоянной доступности и масштабируемости по количеству.


Более того, увеличение вычислительных мощностей — это именно то, в чём сильна технологическая индустрия. Красной нитью от первой волны вычислительной техники через персональные компьютеры до облачных приложений и консумеризации IT является то, что проблемы, ограниченные вычислительной мощностью, решаются не за счёт начальной оптимизации, а благодаря росту производительности процессоров. Ключевой вызов — понять, что именно следует масштабировать, и я уверен, что OpenAIпродемонстрировала архитектуру, способную именно этому способствовать.
Данные и Palantir


Остаётся вопрос данных. Хотя Бениофф хвастался всеми данными, которыми обладает Salesforce, у компании не всё имеется, и имеющиеся данные разбросаны между множеством приложений и слоёв хранения, составляющих платформу Salesforce. Действительно, у Microsoft существует аналогичная проблема: хотя их видение Copilotвключает API для сторонних «агентов» (то есть данных от других компаний), реальность такова, что эффективный агент, то есть замена сотрудника, должен иметь доступ ко всей информации в формате, позволяющем проводить анализ. Способность больших языковых моделей работать с неструктурированными данными является революционной, но факт остаётся фактом: качественные данные дают качественный результат; например, явные данные о пошаговом рассуждении составляют значительную часть работы o1.


В связи с этим компания, которая вызывает у меня наибольший интерес для, как я думаю, первой волны ИИ — это Palantir. Я полностью осознал суть компании только после интервью 2023 года с её техническим директором Шайамом Санкаром и руководителем глобальных коммерческих операций Тедом Мабри; советую ознакомиться с полным интервью, но хочу особенно выделить следующий фрагмент:
Был ли момент, когда вы внезапно осознали эту идею? Сейчас вы начинаете все свои финансовые отчёты со слов, что вы — операционная система для предприятий. Конечно, сейчас это всё ещё эпоха, связанная с государственными структурами, но интересно, что в документе S-1 эта фраза встречается, хотя и не на первых страницах. Возникла ли эта идея позже или концепция «Нет, мы должны быть интерфейсом для всего» была заложена с самого начала?


Шайам Санкар: «Думаю, ключевым моментом стало осознание того, что мы создавали исходный продукт, предполагая, что у наших клиентов данные уже готовы к работе, и мы можем сосредоточиться на последующей аналитике. Кажется, что настоящий удар произошёл, когда мы поняли, что у большинства клиентов состояние данных далеко от готовности, и гораздо более интересной и ценной частью нашего бизнеса стало создание технологий, позволяющих превратить подготовку и интеграцию данных в продукт, а не затягивать этот процесс в виде пятилетнего бесконечного консалтингового проекта, чтобы мы могли делать то, для чего изначально создавались.»


Изображение интеграции с веб-страницы компании для Foundry, которую они называют «Онтологической операционной системой нового поколения»
Онтологическая операционная система (15)
Что примечательно в этом изображении, так это то, насколько глубоко Palantir должен проникнуть в работу предприятия для достижения своих целей. Это не потребительское облачное приложение, которое ваш руководитель приобретает по кредитке; это программное обеспечение такого рода, от которого Salesforce стремился уйти.


Если же вы считаете, что ИИ — это не просто следующий этап в вычислительной технике, а совершенно новая парадигма, тогда логично, что корпоративные решения могут «вернуться в прошлое». Мы уже видим, что это так с точки зрения поведения пользователей: отношение большинства сотрудников к ИИ похоже на отношение сотрудников крупных компаний к ПК в 1980-х годах — они будут использовать его, если придётся, но не хотят кардинально менять свои методы работы. Это останется делом следующего поколения.


Однако руководители хотят получить выгоду от ИИ уже сейчас, и я считаю, что эта выгода, как и в случае с первой волной вычислительной техники, будет достигаться за счёт замены людей, а не повышения их эффективности. А это, в свою очередь, означает, что долгосрочные инициативы, рассчитанные на годы, будут оправданы масштабными бизнес-результатами, которые последуют. Это также означает, что изменится подход к выходу на рынок и бизнес-модели: вместо реактивных продаж за счёт органического роста успешным ИИ-компаниям придётся действовать «сверху вниз». Возможно, вместо лицензий на каждого пользователя мы получим нечто, напоминающее лицензии «на замену пользователя» (например, Salesforce будет брать 2 доллара за каждый звонок, совершённый одним из её агентов). Команды по оказанию услуг и интеграции также вернутся. Примечательно, что это постоянная критика модели Palantir, но я думаю, что она продиктована взглядом через призму облачных технологий; идея многолетнего сотрудничества была бы гораздо более привычна руководителям технологических компаний и инвесторам сорокалетней давности.


Философия предпринимательства
Большинство аналогий, основанных на историческом опыте появления ИИ, обычно проводятся с параллелями к появлению Интернета, что вполне понятно: это было эпохальное изменение, ещё свежее в нашей памяти. Однако моя основная позиция такова, что ИИ — это действительно новый способ вычислений, а значит, лучшие аналогии нужно искать в самой вычислительной технике. Трансформеры — это транзисторы, а мэйнфреймы — это сегодняшние модели. Что касается графического интерфейса, то, возможно, он всё ещё находится в стадии разработки.
Если это так, то наибольшие возможности открываются в корпоративных внедрениях «сверху вниз». Корпоративная философия старше двух потребительских концепций, о которых я писал ранее: её мотивация — не конечный пользователь, а покупатель, который стремится увеличить доходы и сократить расходы и будет жестоко рационален при выборе путей достижения этой цели (включая расчёты затрат на ошибки агентов). Только так можно оправдать затраты на вычислительные ресурсы, необходимые для масштабирования агентских возможностей, и проделать многолетнюю работу по приведению данных в состояние, позволяющее заменить человека.


Выигрыш — суть корпоративной философии — будет стимулировать именно такие изменения. И, следовательно, мы, возможно, будем дольше ждать, чем ожидаем, пока ИИ захватит потребительский сегмент, по крайней мере, в масштабах таких устройств, как смартфоны или социальных сетей. Это хорошие новости для инициативных энтузиастов, но для всех остальных самая большая выгода, вероятно, будет в таких областях, как развлечения и игры. Настоящая консумеризация ИИ достанется следующему поколению, которое никогда не знало мира без него.

*компания Meta признана экстремистской организацией на территории Российской Федерации.