Дали постои меур со вештачка интелигенција? [Видео и квиз]

Краток одговор: Може да постои „меур од вештачка интелигенција“ во одредени слоеви - особено апликациите за имитирање, проценките водени од приказни и облозите за инфраструктура преполни со долгови - иако усвојувањето на вештачката интелигенција е веќе широко распространето. Ако употребата не се претвори во трајни приходи и подобрување на економијата на единиците, очекувајте пресврт. Ако договорите, паричниот тек и задржувањето се одржат, тоа повеќе личи на структурна промена отколку на манија.

Еден показателен знак: употребата е веќе широка (на пр., индексот на вештачка интелигенција на Стенфорд известува дека 78% од организациите изјавиле дека користеле вештачка интелигенција во 2024 година, што е зголемување во споредба со 55% од претходната година) - но широката употреба не значи автоматски трајни профитни фондови. [1]

Клучни заклучоци:

Јасност на слоевите: Дефинирајте дали мислите на вреднување, финансирање, наратив, инфраструктура или производна пена.

Јаз во монетизацијата: Следење на усвојувањето наспроти приходите; широката употреба не гарантира профитни пулови.

Единична економија: Мерење на трошоците за инференција, маржите, задржувањето, отплатата и товарот на човечка корекција.

Финансиски ризик: Претпоставки за искористеност на стрес-тестот; левериџот плус долгите отплати можат брзо да се забрзаат.

Предизвик на управувањето: Работата околу сигурноста, усогласеноста, евидентирањето и отчетноста ги забавува временските рокови од „демо до производ“.

Статии што можеби ќе ве интересираат по оваа:

🔗 Дали детекторите со вештачка интелигенција се сигурни за откривање на пишување со вештачка интелигенција?
Дознајте колку се прецизни детекторите со вештачка интелигенција и каде тие не успеваат.

🔗 Како да користам вештачка интелигенција на мојот телефон секојдневно?
Едноставни начини за користење на апликации со вештачка интелигенција за секојдневни задачи.

🔗 Дали текстот во говор е вештачка интелигенција и како функционира?
Разберете ја TTS технологијата, придобивките и вообичаените случаи на употреба во реалниот свет.

🔗 Може ли вештачката интелигенција да чита ракопис од скенирани белешки?
Погледнете како вештачката интелигенција се справува со ракописното писмо и што ги подобрува резултатите од препознавањето.

Што мислат луѓето кога велат „меур со вештачка интелигенција“ 🧠🫧

Обично тоа е едно (или повеќе) од овие:

• Меур за вреднување: цените имплицираат речиси совршено извршување подолго време

• Финансиски меур: премногу пари бркаат премногу слични стартапи

• Наративен меур: „Вештачката интелигенција менува сè“ се претвора во „Вештачката интелигенција поправа сè утре“

• Инфраструктурен меур: масивни центри за податоци и изградба на електрична енергија финансирани врз основа на оптимистички претпоставки

• Балон за производи: многу демо-презентации, помалку лепливи производи за секојдневна употреба

Значи, кога некој ќе праша „Дали постои меур со вештачка интелигенција“, вистинското прашање станува: за кој слој зборуваме.

Краток водител на реалистична емисија: што се случува 📌

Неколку втемелени точки на податоци помагаат да се одвои „пената“ од „структурната промена“:

• Инвестициите се огромни (особено во генерациската вештачка интелигенција): глобалните приватни инвестиции во генерациската вештачка интелигенција достигнаа 33,9 милијарди долари во 2024 година (Стенфордски индекс на вештачка интелигенција). [1]

• Енергијата повеќе не е фуснота: IEA проценува дека центрите за податоци користеле околу 415 TWh во 2024 година (~1,5% од глобалната електрична енергија) и проектира ~945 TWh до 2030 година во основен случај (нешто помалку од 3% од глобалната електрична енергија). Тоа е вистинско зголемување - а исто така и вистински ризик за прогнозирање/финансирање ако усвојувањето или ефикасноста не се следат. [2]

• „Вистински пари“ течат низ основната инфраструктура: NVIDIA пријави приход од 130,5 милијарди долари за фискалната 2025 година и приход од 115,2 милијарди долари за целата година за Центарот за податоци - што е најдалеку од „без фундаментални елементи“ што може да се каже. [3]

• Усвојување ≠ приходи (особено кај помалите фирми): анкета на OECD покажа дека генерациската вештачка интелигенција се користи во 31% од малите и средни претпријатија, а меѓу малите и средни претпријатија кои користат генерациска вештачка интелигенција, 65% пријавиле подобрени перформанси на вработените, додека 26% пријавиле зголемени приходи. Вредно, да - но исто така извикува „монетизацијата е нееднаква“. [4]

Што ја прави верзијата на тестот со AI Bubble добра ✅🫧

Добриот тест за меурчиња не е само за вибрации. Проверува работи како што се:

1) Усвојување наспроти монетизација

Тоа што луѓето користат вештачка интелигенција не значи автоматски дека луѓето плаќаат доволно за неа (или плаќаат доволно доволно долго) за да ги оправдаат денешните цени.

2) Единечна економија (непривлечната вистина)

Барај:

• бруто маржи

• инференцијална цена по клиент (колку ве чини да го генерирате резултатот што го сакаат)

• задржување и проширување

• период на созревање

Брза дефиниција што е важна: трошокот за инференција не е „трошок во облак“. Тоа е маргиналниот трошок за испорака на вредност - токени, латенција, време на графичката картичка, заштитни огради, човечки ресурси во јамката, контрола на квалитетот, повторувања и целата скриена работа „да се направи сигурно“.

3) Алатки наспроти апликации

Инфраструктурата може да победи дури и ако многу апликации се активираат, бидејќи на сите им е потребна компјутерска моќ. (Тоа е дел од причината зошто претпоставката „сè е балон“ има тенденција да промаши.)

4) Левериџ и кревко финансирање

Долг + долги циклуси на отплата + наративна топлина се местото каде што работите се прекинуваат - особено во инфраструктурата каде што претпоставките за искористеност се целата игра. ИЕА експлицитно користи сценарија/случаи на чувствителност бидејќи неизвесноста е реална. [2]

5) Фалсификувано тврдење

Не „Вештачката интелигенција ќе биде голема“, туку „овие парични текови ја оправдуваат оваа цена“

Случајот „да“: знаци на меур од вештачка интелигенција 🫧📈

1) Финансирањето е силно концентрирано 💸

Огромни количини капитал се натрупани во сè што е означено со „Вештачка интелигенција“. Концентрацијата може да значи убедување - или прегревање. Податоците од индексот на вештачка интелигенција на Стенфорд покажуваат колку голем и брз бил инвестицискиот бран, особено во генеративната вештачка интелигенција. [1]

2) „Наративни премиум“ работи многу 🗣️✨

Ќе видите:

• стартапите брзо се зголемуваат пред да се вклопат на пазарот на производи

• „Вештачки обработени“ презентации (ист производ, нов жаргон)

• вреднувања оправдани со стратешко раскажување приказни

3) Воведувањата во претпријатија се понерамни од маркетингот 🧯

Јазот помеѓу демо и продукција е реален:

• проблеми со сигурноста

• халуцинации (фенси збор за „самоуверено грешам“)

• главоболки поврзани со усогласеност и управување со податоци

• бавни циклуси на набавки

Ова не е само „FUD“. Рамките за ризик како AI RMF на NIST експлицитно нагласуваат валидни и сигурни, безбедни, сигурни, одговорни, транспарентнии со подобрена приватност - т.е. работата на контролната листа што ја забавува фантазијата „испрати го утре“. [5]

Композитен модел на имплементација (не една компанија, само обичниот филм):
Недела 1: тимовите ја обожаваат демонстрацијата.
Недела 4: правните/безбедносните прашања бараат управување, евидентирање и контрола на податоците.
Недела 8: точноста станува тесно грло, па затоа луѓето се додаваат „привремено“.
Недела 12: вредноста е реална - но е потесна од табелата за презентирање, а структурата на трошоците е многу различна од очекуваната.

4) Ризикот од изградба на инфраструктура е реален 🏗️⚡

Трошоците се огромни: центри за податоци, чипови, енергија, ладење. Проекцијата на IEA дека глобалната побарувачка за електрична енергија од центрите за податоци би можела приближно да се удвои до 2030 година е силен сигнал „ова се случува“ - а воедно и потсетник дека пропуштените претпоставки за искористеност можат да ги претворат скапите средства во жалење. [2]

5) Темата за вештачка интелигенција се прелева во сè 🌶️

Енергетски компании, опрема за електрична мрежа, ладење, недвижности - приказната патува. Понекогаш тоа е рационално (енергетските ограничувања се реални). Понекогаш станува збор за тематско сурфање.

Случајот „не“: зошто ова не е класичен целосен балон 🧊📊

1) Некои основни играчи имаат реални приходи (не само наративни) 💰

Карактеристика на чистите меурчиња се „големи ветувања, мали фундаменти“. Во инфраструктурата за вештачка интелигенција, има многу реална побарувачка со вистински пари зад неа - објавената скала на NVIDIA е еден видлив пример. [3]

2) Вештачката интелигенција е веќе вградена во работните процеси во текот на денот (работниот ден е добар) 🧲

Поддршка на корисници, кодирање, пребарување, аналитика, автоматизација на операции - голем дел од вредноста на вештачката интелигенција е тивко практична, а не впечатлива. Тоа е вид на шема на усвојување што меурчињата обично го немаат .

3) Недостатокот на компјутерски технологии не е имагинарен 🧱

Дури и скептиците обично признаваат: луѓето ги користат овие работи во голем обем. А зголемувањето на употребата бара хардвер и енергија - што се гледа во реалните инвестиции и вистинското планирање на енергијата. [2]

Каде ризикот од појава на меур изгледа највисок (и најнизок) 🎯🫧

Највисок ризик од пена 🫧🔥

• Апликации-копии без ров и речиси нула трошоци за префрлање

• Стартапи кои се ценат на „идна доминација“ без докажано задржување

• Премногу задолжени облози за инфраструктура со долга отплата и кревки претпоставки

• „Целосно автономен агент“ тврди дека се навистина кршливи работни процеси со доверба

Помал ризик од пена (сепак не е без ризик) 🧊✅

• Инфраструктура поврзана со реални договори и употреба

• Претпријатиски алатки со мерлив поврат на инвестицијата (заштедено време, решени билети, намалено време на циклус)

• Хибридни системи: вештачка интелигенција + правила + човек-во-јамката (помалку секси, посигурни) - и поусогласени со рамките на ризик што ги поттикнуваат тимовите да ги градат. [5]

Табела за споредба: објективи за брза проверка на реалноста 🧰🫧

(Да, малку е нерамномерно. Така се чувствува вистинското донесување одлуки.)

Практична листа за проверка со AI Bubble 📝🤖

За производи со вештачка интелигенција (апликации, копилоти, агенти) 🧩

• Дали корисниците се враќаат неделно без да бидат поттурнати?

• Може ли компанијата да ги зголеми цените без да се зголеми одливот на вработени?

• Колкав излезен волумен има потреба од човечка корекција?

• Дали постојат сопственички податоци, заклучување на работниот тек или дистрибуција?

• Дали трошоците за инференција паѓаат побрзо од цените?

За инфраструктура 🏗️

• Дали има потпишани обврски или само „стратешки интерес“?

• Што се случува ако искористеноста е помала од очекуваната? (Моделирајте случај на „спротивен ветер“, а не само основниот случај.) [2]

• Дали е финансирано со голем долг?

• Дали постои план ако се променат хардверските преференции?

За „лидери во вештачката интелигенција“ на јавниот пазар 📈

• Дали паричниот тек расте, или само приказната е во прашање?

• Дали маргините се прошируваат или се компресираат?

• Дали растот зависи од мал број клиенти?

• Дали проценката претпоставува трајна доминација?

Затворање на храна за носење 🧠✨

Дали постои „балон со вештачка интелигенција“? Делови од екосистемот покажуваат однесување на „балон“ - особено во апликациите-копии, вреднувањата што се фокусираат на приказната и секое силно задолжено градење.

Но, самата вештачка интелигенција не е „лажна“ или „само маркетинг“. Технологијата е вистинска. Усвојувањето е реално - и можеме да посочиме на реални инвестиции, реални проекции за побарувачката на енергија и реални приходи во основната инфраструктура. [1][2][3]

Накратко: Очекувајте потрес во послабите или премногу затегнатите агли. Основната промена продолжува - само со помалку илузии и повеќе табели. 

Пример од реалниот свет: Тестирање на копилот за поддршка на вештачка интелигенција пред да се нарече „вистински поврат на инвестицијата“

Сценарио

Замислете SaaS компанија од 35 лица која размислува за копилот за поддршка со вештачка интелигенција за својот тим за услуги на клиентите. Производот изгледа импресивно на демо верзиите: ги сумира билетите, составува нацрти за одговори и предлага врски до центарот за помош. Но, тимот сака да знае дали ова е вистинска вредност или е само уште еден производ со вештачка интелигенција поттикнат од возбудата на пазарот.

Наместо да ја купи алатката врз основа на демото, раководителот за поддршка спроведува двонеделен пилот-проект користејќи 100 реални, но анонимизирани историски билети. Целта е едноставна: дали копилотот може да го намали времето за изготвување одговори без да ги зголеми грешките, враќањето на парите или ескалацијата?

Што му е потребно на асистентот

Тимот му дава на копилотот:

• 30 одобрени статии од центарот за помош

• 20 примери за одлични минати одговори

• правила за враќање на средства, откажување и ескалација

• список на фрази што брендот ги избегнува

• јасно правило дека споровите за фактурирање, правните закани и лутите корпоративни клиенти мора да се обратат кај човечки

Пример за упатство

Вие сте копилот за поддршка за B2B SaaS компанија. Напишете корисен одговор користејќи ги само одобрените статии од центарот за помош и дадените белешки за политики. Доколку одговорот е несигурен, наведете кои информации недостасуваат и препорачајте ескалација. Не измислувајте карактеристики на производот, правила за враќање на пари или временски рокови за испорака. Одржувајте го тонот смирен, специфичен и практичен.

Како да го тестирате

Користете мал тест сет пред да го воведете:

1. Изберете 100 минати билети за наплата, поставување, грешки, откажувања и пристап до сметка.

2. Пресметај колку време им е потребно на агентите за да напишат одговори без копилотот.

3. Мерејте го времето на истата задача со копилотот.

4. Побарајте од виш агент за поддршка да го оцени секој нацрт како „подготвен за испраќање“, „потребна е мала измена“, „потребна е голема измена“ или „небезбеден“.

5. Брои ескалации, халуцинирани тврдења за политика, погрешни линкови за помош и проблеми со тонот.

Резултат

Илустративен резултат: врз основа на темпирање на 100 примероци на билети пред и по работниот тек.

Пред копилотот, агентите поминувале во просек по 6 минути и 40 секунди за да го напишат секој прв одговор. Со копилотот, просекот паднал на 2 минути и 25 секунди.

Тоа заштедува околу 4 минути и 15 секунди по билет. Со 1.500 билети месечно, тоа е еднакво на приближно 106 часа време за драфтирање заштедено месечно.

Квалитетот сè уште е важен. Во истиот тест:

• 61 нацрти беа подготвени за испраќање

• 28 потребни светлосни измени

• 8 бараа големо уредување

• 3 беа означени како небезбедни бидејќи измислиле правило за враќање на пари или пропуштиле активирање на ескалација

Тоа значи дека алатката беше вредна, но не и автономна. Разумното воведување би им овозможило на агентите да ја користат за први нацрти, додека човечкиот преглед би останал задолжителен.

Што може да тргне наопаку

Најголемата грешка е мерењето само на брзината. Копилот кој заштедува две минути, но создава грешки во враќањето на средствата, ризик од усогласеност или лути клиенти, може да уништи повеќе вредност отколку што создава.

Други вообичаени грешки вклучуваат:

• тестирање само на лесни билети

• дозволете ѝ на вештачката интелигенција да одговори од застарени документи за помош

• игнорирајќи ги трошоците за човечки преглед

• броење на „генерирани нацрти“ наместо „безбедно испратени нацрти“

• неуспешно следење дали клиентите добиваат подобри одговори

Практичен оброк за носење

Сериозен тест со вештачка интелигенција најдобро функционира на ниво на земја. Не прашувајте дали демото изгледа паметно. Прашајте дали работниот процес заштедува мерливо време, ги одржува стапките на грешки ниски и сè уште функционира откако ќе се пресметаат скриените трошоци за преглед, управување и корекции.

Најчесто поставувани прашања

Дали во моментов постои меур со вештачка интелигенција?

Можеби постои „меур од вештачка интелигенција“ во одредени слоеви, а не низ целиот екосистем на вештачка интелигенција. Пената има тенденција да се собира во апликации за имитирање, проценки водени од приказни и облози за инфраструктура преполни со долгови финансирани врз основа на претпоставки за добра искористеност. Во исто време, усвојувањето е веќе широко, а некои играчи во основната инфраструктура остваруваат опипливи приходи. Исходот зависи од тоа дали употребата ќе се стврдне во трајни парични текови и задржување.

Што мислат луѓето кога велат „меур од вештачка интелигенција“?

Повеќето луѓе мислат на едно - или повеќе - од пет работи: меур за вреднување, меур за финансирање, наративен меур, меур за инфраструктура или меур за производ. Конфузијата е во тоа што „Вештачката интелигенција“ ги спојува сите овие слоеви во еден наслов. Ако не го дефинирате слојот, може да завршите со меѓусебно препирање. Појасно прашање е кој дел изгледа прегреано и зошто.

Дали широкото усвојување на вештачката интелигенција докажува дека пазарот не е балон?

Не мора нужно. Широката употреба е реална, но усвојувањето не се претвора автоматски во трајни профитни фондови. Организациите можат да „користат вештачка интелигенција“ на начини кои се експериментални, бараат ниски трошоци или тешко се монетизираат во голем обем. Клучниот тест е дали усвојувањето ќе доведе до периодични приходи, проширување на маржите и силно задржување. Ако тоа не се случи, сепак можете да се ослободите од проблемите дури и со голема употреба.

Како можам да кажам дали усвојувањето на вештачката интелигенција се претвора во реални приходи?

Практичен пристап е да се следи усвојувањето наспроти монетизацијата со текот на времето, а не само еднократните статистики за користење. Барајте докази дека клиентите плаќаат доволно, продолжуваат да плаќаат доволно долго и ги зголемуваат трошоците како што ја зголемуваат употребата. Нерамномерната монетизација може да се покаже најјасно кај помалите фирми каде што зголемувањето на продуктивноста не станува веднаш приход. Ако зголемувањето на приходите е неконзистентно, вреднувањата можат да ги надминат фундаменталните вредности.

Која единечна економија е најважна за производите од вештачка интелигенција?

Економијата на единиците е важна бидејќи инференцијата може да скрие многу трошоци надвор од „трошокот во облак“. Корисна перспектива е маргиналниот трошок за испорака на вредност: токени, време на графичката картичка, ограничувања на латенцијата, заштитни огради, повторувања, обезбедување квалитет и човечки ресурси за корекции. Потоа поврзете го тоа со бруто маржа, задржување, проширување и период на враќање на инвестицијата. Ако човечката корекција е голема, трошоците можат да останат тврдоглаво високи.

Зошто е толку голем јазот помеѓу „демонстрацијата и производството“?

Демонстрацијата е често лесниот дел; производството бара сигурност, усогласеност, евидентирање и одговорност. Халуцинациите, барањата за управување и циклусите на набавки ги забавуваат временските рокови и можат да го стеснат обемот на испорака во пракса. Многу воведувања додаваат луѓе во јамката „привремено“, а потоа откриваат дека тоа е клучно за контрола на квалитетот и ризикот. Тоа ја менува и формата на производот и структурата на трошоците.

Каде е ризикот од меур од вештачка интелигенција највисок денес?

Ризикот од појава на меур изгледа највисок кај апликациите-копии со речиси нула трошоци за префрлување, стартапите кои се фокусираат на „идна доминација“ без докажано задржување и тврдењата за целосно автономни агенти кои се кршливи работни процеси. Овие области зависат во голема мера од наративната премија и можат брзо да се олабават ако резултатите разочараат. Моделот што треба да се следи е одливот: ако корисниците не се враќаат неделно без поттурнувања, производот може да биде „пенлив“.

Дали инфраструктурата на вештачката интелигенција (чипови и центри за податоци) е повеќе или помалку склона кон балони?

Може да биде помалку склона кон балоните кога побарувачката е врзана за договори и одржлива употреба, но носи поинаков вид ризик. Големата опасност е финансирањето: левериџот плус долгите циклуси на враќање на инвестицијата можат да се прекинат ако искористеноста не е на задоволително ниво. Облозите за инфраструктура се многу чувствителни на претпоставките за прогнозирање, а планирањето на сценарија е важно бидејќи неизвесноста е реална. Силната намалена побарувачка го намалува ризикот, но не го елиминира.

Која е практична контролна листа за тестирање на тврдењата за „балон од вештачка интелигенција“?

Користете тврдење што може да се фалсификува: „Дали овие парични текови ја оправдуваат оваа цена?“ За производите, проверете го неделното задржување, моќта на одредување цени, товарот за корекција и дали трошоците за инференција паѓаат побрзо од цените. За инфраструктурата, побарајте потпишани обврски, моделирање на искористување на случаи на неповолни услови и дали е вклучен голем долг. Ако договорите, паричниот тек и задржувањето се одржат, тоа повеќе личи на структурна промена отколку на манија.

Референци

[1] Стенфорд HAI - Извештај за индексот на вештачка интелигенција за 2025 година - прочитај повеќе
[2] Меѓународна агенција за енергија - Побарувачка на енергија од вештачка интелигенција (извештај за енергија и вештачка интелигенција) - прочитај повеќе
[3] NVIDIA Newsroom - Финансиски резултати за четвртиот квартал и фискалната 2025 година (26 февруари 2025 година) - прочитај повеќе
[4] OECD - Генеративна вештачка интелигенција и работната сила на малите и средни претпријатија (анкета за 2024 година; објавена ноември 2025 година) - прочитај повеќе
[5] NIST - Рамка за управување со ризици од вештачка интелигенција (AI RMF 1.0) (PDF) - прочитај повеќе

Пронајдете ја најновата вештачка интелигенција во официјалната продавница за асистенти за вештачка интелигенција

За нас