Η έκρηξη του ChatGPT και οι μεγαλόστομες υποσχέσεις για τα θαύματα που μπορεί η τεχνητή νοημοσύνη να κάνει για τις επιχειρήσεις, τουλάχιστον ακόμη, δεν είναι ορατές. Αντίθετα, πολλές επιχειρήσεις που έσπευσαν να την ενσωματώσουν στις υπηρεσίες και τα προϊόντα τους, αγωνίζονται να την «εκπαιδεύσουν», ώστε να προσαρμοστεί στις ανάγκες τους.
Ένα παράδειγμα δίνει το πρακτορείο Reuters. Την περασμένη άνοιξη, η CellarTracker, μια εφαρμογή συλλογής κρασιών, δημιούργησε έναν σομελιέ με τεχνητή νοημοσύνη. Ρόλος του, να κάνει απλές προτάσεις κρασιών με βάση τις εντυπώσεις που αφήνουν στον ουρανίσκο.
Οι εταιρείες που έχουν κατασκευάσει αυτήν την τεχνολογία έχουν πλάσει ένα παραμύθι
Ωστόσο, το chatbot αποδείχθηκε… πολύ ευγενικό. Ο Ερίκ Λεβέν, διευθύνων σύμβουλος της εταιρείας περιέγραψε τι συνέβη: «Είναι απλώς πολύ ευγενικό. Δεν μπορεί να λες στον πελάτη: «Είναι πραγματικά απίθανο να σου αρέσει το κρασί»». Χρειάστηκαν έξι εβδομάδες δοκιμών και σφαλμάτων για να πειστεί το chatbot να προσφέρει ειλικρινή αξιολόγηση.
Μικρές αποδόσεις
Μέχρι στιγμής, η συντριπτική πλειοψηφία των επιχειρήσεων αγωνίζεται να επιτύχει μια ουσιαστική απόδοση των επενδύσεών τους στην Τεχνητή Νοημοσύνη. Έρευνα σε 1.576 στελέχη και εργαζόμενους επιχειρήσεων που έχουν εντάξει τη τεχνητή νοημοσύνη στα εργαλεία τους το αποδεικνύει. Η έρευνα της Forrester Research έδειξε ότι μόνο το 15% των ερωτηθέντων είδαν τα περιθώρια κέρδους να βελτιώνονται χάρη στην τεχνητή νοημοσύνη κατά το τελευταίο έτος. Επίσης, η συμβουλευτική BCG διαπίστωσε ότι μόνο το 5% των 1.250 στελεχών που ερωτήθηκαν μεταξύ Μαΐου και μέσων Ιουλίου είδαν ευρεία αξία από τη χρήση της.
Τα στελέχη των επιχειρήσεων λένε ότι εξακολουθούν να πιστεύουν ότι η παραγωγική τεχνητή νοημοσύνη θα μεταμορφώσει τελικά τις επιχειρήσεις τους. Ωστόσο, πλέον επανεξετάζουν τους χρόνους μέσα στους οποίους θα συμβεί αυτό. Η Forrester προβλέπει ότι το 2026 οι εταιρείες θα καθυστερήσουν περίπου το 25% των προγραμματισμένων δαπανών τους για την τεχνητή νοημοσύνη κατά ένα έτος.
Παραμύθι
Σύμφωνα με τον αναλυτή, Μπράιαν Χόπκινς, «οι εταιρείες που έχουν κατασκευάσει αυτήν την τεχνολογία έχουν πλάσει μια ιστορία ότι όλα αυτά θα αλλάξουν γρήγορα. Αλλά εμείς οι άνθρωποι δεν αλλάζουμε τόσο γρήγορα».
Οι εταιρείες Τεχνητής Νοημοσύνης, συμπεριλαμβανομένων των OpenAI, Anthropic και Google, διπλασιάζουν όλες τις προσπάθειές τους να προσελκύσουν επιχειρηματικούς πελάτες τον επόμενο χρόνο. Σύμφωνα με τον διευθύνοντα σύμβουλο της OpenAI, Σαμ Άλτμαν, η ανάπτυξη συστημάτων Τεχνητής Νοημοσύνης για εταιρείες θα μπορούσε να αποτελέσει μια αγορά 100 δισεκατομμυρίων δολαρίων. Παράλληλα, τρέχουν πρωτοφανείς τεχνολογικές επενδύσεις σε όλα, από τσιπ μέχρι κέντρα δεδομένων και πηγές ενέργειας.
Έπρεπε να δώσουν στο chatbot την άδεια να πει «όχι»
Αλλά το αν αυτές οι επενδύσεις μπορούν να δικαιολογηθούν, θα καθοριστεί από την ικανότητα των εταιρειών να καταλάβουν πώς να χρησιμοποιήσουν την τεχνητή νοημοσύνη, ώστε να αυξήσουν έσοδα και περιθώρια κέρδους ή να επιταχύνουν την καινοτομία. Στην αντίθετη περίπτωση, η νέα τεχνολογία μπορεί να καταλήξει σε κατάρρευση.
Η παγίδα της ευκολίας
Λίγο μετά την κυκλοφορία του ChatGPT, εταιρείες παγκοσμίως δημιούργησαν ομάδες εργασίας αφιερωμένες στην εύρεση τρόπων για να υιοθετήσουν τη γενετική τεχνητή νοημοσύνη. Ωστόσο, το πρόβλημα είναι γνωστό. Τα μοντέλα τεχνητής νοημοσύνης τείνουν να ευχαριστούν τον χρήστη. Αυτή η προκατάληψη ενθαρρύνει τους χρήστες να συνομιλούν περισσότερο, αλλά μπορεί να επηρεάσει την ικανότητα του μοντέλου να δίνει καλύτερες συμβουλές.
Στην περίπτωση του CellarTracker, η λύση στην υπερβολική ευγένεια του chatbot ήταν να του δώσουν την άδεια να πει «όχι».
Πρόβλημα συνέπειας
Οι εταιρείες έχουν επίσης αντιμετωπίσει δυσκολίες με την έλλειψη συνέπειας της τεχνητής νοημοσύνης.
Για παράδειγμα, η Cando Rail and Terminals, εταιρεία παροχής σιδηροδρομικών υπηρεσιών της Βόρειας Αμερικής, δοκίμασε ένα chatbot για τους υπαλλήλους, ώστε να μελετήσουν εσωτερικές αναφορές ασφαλείας και εκπαιδευτικό υλικό.
Αλλά τα μοντέλα δεν μπορούσαν να συνοψίσουν με συνέπεια και σωστά τους Καναδικούς Κανόνες Λειτουργίας Σιδηροδρόμων, ένα έγγραφο περίπου 100 σελίδων που καθορίζει τα πρότυπα ασφαλείας για τον κλάδο. Επίσης, μερικές φορές τα μοντέλα ξέχασαν ή παρερμήνευσαν τους κανόνες. Άλλες φορές τους εφηύραν από το μηδέν. Οι ερευνητές της Τεχνητής Νοημοσύνης λένε ότι τα μοντέλα συχνά δυσκολεύονται να «θυμηθούν» τι εμφανίζεται στη μέση ενός μεγάλου εγγράφου.
Οι άνθρωποι επιστρέφουν…
Αυτό που έχει συμβεί είναι ότι οι επιχειρήσεις σύντομα διαπίστωσαν ότι υπάρχουν όρια στην ποσότητα της δουλειάς που μπορεί να ανατεθεί σε μια μηχανή. Παράδειγμα είναι τα τηλεφωνικά κέντρα και η εξυπηρέτηση πελατών, που προσωπικό υποτίθεται ότι θα διαταράσσονταν σε μεγάλο βαθμό από την τεχνητή νοημοσύνη.
Στις αρχές του 2024, η σουηδική εταιρεία πληρωμών Klarna παρουσίασε έναν εκπρόσωπο εξυπηρέτησης πελατών με την υποστήριξη του OpenAI. Στόχος, να αντικαταστήσει 700 τηλεφωνητές πλήρους απασχόλησης. Σύντομα όμως αναίρεσαν την απόφαση, καθώς ο διευθύνων σύμβουλος της εταιρείας, Σεμπάστιαν Σιεμιατόφσκι, αναγνώρισε ότι οι πελάτες προτιμούσαν να μιλάνε με ανθρώπους. Παραδέχθηκε ότι η τεχνητή νοημοσύνη είναι αξιόπιστη σε απλές εργασίες, μπορεί να κάνει την εργασία περίπου 850 πρακτόρων, αλλά τα πιο σύνθετα ζητήματα παραπέμπονται γρήγορα σε ανθρώπους.
Αντίστοιχα, ο αμερικανικός γίγαντας τηλεπικοινωνιών Verizon επιστρέφει στους ανθρώπους για την εξυπηρέτηση πελατών το 2026. Ο επικεφαλής της εταιρείας στην ανάπτυξη της τεχνητής νοημοσύνης, Άιβαν Μπεργκ, δήλωσε στο Reuters: «Νομίζω ότι στο 40% των καταναλωτών αρέσει η ιδέα να εξακολουθούν να μιλάνε με έναν άνθρωπο και είναι απογοητευμένοι που δεν μπορούν να φτάσουν σε έναν ανθρώπινο πράκτορα».
Έτσι, η τεχνητή νοημοσύνη χρησιμοποιείται για την αντιμετώπιση ερωτήσεων ρουτίνας. Και απελευθερώνει τους εκπροσώπους ώστε να μπορούν να χειρίζονται σύνθετα ζητήματα και να δοκιμάζουν νέα πράγματα. «Η ενσυναίσθηση είναι πιθανώς το βασικό πράγμα που μας εμποδίζει να έχουμε εκπροσώπους τεχνητής νοημοσύνης να μιλάνε στους πελάτες ολιστικά αυτή τη στιγμή», λέει ο Μπεργκ.
Από… Φεράρι, αραμπάς
Τα μεγάλα γλωσσικά μοντέλα κατακτούν γρήγορα σύνθετες εργασίες στα μαθηματικά και τον προγραμματισμό, αλλά μπορούν ακόμα να αποτύχουν σε σχετικά ασήμαντες εργασίες. «Μπορεί να είναι μια Φεράρι στα μαθηματικά, αλλά αραμπάς στο να βάζει πληροφορίες στο ημερολόγιό σου», λέει ο Αναστάσιος Αγγελόπουλος, διευθύνων σύμβουλος και συνιδρυτής του LMArena, εργαλείου συγκριτικής αξιολόγησης.
Το εργαλείο δεν καταλαβαίνει πάντα ποιες γειτονιές αποτελούν μέρος του Βερολίνου
Φαινομενικά μικρά προβλήματα μπορούν να προκαλέσουν απροσδόκητα προβλήματα στα συστήματα Τεχνητής Νοημοσύνης. Πολλές χρηματοπιστωτικές εταιρείες βασίζονται σε δεδομένα που συλλέγονται από ένα ευρύ φάσμα πηγών, τα οποία μπορούν να μορφοποιηθούν πολύ διαφορετικά. Αυτές οι διαφορές μπορεί να ωθήσουν ένα εργαλείο Τεχνητής Νοημοσύνης να «διαβάσει μοτίβα που δεν υπάρχουν», σύμφωνα με τον Κλαρκ Σέιφερ, διευθυντή της συμβουλευτικής εταιρείας Alpha Financial Markets Consulting.
Ένας υπάλληλος θα μπορούσε να ρωτήσει πόσο συχνά μια εταιρεία παράδοσης φαγητού που υποστηρίζεται από το Prosus καθυστέρησε να παραδώσει παραγγελίες σούσι στο Βερολίνο την περασμένη εβδομάδα. Αλλά προς το παρόν, το εργαλείο δεν καταλαβαίνει πάντα ποιες γειτονιές αποτελούν μέρος του Βερολίνου ή τι σημαίνει «την περασμένη εβδομάδα», δήλωσε ο Euro Beinat, επικεφαλής Τεχνητής Νοημοσύνης για την Prosus.
«Οι άνθρωποι πίστευαν ότι η Τεχνητή Νοημοσύνη ήταν μαγεία. Δεν είναι μαγεία», δήλωσε ο Beinat. «Υπάρχει πολλή γνώση που πρέπει να κωδικοποιηθεί σε αυτά τα εργαλεία για να λειτουργήσει καλά».
Χειρωνακτική εργασία
Η OpenAI εργάζεται πάνω σε ένα νέο προϊόν για επιχειρήσεις. Πρόσφατα δημιούργησε εσωτερικές ομάδες, όπως η ομάδα Forward Deployed Engineering, για να συνεργάζεται απευθείας με τους πελάτες για να τους βοηθήσει να χρησιμοποιήσουν την τεχνολογία της OpenAI για την αντιμετώπιση συγκεκριμένων προβλημάτων.
«Εκεί που βλέπουμε αποτυχία είναι ότι οι άνθρωποι που κάνουν υπερβολικές προσπάθειες, βρίσκουν αυτό το πρόβλημα δισεκατομμυρίων δολαρίων – αυτό θα διαρκέσει μερικά χρόνια», σύμφωνα με την Άσλι Κρέιμερ, επικεφαλής εσόδων της OpenAI. Η εταιρεία συνεργάζεται με επιχειρήσεις για να βρει τομείς όπου η Τεχνητή Νοημοσύνη μπορεί να έχει «υψηλό αντίκτυπο, παρά την αργή απόδοση στην αρχή», λέει η Κρέιμερ.
Το ανταγωνιστικό εργαστήριο Anthropic, που αντλεί το 80% των εσόδων του από εταιρικούς πελάτες, προσλαμβάνει ειδικούς «εφαρμοσμένης Τεχνητής Νοημοσύνης» που θα ενσωματώσουν τις εταιρείες. Ο επικεφαλής προϊόντων της εταιρείας, Μάικ Κρίγκερ, λέει ότι για να επιτύχουν οι εταιρείες τεχνητής νοημοσύνης, θα πρέπει να θεωρούν τους εαυτούς τους «συνεργάτες και εκπαιδευτές, και όχι απλώς ως φορείς ανάπτυξης τεχνολογίας».
Ωστόσο, όλο και περισσότερες νεοσύστατες επιχειρήσεις, αναπτύσσουν εργαλεία τεχνητής νοημοσύνης για συγκεκριμένους τομείς, όπως οι χρηματοοικονομικές υπηρεσίες ή η νομική. Αυτοί οι ιδρυτές λένε ότι οι εταιρείες θα επωφεληθούν από εξειδικευμένα μοντέλα περισσότερο από εργαλεία γενικής χρήσης ή καταναλωτικών εργαλείων όπως το ChatGPT.
Η Writer, μια νεοσύστατη εταιρεία εφαρμογών τεχνητής νοημοσύνης με έδρα το Σαν Φρανσίσκο, βάζει τους μηχανικούς της σε απευθείας κλήσεις με τους πελάτες για να κατανοήσουν τις ροές εργασίας τους και να συν-κατασκευάσουν τους πράκτορες.
