Generative AI-ի շուրջ առկա ոգևորությունը նկատելի է արդեն գրեթե երկու տարի: Մենք ականատես ենք եղել խոշոր լեզվական մոդելների (LLM) հնարավորությունների հսկայական թռիչքների՝ բարդ տրամաբանությունից մինչև մուլտիմոդալ բովանդակության ստեղծում: Այնուամենայնիվ, քանի որ սկզբնական նորության էյֆորիան անցնում է, թե՛ կառավարման խորհուրդներում, թե՛ արտադրանքի թիմերում սկսում է գերիշխել մի սթափեցնող իրականություն. տեխնիկական հնարավորությունների և ամենօրյա գործնական օգտակարության միջև եղած անդունդը մնում է վտանգավորորեն լայն:

Արդյունաբերությունը վերջին տասնութ ամիսների մեծ մասը ծախսել է «մոդելը նախ և առաջ» մոտեցման վրա: Ինժեներներն ու վենչուրային կապիտալիստները կենտրոնացած էին թոքենների քանակի, արձագանքման ժամանակի (latency) և պարամետրերի մասշտաբավորման վրա: Մինչդեռ իրական վերջնական օգտատերերը՝ վաճառքի, գործառնությունների և հաճախորդների սպասարկման մասնագետները, դեռևս փորձում են գտնել այնպիսի AI, որը անխափան կներդրվի իրենց առօրյա աշխատանքային գործընթացներում: AI Agent-ների (AI գործակալների) դարաշրջանը տեսականորեն սկսվել է, բայց եթե այդ գործակալները նախագծված չլինեն մարդկային ինտուիցիային, այլ ոչ թե ալգորիթմական արդյունքին համապատասխան, ապա դրանք դատապարտված են դառնալու թանկարժեք և անպետք գործիքներ:

Խնդիրը՝ ինժեներիա ընդդեմ փորձառության

Ներկայիս շուկայում հիմնարար անհամապատասխանությունը «խելացի գործիքի» և «օգտակար ծառայության» միջև տարբերության չիմացությունն է: Այսօրվա AI գործակալների մեծ մասը կառուցված է որպես LLM-ների հավելումներ, որոնք հիանալի են այնպիսի առաջադրանքներում, որոնք մոդելին են «դուր գալիս»՝ օրինակ՝ նամակ գրելը կամ փաստաթուղթը ամփոփելը, այլ ոչ թե այն առաջադրանքները, որոնք իրականում անհրաժեշտ են օգտատիրոջը:

Երբ բիզնես մասնագետը բացում է CRM (հաճախորդների հետ հարաբերությունների կառավարման) համակարգը, նա չի փնտրում չաթ-բոտ, որը կբացատրի՝ ինչ է «լիդը» (lead): Նա փնտրում է գործակալ, որը հասկանում է վաճառքի կոնկրետ խողովակի (pipeline) նրբությունները, գիտի հաճախորդի վերջին բողոքների պատմությունը և կարող է ինքնուրույն թարմացնել գրառումները կամ նշանակել հետագա քայլեր՝ առանց ամեն մանրուքի համար ձեռքով «փրոմփթ» (prompt) պահանջելու:

Անհամապատասխանությունը ծագում է այն պատճառով, որ մենք օգտատերերից պահանջել ենք փոխել իրենց աշխատանքային ոճը՝ AI-ի սահմանափակումներին հարմարվելու համար: Իրական Թվային փոխակերպման (Digital Transformation) համար հակառակը պետք է տեղի ունենա. գործակալը պետք է հարմարվի օգտատիրոջ մտավոր աշխատանքային հոսքին: Դրա համար մշակողները պետք է իրենց ուշադրությունը կենտրոնացնեն հետևյալի վրա.

  • Համատեքստային իրազեկություն. Դուրս գալ ստատիկ «հարց-պատասխան» ցիկլերից դեպի այնպիսի գործակալներ, որոնք պահպանում են ընկերության տվյալների և նախագծերի արդյունքների երկարաժամկետ հիշողությունը:
  • Աշխատանքային հոսքի ինտեգրում. Ապահովել, որ գործակալները աշխատեն այն ծրագրային միջավայրերում, որտեղ աշխատակիցներն արդեն իսկ աշխատում են՝ օրինակ Slack, Microsoft Teams կամ Salesforce, այլ ոչ թե ստիպեն օգտատերերին անցնել առանձին «AI օգնականի» ներդիրի:
  • Ինքնավարություն՝ անվտանգության կանոններով. «AI-ն որպես պատգամախոս» մոտեցումից անցում «AI-ն որպես գործընկեր» մոտեցմանը, որը կարող է կատարել բազմաքայլ գործողություններ (օրինակ՝ համադրել պաշարների մակարդակը պատվերի կարգավիճակի հետ), միաժամանակ մարդկային միջամտություն պահանջելով միայն անհրաժեշտության դեպքում:

ROI-ի անդունդը ավտոմատացման մեջ

Ղեկավարության տեսանկյունից՝ AI գործակալների ներդրման դժվարությունը լուրջ հետևանքներ ունի ROI-ի (ներդրումների վերադարձելիության) վրա: Բիզնեսները մեծ գումարներ են ծախսում բաժանորդագրությունների և API-ների վրա, սակայն ակնկալվող արտադրողականության աճը հաճախ նվազում է «համակարգման հարկի» պատճառով: Եթե մենեջերը ավելի շատ ժամանակ է ծախսում իր գործակալին «փրոմփթ-ինժեներինգ» անելու վրա՝ ճիշտ արդյունք ստանալու համար, քան կծախսեր առաջադրանքը ձեռքով կատարելու համար, ապա ավտոմատացումը ձախողվել է:

Ավտոմատացման մեջ իրական արդյունավետությունը չափվում է մտավոր ծանրաբեռնվածության նվազմամբ, այլ ոչ թե միայն տեքստի ստեղծման արագությամբ: Երբ գործակալը արդյունավետ է ներդրված, այն վերացնում է «դատարկ էջի» սինդրոմը և այն կրկնվող վարչական բեռը, որը դանդաղեցնում է որոշումների կայացումը: Այս միջավայրում հաջողության հասնող ընկերություններն այն են, որոնք դադարում են հետապնդել «ամենափայլուն» մոդելը և սկսում են կենտրոնանալ «անտեսանելի» գործակալի վրա. այնպիսին, որը լուռ կառավարում է բեքենդ գործընթացները՝ առանց ընդհատելու օգտատիրոջ կենտրոնացումը:

Ներկայումս որդեգրման միտումները նախապատվությունը տալիս են այն ընկերություններին, որոնք ընտրում են Custom Software (պատվերով ծրագրային) լուծումներ՝ ընդհանուր նշանակության մոդելների փոխարեն: Գիտակցումը մեծանում է, որ գործակալը նույնքան լավն է, որքան այն սեփական տվյալները, որոնց նա հասանելիություն ունի, և այն հատուկ բիզնես գործընթացները, որոնք նախատեսված է ավտոմատացնելու: Եթե գործակալը կառուցված է հազարավոր ընկերությունների ընդհանուր պահանջները բավարարելու համար, ապա այն հավանաբար ոչ մեկը բավարար մակարդակով չի կատարի՝ ծախսերը արդարացնելու համար:

Հայացք ապագային. Մարդակենտրոն հրամայական

AI-ի էվոլյուցիայի հաջորդ փուլը սահմանվելու է «օգտակարությունը նախ և առաջ» սկզբունքով: Հայացք նետելով ապագային՝ հաղթ