На што може да се потпреме на генеративната вештачка интелигенција без човечка интервенција?

Извршно резиме

Генеративната вештачка интелигенција (ВИ) – технологијата што им овозможува на машините да создаваат текст, слики, код и друго – доживеа експлозивен раст во последниве години. Оваа бела книга дава достапен преглед на тоа што генеративната ВИ може сигурно да прави денес без човечка интервенција и што се очекува да прави во следната деценија. Ја разгледуваме нејзината употреба низ пишувањето, уметноста, кодирањето, услугата за корисници, здравствената заштита, образованието, логистиката и финансиите, истакнувајќи каде ВИ работи автономно и каде човечкиот надзор останува клучен. Вклучени се примери од реалниот свет за да се илустрираат и успесите и ограничувањата. Клучните наоди вклучуваат:

• Широко распространето усвојување: Во 2024 година, 65% од анкетираните компании известуваат дека редовно користат генеративна вештачка интелигенција - речиси двојно повеќе од претходната година ( Состојбата на вештачката интелигенција на почетокот на 2024 година | McKinsey ). Апликациите опфаќаат креирање маркетинг содржини, чет-ботови за поддршка на клиенти, генерирање код и друго.

• Тековни автономни можности: Денешната генеративна вештачка интелигенција сигурно се справува со структурирани, повторувачки задачи со минимален надзор. Примерите вклучуваат автоматско генерирање формулаични вести (на пр. резимеа на корпоративни приходи) ( Филана Патерсон – ONA Community Profile ), креирање описи на производи и најважни прегледи на страници за е-трговија и автоматско дополнување на код. Во овие домени, вештачката интелигенција често ги надополнува човечките работници со преземање на рутинското генерирање содржина.

• Човек-во-јамка за сложени задачи: За посложени или отворени задачи - како што се креативно пишување, детална анализа или медицински совет - сè уште е потребен човечки надзор за да се обезбеди фактичка точност, етичка проценка и квалитет. Многу распоредувања на вештачката интелигенција денес користат модел „човек-во-јамка“ каде што вештачката интелигенција ја составува содржината, а луѓето ја прегледуваат.

• Краткорочни подобрувања: Во следните 5-10 години, се предвидува дека генеративната вештачка интелигенција ќе стане многу посигурна и поавтономна . Напредокот во точноста на моделот и механизмите за заштита може да ѝ овозможи на вештачката интелигенција да се справи со поголем дел од креативните задачи и задачите за донесување одлуки со минимален човечки придонес. На пример, до 2030 година, експертите предвидуваат дека вештачката интелигенција ќе се справува со поголемиот дел од интеракциите и одлуките за услуги на клиентите во реално време ( За да го преосмислат преминот кон искуство во корисничка поддршка, маркетерите мора да ги направат овие 2 работи ), а голем филм би можел да се продуцира со 90% содржина генерирана од вештачка интелигенција ( Случаи на употреба на генеративна вештачка интелигенција за индустрии и претпријатија ).

• До 2035 година: За една деценија, очекуваме автономните агенти со вештачка интелигенција да бидат вообичаени во многу области. Туторите со вештачка интелигенција би можеле да обезбедат персонализирано образование во голем обем, асистентите со вештачка интелигенција би можеле сигурно да изготвуваат правни договори или медицински извештаи за експертска потврда, а самоуправувачките системи (потпомогнати од генеративна симулација) би можеле да извршуваат логистички операции од почеток до крај. Сепак, одредени чувствителни области (на пр. медицински дијагнози со висок ризик, конечни правни одлуки) веројатно сè уште ќе бараат човечка проценка за безбедност и одговорност.

• Етички и веродостојни проблеми: Како што расте автономијата на вештачката интелигенција, така растат и загриженостите. Денешните проблеми вклучуваат халуцинации (вештачката интелигенција измислува факти), пристрасност во генерираната содржина, недостаток на транспарентност и потенцијална злоупотреба за дезинформации. Од клучно значење е да се обезбеди доверба во кога работи без надзор. Се постигнува напредок - на пример, организациите инвестираат повеќе во ублажување на ризикот (справување со точноста, сајбер безбедноста, проблемите со интелектуалната сопственост) ( Состојбата на вештачката интелигенција: Глобално истражување | McKinsey ) - но потребни се робусни рамки за управување и етички етики.

• Структура на овој труд: Започнуваме со вовед во генеративната вештачка интелигенција и концептот на автономна наспроти надгледувана употреба. Потоа, за секоја главна област (пишување, уметност, кодирање итн.), дискутираме што вештачката интелигенција може да направи сигурно денес наспроти она што е на хоризонтот. Заклучуваме со вкрстени предизвици, идни проекции и препораки за одговорно искористување на генеративната вештачка интелигенција.

Генерално, генеративната вештачка интелигенција веќе се покажа способна да се справи со изненадувачки низа задачи без постојано човечко водство. Со разбирање на нејзините сегашни ограничувања и иден потенцијал, организациите и јавноста можат подобро да се подготват за ерата во која вештачката интелигенција не е само алатка, туку автономен соработник во работата и креативноста.

Вовед

Вештачката интелигенција долго време можеше да анализира податоци, но дури неодамна системите со вештачка интелигенција научија да создаваат - пишување проза, компонирање слики, програмирање софтвер и друго. Овие генеративни модели на вештачка интелигенција (како што се GPT-4 за текст или DALL·E за слики) се обучени на огромни збирки податоци за да произведат нова содржина како одговор на барањата. Овој пробив предизвика бран иновации низ индустриите. Сепак, се поставува критично прашање: Што всушност можеме да ѝ веруваме на вештачката интелигенција дека ќе направи сама по себе, без човек да го проверува нејзиниот резултат двапати?

За да се одговори на ова прашање, важно е да се направи разлика помеѓу надгледувана и автономна употреба на вештачка интелигенција:

• Вештачката интелигенција надгледувана од човек се однесува на сценарија каде што резултатите од вештачката интелигенција се прегледуваат или курираат од луѓе пред да бидат финализирани. На пример, новинар може да користи асистент за пишување со вештачка интелигенција за да состави статија, но уредникот ја уредува и одобрува.

• Автономна вештачка интелигенција (ВЕ без човечка интервенција) се однесува на системи со вештачка интелигенција кои извршуваат задачи или произведуваат содржина што директно се користи со малку или без човечко уредување. Пример е автоматизиран четбот кој решава барање на клиент без човечки агент или новинска агенција која автоматски објавува резиме на спортски резултати генериран од вештачка интелигенција.

Генеративната вештачка интелигенција веќе се користи во двата режима. Во 2023-2025 година, усвојувањето драстично се зголеми , а организациите со нетрпение експериментираат. Едно глобално истражување во 2024 година покажа дека 65% од компаниите редовно користат генеративна вештачка интелигенција, што е зголемување во однос на околу една третина само една година претходно ( Состојбата на вештачката интелигенција на почетокот на 2024 година | McKinsey ). Поединци, исто така, прифатија алатки како ChatGPT - се проценува дека 79% од професионалците имале барем некаков контакт со генеративната вештачка интелигенција до средината на 2023 година ( Состојбата на вештачката интелигенција во 2023 година: Годината на пробив на генеративната вештачка интелигенција | McKinsey ). Ова брзо прифаќање е поттикнато од ветувањето за зголемување на ефикасноста и креативноста. Сепак, сè уште е „во раните денови“ и многу компании сè уште формулираат политики за тоа како одговорно да ја користат вештачката интелигенција ( Состојбата на вештачката интелигенција во 2023 година: Годината на пробив на генеративната вештачка интелигенција | McKinsey ).

Зошто е важна автономијата: Дозволувањето на вештачката интелигенција да работи без човечки надзор може да отклучи огромни придобивки од ефикасноста - целосно автоматизирајќи ги здодевните задачи - но исто така ги зголемува влоговите за сигурност. Автономниот агент на вештачката интелигенција мора да ги прави работите правилно (или да ги знае своите граници) бидејќи може да нема човек во реално време за да ги забележи грешките. Некои задачи се попогодни за ова од други. Општо земено, вештачката интелигенција најдобро функционира автономно кога:

• Задачата има јасна структура или шема (на пр. генерирање рутински извештаи од податоци).

• Грешките се со низок ризик или лесно се толерираат (на пр. генерирање слика што може да се отфрли ако е незадоволително, наспроти медицинска дијагноза).

• Постојат изобилство на податоци за обука што ги опфаќаат сценаријата, така што резултатите од вештачката интелигенција се засноваат на реални примери (намалувајќи ги претпоставките).

Спротивно на тоа, задачите што се со отворен крај , со висок влог или бараат нијансирана проценка се помалку погодни за нула надзор денес.

Во следните делови, ќе разгледаме низа области за да видиме што прави генеративната вештачка интелигенција сега и што е следно. Ќе разгледаме конкретни примери - од вести напишани од вештачка интелигенција и уметнички дела генерирани од вештачка интелигенција, до асистенти за пишување код и виртуелни агенти за услуги на клиентите - истакнувајќи кои задачи можат да се извршуваат од почеток до крај од вештачката интелигенција, а кои сè уште бараат човек во јамката. За секоја област, јасно ги одделуваме моменталните можности (околу 2025 година) од реалните проекции за тоа што би можело да биде сигурно до 2035 година.

Со мапирање на сегашноста и иднината на автономната вештачка интелигенција низ домени, имаме за цел да им обезбедиме на читателите избалансирано разбирање: ниту претерување со вештачката интелигенција како магично непогрешлива, ниту потценување на нејзините многу реални и растечки компетенции. Со оваа основа, потоа ги дискутираме сеопфатните предизвици во довербата во вештачката интелигенција без надзор, вклучувајќи етички размислувања и управување со ризици, пред да заклучиме со клучни заклучоци.

Генеративна вештачка интелигенција во пишувањето и креирањето содржини

Еден од првите домени каде што генеративната вештачка интелигенција направи голем подем беше генерирањето текст. Големите јазични модели можат да произведат сè, од вести и маркетиншки текст до објави на социјалните медиуми и резимеа на документи. Но, колку од ова пишување може да се направи без човечки уредник?

Тековни можности (2025): Вештачката интелигенција како автоматски пишувач на рутинска содржина

Денес, генеративната вештачка интелигенција сигурно се справува со различни рутински задачи за пишување со минимална или без човечка интервенција. Одличен пример е во новинарството: Асошиејтед Прес со години користи автоматизација за генерирање илјадници извештаи за заработка на компаниите секој квартал директно од финансиските извори на податоци ( Филана Патерсон – ONA Community Profile ). Овие кратки вести следат шаблон (на пр., „Компанијата X објави заработка од Y, зголемување од Z%...“) и вештачката интелигенција (користејќи софтвер за генерирање природен јазик) може да ги пополни бројките и глаголските текстови побрзо од кој било човек. Системот на Асошиејтед Прес ги објавува овие извештаи автоматски, проширувајќи го нивниот опфат драматично (над 3.000 стории по квартал) без потреба од човечки писатели ( Автоматизирани стории за заработка се множат | Асошиејтед Прес ).

Спортското новинарство е слично збогатено: системите со вештачка интелигенција можат да земаат статистика од спортски натпревари и да генерираат резимирани приказни. Бидејќи овие домени се водени од податоци и се формулаични, грешките се ретки сè додека податоците се точни. Во овие случаи, гледаме вистинска автономија - вештачката интелигенција пишува, а содржината се објавува веднаш.

Компаниите исто така користат генеративна вештачка интелигенција за да изготват описи на производи, е-билтени и друга маркетинг содржина. На пример, гигантот за е-трговија Амазон сега користи вештачка интелигенција за да сумира прегледи на производи од клиенти. Вештачката интелигенција го скенира текстот на многу индивидуални прегледи и создава концизен пасус со нагласени вредности за тоа што им се допаѓа или не им се допаѓа на луѓето кај производот, кој потоа се прикажува на страницата на производот без рачно уредување ( Амазон го подобрува искуството со прегледите на клиентите со вештачка интелигенција ). Подолу е прикажана илустрација на оваа функција распоредена во мобилната апликација на Амазон, каде што делот „Клиентите велат“ е целосно генериран од вештачка интелигенција од податоци за прегледи:

( Амазон го подобрува искуството со прегледите на клиентите со вештачка интелигенција ) Резиме на преглед генериран од вештачка интелигенција на страница за е-трговија на производ. Системот на Амазон ги сумира вообичаените точки од прегледите на корисниците (на пр., леснотија на користење, перформанси) во краток пасус, прикажан на купувачите како „генерирано од вештачка интелигенција од текстот на прегледите на клиентите“.

Ваквите случаи на употреба покажуваат дека кога содржината следи предвидлив модел или е агрегирана од постоечки податоци, вештачката интелигенција честопати може да се справи со неа сама . Други тековни примери вклучуваат:

• Ажурирања за времето и сообраќајот: Медиуми кои користат вештачка интелигенција за да состават дневни временски извештаи или сообраќајни билтени врз основа на податоци од сензори.

• Финансиски извештаи: Фирми кои автоматски генерираат едноставни финансиски резимеа (квартални резултати, брифинзи за берзата). Од 2014 година, Блумберг и други новински куќи користат вештачка интелигенција за да помогнат во пишувањето вести за заработката на компаниите - процес кој во голема мера се одвива автоматски откако ќе се внесат податоците ( „роботските новинари“ на АП сега пишуваат свои приказни | The Verge ) ( Новинар од Вајоминг фатен како користи вештачка интелигенција за да креира лажни цитати и стории ).

• Превод и транскрипција: Услугите за транскрипција сега користат вештачка интелигенција за да создаваат транскрипти или титлови од состаноци без човечки дактилографи. Иако не се генеративни во креативна смисла, овие јазични задачи се извршуваат автономно со висока точност за јасен звук.

• Генерирање нацрти: Многу професионалци користат алатки како ChatGPT за да составуваат е-пораки или први верзии на документи, повремено испраќајќи ги со малку или без никакви измени ако содржината е со низок ризик.

Сепак, за посложена проза, човечкиот надзор останува норма во 2025 година . Новинските организации ретко објавуваат истражувачки или аналитички статии директно од вештачката интелигенција - уредниците ќе ги проверуваат фактите и ќе ги усовршуваат нацртите напишани од вештачката интелигенција. Вештачката интелигенција може да го имитира стилот и структурата , но може да внесе фактички грешки (често наречени „халуцинации“) или незгодни фрази што човекот треба да ги забележи. На пример, германскиот весник Express воведе „дигитална колешка“ од вештачката интелигенција по име Клара за да помогне во пишувањето на почетните вести. Клара може ефикасно да составува спортски извештаи, па дури и да пишува наслови што привлекуваат читатели, придонесувајќи за 11% од статиите на Express - но човечките уредници сè уште го прегледуваат секој текст за точност и новинарски интегритет, особено за сложени приказни ( 12 начини на кои новинарите користат алатки за вештачка интелигенција во редакцијата - Twipe ). Ова партнерство човек-вештачка е вообичаено денес: вештачката интелигенција се справува со тешката работа на генерирање текст, а луѓето курираат и корегираат по потреба.

Перспектива за 2030-2035 година: Кон доверливо автономно пишување

Во текот на следната деценија, очекуваме генеративната вештачка интелигенција да стане многу посигурна во генерирањето висококвалитетен, фактички точен текст, што ќе го прошири опсегот на задачи за пишување што може да ги извршува автономно. Неколку трендови го поддржуваат ова:

• Подобрена точност: Тековните истражувања брзо ја намалуваат тенденцијата на вештачката интелигенција да произведува лажни или ирелевантни информации. До 2030 година, напредните јазични модели со подобра обука (вклучувајќи техники за верификација на фактите во однос на базите на податоци во реално време) би можеле да постигнат внатрешна проверка на фактите речиси на човечко ниво. Ова значи дека вештачката интелигенција би можела автоматски да состави целосна вест со точни цитати и статистика извлечени од изворниот материјал, што бара малку уредување.

• Вештачка интелигенција специфични за доменот: Ќе видиме поспецијализирани генеративни модели дотерани за одредени области (правно, медицинско, техничко пишување). Моделот на правна вештачка интелигенција од 2030 година би можел сигурно да изготвува стандардни договори или да сумира судска пракса - задачи кои се формулаични по структура, но во моментов бараат време од адвокат. Ако вештачката интелигенција е обучена за валидирани правни документи, нејзините нацрти би можеле да бидат доволно доверливи за адвокатот да даде само брз последен поглед.

• Природен стил и кохерентност: Моделите стануваат сè подобри во одржувањето на контекстот во долги документи, што доведува до покохерентна и попрецизна содржина во долга форма. До 2035 година, веројатно е дека вештачката интелигенција би можела сама да напише пристоен прв нацрт на книга од нефикција или технички прирачник, при што луѓето првенствено ќе имаат советодавна улога (да поставуваат цели или да обезбедуваат специјализирано знаење).

Како би можело да изгледа ова во пракса? Рутинското новинарство би можело да стане речиси целосно автоматизирано за одредени теми. Можеби во 2030 година ќе видиме новинска агенција како има систем со вештачка интелигенција кој ќе ја пишува првата верзија од секој извештај за заработка, спортска сторија или ажурирање на резултатите од изборите, при што уредникот ќе зема само неколку примероци за обезбедување квалитет. Всушност, експертите предвидуваат дека постојано растечкиот удел на онлајн содржината ќе биде генериран од машини - едно смело предвидување од индустриските аналитичари сугерираше дека до 90% од онлајн содржината би можела да биде генерирана од вештачка интелигенција до 2026 година ( До 2026 година, онлајн содржината генерирана од нелуѓе значително ќе ја надмине содржината генерирана од луѓе - OODAloop ), иако таа бројка е дебатирана. Дури и поконзервативен исход би значел дека до средината на 2030-тите, поголемиот дел од рутинските веб-статии, текстовите за производите, а можеби дури и персонализираните вести се напишани од вештачка интелигенција.

Во маркетингот и корпоративните комуникации , на генеративната вештачка интелигенција веројатно ќе ѝ биде доверено автономно водење на цели кампањи. Таа би можела да генерира и испраќа персонализирани маркетиншки е-пораки, објави на социјалните медиуми и варијации на текстот за реклами, постојано прилагодувајќи ја пораката врз основа на реакциите на клиентите - сето тоа без човечки копирајтер во јамката. Аналитичарите на Гартнер предвидуваат дека до 2025 година, најмалку 30% од излезните маркетиншки пораки на големите претпријатија ќе бидат синтетички генерирани од вештачката интелигенција ( случаи на употреба на генеративна вештачка интелигенција за индустрии и претпријатија ), а овој процент само ќе се зголеми до 2030 година.

Сепак, важно е да се напомене дека човечката креативност и проценка сè уште ќе играат улога, особено за содржини со висок ризик . До 2035 година, вештачката интелигенција може сама да се справи со соопштение за медиумите или блог пост, но за истражувачкото новинарство што вклучува одговорност или чувствителни теми, медиумите сè уште може да инсистираат на човечки надзор. Иднината веројатно ќе донесе повеќеслоен пристап: вештачката интелигенција автономно го произведува најголемиот дел од секојдневната содржина, додека луѓето се фокусираат на уредување и производство на стратешки или чувствителни делови. Во суштина, линијата на она што се смета за „рутина“ ќе се прошири како што расте вештината на вештачката интелигенција.

Дополнително, може да се појават нови форми на содржина како што се интерактивни наративи генерирани од вештачка интелигенција или персонализирани извештаи . На пример, годишниот извештај на компанијата може да биде генериран во повеќе стилови од вештачката интелигенција - краток опис за раководителите, наративна верзија за вработените, верзија богата со податоци за аналитичарите - секој креиран автоматски од истите основни податоци. Во образованието, учебниците би можеле динамички да бидат пишувани од вештачката интелигенција за да одговараат на различни нивоа на читање. Овие апликации би можеле да бидат во голема мера автономни, но поткрепени со потврдени информации.

Траекторијата во пишувањето сугерира дека до средината на 2030-тите, вештачката интелигенција ќе биде плоден писател . Клучот за навистина автономно работење ќе биде воспоставување доверба во нејзините резултати. Доколку вештачката интелигенција може постојано да демонстрира фактичка точност, стилски квалитет и усогласеност со етичките стандарди, потребата од човечка рецензија ред по ред ќе се намали. Делови од самата оваа бела книга, до 2035 година, би можеле многу добро да бидат напишани од истражувач на вештачка интелигенција без потреба од уредник - перспектива за која сме претпазливо оптимисти, под услов да се воспоставени соодветни заштитни мерки.

Генеративна вештачка интелигенција во визуелните уметности и дизајнот

Способноста на генеративната вештачка интелигенција да создава слики и уметнички дела го освои вниманието на јавноста, од слики генерирани од вештачка интелигенција кои победуваат на уметнички натпревари, до длабоки лажни видеа кои не се разликуваат од вистинските снимки. Во визуелните домени, моделите на вештачка интелигенција како што се генеративните противнички мрежи (GAN) и моделите на дифузија (на пр. Стабилна дифузија, Средно патување) можат да создадат оригинални слики врз основа на текстуални инструкции. Значи, дали вештачката интелигенција сега може да функционира како автономен уметник или дизајнер?

Тековни можности (2025): Вештачка интелигенција како креативен асистент

Од 2025 година, генеративните модели се вешти во креирање слики по барање со импресивна верност. Корисниците можат да побараат од вештачка интелигенција да нацрта „средновековен град на зајдисонце во стилот на Ван Гог“ и да добијат убедливо уметничка слика за неколку секунди. Ова доведе до широка употреба на вештачка интелигенција во графичкиот дизајн, маркетингот и забавата за концептуална уметност, прототипови, па дури и финални визуелни елементи во некои случаи. Имено:

• Графички дизајн и слики од залихи: Компаниите генерираат графики на веб-страници, илустрации или фотографии од залихи преку вештачка интелигенција, намалувајќи ја потребата од нарачка на секое дело од уметник. Многу маркетинг тимови користат алатки за вештачка интелигенција за да создадат варијации на реклами или слики од производи за да тестираат што им се допаѓа на потрошувачите.

• Уметност и илустрација: Индивидуални уметници соработуваат со вештачка интелигенција за да разменуваат идеи или да пополнуваат детали. На пример, илустратор може да користи вештачка интелигенција за да генерира позадински пејзажи, кои потоа ги интегрира со своите ликови нацртани од луѓе. Некои креатори на стрипови експериментирале со панели или боење генерирани од вештачка интелигенција.

• Медиуми и забава: Уметност генерирана од вештачка интелигенција се појави на насловни страници на списанија и книги. Познат пример беше „Космополитан“ , на која беше прикажан астронаут - наводно првата слика од насловната страница на списание создадена од вештачка интелигенција (DALL·E на OpenAI) по наредба на уметнички директор. Иако ова вклучуваше човечко поттикнување и селекција, вистинското уметничко дело беше машински рендерирано.

Клучно е што повеќето од овие тековни употреби сè уште вклучуваат човечко курирање и итерација . Вештачката интелигенција може да создаде десетици слики, а човекот ја избира најдобрата и евентуално ја доработува. Во таа смисла, вештачката интелигенција работи автономно за да произведе опции, но луѓето ја водат креативната насока и прават конечни избори. Таа е сигурна за брзо генерирање на многу содржина, но не гарантира дека ќе ги исполни сите барања од првиот обид. Проблеми како неточни детали (на пр. вештачка интелигенција црта раце со погрешен број прсти, позната необичност) или несакани резултати значат дека човечки уметнички директор обично треба да го надгледува квалитетот на резултатот.

Сепак, постојат домени каде што вештачката интелигенција се приближува кон целосна автономија:

• Генеративен дизајн: Во области како архитектура и дизајн на производи, алатките за вештачка интелигенција можат автономно да креираат прототипови на дизајн кои ги исполнуваат одредените ограничувања. На пример, со оглед на посакуваните димензии и функции на парче мебел, генеративен алгоритам може да произведе неколку одржливи дизајни (некои доста неконвенционални) без човечка интервенција надвор од почетните спецификации. Овие дизајни потоа можат директно да се користат или усовршат од луѓето. Слично на тоа, во инженерството, генеративната вештачка интелигенција може да дизајнира делови (на пример, компонента на авион) оптимизирани за тежина и цврстина, создавајќи нови форми што човекот можеби не ги замислил.

• Средства за видео игри: Вештачката интелигенција може автоматски да генерира текстури, 3Д модели, па дури и цели нивоа за видео игри. Програмерите ги користат овие за да го забрзаат креирањето содржина. Некои инди-игри почнаа да вклучуваат процедурално генерирани уметнички дела, па дури и дијалози (преку јазични модели) за да создадат огромни, динамични светови на игри со минимални средства создадени од човекот.

• Анимација и видео (во развој): Иако е помалку зрела од статичките слики, генеративната вештачка интелигенција за видео напредува. Вештачката интелигенција веќе може да генерира кратки видео клипови или анимации од инструкции, иако квалитетот е неконзистентен. Технологијата Deepfake - која е генеративна - може да произведе реалистични замени на лица или клонови на гласови. Во контролирана средина, студиото би можело да користи вештачка интелигенција за автоматски да генерира сцена во позадина или анимација на толпа.

Имено, Гартнер предвиде дека до 2030 година ќе видиме голем блокбастер филм со 90% од содржината генерирана од вештачка интелигенција (од сценарио до визуелни елементи) ( Генеративни случаи на употреба на вештачка интелигенција за индустрии и претпријатија ). До 2025 година, сè уште не сме таму - вештачката интелигенција не може самостојно да направи долгометражен филм. Но, деловите од таа сложувалка се развиваат: генерирање сценарио (текст вештачка интелигенција), генерирање ликови и сцени (слика/видео вештачка интелигенција), гласовна глума (гласовни клонови на вештачка интелигенција) и помош за монтажа (вештачката интелигенција веќе може да помогне со исечоци и транзиции).

Перспектива за 2030-2035 година: Медиуми генерирани од вештачка интелигенција во голем обем

Гледано напред, улогата на генеративната вештачка интелигенција во визуелните уметности и дизајнот е на пат драматично да се прошири. До 2035 година, очекуваме вештачката интелигенција да биде примарен креатор на содржини во многу визуелни медиуми, честопати работејќи со минимален човечки придонес надвор од почетните упатства. Некои очекувања:

• Филмови и видеа целосно генерирани од вештачка интелигенција: Во следните десет години, сосема е можно да ги видиме првите филмови или серии кои се во голема мера продуцирани од вештачка интелигенција. Луѓето би можеле да обезбедат режија на високо ниво (на пр., план за сценарио или посакуван стил), а вештачката интелигенција ќе рендерира сцени, ќе создава ликови на актери и ќе анимира сè. Раните експерименти со кратки филмови се веројатни во рок од неколку години, со обиди за долгометражни филмови до 2030-тите. Овие филмови со вештачка интелигенција би можеле да започнат како ниша (експериментална анимација итн.), но би можеле да станат мејнстрим како што се подобрува квалитетот. Предвидувањето на Гартнер за 90% филмови до 2030 година ( Генеративни случаи на употреба на вештачка интелигенција за индустрии и претпријатија ), иако амбициозно, го нагласува верувањето на индустријата дека создавањето содржини со вештачка интелигенција ќе биде доволно софистицирано за да го преземе поголемиот дел од товарот во снимањето филмови.

• Автоматизација на дизајнот: Во области како мода или архитектура, генеративната вештачка интелигенција веројатно ќе се користи за автономно изготвување стотици дизајнерски концепти врз основа на параметри како „цена, материјали, стил X“, оставајќи ги луѓето сами да го изберат конечниот дизајн. Ова ја менува моменталната динамика: наместо дизајнерите да создаваат од нула и можеби да ја користат вештачката интелигенција за инспирација, идните дизајнери би можеле да дејствуваат повеќе како куратори, избирајќи го најдобриот дизајн генериран од вештачка интелигенција и можеби да го дотеруваат. До 2035 година, архитект би можел да ги внесе барањата за зграда и да добие комплетни планови како предлози од вештачка интелигенција (сите структурно стабилни, благодарение на вградените инженерски правила).

• Креирање персонализирана содржина: Можеби ќе видиме вештачка интелигенција како креира визуелни елементи во движење за индивидуални корисници. Замислете видео игра или искуство со виртуелна реалност во 2035 година каде што сценографијата и ликовите се прилагодуваат на преференциите на играчот, генерирани во реално време од вештачката интелигенција. Или персонализирани стрипови генерирани врз основа на денот на корисникот - автономна вештачка интелигенција со „дневен стрип“ што автоматски го претвора вашиот текстуален дневник во илустрации секоја вечер.

• Мултимодална креативност: Генеративните системи со вештачка интелигенција се сè повеќе мултимодални - што значи дека можат да обработуваат текст, слики, аудио итн. заедно. Со комбинирање на овие, вештачката интелигенција би можела да земе едноставна порака како „Направете ми маркетиншка кампања за производот X“ и да генерира не само пишан текст, туку и соодветна графика, можеби дури и кратки промотивни видео клипови, сите конзистентни по стил. Овој вид пакет содржини со еден клик е веројатна услуга до почетокот на 2030-тите.

Дали вештачката интелигенција ќе ги замени човечките уметници ? Ова прашање често се поставува. Веројатно е дека вештачката интелигенција ќе преземе голем дел од продукциската работа (особено повторувачката или брзо обработливата уметност потребна за бизнисот), но човечката уметност ќе остане за оригиналност и иновативност. До 2035 година, автономната вештачка интелигенција би можела сигурно да нацрта слика во стилот на познат уметник - но создавањето нов стил или длабоко културно резонантна уметност може сè уште да биде човечка силна страна (потенцијално со вештачката интелигенција како соработник). Предвидуваме иднина каде што човечките уметници работат заедно со автономни „ко-уметници“ од вештачката интелигенција. Некој би можел да нарача лична вештачка интелигенција континуирано да генерира уметност за дигитална галерија во својот дом, на пример, обезбедувајќи постојано менувачки креативен амбиент.

Од гледна точка на сигурност, визуелно генеративната вештачка интелигенција има полесен пат до автономија отколку текстот во некои аспекти: сликата може да биде субјективно „доволно добра“ дури и ако не е совршена, додека фактичката грешка во текстот е попроблематична. Така, веќе гледаме релативно низок ризик за усвојување - ако дизајнот генериран од вештачка интелигенција е грд или погрешен, едноставно не го користите, но самиот по себе не предизвикува штета. Ова значи дека до 2030-тите, компаниите може да се чувствуваат удобно да дозволат вештачката интелигенција да создава дизајни без надзор и да вклучуваат луѓе само кога е потребно нешто навистина ново или ризично.

Накратко, до 2035 година се очекува генеративната вештачка интелигенција да биде моќен креатор на содржини во визуелните содржини, веројатно одговорна за значителен дел од сликите и медиумите околу нас. Таа сигурно ќе генерира содржина за забава, дизајн и секојдневна комуникација. Автономниот уметник е на хоризонтот - иако дали вештачката интелигенција се смета за креативна или само за многу паметна алатка е дебата што ќе се развива како што нејзините резултати стануваат неразлични од оние создадени од човекот.

Генеративна вештачка интелигенција во развојот на софтвер (кодирање)

Развојот на софтвер може да изгледа како високо аналитичка задача, но исто така има и креативен елемент - пишувањето код е фундаментално креирање текст на структуриран јазик. Современата генеративна вештачка интелигенција, особено големите јазични модели, се покажаа доста вешти во кодирањето. Алатки како GitHub Copilot, Amazon CodeWhisperer и други дејствуваат како програмери со вештачка интелигенција, предлагајќи фрагменти од код или дури и цели функции додека програмерите пишуваат. До каде може да оди ова кон автономно програмирање?

Тековни можности (2025): Вештачката интелигенција како копилот за кодирање

До 2025 година, генераторите на вештачка интелигенција (ВИ) ќе станат вообичаени во работните процеси на многу програмери. Овие алатки можат автоматски да ги дополнуваат линиите на код, да генерираат стандардни шаблони (како стандардни функции или тестови), па дури и да пишуваат едноставни програми со опис на природен јазик. Сепак, клучно е што тие работат под надзор на развивачот - развивачот ги прегледува и интегрира предлозите на ВИ.

Некои тековни факти и бројки:

• Над половина од професионалните програмери усвоија асистенти за кодирање со вештачка интелигенција до крајот на 2023 година ( Кодирање на копилот: Податоците од 2023 година сугерираат притисок врз квалитетот на кодот (вклучувајќи ги и проекциите за 2024 година) - GitClear ), што укажува на брзо прифаќање. GitHub копилот, една од првите широко достапни алатки, беше објавено дека генерира во просек 30-40% од кодот во проектите каде што се користи ( Кодирањето повеќе не е MOAT. 46% од кодовите на GitHub е веќе ... ). Ова значи дека вештачката интелигенција веќе пишува значителни делови од кодот, иако човек го управува и го валидира.

• Овие алатки за вештачка интелигенција се одлични во задачи како што се пишување повторувачки код (на пр., класи на модели на податоци, методи на getter/setter), конвертирање на еден програмски јазик во друг или производство на едноставни алгоритми што личат на примери за обука. На пример, развивачот може да коментира „// функција за сортирање на листата на корисници по име“ и вештачката интелигенција ќе генерира соодветна функција за сортирање речиси веднаш.

• Тие исто така помагаат во поправање и објаснување на грешки : програмерите можат да залепат порака за грешка, а вештачката интелигенција може да предложи поправка или да праша „Што прави овој код?“ и да добие објаснување на природен јазик. Ова е автономно во извесна смисла (вештачката интелигенција може сама да дијагностицира проблеми), но човекот одлучува дали да ја примени поправката.

• Важно е да се напомене дека сегашните асистенти за кодирање со вештачка интелигенција не се непогрешливи. Тие можат да предложат небезбеден код или код што речиси го решава проблемот, но има суптилни грешки. Затоа, најдобрата практика денес е да се држи човекот во тек - развивачот тестира и дебагира код напишан од вештачка интелигенција исто како што би го направил тоа со човечки код. Во регулираните индустрии или критичниот софтвер (како медицински или авијациски системи), секој придонес со вештачка интелигенција се подложува на ригорозен преглед.

Денес, ниеден мејнстрим софтверски систем не е распореден целосно напишан од вештачка интелигенција од нула без надзор од развивач. Сепак, се појавуваат некои автономни или полуавтономни употреби:

• Автоматски генерирани единични тестови: Вештачката интелигенција може да анализира код и да произведува единични тестови за да опфати различни случаи. Рамката за тестирање може автономно да генерира и извршува овие тестови напишани од вештачка интелигенција за да открие грешки, надополнувајќи ги тестовите напишани од луѓе.

• Платформи со низок код/без код со вештачка интелигенција: Некои платформи им дозволуваат на оние кои не се програмери да опишат што сакаат (на пр. „изградете веб-страница со формулар за контакт и база на податоци за зачувување на записи“) и системот го генерира кодот. Иако е сè уште во рана фаза, ова навестува иднина каде што вештачката интелигенција би можела автономно да креира софтвер за стандардни случаи на употреба.

• Скриптирање и лепење на код: ИТ автоматизацијата често вклучува пишување скрипти за поврзување на системи. Алатките за вештачка интелигенција честопати можат автоматски да генерираат овие мали скрипти. На пример, пишување скрипта за парсирање на датотека со логови и испраќање известување по е-пошта - вештачката интелигенција може да произведе функционална скрипта со минимални или без никакви измени.

Перспектива за 2030-2035 година: Кон „саморазвој“ на софтвер

Во следната деценија, се очекува генеративната вештачка интелигенција да преземе поголем дел од товарот на кодирање, приближувајќи се кон целосно автономен развој на софтвер за одредени класи на проекти. Некои проектирани случувања:

• Целосна имплементација на функции: До 2030 година, очекуваме дека вештачката интелигенција ќе биде способна да имплементира едноставни функции на апликацијата од почеток до крај. Менаџер на производи би можел да опише функција на едноставен јазик („Корисниците треба да можат да ја ресетираат својата лозинка преку е-пошта“) и вештачката интелигенција би можела да генерира потребен код (формулар за преден план, логика за заден план, ажурирање на базата на податоци, испраќање е-пошта) и да го интегрира во базата на кодови. Вештачката интелигенција ефикасно би дејствувала како помлад развивач кој може да ги следи спецификациите. Човечки инженер би можел само да направи преглед на кодот и да изврши тестови. Како што се подобрува сигурноста на вештачката интелигенција, прегледот на кодот може да стане брзо прелистување, ако воопшто се случи.

• Автономно одржување на код: Голем дел од софтверското инженерство не е само пишување нов код, туку и ажурирање на постоечкиот код - поправање грешки, подобрување на перформансите, прилагодување на новите барања. Идните развивачи на вештачка интелигенција веројатно ќе се истакнат во ова. Со оглед на базата на код и директивата („нашата апликација се урива кога премногу корисници се најавуваат истовремено“), вештачката интелигенција може да го лоцира проблемот (како грешка во конкурентноста) и да го поправи. До 2035 година, системите со вештачка интелигенција може автоматски да се справуваат со рутински билети за одржување преку ноќ, служејќи како неуморен тим за одржување на софтверските системи.

• Интеграција и користење на API: Бидејќи сè повеќе софтверски системи и API-ја доаѓаат со документација читлива од вештачка интелигенција, агентот на вештачката интелигенција би можел независно да открие како да го поврзе Системот А со Услугата Б со пишување на кодот за лепење. На пример, ако компанијата сака нивниот внатрешен HR систем да се синхронизира со новиот API за плати, тие би можеле да ѝ доделат задача на вештачката интелигенција да „ги натера овие да комуницираат едни со други“, а таа ќе го напише кодот за интеграција откако ќе ги прочита спецификациите на двата система.

• Квалитет и оптимизација: Идните модели за генерирање код веројатно ќе вклучуваат повратни јамки за да потврдат дека кодот работи (на пр., да извршуваат тестови или симулации во песочник). Ова значи дека вештачката интелигенција не само што би можела да пишува код, туку и сама да се корегира со негово тестирање. До 2035 година, можеме да замислиме вештачка интелигенција која, кога ќе и биде дадена задача, продолжува да го итерира својот код сè додека не поминат сите тестови - процес што човекот можеби нема да треба да го следи ред по ред. Ова значително би ја зголемило довербата во автономно генерираниот код.

Може да се замисли сценарио до 2035 година каде што мал софтверски проект - да речеме прилагодена мобилна апликација за бизнис - би можел да биде развиен во голема мера од агент на вештачка интелигенција на кој му се дадени инструкции на високо ниво. Човечкиот „развивач“ во тоа сценарио е повеќе менаџер на проект или валидатор, кој ги специфицира барањата и ограничувањата (безбедност, упатства за стил) и ѝ дозволува на вештачката интелигенција да го изврши тешкото кревање на вистинското кодирање.

Сепак, за сложен софтвер од голем обем (оперативни системи, напредни алгоритми за вештачка интелигенција итн.), човечките експерти сè уште ќе бидат длабоко вклучени. Креативното решавање проблеми и архитектонскиот дизајн во софтверот веројатно ќе останат предводени од човекот некое време. Вештачката интелигенција може да се справи со многу задачи за кодирање, но одлучувањето што да се изгради и дизајнирањето на целокупната структура е различен предизвик. Сепак, како што генеративната вештачка интелигенција почнува да соработува - повеќе агенти на вештачката интелигенција ракуваат со различни компоненти на системот - можно е тие да можат да ко-дизајнираат архитектури до одреден степен (на пример, една вештачка интелигенција предлага дизајн на систем, друга го критикува и тие итерираат, со човек кој го надгледува процесот).

Главната очекувана придобивка од вештачката интелигенција во кодирањето е зголемувањето на продуктивноста . Гартнер предвидува дека до 2028 година, цели 90% од софтверските инженери ќе користат асистенти за код со вештачка интелигенција (зголемување од помалку од 15% во 2024 година) ( GitHub Copilot го надминува истражувачкиот извештај за асистенти за код со вештачка интелигенција -- Visual Studio Magazine ). Ова сугерира дека отстапувањата - оние што не користат вештачка интелигенција - ќе бидат малку. Исто така, може да видиме недостаток на човечки програмери во одредени области, ублажен со вештачка интелигенција што ги пополнува празнините; во суштина, секој развивач може да направи многу повеќе со помошник за вештачка интелигенција кој може автономно да црта код.

Довербата ќе остане централно прашање. Дури и во 2035 година, организациите ќе треба да обезбедат дека автономно генерираниот код е безбеден (ВИ не смее да внесува ранливости) и дека е во согласност со законските/етичките норми (на пр., ВИ не вклучува плагијат код од библиотека со отворен код без соодветна лиценца). Очекуваме подобрени алатки за управување со ВИ кои можат да го потврдат и пронајдат потеклото на кодот напишан од ВИ за да помогнат во овозможувањето на поавтономно кодирање без ризик.

Накратко, до средината на 2030-тите, генеративната вештачка интелигенција веројатно ќе се справи со лавовскиот дел од кодирањето за рутински софтверски задачи и значително ќе помогне во сложените. Животниот циклус на развој на софтвер ќе биде многу поавтоматизиран - од барања до распоредување - при што вештачката интелигенција потенцијално ќе генерира и распоредува промени во кодот автоматски. Човечките програмери ќе се фокусираат повеќе на логика на високо ниво, корисничко искуство и надзор, додека агентите на вештачката интелигенција ќе ги обработуваат деталите за имплементација.

Генеративна вештачка интелигенција во корисничкиот сервис и поддршка

Доколку во последно време сте комуницирале преку онлајн чет за поддршка на корисници, постои голема веројатност дека вештачката интелигенција била на другата страна барем за дел од тоа. Услугата за корисници е област зрела за автоматизација на вештачката интелигенција: таа вклучува одговарање на барања од корисниците, што генеративната вештачка интелигенција (особено конверзациските модели) може да го направи доста добро, и често следи скрипти или статии од базата на знаење, што вештачката интелигенција може да ги научи. Колку автономно може вештачката интелигенција да се справува со клиентите?

Тековни можности (2025): Четботови и виртуелни агенти на фронтот

Од денес, многу организации користат чет-ботови со вештачка интелигенција како прва точка за контакт во службата за корисници. Тие се движат од едноставни ботови базирани на правила („Притиснете 1 за фактурирање, 2 за поддршка…“) до напредни генеративни чет-ботови со вештачка интелигенција кои можат да толкуваат прашања во слободна форма и да одговараат преку разговор. Клучни точки:

• Справување со чести прашања: Агентите на вештачката интелигенција се одлични во одговарањето на често поставуваните прашања, обезбедувањето информации (работно време на продавницата, политики за враќање пари, чекори за решавање проблеми за познати проблеми) и водењето на корисниците низ стандардни процедури. На пример, четбот со вештачка интелигенција за банка може автономно да му помогне на корисникот да ја провери состојбата на сметката, да ја ресетира лозинката или да објасни како да аплицира за кредит, без човечка помош.

• Разбирање на природниот јазик: Современите генеративни модели овозможуваат пофлуидна и „човечка“ интеракција. Клиентите можат да напишат прашање со свои зборови, а вештачката интелигенција обично може да ја сфати намерата. Компаниите известуваат дека денешните агенти на вештачката интелигенција се многу позадоволителни за клиентите отколку несмасните ботови од пред неколку години - речиси половина од клиентите сега веруваат дека агентите на вештачката интелигенција можат да бидат емпатични и ефикасни кога се справуваат со проблемите ( 59 статистики за услуги на клиентите на вештачката интелигенција за 2025 година ), што покажува растечка доверба во услугите управувани од вештачката интелигенција.

• Повеќеканална поддршка: Вештачката интелигенција не е само во разговор. Гласовните асистенти (како телефонски IVR системи со вештачка интелигенција зад нив) почнуваат да ракуваат со повици, а вештачката интелигенција може да состави и е-пошта за барањата на клиентите, кои може да се испратат автоматски доколку се сметаат за точни.

• Кога луѓето се вмешуваат: Типично, ако вештачката интелигенција се збуни или прашањето е премногу сложено, таа ќе го предаде на човечки агент. Сегашните системи се добри во познавањето на своите граници во многу случаи. На пример, ако клиентот праша нешто необично или покаже фрустрација („Ова е трет пат што ве контактирам и сум многу вознемирен...“), вештачката интелигенција може да го означи ова за да го преземе човекот. Прагот за предавање го поставуваат компаниите за да се балансира ефикасноста со задоволството на клиентите.

Многу компании пријавија дека значителен дел од интеракциите се решаваат само со вештачка интелигенција. Според индустриските анкети, околу 70-80% од рутинските барања на клиентите денес можат да се обработуваат од вештачки чет-ботови, а околу 40% од интеракциите на компаниите со клиенти низ каналите се веќе автоматизирани или потпомогнати од вештачка интелигенција ( 52 Статистика за услуги на клиентите со вештачка интелигенција што треба да ги знаете - Plivo ). Глобалниот индекс на усвојување на вештачката интелигенција на IBM (2022) покажа дека 80% од компаниите или користат или планираат да користат вештачки чет-ботови за услуги на клиентите до 2025 година.

Интересен развој е што вештачката интелигенција не само што одговара на клиентите, туку проактивно им помага на човечките агенти во реално време. На пример, за време на разговор во живо или повик, вештачката интелигенција може да слуша и веднаш да му обезбеди на човечкиот агент предложени одговори или релевантни информации. Ова ја замаглува линијата на автономија - вештачката интелигенција не е сама соочена со клиентот, туку е активно вклучена без експлицитно човечко прашање. Таа ефикасно делува како автономен советник на агентот.

Перспектива за 2030-2035 година: Интеракции со клиентите во голема мера водени од вештачка интелигенција

До 2030 година, се очекува поголемиот дел од интеракциите со услуги на клиентите да вклучуваат вештачка интелигенција, при што многу од нив ќе бидат целосно управувани од вештачката интелигенција од почеток до крај. Предвидувања и трендови што го поддржуваат ова:

• Решени се прашања со поголема сложеност: Бидејќи моделите на вештачката интелигенција интегрираат огромно знаење и го подобруваат расудувањето, тие ќе можат да се справат со посложени барања на клиентите. Наместо само да одговараат на „Како да вратам производ?“, идната вештачка интелигенција би можела да се справи со проблеми со повеќе чекори како што се: „Мојот интернет е исклучен, пробав да рестартирам, можете ли да помогнете?“ со дијагностицирање на проблемот преку дијалог, водење на клиентот низ напредно решавање проблеми и само ако сè друго не успее, закажување техничар - задачи за кои денес веројатно би било потребно техничар за човечка поддршка. Во службата за корисници во здравството, вештачката интелигенција би можела да се справи со закажување прегледи на пациенти или прашања за осигурување од почеток до крај.

• Решавање на целокупната услуга: Можеби ќе видиме дека вештачката интелигенција не само што му кажува на клиентот што да прави, туку всушност го прави тоа во име на клиентот во рамките на backend системите. На пример, ако клиентот каже „Сакам да го сменам летот за следниот понеделник и да додадам уште еден багаж“, агент на вештачката интелигенција во 2030 година би можел директно да се поврзе со системот за резервации на авиокомпанијата, да ја изврши промената, да го обработи плаќањето за багажот и да му потврди на клиентот - сè автономно. Вештачката интелигенција станува агент со целосна услуга, а не само извор на информации.

• Сеприсутни агенти на вештачка интелигенција: Компаниите веројатно ќе распоредат вештачка интелигенција на сите точки на контакт со клиентите - телефон, разговор, е-пошта, социјални медиуми. Многу клиенти можеби дури и нема да сфатат дали разговараат со вештачка интелигенција или со човек, особено бидејќи гласовите на вештачката интелигенција стануваат поприродни, а одговорите во разговорот се посвесни за контекстот. До 2035 година, контактирањето со службата за корисници често може да значи интеракција со паметна вештачка интелигенција која ги памти вашите минати интеракции, ги разбира вашите преференции и се прилагодува на вашиот тон - во суштина персонализиран виртуелен агент за секој клиент.

• Донесување одлуки со вештачка интелигенција во интеракциите: Освен одговарањето на прашања, вештачката интелигенција ќе почне да донесува одлуки кои моментално бараат одобрение од менаџерот. На пример, денес на човечки агент можеби ќе му треба одобрение од супервизорот за да понуди враќање на парите или специјален попуст за да смири лут клиент. Во иднина, на вештачката интелигенција би можела да ѝ се доверат тие одлуки, во рамките на дефинирани граници, врз основа на пресметана вредност на клиентот и анализа на расположението. Студија на Futurum/IBM предвидува дека до 2030 година околу 69% од одлуките донесени за време на ангажманите со клиентите во реално време ќе бидат донесени од паметни машини ( За да го преосмислат преминот кон CX, маркетерите мора да ги направат овие 2 работи ) - ефикасно вештачката интелигенција да одлучува за најдобриот тек на дејствување во интеракцијата.

• 100% вклученост на вештачката интелигенција: Еден извештај сугерира дека вештачката интелигенција на крајот ќе игра улога во секоја интеракција со клиентите ( 59 статистики за услуги на клиентите со вештачка интелигенција за 2025 година ), без разлика дали однапред или во позадина. Тоа може да значи дека дури и ако човек комуницира со клиент, ќе му помага вештачката интелигенција (давање предлози, пребарување информации). Алтернативно, толкувањето е дека ниедно прашање на клиентот не останува неодговорено во кое било време - ако луѓето се офлајн, вештачката интелигенција е секогаш тука.

До 2035 година, можеби ќе откриеме дека агентите за услуги на клиентите се специјализирани само за најчувствителни или сценарија со висок степен на допирање (на пр., ВИП клиенти или комплексно решавање на жалби што бара човечка емпатија). Редовните барања - од банкарство до малопродажба до техничка поддршка - би можеле да бидат опслужени од флота агенти со вештачка интелигенција кои работат 24/7, континуирано учејќи од секоја интеракција. Оваа промена би можела да го направи сервисот за клиенти поконзистентно и непосредно, бидејќи вештачката интелигенција не ги држи луѓето на чекање и теоретски може да извршува повеќе задачи истовремено.

Постојат предизвици што треба да се надминат за оваа визија: вештачката интелигенција мора да биде многу робусна за да се справи со непредвидливоста на човечките клиенти. Мора да биде способна да се справи со сленгот, лутината, конфузијата и бескрајниот спектар на начини на кои луѓето комуницираат. Исто така, потребно е ажурирано знаење (нема смисла ако информациите од вештачката интелигенција се застарени). Со инвестирање во интеграција помеѓу вештачката интелигенција и базите на податоци на компанијата (за информации во реално време за нарачки, прекини итн.), овие пречки можат да се решат.

Етички, компаниите ќе треба да одлучат кога да откријат дека „разговарате со вештачка интелигенција“ и да обезбедат праведност (ВЕ не се однесува различно кон одредени клиенти на негативен начин поради пристрасна обука). Под претпоставка дека овие се управувани, деловниот случај е силен: услугата за корисници со вештачка интелигенција може драматично да ги намали трошоците и времето на чекање. Се предвидува дека пазарот за вештачка интелигенција во услугата за корисници ќе порасне на десетици милијарди долари до 2030 година ( Извештај за пазарот на услуги за корисници со вештачка интелигенција 2025-2030: Случај ) ( Како генеративната вештачка интелигенција ја зголемува логистиката | Рајдер ) додека организациите инвестираат во овие можности.

Накратко, очекувајте иднина каде што автономната услуга за корисници со вештачка интелигенција ќе биде норма . Добивањето помош честопати ќе значи интеракција со паметна машина што може брзо да го реши вашиот проблем. Луѓето сè уште ќе бидат во тек со надзорот и справувањето со критичните случаи, но повеќе како супервизори на работната сила во областа на вештачката интелигенција. Резултатот би можел да биде побрза, поперсонализирана услуга за потрошувачите - сè додека вештачката интелигенција е правилно обучена и следена за да се спречат фрустрациите од искуствата со „роботска телефонска линија“ од минатото.

Генеративна вештачка интелигенција во здравството и медицината

Здравствената заштита е област каде што влоговите се високи. Идејата вештачката интелигенција да работи без човечки надзор во медицината предизвикува и возбуда (поради ефикасност и досег) и претпазливост (поради безбедност и емпатија). Генеративната вештачка интелигенција почна да се пробива во области како што се анализата на медицинско снимање, клиничката документација, па дури и откривањето лекови. Што може одговорно да прави сама?

Тековни можности (2025): Помагање на клиницистите, а не нивна замена

Во моментов, генеративната вештачка интелигенција во здравството првенствено служи како моќен асистент на медицинските професионалци, а не како автономен донесувач на одлуки. На пример:

• Медицинска документација: Едно од најуспешните воведувања на вештачка интелигенција во здравството е помагањето на лекарите со документацијата. Моделите на природен јазик можат да ги транскрибираат посетите на пациентите и да генерираат клинички белешки или резимеа на отпусни белешки. Компаниите имаат „пишувачи на вештачка интелигенција“ кои слушаат за време на преглед (преку микрофон) и автоматски создаваат нацрт од белешките од средбата за лекарот да ги прегледа. Ова им заштедува време на лекарите при пишување. Некои системи дури и автоматски пополнуваат делови од електронските здравствени картони. Ова може да се направи со минимална интервенција - лекарот само ги корегира сите мали грешки во нацртот, што значи дека пишувањето белешки е во голема мера автономно.

• Радиологија и снимање: Вештачката интелигенција, вклучувајќи ги и генеративните модели, може да анализира рендгенски снимки, магнетни резонанции и компјутерска томографија (КТ) за да открие аномалии (како тумори или фрактури). Во 2018 година, ФДА одобри систем со вештачка интелигенција за автономно откривање на дијабетична ретинопатија (состојба на окото) во слики од мрежницата - имено, беше овластен да го направи тоа без преглед од специјалист во тој специфичен контекст на скрининг. Тој систем не беше генеративна вештачка интелигенција, но покажува дека регулаторите дозволиле автономна дијагноза со вештачка интелигенција во ограничени случаи. Генеративните модели влегуваат во игра за креирање сеопфатни извештаи. На пример, вештачката интелигенција може да испита рендгенска снимка на градниот кош и да изготви извештај од радиолог во кој се вели „Нема акутни наоди. Белите дробови се чисти. Срцето е со нормална големина“. Радиологот потоа само потврдува и потпишува. Во некои рутински случаи, овие извештаи би можеле да излезат без измени ако радиологот ѝ верува на вештачката интелигенција и само направи брза проверка.

• Проверувачи на симптоми и виртуелни медицински сестри: Генеративните чет-ботови со вештачка интелигенција се користат како проверувачи на симптоми на прва линија. Пациентите можат да ги внесат своите симптоми и да добијат совет (на пр. „Можеби е обична настинка; одмор и течности, но посетете лекар ако се појави X или Y.“). Апликации како Babylon Health користат вештачка интелигенција за давање препораки. Во моментов, тие обично се формулираат како информативни, а не како дефинитивни медицински совети и охрабруваат следење со човечки клиничар за сериозни проблеми.

• Откривање лекови (генеративна хемија): Генеративните модели на вештачка интелигенција можат да предложат нови молекуларни структури за лекови. Ова е повеќе во доменот на истражување отколку во грижата за пациентите. Овие вештачки интелигенции работат автономно за да предложат илјадници кандидатски соединенија со посакувани својства, кои потоа човечки хемичари ги прегледуваат и тестираат во лабораторија. Компании како Insilico Medicine користеле вештачка интелигенција за да генерираат нови кандидати за лекови за значително пократко време. Иако ова не комуницира директно со пациентите, тоа е пример за автономно создавање решенија (дизајни на молекули) од страна на вештачката интелигенција за кои на луѓето би им требало многу подолго време да ги пронајдат.

• Здравствени операции: Вештачката интелигенција помага во оптимизирање на распоредот, управувањето со снабдувањето и друга логистика во болниците. На пример, генеративен модел може да симулира проток на пациенти и да предложи прилагодувања на распоредот за да се намали времето на чекање. Иако не се толку видливи, ова се одлуки што вештачката интелигенција може да ги донесе со минимални рачни промени.

Важно е да се напомене дека од 2025 година, ниедна болница не дозволува вештачката интелигенција самостојно да донесува големи медицински одлуки или третмани без човечка согласност. Дијагнозата и планирањето на третманот остануваат цврсто во човечки раце, при што вештачката интелигенција обезбедува влезни информации. Довербата потребна за вештачката интелигенција целосно автономно да му каже на пациентот „Имате рак“ или да препише лекови сè уште не е воспоставена, ниту пак треба да биде без обемна валидација. Медицинските професионалци ја користат вештачката интелигенција како втор пар очи или како алатка за заштеда на време, но тие ги потврдуваат критичните резултати.

Перспектива за 2030-2035 година: Вештачка интелигенција како колега на доктор (и можеби медицинска сестра или фармацевт)

Во наредната деценија, очекуваме генеративната вештачка интелигенција автономно да презема порутински клинички задачи и да го зголеми досегот на здравствените услуги:

• Автоматизирани прелиминарни дијагнози: До 2030 година, вештачката интелигенција би можела сигурно да се справи со почетната анализа за многу вообичаени состојби. Замислете систем на вештачка интелигенција во клиника кој ги чита симптомите на пациентот, медицинската историја, дури и нивниот тон и знаци на лицето преку камера, и дава дијагностички предлог и препорачани тестови - сè пред човечкиот лекар дури и да го види пациентот. Лекарот потоа може да се фокусира на потврдување и дискутирање на дијагнозата. Во телемедицината, пациентот прво може да разговара со вештачка интелигенција која го стеснува проблемот (на пр., веројатна синусна инфекција наспроти нешто потешко) и потоа да го поврзе со клиничар доколку е потребно. Регулаторите би можеле да дозволат вештачката интелигенција официјално да дијагностицира одредени помали состојби без човечки надзор доколку се докаже дека е исклучително точна - на пример, вештачка интелигенција која дијагностицира едноставна инфекција на увото од слика од отоскоп би можела да биде можна.

• Лични здравствени монитори: Со ширењето на носиви уреди (паметни часовници, здравствени сензори), вештачката интелигенција ќе ги следи пациентите континуирано и автономно ќе предупредува за проблеми. На пример, до 2035 година вештачката интелигенција на вашиот носив уред може да открие абнормален срцев ритам и автономно да ве закаже за итна виртуелна консултација или дури и да повика брза помош ако открие знаци на срцев удар или мозочен удар. Ова преминува во територија на автономно одлучување - одлучување дека ситуацијата е вонредна состојба и дејствување - што е веројатна и животоспасувачка употреба на вештачката интелигенција.

• Препораки за третман: Генеративната вештачка интелигенција обучена врз основа на медицинска литература и податоци од пациенти би можела да предложи персонализирани планови за третман. До 2030 година, за сложени болести како што е ракот, одборите за тумори со вештачка интелигенција би можеле да ја анализираат генетската структура и медицинската историја на пациентот и автономно да изготват препорачан режим на третман (план за хемотерапија, избор на лекови). Човечките лекари би го прегледале, но со текот на времето, како што ќе се гради довербата, тие би можеле да почнат да прифаќаат планови генерирани од вештачка интелигенција, особено за рутински случаи, прилагодувајќи се само кога е потребно.

• Виртуелни медицински сестри и домашна нега: Вештачка интелигенција која може да разговара и да дава медицински насоки би можела да се справи со голем број на следење и следење на хроничната нега. На пример, пациентите дома со хронични заболувања би можеле да пријавуваат дневни метрики до помошник медицинска сестра од вештачка интелигенција, кој дава совети („Вашиот шеќер во крвта е малку висок, размислете за прилагодување на вашата вечерна ужина“) и само се вклучува медицинска сестра кога отчитувањата се надвор од опсегот или се појавуваат проблеми. Оваа вештачка интелигенција би можела да работи во голема мера автономно под далечински надзор на лекар.

• Медицинско снимање и лабораториска анализа – целосно автоматизирани процеси: До 2035 година, читањето на медицинските скенирања би можело претежно да се врши од вештачка интелигенција во некои области. Радиолозите би ги надгледувале системите со вештачка интелигенција и би се справувале со сложените случаи, но поголемиот дел од нормалните скенирања (кои се навистина нормални) би можеле да бидат „прочитани“ и потпишани директно од вештачка интелигенција. Слично на тоа, анализата на патолошки слајдови (на пример, откривање на клетки на рак во биопсија) би можела да се прави автономно за почетен скрининг, драматично забрзувајќи ги лабораториските резултати.

• Откривање на лекови и клинички испитувања: Вештачката интелигенција веројатно ќе дизајнира не само молекули на лекови, туку ќе генерира и синтетички податоци за пациентите за испитувања или ќе пронајде оптимални кандидати за испитувања. Може автономно да спроведува виртуелни испитувања (симулирајќи како би реагирале пациентите) за да ги стесни опциите пред вистинските испитувања. Ова може да ги донесе лековите на пазарот побрзо со помалку експерименти водени од луѓе.

Визијата за лекар со вештачка интелигенција кој целосно ќе го замени човечкиот лекар е сè уште доста далеку и останува контроверзна. Дури и до 2035 година, се очекува вештачката интелигенција да служи како колега на лекарите, а не како замена за човечкиот допир. Сложената дијагноза честопати бара интуиција, етика и разговори за да се разбере контекстот на пациентот - области каде што човечките лекари се истакнуваат. Сепак, вештачката интелигенција може да се справи, да речеме, со 80% од рутинското работно оптоварување: документација, едноставни случаи, следење итн., дозволувајќи им на човечките клиничари да се фокусираат на незгодните 20% и на односите со пациентите.

Постојат значителни пречки: регулаторното одобрување за автономна вештачка интелигенција во здравството е ригорозно (соодветно). Системите со вештачка интелигенција ќе имаат потреба од обемна клиничка валидација. Можеби ќе видиме постепено прифаќање - на пример, на вештачката интелигенција ѝ е дозволено автономно да дијагностицира или лекува во недоволно опслужени области каде што нема достапни лекари, како начин за проширување на пристапот до здравствена заштита (замислете „клиника за вештачка интелигенција“ во оддалечено село до 2030 година што работи со периодичен теле-надзор од лекар во градот).

Етичките аспекти се од големо значење. Одговорноста (доколку автономна вештачка интелигенција погреши во дијагнозата, кој е одговорен?), информираната согласност (пациентите треба да знаат дали вештачката интелигенција е вклучена во нивната грижа) и обезбедувањето еднаквост (вештачката интелигенција работи добро за сите популации, избегнувајќи пристрасност) се предизвици со кои треба да се справиме. Под претпоставка дека тие се решени, до средината на 2030-тите години генеративната вештачка интелигенција би можела да се вткае во ткаенината на здравствената заштита, извршувајќи многу задачи што ги ослободуваат човечките даватели на услуги и потенцијално достигнувајќи до пациенти кои во моментов имаат ограничен пристап.

Накратко, до 2035 година, здравствената заштита веројатно ќе ја види вештачката интелигенција длабоко интегрирана, но главно под хаубата или во поддржувачки улоги. Ќе ѝ веруваме на вештачката интелигенција дека ќе прави многу работи сама - ќе чита скенирања, ќе гледа витални знаци, ќе изготвува планови - но со безбедносна мрежа од човечки надзор сè уште при критичните одлуки. Резултатот би можел да биде поефикасен, поодговорен здравствен систем, каде што вештачката интелигенција се справува со тешките обврски, а луѓето ја обезбедуваат емпатијата и конечната пресуда.

Генеративна вештачка интелигенција во образованието

Образованието е уште една област каде што генеративната вештачка интелигенција прави бранови, од ботови за подучување управувани од вештачка интелигенција до автоматско оценување и креирање содржини. Предавањето и учењето вклучуваат комуникација и креативност, што се силни страни на генеративните модели. Но, дали може да се верува на вештачката интелигенција дека ќе едуцира без надзор од наставник?

Тековни можности (2025): Тутори и генератори на содржини на поводник

Во моментов, вештачката интелигенција се користи во образованието првенствено како дополнителна алатка, а не како самостоен наставник. Примери за тековна употреба:

• Асистенти за подучување со вештачка интелигенција: Алатки како „Khanmigo“ на Академијата Кан (овозможено од GPT-4) или разни апликации за учење јазици користат вештачка интелигенција за да симулираат индивидуален тутор или партнер за разговор. Учениците можат да поставуваат прашања на природен јазик и да добиваат одговори или објаснувања. Вештачката интелигенција може да дава совети за домашни задачи, да објаснува концепти на различни начини, па дури и да игра улоги како историска личност за интерактивен час по историја. Сепак, овие тутори со вештачка интелигенција обично се користат со надзор; наставниците или одржувачите на апликациите често ги следат дијалозите или поставуваат граници за тоа што вештачката интелигенција може да дискутира (за да се избегнат дезинформации или несоодветна содржина).

• Создавање содржина за наставници: Генеративната вештачка интелигенција им помага на наставниците преку креирање квиз прашања, резимеа на прочитани материјали, нацрти на планови за лекции и така натаму. Наставникот може да го праша вештачкиот интелигентен ум: „Генерирајте 5 практични проблеми за квадратни равенки со одговори“, заштедувајќи време во подготовката. Ова е автономно генерирање содржина, но наставникот обично го прегледува резултатот за точност и усогласеност со наставната програма. Значи, тоа е повеќе уред што заштедува труд отколку целосно независен.

• Оценување и повратни информации: Вештачката интелигенција може автоматски да оценува испити со повеќекратен избор (нема ништо ново тука) и сè повеќе може да оценува кратки одговори или есеи. Некои училишни системи користат вештачка интелигенција за оценување на писмени одговори и давање повратни информации на учениците (на пр., граматички корекции, предлози за проширување на аргументот). Иако не е генеративна задача сама по себе, новите вештачки интелигенции можат дури и да генерираат персонализиран извештај за повратни информации за ученикот врз основа на неговиот успех, истакнувајќи ги областите што треба да се подобрат. Наставниците честопати ги проверуваат двојно есеите оценети од вештачката интелигенција во оваа фаза поради загриженост за нијансите.

• Адаптивни системи за учење: Ова се платформи кои ја прилагодуваат тежината или стилот на материјалот врз основа на перформансите на ученикот. Генеративната вештачка интелигенција го подобрува ова со креирање нови проблеми или примери во движење, прилагодени на потребите на ученикот. На пример, ако ученикот се бори со некој концепт, вештачката интелигенција може да генерира друга аналогија или прашање за вежбање фокусирано на тој концепт. Ова е донекаде автономно, но во рамките на систем дизајниран од едукатори.

• Употреба од страна на студентите за учење: Самите студенти користат алатки како ChatGPT за да помогнат во учењето - бараат појаснувања, преводи или дури користат вештачка интелигенција за да добијат повратни информации за нацрт-есеј („подобри го мојот воведен пасус“). Ова е самостојно насочување и може да се направи без знаење на наставникот. Вештачката интелигенција во ова сценарио делува како тутор или лектор на барање. Предизвикот е да се осигура дека студентите ја користат за учење, а не само за добивање одговори (академски интегритет).

Јасно е дека од 2025 година, вештачката интелигенција во образованието е моќна, но обично работи со човечки едукатор во јамката кој ги курира придонесите на вештачката интелигенција. Постои разбирлива претпазливост: не сакаме да ѝ веруваме на вештачката интелигенција да предава неточни информации или да се справува со чувствителни интеракции на учениците во вакуум. Наставниците ги гледаат туторите од вештачката интелигенција како корисни асистенти кои можат да им дадат на учениците повеќе пракса и непосредни одговори на рутински прашања, ослободувајќи ги наставниците да се фокусираат на подлабоко менторство.

Перспектива за 2030-2035 година: Персонализирани тутори со вештачка интелигенција и автоматизирани помагала за настава

Во следната деценија, очекуваме дека генеративната вештачка интелигенција ќе овозможи поперсонализирани и автономни искуства за учење , додека улогите на наставниците ќе се развиваат:

• Лични тутори со вештачка интелигенција за секој ученик: До 2030 година, визијата (споделена од експерти како Сал Кан од Академијата Кан) е дека секој ученик би можел да има пристап до тутор со вештачка интелигенција кој е исто толку ефикасен како човечки тутор во многу аспекти ( Овој тутор со вештачка интелигенција би можел да ги направи луѓето 10 пати попаметни, вели неговиот творец ). Овие тутори со вештачка интелигенција би биле достапни 24/7, би ја знаеле историјата на учење на ученикот и би го прилагодиле својот стил на предавање соодветно. На пример, ако ученикот е визуелен ученик кој се бори со концепт по алгебра, вештачката интелигенција би можела динамички да создаде визуелно објаснување или интерактивна симулација за да помогне. Бидејќи вештачката интелигенција може да го следи напредокот на ученикот со текот на времето, може автономно да одлучи која тема да ја разгледа следно или кога да напредува кон нова вештина - ефикасно управувајќи го планот на лекцијата за тој ученик во микро смисла.

• Намалено оптоварување на наставниците со рутински задачи: Оценување, изработка на работни листови, изготвување на материјали за лекции – овие задачи би можеле речиси целосно да се префрлат на вештачката интелигенција до 2030-тите. Вештачката интелигенција би можела да генерира прилагодени домашни задачи за една недела за еден час, да ги оцени сите задачи од минатата недела (дури и оние со отворени прашања) со повратни информации и да му истакне на наставникот на кои ученици им е потребна дополнителна помош за кои теми. Ова би можело да се случи со минимален придонес на наставникот, можеби само со брз поглед за да се осигура дека оценките на вештачката интелигенција изгледаат фер.

• Автономни адаптивни платформи за учење: Можеби ќе видиме курсеви целосно управувани од вештачка интелигенција за одредени предмети. Замислете онлајн курс без човечки инструктор каде што агент од вештачка интелигенција воведува материјал, дава примери, одговара на прашања и го прилагодува темпото врз основа на ученикот. Искуството на ученикот може да биде уникатно за него, генерирано во реално време. Некои корпоративни обуки и учење за возрасни би можеле да се префрлат на овој модел порано, каде што до 2035 година вработениот би можел да каже „Сакам да научам напредни макроа од Excel“ и тутор од вештачка интелигенција ќе ги учи преку персонализирана наставна програма, вклучувајќи генерирање вежби и евалуација на нивните решенија, без човечки инструктор.

• Асистенти со вештачка интелигенција во училница: Во физички или виртуелни училници, вештачката интелигенција би можела да ги слуша дискусиите на часот и да му помага на наставникот во движење (на пр., шепотејќи предлози преку слушалката: „Неколку студенти изгледаат збунети околу тој концепт, можеби дајте друг пример“). Исто така, би можела да модерира онлајн форуми за часови, да одговара на едноставни прашања поставени од студентите („Кога треба да се предаде задачата?“ или дури и да разјасни точка од предавањето) за наставникот да не биде бомбардиран со е-пошта. До 2035 година, би можело да биде стандардно да се има ко-наставник со вештачка интелигенција во училницата, додека човечкиот наставник се фокусира на водство на повисоко ниво и мотивациски аспекти.

• Глобален пристап до образование: Автономните тутори за вештачка интелигенција би можеле да помогнат во едукацијата на учениците во области со недостиг на наставници. Таблет со тутор за вештачка интелигенција би можел да послужи како примарен инструктор за ученици кои инаку имаат ограничено образование, опфаќајќи основна писменост и математика. До 2035 година, ова може да биде една од највлијателните употреби - вештачката интелигенција ги премостува празнините таму каде што нема достапни човечки наставници. Сепак, обезбедувањето квалитет и културна соодветност на образованието за вештачка интелигенција во различни контексти ќе биде од витално значење.

Дали вештачката интелигенција ќе ги замени наставниците? Малку е веројатно во целост. Предавањето е повеќе од испорака на содржина - тоа е менторство, инспирација, социјално-емоционална поддршка. Овие човечки елементи тешко се реплицираат за вештачката интелигенција. Но, вештачката интелигенција може да стане втор наставник во училницата или дури и прв наставник за пренос на знаење, оставајќи ги човечките едукатори да се фокусираат на она што луѓето го прават најдобро: да емпатизираат, мотивираат и поттикнуваат критичко размислување.

Постојат проблеми што треба да се решат: обезбедување вештачка интелигенција (ВИ) да дава точни информации (без образовни халуцинации за лажни факти), избегнување на пристрасност во образовната содржина, одржување на приватноста на податоците на учениците и одржување на ангажираноста на учениците (ВИ треба да биде мотивирачка, а не само точна). Веројатно ќе видиме акредитација или сертификација на образовни системи со ВИ - слично на одобрувањето на учебниците - за да се осигури дека ги исполнуваат стандардите.

Друг предизвик е преголемото потпирање: ако тутор за вештачка интелигенција дава одговори премногу лесно, учениците можеби нема да научат упорност или решавање проблеми. За да се ублажи ова, идните тутори за вештачка интелигенција може да бидат дизајнирани понекогаш да им дозволат на учениците да се мачат (како што би можел човечки тутор) или да ги охрабрат да решаваат проблеми со совети, наместо да даваат решенија.

До 2035 година, училницата би можела да се трансформира: секој ученик со уред поврзан со вештачка интелигенција ќе го води со свое темпо, додека наставникот ги оркестрира групните активности и обезбедува човечки увид. Образованието би можело да стане поефикасно и поприлагодено. Ветувањето е секој ученик да ја добие потребната помош кога му е потребна - вистинско искуство со „личен тутор“ во голем обем. Ризикот е губење на дел од човечкиот допир или злоупотреба на вештачката интелигенција (како што студентите мамат преку вештачка интелигенција). Но, во целина, ако се управува добро, генеративната вештачка интелигенција ќе го демократизира и подобри учењето со тоа што ќе биде секогаш достапен, знаечки придружник во образовното патување на ученикот.

Генеративна вештачка интелигенција во логистиката и синџирот на снабдување

Логистиката – уметноста и науката за движење на стоки и управување со синџири на снабдување – можеби не изгледа како традиционален домен за „генеративна“ вештачка интелигенција, но креативното решавање проблеми и планирањето се клучни во оваа област. Генеративната вештачка интелигенција може да помогне со симулирање сценарија, оптимизирање на планови, па дури и контролирање на роботски системи. Целта во логистиката е ефикасност и заштеда на трошоци, што добро се совпаѓа со силните страни на вештачката интелигенција во анализата на податоци и предлагањето решенија. Па, колку автономна може вештачката интелигенција да стане во водењето на синџирите на снабдување и логистичките операции?

Тековни можности (2025): Оптимизирање и поедноставување со човечки надзор

Денес, вештачката интелигенција (вклучувајќи некои генеративни пристапи) се применува во логистиката првенствено како алатка за поддршка на донесување одлуки :

• Оптимизација на рути: Компании како UPS и FedEx веќе користат алгоритми на вештачка интелигенција за оптимизирање на рутите за испорака - осигурувајќи се дека возачите го избираат најефикасниот пат. Традиционално, ова беа алгоритми за оперативно истражување, но сега генеративните пристапи можат да помогнат во истражувањето на алтернативни стратегии за рутирање под различни услови (сообраќај, време). Додека вештачката интелигенција предлага рути, човечките диспечери или менаџери ги поставуваат параметрите (на пр., приоритети) и можат да ги надминат доколку е потребно.

• Планирање на товар и простор: За камиони за пакување или контејнери за превоз, вештачката интелигенција може да генерира оптимални планови за товарење (која кутија каде оди). Генеративната вештачка интелигенција може да произведе повеќе конфигурации за пакување за да се максимизира користењето на просторот, во суштина „креирајќи“ решенија од кои луѓето можат да изберат. Ова беше истакнато во студија во која се забележува дека камионите често работат 30% празни во САД, а подоброто планирање - потпомогнато од вештачката интелигенција - може да го намали тој отпад ( Најдобри случаи на употреба на генеративна вештачка интелигенција во логистиката ). Овие планови за товарење генерирани од вештачка интелигенција имаат за цел да ги намалат трошоците за гориво и емисиите, а во некои магацини тие се извршуваат со минимални рачни промени.

• Прогнозирање на побарувачката и управување со залихи: Моделите со вештачка интелигенција можат да ја предвидат побарувачката на производи и да генерираат планови за обновување на залихите. Генеративниот модел може да симулира различни сценарија за побарувачката (да речеме, вештачката интелигенција „замислува“ пораст на побарувачката поради претстојниот празник) и соодветно да го планира залихите. Ова им помага на менаџерите на синџирот на снабдување да се подготват. Во моментов, вештачката интелигенција дава прогнози и предлози, но луѓето обично го носат конечниот заклучок за нивоата на производство или нарачките.

• Проценка на ризик: Глобалниот синџир на снабдување се соочува со прекини (природни катастрофи, доцнења во пристаништата, политички проблеми). Системите за вештачка интелигенција сега пребаруваат вести и податоци за да идентификуваат ризици на хоризонтот. На пример, една логистичка фирма користи генерациска вештачка интелигенција за скенирање на интернет и означување на ризични транспортни коридори (области кои веројатно ќе имаат проблеми поради, да речеме, претстоен ураган или немири) ( Најдобри случаи на употреба на генеративна вештачка интелигенција во логистиката ). Со тие информации, планерите можат автономно да ги пренасочуваат пратките околу проблематичните места. Во некои случаи, вештачката интелигенција може автоматски да препорача промени на рутата или промени во начинот на транспорт, што потоа луѓето ги одобруваат.

• Автоматизација на магацини: Многу магацини се полуавтоматизирани со роботи за собирање и пакување. Генеративната вештачка интелигенција може динамички да додели задачи на роботи и луѓе за оптимален проток. На пример, вештачката интелигенција може да генерира ред на работа за роботски собирачи секое утро врз основа на нарачките. Ова често е целосно автономно во извршувањето, при што менаџерите само ги следат KPI - ако нарачките неочекувано се зголемат, вештачката интелигенција ги прилагодува операциите самостојно.

• Управување со возен парк: Вештачката интелигенција помага во закажувањето на одржувањето на возилата преку анализа на шемите и генерирање оптимални распореди за одржување што го минимизираат времето на застој. Исто така, може да ги групира пратките за да ги намали патувањата. Овие одлуки може да ги донесе софтверот за вештачка интелигенција автоматски, сè додека ги исполнува барањата за услугата.

Генерално, од 2025 година, луѓето ги поставуваат целите (на пр., „минимизирање на трошоците, но обезбедување испорака во рок од 2 дена“) и вештачката интелигенција создава решенија или распореди за да го постигне тоа. Системите можат да работат секојдневно без интервенција сè додека не се случи нешто необично. Голем дел од логистиката вклучува повторувачки одлуки (кога треба да тргне оваа пратка? од кој магацин да се исполни оваа нарачка?), кои вештачката интелигенција може да научи да ги донесува доследно. Компаниите постепено ѝ веруваат на вештачката интелигенција да ги обработува овие микро-одлуки и ги алармираат менаџерите само кога ќе се појават исклучоци.

Перспектива за 2030-2035 година: Самостојни синџири на снабдување

Во следната деценија, можеме да замислиме многу поавтономна координација во логистиката водена од вештачката интелигенција:

• Автономни возила и дронови: Камионите што се управуваат самостојно и дронови за достава, иако се поширока тема за вештачка интелигенција/роботика, директно влијаат на логистиката. До 2030 година, доколку се надминат регулаторните и техничките предизвици, можеби ќе имаме вештачка интелигенција што рутински ќе управува со камиони на автопати или дронови што ќе се справуваат со испорака на последната милја во градовите. Овие вештачки интелигенции ќе донесуваат одлуки во реално време (промени на рутата, избегнување пречки) без човечки возачи. Генеративниот агол е во тоа како овие вештачки интелигенции на возила учат од огромни податоци и симулации, ефикасно „обучувајќи“ се на безброј сценарија. Целосно автономна флота би можела да работи 24/7, при што луѓето само ќе следат од далечина. Ова отстранува огромен човечки елемент (возачи) од логистичките операции, драматично зголемувајќи ја автономијата.

• Самолекувачки синџири на снабдување: Генеративната вештачка интелигенција веројатно ќе се користи за постојано симулирање на сценарија во синџирот на снабдување и подготовка на планови за непредвидени ситуации. До 2035 година, вештачката интелигенција би можела автоматски да открие кога фабриката на добавувачи ќе се затвори (преку вести или податочни извори) и веднаш да го префрли снабдувањето на алтернативни добавувачи што веќе ги проверил во симулацијата. Ова значи дека синџирот на снабдување „се лекува“ од прекини, а вештачката интелигенција ја презема иницијативата. Човечките менаџери би биле информирани за тоа што направила вештачката интелигенција, а не оние што го иницираат заобиколувањето.

• Оптимизација на залихи од крај до крај: Вештачката интелигенција би можела автономно да управува со залихите низ цела мрежа од магацини и продавници. Таа би одлучувала кога и каде да се премести залихата (можеби користејќи роботи или автоматизирани возила за тоа), чувајќи доволно залихи на секоја локација. Вештачката интелигенција во основа ја управува контролната кула на синџирот на снабдување: гледајќи ги сите текови и правејќи прилагодувања во реално време. До 2035 година, идејата за „самоуправувачки“ синџир на снабдување би можела да значи дека системот го открива најдобриот план за дистрибуција секој ден, нарачува производи, закажува фабрички работи и организира транспорт самостојно. Луѓето би ја надгледувале целокупната стратегија и би се справувале со исклучоци надвор од сегашното разбирање на вештачката интелигенција.

• Генеративен дизајн во логистиката: Можеме да видиме како вештачката интелигенција дизајнира нови мрежи на синџирот на снабдување. Да претпоставиме дека компанијата се шири во нов регион; вештачката интелигенција би можела да генерира оптимални локации на магацини, транспортни врски и политики за залихи за тој регион со оглед на податоците - нешто што консултантите и аналитичарите го прават денес. До 2030 година, компаниите би можеле да се потпрат на препораките за вештачката интелигенција за изборите за дизајн на синџирот на снабдување, верувајќи дека ќе ги одмери факторите побрзо и можеби ќе најде креативни решенија (како што се неочигледни дистрибутивни центри) што луѓето ги пропуштаат.

• Интеграција со производство (Индустрија 4.0): Логистиката не е самостојна; таа е поврзана со производството. Фабриките на иднината може да имаат генеративна вештачка интелигенција која ги закажува производствените текови, нарачува суровини точно на време, а потоа дава инструкции на логистичката мрежа веднаш да испорача производи. Оваа интегрирана вештачка интелигенција би можела да значи помалку човечко планирање во целина - беспрекорен синџир од производство до испорака управуван од алгоритми кои оптимизираат трошоци, брзина и одржливост. Веќе, до 2025 година, високо-перформансните синџири на снабдување се водени од податоци; до 2035 година тие може во голема мера да бидат водени од вештачка интелигенција.

• Динамично корисничко услужување во логистиката: Надоградувајќи се на вештачката интелигенција за корисничко услужување, вештачките интелигенции во синџирот на снабдување може директно да се поврзуваат со клиенти или клиенти. На пример, ако голем клиент сака да ја промени својата нарачка на големо во последен момент, агентот на вештачката интелигенција може да преговара за изводливи алтернативи (како „Можеме да испорачаме половина сега, половина следната недела поради ограничувања“) без да чека човечки менаџер. Ова вклучува генеративна вештачка интелигенција што ги разбира двете страни (потребите на клиентите наспроти оперативниот капацитет) и донесување одлуки што ги одржуваат операциите непречени, а воедно ги задоволуваат клиентите.

Очекуваната придобивка е поефикасен , поотпорен и поодговорен логистички систем. Компаниите предвидуваат огромни заштеди – McKinsey процени дека оптимизациите на синџирот на снабдување управувани од вештачката интелигенција би можеле значително да ги намалат трошоците и да ги подобрат нивоата на услуги, додавајќи потенцијално трилиони вредност низ индустриите ( Состојбата на вештачката интелигенција во 2023 година: Година на пробив на генеративната вештачка интелигенција | McKinsey ).

Сепак, префрлањето поголема контрола на вештачката интелигенција носи и ризици, како што се каскадни грешки ако логиката на вештачката интелигенција е погрешна (на пр., озлогласеното сценарио на синџир на снабдување со вештачка интелигенција што ненамерно ја прави компанијата да остане без залихи поради грешка во моделирањето). Заштитните мерки како „човек во јамка за големи одлуки“ или барем контролни табли што овозможуваат брзо човечко заобиколување веројатно ќе останат до 2035 година. Со текот на времето, како што ќе се докажуваат одлуките со вештачка интелигенција, луѓето ќе станат поудобни да се повлечат.

Интересно е што, со оптимизирање за ефикасност, вештачката интелигенција понекогаш може да донесе одлуки што се во спротивност со човечките преференции или традиционалните практики. На пример, чистото оптимизирање може да доведе до многу оскудни залихи, што е ефикасно, но може да се почувствува ризично. Професионалците во синџирот на снабдување во 2030 година можеби ќе мора да ги прилагодат своите интуиции бидејќи вештачката интелигенција, обработувајќи огромни податоци, може да покаже дека нејзината необична стратегија всушност функционира подобро.

Конечно, мора да земеме предвид дека физичките ограничувања (инфраструктура, брзина на физички процеси) ја ограничуваат брзината со која логистиката може да се промени, па затоа револуцијата овде е за попаметно планирање и користење на средствата, а не за сосема нова физичка реалност. Но, дури и во тие граници, креативните решенија на генеративната вештачка интелигенција и неуморната оптимизација би можеле драматично да го подобрат начинот на кој стоките се движат низ светот со минимално рачно планирање.

Накратко, логистиката до 2035 година би можела да функционира слично на добро подмачкана автоматизирана машина: стоките ќе течат ефикасно, рутите ќе се прилагодуваат во реално време на прекините, магацините ќе се управуваат сами со роботи и целиот систем ќе учи и ќе се подобрува од податоците - сето тоа оркестрирано од генеративна вештачка интелигенција која делува како мозок на операцијата.

Генеративна вештачка интелигенција во финансиите и бизнисот

Финансиската индустрија се занимава многу со информации - извештаи, анализи, комуникација со клиенти - што ја прави плодна почва за генеративна вештачка интелигенција. Од банкарство до управување со инвестиции и осигурување, организациите ја истражуваат вештачката интелигенција за автоматизација и генерирање увид. Прашањето е, кои финансиски задачи вештачката интелигенција може сигурно да ги извршува без човечки надзор, со оглед на важноста на точноста и довербата во оваа област?

Тековни можности (2025): Автоматизирани извештаи и поддршка за донесување одлуки

Од денес, генеративната вештачка интелигенција придонесува во финансиите на неколку начини, честопати под човечки надзор:

• Генерирање извештаи: Банките и финансиските фирми изработуваат бројни извештаи – резимеа на заработка, коментари на пазарот, анализа на портфолио итн. Вештачката интелигенција веќе се користи за нивно изготвување. На пример, Bloomberg го разви BloombergGPT , голем јазичен модел обучен за финансиски податоци, за да им помогне со задачи како што се класификација на вести и прашања и одговори за нивните терминални корисници ( генеративната вештачка интелигенција доаѓа во финансиите ). Иако нејзината примарна употреба е да им помогне на луѓето да пронајдат информации, таа ја покажува растечката улога на вештачката интелигенција. Automated Insights (компанијата со која работеше AP) исто така генерираше финансиски статии. Многу инвестициски билтени користат вештачка интелигенција за да резимираат дневни движења на пазарот или економски индикатори. Типично, луѓето ги прегледуваат пред да ги испратат до клиентите, но тоа е брзо уредување, наместо пишување од нула.

• Комуникација со клиенти: Во малопродажното банкарство, чет-ботовите со вештачка интелигенција ги обработуваат барањата на клиентите за состојбата на сметките, трансакциите или информациите за производот (вклопувајќи се во доменот на услугите за клиентите). Исто така, вештачката интелигенција може да генерира персонализирани писма или потсетници со финансиски совети. На пример, вештачката интелигенција може да идентификува дека клиентот може да заштеди на надоместоци и автоматски да состави порака со која ќе им предложи да се префрлат на друг тип на сметка, која потоа се испраќа со минимална човечка интервенција. Овој вид персонализирана комуникација во голем обем е моментална употреба на вештачката интелигенција во финансиите.

• Детекција на измами и предупредувања: Генеративната вештачка интелигенција може да помогне во креирањето наративи или објаснувања за аномалии откриени од системите за измами. На пример, ако се забележи сомнителна активност, вештачката интелигенција може да генерира порака со објаснување за клиентот („Забележавме најавување од нов уред…“) или извештај за аналитичарите. Детекцијата е автоматизирана (користејќи детекција на аномалии со вештачка интелигенција/ML), а комуникацијата е сè повеќе автоматизирана, иако конечните дејства (блокирање на сметка) честопати имаат одредена човечка проверка.

• Финансиско советување (ограничено): Некои робо-советници (автоматизирани инвестициски платформи) користат алгоритми (не мора нужно генеративна вештачка интелигенција) за управување со портфолија без човечки советници. Генеративната вештачка интелигенција влегува, на пример, преку генерирање коментари за тоа зошто се направени одредени тргувања или резиме на перформансите на портфолиото прилагодено на клиентот. Сепак, чистиот финансиски совет (како комплексното финансиско планирање) е сè уште претежно човечки или алгоритамски базиран на правила; генеративната советување во слободна форма без надзор е ризично поради одговорност ако е погрешна.

• Проценки на ризик и осигурување: Осигурителните компании тестираат вештачка интелигенција за автоматско пишување извештаи за проценка на ризик или дури и нацрт-документи за полиса. На пример, со оглед на податоците за имотот, вештачката интелигенција би можела да генерира нацрт-полиса за осигурување или извештај на осигурителот што ги опишува факторите на ризик. Луѓето моментално ги прегледуваат овие резултати бидејќи секоја грешка во договорот може да биде скапа.

• Анализа на податоци и увид: Вештачката интелигенција може да пребарува низ финансиски извештаи или вести и да генерира резимеа. Аналитичарите користат алатки што можат веднаш да сумираат годишен извештај од 100 страници во клучни точки или да ги извлечат главните заклучоци од транскриптот на повикот за заработка. Овие резимеа заштедуваат време и можат да се користат директно при донесување одлуки или да се пренесат, но разумните аналитичари двојно ги проверуваат клучните детали.

Всушност, сегашната вештачка интелигенција во финансиите делува како неуморен аналитичар/писател , генерирајќи содржина што луѓето ја усовршуваат. Целосно автономната употреба е претежно во добро дефинирани области како вести базирани на податоци (не е потребна субјективна проценка) или одговори од услугите на клиентите. Директната доверба на вештачката интелигенција во однос на одлуките за пари (како што се преместување средства, извршување тргувања надвор од однапред поставените алгоритми) е ретка поради високите влогови и регулаторната контрола.

Перспектива за 2030-2035 година: Аналитичари на вештачка интелигенција и автономни финансиски операции

Гледано напред, до 2035 година генеративната вештачка интелигенција би можела да биде длабоко вградена во финансиските операции, потенцијално извршувајќи многу задачи автономно:

• Финансиски аналитичари со вештачка интелигенција: Можеби ќе видиме системи со вештачка интелигенција кои можат да анализираат компании и пазари и да произведуваат препораки или извештаи на ниво на аналитичар за истражување на човечки капитал. До 2030 година, вештачката интелигенција би можела сама да ги чита сите финансиски поднесоци на компанијата, да ги споредува со податоците од индустријата и да произведува извештај за препораки за инвестирање („Купи/Продажба“ со образложение). Некои хеџ фондови веќе користат вештачка интелигенција за генерирање сигнали за тргување; до 2030-тите, истражувачките извештаи со вештачка интелигенција би можеле да бидат вообичаени. Менаџерите на човечки портфолио би можеле да почнат да веруваат во анализата генерирана од вештачка интелигенција како еден влезен сигнал меѓу другите. Постои дури и потенцијал вештачката интелигенција автономно да управува со портфолијата: континуирано следење и ребалансирање на инвестициите според однапред дефинирана стратегија. Всушност, алгоритамското тргување е веќе силно автоматизирано - генеративната вештачка интелигенција би можела да ги направи стратегиите поадаптивни со генерирање и тестирање на нови модели за тргување.

• Автоматизирано финансиско планирање: Советниците од вештачката интелигенција кои се насочени кон потрошувачите би можеле да вршат рутинско финансиско планирање за поединци. До 2030 година, можеби ќе му ги кажете на вештачката интелигенција вашите цели (купување куќа, заштеда за факултет) и таа би можела да генерира целосен финансиски план (буџет, инвестициски распределби, предлози за осигурување) прилагоден на вас. Првично, човечки финансиски планер би можел да го разгледа, но како што расте довербата, таквите совети би можеле да им се дадат директно на потрошувачите, со соодветни одрекувања од одговорност. Клучот ќе биде да се осигура дека советите на вештачката интелигенција се во согласност со прописите и се во најдобар интерес на клиентот. Доколку се реши проблемот, вештачката интелигенција би можела да ги направи основните финансиски совети многу подостапни по ниска цена.

• Автоматизација на задната канцеларија: Генеративната вештачка интелигенција може автономно да обработува многу документи од задната канцеларија - апликации за кредити, извештаи за усогласеност, резимеа на ревизии. На пример, вештачката интелигенција би можела да ги земе сите податоци за трансакциите и да генерира извештај за ревизија со означување на сите загрижености. Ревизорите во 2035 година би можеле да поминат повеќе време разгледувајќи ги исклучоците означени од вештачката интелигенција, наместо сами да пребаруваат низ сè. Слично на тоа, за усогласеност, вештачката интелигенција би можела да генерира извештаи за сомнителни активности (SAR) за регулаторите без аналитичар да ги пишува од нула. Автономното генерирање на овие рутински документи, со човечки надзор што се движи кон основа на исклучоци, би можело да стане стандард.

• Побарувања за осигурување и осигурување: Вештачката интелигенција би можела да обработи барање за осигурување (со фото докази итн.), да утврди покритие и автоматски да генерира писмо за одлука за исплата. Можеби ќе стигнеме до точка каде што едноставните побарувања (како сообраќајни несреќи со јасни податоци) ќе бидат целосно решени од вештачката интелигенција во рок од неколку минути од поднесувањето. Осигурувањето на нови полиси би можело да биде слично: вештачката интелигенција го проценува ризикот и ги генерира условите на полисата. До 2035 година, можеби само сложените или граничните случаи ќе бидат ескалирани до човечки осигурители.

• Измама и безбедност: Вештачката интелигенција веројатно ќе биде уште поважна во откривањето и реагирањето на измами или сајбер закани во финансиите. Автономните агенти на вештачката интелигенција би можеле да ги следат трансакциите во реално време и да преземат итни мерки (блокирање сметки, замрзнување трансакции) кога ќе се исполнат одредени критериуми, а потоа да дадат образложение. Брзината е клучна овде, па затоа е пожелно минимално човечко вклучување. Генеративниот дел може да биде во комуницирањето на овие активности со клиентите или регулаторите на јасен начин.

• Извршна поддршка: Замислете „шеф на кабинет“ со вештачка интелигенција кој може да генерира деловни извештаи за раководителите во лет. Прашајте: „Како се покажа нашата европска дивизија во овој квартал и кои беа главните двигатели во споредба со минатата година?“ и вештачката интелигенција ќе изготви концизен извештај со графикони, сите точни, извлекувајќи од податоците. Овој вид динамично, автономно известување и анализа би можел да стане лесен како разговор. До 2030 година, поставувањето прашања до вештачката интелигенција за деловна интелигенција и довербата во неа да даде точни одговори во голема мера би можело да ги замени статичките извештаи, а можеби дури и некои аналитички улоги.

Една интересна проекција: до 2030-тите, поголемиот дел од финансиската содржина (вести, извештаи итн.) може да биде генерирана од вештачка интелигенција . Медиуми како „Дау Џонс“ и „Ројтерс“ веќе користат автоматизација за одредени вести. Доколку тој тренд продолжи, и со оглед на експлозијата на финансиски податоци, вештачката интелигенција може да биде одговорна за филтрирање и комуникација на поголемиот дел од нив.

Сепак, довербата и верификацијата ќе бидат централни. Финансиската индустрија е строго регулирана и секоја вештачка интелигенција што работи автономно ќе треба да исполнува строги стандарди:

• Обезбедување дека нема халуцинации (не можете да имате аналитичар на вештачка интелигенција да измисли финансиска метрика што не е реална - тоа би можело да ги доведе во заблуда пазарите).

• Избегнување на пристрасност или нелегални практики (како ненамерно намалување на цените во одлуките за кредитирање поради пристрасни податоци за обука).

• Ревизибилност: регулаторите веројатно ќе бараат одлуките со вештачка интелигенција да бидат објаснети. Доколку вештачката интелигенција одбие заем или донесе одлука за тргување, мора да постои образложение што може да се испита. Генеративните модели можат да бидат малку црна кутија, па затоа очекувајте развој на објаснети техники со вештачка интелигенција за да ги направат нивните одлуки транспарентни.

Следните 10 години веројатно ќе вклучуваат тесна соработка помеѓу вештачката интелигенција и финансиските професионалци, постепено поместувајќи ја линијата на автономија како што расте довербата. Раните победи ќе дојдат во автоматизацијата со низок ризик (како генерирање извештаи). Потешки ќе бидат основните проценки како што се кредитните одлуки или инвестициските избори, но дури и таму, како што се гради евиденцијата на вештачката интелигенција, фирмите може да ѝ дадат поголема автономија. На пример, можеби фондот за вештачка интелигенција ќе работи со човечки надзорник кој интервенира само ако перформансите отстапуваат или ако вештачката интелигенција укаже на неизвесност.

Економски, McKinsey процени дека вештачката интелигенција (особено генерациската вештачка интелигенција) би можела да додаде вредност од околу 200-340 милијарди долари на банкарството годишно и слични големи влијанија врз осигурителните и капиталните пазари ( Состојбата на вештачката интелигенција во 2023 година: Годината на пробив на генеративната вештачка интелигенција | McKinsey ) ( Која е иднината на генеративната вештачка интелигенција? | McKinsey ). Ова е преку ефикасност и подобри резултати од донесувањето одлуки. За да се искористи таа вредност, голем дел од рутинската финансиска анализа и комуникација веројатно ќе бидат пренасочени кон системите за вештачка интелигенција.

Накратко, до 2035 година генеративната вештачка интелигенција би можела да биде како армија од помлади аналитичари, советници и службеници кои работат низ финансискиот сектор, автономно извршувајќи голем дел од макотрпната работа и некои софистицирани анализи. Луѓето сè уште ќе поставуваат цели и ќе се справуваат со стратегија на високо ниво, односи со клиенти и надзор. Финансискиот свет, кој е претпазлив, постепено ќе ја проширува автономијата - но насоката е јасна дека сè повеќе и повеќе обработка на информации, па дури и препораки за одлуки, ќе доаѓаат од вештачката интелигенција. Идеално, ова води до побрза услуга (инстантни заеми, совети 24 часа на ден), пониски трошоци и потенцијално поголема објективност (одлуки засновани на модели на податоци). Но, одржувањето на довербата ќе биде клучно; една голема грешка на вештачката интелигенција во финансиите би можела да предизвика огромна штета (замислете моментален пад предизвикан од вештачка интелигенција или погрешно одбиена корист за илјадници луѓе). Оттука, заштитните огради и човечките проверки веројатно ќе продолжат, особено за активностите со кои се соочуваат потрошувачите, дури и кога процесите во канцеларијата стануваат многу автономни.

Предизвици и етички размислувања

Низ сите овие домени, како што генеративната вештачка интелигенција презема сè поавтономни одговорности, се појавува низа заеднички предизвици и етички прашања. Обезбедувањето вештачката интелигенција да биде сигурен и корисен автономен агент не е само техничка задача, туку општествена. Овде ги наведуваме клучните проблеми и како тие се решаваат (или ќе треба да се решаваат):

Сигурност и точност

Проблемот со халуцинации: Моделите на генеративната вештачка интелигенција можат да произведат неточни или целосно измислени резултати што изгледаат сигурно. Ова е особено опасно кога нема човек во јамка за да ги забележи грешките. Четбот може да му даде на клиентот погрешни инструкции или извештај напишан од вештачка интелигенција може да содржи измислена статистика. Од 2025 година, неточноста е препознаена како најголем ризик од генеративната вештачка интелигенција од страна на организациите ( Состојбата на вештачката интелигенција во 2023 година: Годината на пробив на генеративната вештачка интелигенција | McKinsey ) ( Состојбата на вештачката интелигенција: Глобално истражување | McKinsey ). Во иднина, техники како проверка на факти во бази на податоци, подобрувања на архитектурата на моделите и засилено учење со повратни информации се користат за да се минимизираат халуцинациите. Автономните системи со вештачка интелигенција веројатно ќе имаат потреба од ригорозно тестирање и можеби формална верификација за критични задачи (како генерирање код што би можело да внесе грешки/безбедносни недостатоци ако е погрешно).

Доследност: Системите за вештачка интелигенција треба да работат сигурно со текот на времето и во различни сценарија. На пример, вештачката интелигенција може да се справи добро со стандардни прашања, но да се сопне на екстремни случаи. Обезбедувањето конзистентни перформанси ќе бара обемни податоци за обука што ќе опфаќаат различни ситуации и континуирано следење. Многу организации планираат да имаат хибридни пристапи - вештачката интелигенција функционира, но случајните примероци се ревидираат од луѓе - за да се измерат тековните стапки на точност.

Безбедни системи: Кога вештачката интелигенција е автономна, клучно е да ја препознае сопствената неизвесност. Системот треба да биде дизајниран да „знае кога не знае“. На пример, ако лекарот со вештачка интелигенција не е сигурен за дијагнозата, треба да означи за човечки преглед, наместо да даде случајна претпоставка. Вградувањето на проценка на неизвесноста во излезните податоци од вештачката интелигенција (и поставувањето прагови за автоматско човечко предавање) е активна област на развој.

Пристрасност и фер однос

Генеративната вештачка интелигенција учи од историски податоци кои можат да содржат предрасуди (расни, родови итн.). Автономната вештачка интелигенција може да ги овековечи или дури и да ги засили тие предрасуди:

• При вработување или прием, донесувач на одлуки за вештачка интелигенција би можел неправедно да дискриминира ако неговите податоци за обука имаат пристрасност.

• Во службата за корисници, вештачката интелигенција може да реагира различно на корисниците врз основа на дијалектот или други фактори, освен ако не е внимателно проверена.

• Во креативните области, вештачката интелигенција може да не ги претставува одредени култури или стилови ако сетот за обука е неурамнотежен.

Справувањето со ова бара внимателно курирање на множества податоци, тестирање на пристрасност и можеби алгоритамски прилагодувања за да се обезбеди праведност. Транспарентноста е клучна: компаниите ќе треба да ги откријат критериумите за одлучување за вештачката интелигенција, особено ако автономната вештачка интелигенција влијае на нечии можности или права (како добивање кредит или работа). Регулаторите веќе обрнуваат внимание; на пример, Законот за вештачка интелигенција на ЕУ (во изработка од средината на 2020-тите) веројатно ќе бара проценки на пристрасност за високоризични системи со вештачка интелигенција.

Одговорност и правна одговорност

Кога систем на вештачка интелигенција што работи автономно предизвикува штета или прави грешка, кој е одговорен? Правните рамки го надополнуваат темпото:

• Компаниите што користат вештачка интелигенција веројатно ќе сносат одговорност, слично како да бидат одговорни за постапките на вработениот. На пример, ако вештачката интелигенција даде лош финансиски совет што резултира со загуба, фирмата можеби ќе мора да го обештети клиентот.

• Постои дебата за „личноста“ на вештачката интелигенција или дали напредната вештачка интелигенција би можела да биде делумно одговорна, но тоа сега е повеќе теоретски. Практично, вината ќе се проследи до развивачите или операторите.

• Може да се појават нови осигурителни производи за дефекти на вештачката интелигенција. Доколку камион што се вози самостојно предизвика несреќа, осигурувањето на производителот може да ја покрие, аналогно на одговорноста за производот.

• Документацијата и евидентирањето на одлуките поврзани со вештачката интелигенција ќе бидат важни за постморталните испитувања. Ако нешто тргне наопаку, треба да ја ревидираме трагата на одлуките на вештачката интелигенција за да учиме од тоа и да доделиме одговорност. Регулаторите можат да наложат евидентирање на автономни дејства на вештачката интелигенција токму поради оваа причина.

Транспарентност и објаснување

Автономната вештачка интелигенција идеално би требало да може да го објасни своето расудување на начин разбирлив за човекот, особено во последователните домени (финансии, здравствена заштита, правосуден систем). Објаснувачката вештачка интелигенција е област која се стреми да ја отвори црната кутија:

• За одбивање на кредит од страна на вештачка интелигенција, регулативите (како во САД, ECOA) може да бараат давање причина на барателот. Значи, вештачката интелигенција мора да изнесе фактори (на пр., „висок сооднос на долгот со приходот“) како објаснување.

• Корисниците кои комуницираат со вештачка интелигенција (како студенти со тутор за вештачка интелигенција или пациенти со апликација за здравје со вештачка интелигенција) заслужуваат да знаат како таа доаѓа до совет. Се прават напори расудувањето со вештачка интелигенција да биде полесно проследливо, или преку поедноставување на моделите или преку паралелни објаснувачки модели.

• Транспарентноста исто така значи дека корисниците треба да знаат кога имаат работа со вештачка интелигенција наспроти човек. Етичките упатства (и веројатно некои закони) се наклонети кон барање за откривање ако клиентот разговара со бот. Ова спречува измама и овозможува согласност на корисникот. Некои компании сега експлицитно означуваат содржина напишана од вештачка интелигенција (како „Оваа статија е генерирана од вештачка интелигенција“) за да ја одржат довербата.

Приватност и заштита на податоци

Генеративната вештачка интелигенција честопати има потреба од податоци – вклучувајќи потенцијално чувствителни лични податоци – за да функционира или учи. Автономните операции мора да ја почитуваат приватноста:

• Агент за услуги на клиентите со вештачка интелигенција ќе пристапи до информациите за сметката за да му помогне на клиентот; тие податоци мора да бидат заштитени и да се користат само за задачата.

• Доколку туторите за вештачка интелигенција имаат пристап до профилите на учениците, постојат размислувања според закони како FERPA (во САД) за да се обезбеди приватноста на образовните податоци.

• Големите модели можат ненамерно да запомнат специфики од нивните податоци за обука (на пр., регургитирање на адресата на лицето видено за време на обуката). Техники како диференцијална приватност и анонимизација на податоците во обуката се важни за да се спречи протекување на лични информации во генерираните излезни податоци.

• Прописи како GDPR им даваат права на поединците врз автоматизираните одлуки што ги засегаат. Луѓето можат да побараат човечки преглед или одлуките да не бидат целосно автоматизирани ако тие значително влијаат врз нив. До 2030 година, овие прописи би можеле да еволуираат како што вештачката интелигенција станува поприсутна, евентуално воведувајќи права на објаснување или откажување од обработка со вештачка интелигенција.

Безбедност и злоупотреба

Автономните системи со вештачка интелигенција би можеле да бидат цел на хакирање или би можеле да бидат експлоатирани за извршување злонамерни работи:

• Генераторот на содржина со вештачка интелигенција може да се злоупотреби за создавање дезинформации во голем обем (длабоки видеа, лажни вести), што претставува општествен ризик. Етиката на објавување многу моќни генеративни модели е жестоко дебатирана (OpenAI првично беше претпазлив со можностите за слики на GPT-4, на пример). Решенијата вклучуваат воден печат на содржина генерирана од вештачка интелигенција за да помогне во откривањето на лажни содржини и користење на вештачка интелигенција за борба против вештачката интелигенција (како алгоритми за откривање на длабоки лажни вести).

• Ако вештачката интелигенција контролира физички процеси (дронови, автомобили, индустриска контрола), нејзиното обезбедување од сајбер напади е клучно. Хакиран автономен систем може да предизвика штета во реалниот свет. Ова значи робусно криптирање, безбедни системи и можност за човечко поништување или исклучување ако нешто изгледа компромитирано.

• Исто така, постои загриженост дека вештачката интелигенција ќе оди подалеку од предвидените граници (сценариото „нечесна вештачка интелигенција“). Иако сегашните вештачки интелигенции немаат агенција или намера, доколку идните автономни системи се поагентивни, потребни се строги ограничувања и следење за да се осигури дека тие, да речеме, нема да извршуваат неовластени тргувања или да ги прекршуваат законите поради погрешно наведена цел.

Етичка употреба и влијание врз луѓето

Конечно, пошироки етички размислувања:

• Преместување на работни места: Ако вештачката интелигенција може да извршува задачи без човечка интервенција, што се случува со тие работни места? Историски гледано, технологијата автоматизира некои работни места, но создава други. Транзицијата може да биде болна за работниците чии вештини се во задачи што стануваат автоматизирани. Општеството ќе треба да го управува ова преку преквалификација, образование и евентуално преиспитување на економската поддршка (некои сугерираат дека вештачката интелигенција може да бара идеи како универзален основен приход ако многу работа е автоматизирана). Анкетите веќе покажуваат мешани чувства - една студија покажа дека една третина од работниците се загрижени за вештачката интелигенција како замена за работните места, додека други ја гледаат како отстранување на макотрпната работа.

• Ерозија на човечките вештини: Ако туторите од вештачката интелигенција предаваат, автопилотите од вештачката интелигенција возат, а вештачката интелигенција пишува код, дали луѓето ќе ги изгубат овие вештини? Преголемата зависност од вештачката интелигенција во најлош случај би можела да ја еродира експертизата; тоа е нешто на што програмите за образование и обука ќе треба да се прилагодат, осигурувајќи дека луѓето сè уште ги учат основите дури и ако вештачката интелигенција помага.

• Етичко донесување одлуки: На вештачката интелигенција ѝ недостасува човечка морална проценка. Во здравството или правото, одлуките засновани исклучиво на податоци може да бидат во конфликт со сочувството или правдата во поединечни случаи. Можеби ќе треба да кодираме етички рамки во вештачката интелигенција (област на истражување на етиката на вештачката интелигенција, на пр., усогласување на одлуките на вештачката интелигенција со човечките вредности). Најмалку е препорачливо луѓето да бидат информирани за етички наелектризираните одлуки.

• Инклузивност: Обезбедувањето широка дистрибуција на придобивките од вештачката интелигенција е етичка цел. Доколку само големите компании можат да си дозволат напредна вештачка интелигенција, помалите бизниси или посиромашните региони би можеле да останат зад себе. Напорите за отворен код и достапните решенија за вештачка интелигенција можат да помогнат во демократизацијата на пристапот. Исто така, интерфејсите треба да бидат дизајнирани така што секој може да користи алатки за вештачка интелигенција (различни јазици, пристапност за лицата со попреченост итн.), за да не создадеме нова дигитална поделба на „кој има асистент за вештачка интелигенција, а кој нема“.

Тековно ублажување на ризиците: Од позитивна страна, како што компаниите ја воведуваат генерацијата вештачка интелигенција, расте свеста и дејствувањето по овие прашања. До крајот на 2023 година, речиси половина од компаниите што користат вештачка интелигенција активно работеа на ублажување на ризиците како што е неточноста ( Состојбата на вештачката интелигенција во 2023 година: Годината на пробив на генеративната вештачка интелигенција | McKinsey ) ( Состојбата на вештачката интелигенција: Глобално истражување | McKinsey ), а тој број расте. Технолошките фирми формираа етички одбори за вештачка интелигенција; владите изготвуваат регулативи. Клучот е етиката да се вгради во развојот на вештачката интелигенција од самиот почеток („Етика по дизајн“), наместо да се реагира подоцна.

Како заклучок за предизвиците: давањето поголема автономија на вештачката интелигенција е меч со две острици. Може да донесе ефикасност и иновации, но бара висока летва на одговорност. Во наредните години веројатно ќе видиме мешавина од технолошки решенија (за подобрување на однесувањето на вештачката интелигенција), процесни решенија (рамки за политики и надзор) и можеби нови стандарди или сертификати (системите за вештачка интелигенција може да бидат ревидирани и сертифицирани како што се моторите или електрониката денес). Успешното справување со овие предизвици ќе одреди колку лесно можеме да ја интегрираме автономната вештачка интелигенција во општеството на начин што ќе ја зголеми човековата благосостојба и доверба.

Заклучок

Генеративната вештачка интелигенција брзо еволуираше од нов експеримент во трансформативна технологија за општа намена што допира до секој агол од нашите животи. Оваа бела книга истражуваше како, до 2025 година, системите за вештачка интелигенција веќе пишуваат статии, дизајнираат графики, кодираат софтвер, разговараат со клиенти, сумираат медицински белешки, подучуваат студенти, оптимизираат синџири на снабдување и изготвуваат финансиски извештаи. Важно е да се напомене дека во многу од овие задачи вештачката интелигенција може да работи со мала или никаква човечка интервенција , особено за добро дефинирани, повторувачки задачи. Компаниите и поединците почнуваат да ѝ веруваат на вештачката интелигенција да ги извршува овие должности автономно, собирајќи придобивки во брзина и обем.

Гледајќи напред кон 2035 година, стоиме на работ на ера каде што вештачката интелигенција ќе биде уште посеприсутен соработник - честопати невидлива дигитална работна сила што се справува со рутината за луѓето да можат да се фокусираат на исклучителното. Очекуваме генеративната вештачка интелигенција сигурно да вози автомобили и камиони на нашите патишта, да управува со залихите во магацините преку ноќ, да одговара на нашите прашања како знаечки лични асистенти, да обезбедува индивидуална обука за студенти ширум светот, па дури и да помага во откривањето нови лекови во медицината - сето тоа со сè поминимален директен надзор. Границата помеѓу алатката и агентот ќе се замати како што вештачката интелигенција ќе преминува од пасивно следење на инструкции кон проактивно генерирање решенија.

Сепак, патувањето кон оваа автономна иднина на вештачката интелигенција мора да се води внимателно. Како што наведовме, секоја област носи свои ограничувања и одговорности:

• Денешна проверка на реалноста: Вештачката интелигенција не е непогрешлива. Таа се истакнува во препознавањето на обрасци и генерирањето содржини, но ѝ недостасува вистинско разбирање и здрав разум во човечка смисла. Затоа, засега, човечкиот надзор останува безбедносна мрежа. Препознавањето каде вештачката интелигенција е подготвена да лета сама (а каде не е) е клучно. Многу успеси денес доаѓаат од тимскиот модел човек-вештачка интелигенција , а овој хибриден пристап ќе продолжи да биде вреден таму каде што целосната автономија сè уште не е разумна.

• Ветување за утре: Со напредокот во архитектурите на моделите, техниките за обука и механизмите за надзор, можностите на вештачката интелигенција ќе продолжат да се шират. Следната деценија на истражување и развој би можела да реши многу моментални проблеми (намалување на халуцинациите, подобрување на интерпретабилноста, усогласување на вештачката интелигенција со човечките вредности). Ако е така, системите со вештачка интелигенција до 2035 година би можеле да бидат доволно робусни за да им се довери многу поголема автономија. Проекциите во овој труд - од наставници по вештачка интелигенција до во голема мера самостојни бизниси - би можеле да бидат нашата реалност, или дури и надминати од иновации што тешко се замислуваат денес.

• Човечка улога и адаптација: Наместо вештачката интелигенција целосно да ги замени луѓето, предвидуваме дека улогите еволуираат. Професионалците во секоја област веројатно ќе треба да станат вешти во работата со вештачката интелигенција - водејќи ја, проверувајќи ја и фокусирајќи се на аспектите на работата што бараат изразито човечки предности како што се емпатијата, стратешкото размислување и решавањето сложени проблеми. Образованието и обуката на работната сила треба да се насочат кон нагласување на овие уникатни човечки вештини, како и писменоста за вештачката интелигенција за сите. Креаторите на политиките и бизнис лидерите треба да планираат транзиции на пазарот на трудот и да обезбедат системи за поддршка за оние кои се погодени од автоматизацијата.

• Етика и управување: Можеби најкритично е што рамката за етичко користење и управување со вештачката интелигенција мора да го поткрепи овој технолошки раст. Довербата е валута на усвојување - луѓето ќе дозволат вештачката интелигенција да вози автомобил или да помага во операција само ако веруваат дека е безбедна. Градењето на таа доверба вклучува ригорозно тестирање, транспарентност, вклучување на засегнатите страни (на пр. вклучување на лекари во дизајнирање на медицински вештачки интелигенции, наставници во алатки за едукација за вештачка интелигенција) и соодветна регулатива. Меѓународната соработка може да биде неопходна за справување со предизвици како што се длабоките лажни информации или вештачката интелигенција во војувањето, обезбедувајќи глобални норми за одговорна употреба.

Како заклучок, генеративната вештачка интелигенција претставува моќен мотор на напредокот. Кога се користи мудро, таа може да ги ослободи луѓето од макотрпна работа, да ја ослободи креативноста, да ги персонализира услугите и да ги реши празнините (донесувајќи експертиза таму каде што експертите се ретки). Клучот е да се распореди на начин што го засилува човечкиот потенцијал, а не го маргинализира . На краток рок, тоа значи луѓето да бидат во тек со водењето на вештачката интелигенција. На долг рок, тоа значи кодирање на хуманистичките вредности во јадрото на системите за вештачка интелигенција, така што дури и кога дејствуваат независно, тие дејствуваат во наш најдобар колективен интерес.

Домен	Сигурна автономија денес (2025)	Очекувана сигурна автономија до 2035 година
Пишување и содржина	- Рутински вести (спорт, заработка) автоматски генерирани. - Прегледи на производи сумирани од вештачка интелигенција. - Нацрти на статии или е-пошта за човечко уредување. ( Филана Патерсон – Профил на заедницата на ONA ) ( Amazon го подобрува искуството со прегледи на клиенти со вештачка интелигенција )	- Поголемиот дел од вестите и маркетинг содржините се пишуваат автоматски со фактичка точност. - Вештачката интелигенција произведува комплетни статии и соопштенија за медиумите со минимален надзор. - Високо персонализирана содржина генерирана по барање.
Визуелни уметности и дизајн	- Вештачката интелигенција генерира слики од инструкции (човекот избира најдобро). - Концептуална уметност и варијации на дизајн креирани автономно.	- Вештачката интелигенција произведува целосни видео/филмски сцени и комплексна графика. - Генеративен дизајн на производи/архитектура што ги исполнува спецификациите. - Персонализирани медиуми (слики, видео) креирани по барање.
Софтверско кодирање	- Вештачката интелигенција автоматски го дополнува кодот и пишува едноставни функции (прегледано од развивачот). - Автоматизирано генерирање тестови и предлози за грешки. ( Кодирање на Copilot: Податоците од 2023 година сугерираат притисок врз квалитетот на кодот (вклучувајќи ги и проекциите за 2024 година) - GitClear ) ( GitHub Copilot го надминува истражувачкиот извештај за асистенти за код на вештачка интелигенција -- Visual Studio Magazine )	- Вештачката интелигенција сигурно ги имплементира сите функции од спецификациите. - Автономно дебагирање и одржување на код за познати шеми. - Креирање апликации со мал код и мал човечки придонес.
Служба за корисници	- Чет-ботовите одговараат на најчесто поставувани прашања, решаваат едноставни проблеми (сложени случаи на предавање). - Вештачката интелигенција обработува ~70% од рутинските барања на некои канали. ( 59 статистики за услуги на клиентите од вештачката интелигенција за 2025 година ) ( До 2030 година, 69% од одлуките за време на интеракциите со клиентите ќе бидат ... )	- Вештачката интелигенција ги обработува повеќето интеракции со клиентите од почеток до крај, вклучувајќи и сложени барања. - Донесување одлуки со вештачка интелигенција во реално време за концесии за услуги (поврат на средства, надградби). - Само човечки агенти за ескалации или специјални случаи.
Здравствена заштита	- Вештачката интелигенција составува медицински белешки; предлага дијагнози кои лекарите ги потврдуваат. - Вештачката интелигенција чита некои скенирања (радиологија) со надзор; тријажара едноставни случаи. ( Производите за медицинско снимање со вештачка интелигенција би можеле да се зголемат петкратно до 2035 година )	- Вештачката интелигенција сигурно дијагностицира чести заболувања и ги толкува повеќето медицински слики. - Вештачката интелигенција ги следи пациентите и иницира грижа (на пр., потсетници за лекови, итни предупредувања). - Виртуелните „медицински сестри“ со вештачка интелигенција се грижат за рутинските контролни прегледи; лекарите се фокусираат на сложена грижа.
Образование	- Тутори со вештачка интелигенција одговараат на прашања од учениците, генерираат практични проблеми (наставници кои следат). - Вештачката интелигенција помага во оценувањето (со преглед од наставници). ([Генеративна вештачка интелигенција за образование од градинка до 12-то одделение])	Истражувачки извештај од Applify] ( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
Логистика	- Вештачката интелигенција ги оптимизира патиштата за испорака и пакувањето (луѓето поставуваат цели). - Вештачката интелигенција ги означува ризиците во синџирот на снабдување и предлага мерки за ублажување. ( Најдобри случаи на употреба на генеративна вештачка интелигенција во логистиката )	- Во голема мера самостојни испораки (камиони, дронови) надгледувани од контролори со вештачка интелигенција. - Вештачката интелигенција автономно ги пренасочува пратките околу прекините и ги прилагодува залихите. - Координација на синџирот на снабдување од крај до крај (нарачки, дистрибуција) управувана од вештачка интелигенција.
Финансии	- Вештачката интелигенција генерира финансиски извештаи/резимеа на вести (човечки прегледани). - Роботските советници управуваат со едноставни портфолија; вештачката интелигенција за разговор ги обработува барањата на клиентите. ( Генеративната вештачка интелигенција доаѓа во финансиите )	- Аналитичарите со вештачка интелигенција изработуваат препораки за инвестирање и извештаи за ризик со висока точност. - Автономно тргување и ребалансирање на портфолиото во рамките на утврдените лимити. - Вештачката интелигенција автоматски одобрува стандардни заеми/побарувања; луѓето се справуваат со исклучоци.

Референци:

1. Патерсон, Филана. Автоматизираните приказни за заработка се множат . Асошиејтед Прес (2015) – Го опишува автоматизираното генерирање на илјадници извештаи за заработка од страна на АП без човечки писател ( Автоматизираните приказни за заработка се множат | Асошиејтед Прес ).

2. McKinsey & Company. Состојбата на вештачката интелигенција на почетокот на 2024 година: Усвојувањето на генерациската вештачка интелигенција се зголемува и почнува да генерира вредност . (2024) – Извештаи дека 65% од организациите редовно користат генеративна вештачка интелигенција, речиси двојно повеќе од 2023 година ( Состојбата на вештачката интелигенција на почетокот на 2024 година | McKinsey ) и дискутира за напорите за ублажување на ризикот ( Состојбата на вештачката интелигенција: Глобално истражување | McKinsey ).

3. Gartner. Beyond ChatGPT: Иднината на генеративната вештачка интелигенција за претпријатија . (2023) – Предвидува дека до 2030 година, 90% од блокбастер филмовите би можеле да бидат генерирани од вештачка интелигенција ( Случаи на употреба на генеративна вештачка интелигенција за индустрии и претпријатија ) и ги истакнува случаите на употреба на генеративна вештачка интелигенција, како што е дизајнот на лекови ( Случаи на употреба на генеративна вештачка интелигенција за индустрии и претпријатија ).

4. Twipe. 12 начини на кои новинарите користат алатки за вештачка интелигенција во редакцијата . (2024) – Пример за вештачка интелигенција „Клара“ во новинска агенција која пишува 11% од статиите, при што човечки уредници ја прегледуваат целата содржина со вештачка интелигенција ( 12 начини на кои новинарите користат алатки за вештачка интелигенција во редакцијата - Twipe ).

5. Вести од Amazon.com. Amazon го подобрува искуството со прегледи од клиенти со вештачка интелигенција . (2023) – Најавува резимеа на прегледи генерирани од вештачка интелигенција на страниците на производите за да им помогне на купувачите ( Amazon го подобрува искуството со прегледи од клиенти со вештачка интелигенција ).

6. Zendesk. 59 Статистика за услуги на клиентите со вештачка интелигенција за 2025 година . (2023) – Укажува дека повеќе од две третини од организациите за корисничка поддршка сметаат дека генеративната вештачка интелигенција ќе додаде „топлина“ во услугата ( 59 Статистика за услуги на клиентите со вештачка интелигенција за 2025 година ) и предвидува вештачка интелигенција во 100% од интеракциите со клиентите на крајот ( 59 Статистика за услуги на клиентите со вештачка интелигенција за 2025 година ).

7. Futurum Research & SAS. Experience 2030: Иднината на корисничкото искуство . (2019) – Истражувањето покажа дека брендовите очекуваат ~69% од одлуките за време на ангажманот со клиентите да бидат донесени од паметни машини до 2030 година ( За да го преосмислат преминот кон корисничко искуство, маркетерите мора да ги направат овие 2 работи ).

8. Dataiku. Најдобри случаи на употреба на генеративна вештачка интелигенција во логистиката . (2023) – Опишува како GenAI го оптимизира товарењето (намалувајќи ~30% празен простор на камионот) ( Најдобри случаи на употреба на генеративна вештачка интелигенција во логистиката ) и ги означува ризиците во синџирот на снабдување преку скенирање вести.

9. Списание Visual Studio. GitHub копилотот е на врвот на истражувачкиот извештај за асистенти за код со вештачка интелигенција . (2024) – Претпоставки за стратешко планирање на Gartner: до 2028 година, 90% од корпоративните програмери ќе користат асистенти за код со вештачка интелигенција (зголемување од 14% во 2024 година) ( GitHub копилотот е на врвот на истражувачкиот извештај за асистенти за код со вештачка интелигенција -- Списание Visual Studio ).

10. Bloomberg News. Претставување на BloombergGPT . (2023) – Детално го прикажува моделот на Bloomberg со 50B параметри насочен кон финансиски задачи, вграден во Terminal за поддршка на прашања и одговори и анализи ( генеративната вештачка интелигенција доаѓа во финансиите ).

Статии што можеби ќе ве интересираат по оваа:

🔗 Работни места што вештачката интелигенција не може да ги замени – и кои работни места ќе ги замени вештачката интелигенција?
Глобална перспектива за еволутивниот работен пејзаж, испитувајќи кои улоги се безбедни од нарушување на вештачката интелигенција, а кои се најмногу изложени на ризик.

🔗 Може ли вештачката интелигенција да го предвиди берзата?
Длабоко истражување на можностите, ограничувањата и етичките аспекти на користењето на вештачката интелигенција за предвидување на берзата.

🔗 Како може да се користи генеративна вештачка интелигенција во сајбер безбедноста?
Дознајте како се применува генеративната вештачка интелигенција за одбрана од сајбер закани, од откривање на аномалии до моделирање на закани.