«Υπήρχε μια αίσθηση FOMO, φόβος και αυτό οδήγησε στην κατανάλωση μάρκες χωρίς αναφορά στο ROI και χωρίς αναφορά στα αποτελέσματα».
Λάβετε υπόψη ότι αυτή η εικόνα, που δημιουργήθηκε με χρήση του ChatGPT, δημοσιεύεται μόνο για ενημερωτικούς σκοπούς.
Ο Διευθύνων Σύμβουλος της Cowlant, Ravi Kumar, δήλωσε ότι το μεγάλο χάσμα μεταξύ των δυνατοτήτων τεχνητής νοημοσύνης της επιχείρησης και του επιπέδου υιοθέτησης της τεχνητής νοημοσύνης σε μια εταιρεία οφείλεται στην υψηλή κατανάλωση διακριτικών τα τελευταία χρόνια χωρίς να συνδέεται με την απόδοση επένδυσης (ROI).
Οι εταιρείες Frontier Model ξοδεύουν δισεκατομμύρια για να βελτιώσουν τα επόμενα μεγάλα γλωσσικά μοντέλα τους (LLM), με τις Nvidia, Meta, Google και Amazon να έχουν ήδη ανακοινώσει επενδύσεις σχεδόν 700 δισεκατομμυρίων δολαρίων φέτος.
Ωστόσο, η υιοθέτηση της τεχνητής νοημοσύνης στις επιχειρήσεις παραμένει χαμηλή λόγω ποικίλων παραγόντων και εξακολουθεί να περιστρέφεται μόνο γύρω από τη βελτίωση της παραγωγικότητας και της αποδοτικότητας.
Βασικά Σημεία
- Ο Διευθύνων Σύμβουλος της Cowlant, Ravi Kumar, είπε ότι η υπερβολική κατανάλωση κουπονιών AI συχνά δεν έχει σαφή σύνδεση με τα επιχειρηματικά αποτελέσματα.
- Η υιοθέτηση της επιχειρηματικής τεχνητής νοημοσύνης παραμένει περιορισμένη παρά τις τεράστιες επενδύσεις από εταιρείες μοντέλων αιχμής και εταιρείες τεχνολογίας υπερκλίμακας.
- Οι εταιρείες εξετάζουν ολοένα και περισσότερο το κόστος της τεχνητής νοημοσύνης καθώς το κόστος αυξάνεται χωρίς να επιτυγχάνει αναλογικά κέρδη παραγωγικότητας.
Enterprise AI Adoption Gap
«Η ευκαιρία βρίσκεται στην προσθήκη αξίας και στη γεφύρωση του χάσματος μεταξύ των δυνατοτήτων και της εταιρικής αξίας», δήλωσε ο Ravi Kumar στο φόρουμ AI της εταιρείας.
«Υπήρχε μια αίσθηση FOMO (φόβος της απώλειας), ο φόβος που οδήγησε στην κατανάλωση μάρκες χωρίς αναφορά στο ROI και χωρίς αναφορά στα αποτελέσματα.
“Έτσι, ένας από τους λόγους για αυτό το χάσμα μεταξύ ευκαιρίας και αξίας παραγωγής είναι επίσης επειδή υπάρχει μια αδυσώπητη κατανάλωση token χωρίς καμία σχέση με τα αποτελέσματα.”
Προβλήματα με την κατανάλωση συμβολικών
Η υψηλότερη κατανάλωση διακριτικών έχει γίνει νέο θέμα συζήτησης, με πολλές εταιρείες να ισχυρίζονται ότι έχουν εξαντλήσει τους ετήσιους προϋπολογισμούς τεχνητής νοημοσύνης τους σε μικρότερο χρονικό διάστημα χωρίς να παρατηρήσουν σημαντικές αλλαγές στην απόδοση.
Η Microsoft φέρεται να έχει αρχίσει να συμβουλεύει τους υπαλλήλους να σταματήσουν να χρησιμοποιούν τον Claude Code και αντ ‘αυτού να μεταβούν στη διεπαφή γραμμής εντολών Copilot του GitHub, ενώ η Uber έχει περιορίσει τις δαπάνες της σε εργαλεία κωδικοποίησης που υποστηρίζονται από AI για τη διαχείριση του κόστους.
“Και βλέπουμε ήδη επιχειρήσεις να μιλούν γι’ αυτό. Το κόστος αυξάνεται και η παραγωγικότητα είναι πολύ χαμηλή. Κατά κάποιο τρόπο, αυτό είναι το κενό που θέλουμε να αντιμετωπίσουμε ως εταιρεία”, είπε ο Ravi Kumar στους αναλυτές.
Αυξανόμενο κόστος για υποδομές τεχνητής νοημοσύνης
Οι δυνατότητες εσόδων των εταιρειών προηγμένων μοντέλων, που θα μπορούσαν να φτάσουν το ένα τρισεκατομμύριο δολάρια τα επόμενα τέσσερα χρόνια, δημιουργεί μια μεγάλη ευκαιρία για τις εταιρείες υπηρεσιών πληροφορικής καθώς ένα μέρος αυτών των εσόδων θα διοχετεύεται μέσω αυτών, πρόσθεσε ο Ravi Kumar.
«Μέρος αυτού θα περάσει μέσω ολοκληρωμένων συστημάτων ή προγραμματιστών τεχνητής νοημοσύνης.
«Επειδή αυτή είναι μια επιστήμη με βάση τα συμφραζόμενα, πρέπει να δημιουργήσετε μια πιο αποδοτική, πιο αποδοτική, πιο προβλέψιμη και καλύτερη οικονομία για την κατανάλωση μάρκες».
Δυνατότητα απόκτησης υπηρεσιών πληροφορικής
Τα σχόλιά του έρχονται σε μια εποχή που η αποτελεσματικότητα και το μέλλον του κλάδου των υπηρεσιών έχει τεθεί υπό αμφισβήτηση από πιο προηγμένα προγράμματα LLM που δεν απαιτούν μεγάλη ανθρώπινη προσπάθεια.
Ταυτόχρονα, η οργάνωση εταιρικών ροών εργασιών για τη μεγιστοποίηση των οφελών της τεχνητής νοημοσύνης, μια διαβόητη πρόκληση, ώθησε τους δημιουργούς LLM να δημιουργήσουν τις δικές τους εταιρείες παροχής υπηρεσιών που μπορούν να κάνουν ό,τι χρειάζεται.
Ο Ravi Kumar, ένας μακροχρόνιος βετεράνος της Infosys, είχε πει προηγουμένως ότι η υπόθεση ότι νέα εργαλεία τεχνητής νοημοσύνης θα μπορούσαν να συνδεθούν στο εταιρικό περιβάλλον και να αντικαταστήσουν αμέσως μεγάλο μέρος της εργασίας των λειτουργιών πληροφορικής ήταν άστοχη.
«Το εργαλείο ή η τεχνολογία θα συνδεθεί στο εταιρικό περιβάλλον και ως δια μαγείας θα προκύψει ένα αποτέλεσμα από αυτό.
«Αν είναι έτσι, τότε γιατί αυτή η αξία δεν έχει εξαπλωθεί στις επιχειρήσεις τα τελευταία τρία χρόνια (από τότε που το OpenAI κυκλοφόρησε το ChatGPT).
«Η πραγματικότητα είναι ότι το κόστος στην πραγματικότητα εξακολουθεί να συνδέεται με την υποδομή και δεν μεταβιβάζεται στις επιχειρήσεις», είπε σε συνέντευξη Τύπου τον Φεβρουάριο.
Παρουσίαση Ταινίας μεγάλου μήκους: Ashish Narsale/Rediff