Как AI делает деньги.
Классический зарабатывает больше генеративного?
В 2024 компании инвестировали 250 млрд. долларов. Пошли внедрять GenAI на эти деньги, куда только можно, но 80% компаний не получили финансового эффекта. Зато внедрили, отчитались.
Почему все вкладывают деньги, но не получают выхлопа? И можно ли его вообще получить? Обсудим в серии постов «Как AI делает деньги».
Сегодня мы разберемся, как зарабатывает классический AI и почему зарабатывает больше, чем генеративный.
Как на самом деле работает любой AI
Сейчас раскрою все карты нашей ИИ-ложи. Неважно, автоматизируете ли вы, ускоряете или делаете новый ИИ-продукт, по сути все одинаково.
У вас есть процесс, который вы хотите наделить этим самым интеллектом. У процесса есть входные данные (текст, картинка, видео, etc) и метрика, где мы понимаем, что выход процесса нам нравится. Дальше вы оптимизируете модель делать этот процесс под эту метрику. Все.
Чем более изолированный процесс, тем проще его оптимизировать. У него намного проще померить успех. Например, процесс «классификация искового заявления» сильно проще оптимизировать, чем «составление искового заявления». Во втором куча разных подзадач и нюансов, от которых зависит успешность результата.
Какой AI зарабатывает больше
По оценкам McKinsey 70% потенциала влияния ИИ на мировую экономику, это классический ИИ и только 30% — генеративный. Это именно потенциал. Если даже все внедрить правильно, генеративный ИИ будет приносить денег меньше. Если вы постоянный подписчик, то понимаете, что внедряют чаще всего неправильно :)
Самые денежные процессы сейчас оптимизируются по старинке, без всяких LLM. Это, например:
- Рекомендательные системы
- Кредитный скоринг
- Видео аналитика на производстве
Это массовые изолированные процессы с моментальной обратной связью. Пользователь купил? Клиент вернул кредит? Оборудование исправно? Сама Вселенная хочет, чтобы мы поставили здесь модельку и научили ее делать это действие оптимальным образом.
А что с LLM?
В генеративном ИИ такие удобные процессы тоже есть. И они, очевидно, будут внедрены в первую очередь. Это, например:
- поддержка клиентов. Бот решил проблему?
- маркетинг. На письмо ответили?
- продажи. Встречу согласовали?
Но здесь таких процессов сильно меньше, чем в классическом AI. Тут мы много денег не заработаем.
Значит, зарабатывать нужно по-другому. Не как с классическим AI. Каким образом? Об этом расскажу в следующих постах. Там и вылезут наши любимые AI-агенты.
Классический зарабатывает больше генеративного?
В 2024 компании инвестировали 250 млрд. долларов. Пошли внедрять GenAI на эти деньги, куда только можно, но 80% компаний не получили финансового эффекта. Зато внедрили, отчитались.
Почему все вкладывают деньги, но не получают выхлопа? И можно ли его вообще получить? Обсудим в серии постов «Как AI делает деньги».
Сегодня мы разберемся, как зарабатывает классический AI и почему зарабатывает больше, чем генеративный.
Как на самом деле работает любой AI
Сейчас раскрою все карты нашей ИИ-ложи. Неважно, автоматизируете ли вы, ускоряете или делаете новый ИИ-продукт, по сути все одинаково.
У вас есть процесс, который вы хотите наделить этим самым интеллектом. У процесса есть входные данные (текст, картинка, видео, etc) и метрика, где мы понимаем, что выход процесса нам нравится. Дальше вы оптимизируете модель делать этот процесс под эту метрику. Все.
Чем более изолированный процесс, тем проще его оптимизировать. У него намного проще померить успех. Например, процесс «классификация искового заявления» сильно проще оптимизировать, чем «составление искового заявления». Во втором куча разных подзадач и нюансов, от которых зависит успешность результата.
Какой AI зарабатывает больше
По оценкам McKinsey 70% потенциала влияния ИИ на мировую экономику, это классический ИИ и только 30% — генеративный. Это именно потенциал. Если даже все внедрить правильно, генеративный ИИ будет приносить денег меньше. Если вы постоянный подписчик, то понимаете, что внедряют чаще всего неправильно :)
Самые денежные процессы сейчас оптимизируются по старинке, без всяких LLM. Это, например:
- Рекомендательные системы
- Кредитный скоринг
- Видео аналитика на производстве
Это массовые изолированные процессы с моментальной обратной связью. Пользователь купил? Клиент вернул кредит? Оборудование исправно? Сама Вселенная хочет, чтобы мы поставили здесь модельку и научили ее делать это действие оптимальным образом.
А что с LLM?
В генеративном ИИ такие удобные процессы тоже есть. И они, очевидно, будут внедрены в первую очередь. Это, например:
- поддержка клиентов. Бот решил проблему?
- маркетинг. На письмо ответили?
- продажи. Встречу согласовали?
Но здесь таких процессов сильно меньше, чем в классическом AI. Тут мы много денег не заработаем.
Значит, зарабатывать нужно по-другому. Не как с классическим AI. Каким образом? Об этом расскажу в следующих постах. Там и вылезут наши любимые AI-агенты.