Ариджит Сенгупта, генеральный директор и основатель компании Aible, обсуждает на портале InformationWeek принципы, которым должен следовать каждый финансовый директор при оценке проектов генеративного ИИ (GenAI).
Клейтон Кристенсен, профессор Гарвардской школы бизнеса, недавно написал: «Инновации, расширяющие возможности, превращают что-то сложное и дорогое в нечто настолько более простое и доступное, что этим может пользоваться гораздо большее число людей». Он выразил сожаление по поводу того, что общепринятые принципы финансирования приводят к недостаточным инвестициям в инновации, расширяющие возможности. GenAI, такой как ChatGPT, безусловно, является инновацией, расширяющей возможности.
Так каких же принципов должны придерживаться финансовые директора при оценке проектов генеративного ИИ?
Не ориентируйтесь на краткосрочную рентабельность инвестиций, но требуйте быстрого успеха. GenAI еще не так развит, как ИИ, ориентированный на диагностику и прогнозирование/ При использовании этих технологий мы можем и должны ожидать окупаемости инвестиций в течение короткого периода времени. Но в случае генеративного ИИ основное внимание следует уделять тому, чтобы как можно быстрее передать технологию в руки бизнес-пользователей и они могли опробовать различные сценарии использования. Когда только появились Интернет или персональный компьютер, мы и предположить не могли, какие прорывные сценарии будут использоваться.. В случае с GenAI главное, чтобы конечные пользователи освоили технологию и смогли найти наилучшие способы ее использования для развития своего бизнеса.
Не тратьте деньги на негибкие решения. Многие компании тратят деньги на консалтинговые проекты, чтобы реализовать конкретный сценарий использования конкретной технологии. Технология, лежащая в основе GenAI, быстро развивается. Например, многие проекты дали отличные результаты при первоначальном выпуске GPT-4. Однако по мере того, как все больше пользователей начинали пользоваться системой и время отклика становилось слишком большим, OpenAI, по-видимому, корректировала алгоритмы таким образом, чтобы они работали быстрее (и с меньшими затратами для OpenAI), но давали гораздо худшие результаты. В результате у успешных пилотных проектов начались проблемы, и компаниям пришлось переделывать проекты с использованием других моделей.
Даже лучшая технология для этой области изменится раз пятнадцать в течение ближайших трех месяцев. Если вы еще не читали утечку служебной записки Google под названием «We Have No Moat, And Neither Does OpenAI», то вам стоит ее прочитать. Если вы тратите деньги на работу, специфичную для той или иной модели, вы тратите деньги впустую. Спросите себя, какую часть из выполненной работы можно будет повторно использовать, если доминирующей станет другая технология GenAI? Ценна только эта гибкая часть проекта, потому что часть, специфичную для конкретной технологии GenAI, вскоре придется выбросить.
Следите за областями, где ИИ может радикально улучшить структуру затрат. ИИ принесет не только дополнительные выгоды. В мире, где все процессы ориентированы на людей, переориентация на ИИ приводит к некоторым парадоксальным результатам. Например, некоторые крупные сервисы хранилищ данных имеют ценообразование на основе использования. По сути, вы платите за то время, в течение которого хранилище данных отвечает на ваши вопросы. Но ИИ может задать миллион вопросов за то время, за которое человек может задать лишь несколько. Таким образом, при использовании ИИ миллион вопросов будет стоить столько же, сколько сегодня вы платите за несколько вопросов. Конечно, в определенный момент ценообразование хранилищ на основе использования изменится, чтобы учесть особенности ИИ-запросов. Но пока что, если вы одним из первых внедряете процессы, основанные на ИИ, вы можете снизить эффективные затраты на хранилище данных, используя ИИ для анализа данных посредством взрывного масштабирования на бессерверных архитектурах, а затем отвечая на вопросы пользователей в режиме реального времени с помощью генеративного ИИ. Подобная радикальная экономия может окупить весь проект GenAI за считанные месяцы.
Максимально эффективное обучение организации. Как уже говорилось выше, мы еще не знаем правильных сценариев использования и моделей применения GenAI. Поэтому важно организовать проекты GenAI таким образом, чтобы максимально повысить эффективность обучения. Но чьего обучения? Специалисты в области науки о данных и инженеры по данным всегда будут стремиться к освоению новых технологий, и это хорошо. Но GenAI по определению имеет общее назначение, и люди, которые лучше всего могут придумать полезные сценарии использования и оценить полезность результатов GenAI, — это бизнес-пользователи. Поэтому позаботьтесь о том, чтобы технология как можно быстрее оказалась в их руках. Обеспечьте им возможность экспериментировать с различными сценариями использования. Затем сделайте так, чтобы успешные сценарии были как можно быстрее и шире внедрены другими бизнес-пользователями.
Но как все это связано с вашей ролью как финансовых руководителей? Ну, финансовые руководители — это тоже бизнес-пользователи. Настаивайте на том, чтобы вы могли «запачкать руки» в проектах GenAI, когда люди просят выделить на них бюджет. Если они говорят, что проект слишком сложен для вашего понимания, то, скорее всего, это научный проект для экспертов в науке о данных, а не то, что быстро пригодится бизнес-пользователям. По сути, проверьте бюджетный запрос, вызвавшись стать подопытным кроликом.
