Nikita Shirobokov синтезировал:
Один пост со всей ключевой инфо про AI
К счастью, я знаю как упаковать всё самое важное про AI в один пост. Я в СФ, делаю стартап на стыке LLM, CV и агентов. У нас коллабы со всеми лидерами AI, включая OpenAI. Мы треним свои оч крутые модели для узких индустриальных кейсов. У нас куча датки и гпу
TLDR - AI сегодня это инструмент для инженеров, которым оч дешево создают эффективные узкие микросервисы для решения бизнес-задач. Чем больше компания, тем больше выхлоп. $ здесь
Вот как все выглядит:
1. AI модели оч быстро умнеют. Если вы пробовали что-то год назад, и не работало, возможно сегодня уже работает. А если сегодня нет, то завтра
2. «Модели» не равно «продукты». Большинство AI моделей — это очень мощный инструмент, которым можно улучшить любой бизнес-процесс. Но нужны инженерные навыки
3. Почему так мало успешных коробочных B2B AI продуктов? Потому что инжиниринг собственных решений с использованием AI намного дешевле и эффективнее покупки любых коробочных решений. См. Klarna отказалась от Salesforce
4. Больше всего выигрывают корпы, кто тратят сотни млн $ на операционку с огромным легаси процессов, документов, кода, и данных
5. Прямо сейчас ~30% всех S&P 500 компаний нанимают AI инженеров, чтобы они выпиливали коробочные SaaS и замещали их кастомными AI решениями
6. «Кастомные AI решения» это в том числе и решения, при разработке которых был активно использован AI. Например, вам нужно инвойсы из пдф заносить в базу. Вместо покупки готового сервиса вы просите AI разработать вам соответствующий микросервис. Через 2 часа в вашем AWS задеплоен ColQwen2 с нужными промптами
7. Основное применение для AI сейчас: использовать большие и умные модели чтобы быстро разрабатывать небольшие и очень узкие сервисы для решения операционных задач с использованием более слабых моделей либо вообще без AI
8. Большие модели также юзают для анализа больших массивов инфо, автоматизации сложных процессов и исследований
Где AI может помочь любой компании любого размера:
- Сгенерить свои микросервисы и выкинуть все подписочные сервисы
- Построить автоматизацию везде где есть документооборот и операционка с данными
- Сделать оч мощное исследование для принятия стратегических решений
- Переварить неструктурированную информацию в структурированную информацию
Что будет завтра:
1. Правило большого пальца - если consumer AI продукт работает через чат, значит будет убит новой фичей ChatGPT
2. Consumer AI может жить если у продукта есть социальные механики, доступ к уникальным данным (e.g. медицинские записи), или если сервис недоступен публично (e.g. adult)
3. Новый вид коробочных b2b продуктов - агенты с высоким уровнем автономности. Больше всего выиграют небольшие компании с небольшим штатом. Я думаю, сравнимо с моментом, когда Тильда + Инста + Реклама в середине 10-х, когда расцвели небольшие бутиковые бизнесы
Заблуждения:
1. Если AI не считает кол-во букв r в слове strawberry, то более сложные задачи не доверить
AI тренят и проверяют на задачах, за которые условный J.P.Morgan может заплатить $1 млрд в год. Туда не входит подсчет букв в словах, ответы на детские, рассуждения о философии венгерских социалистов, и проверки фактов «кто такой Никита Широбоков»
2. AI генерит слова друг за другом, не понимает смысл, и не может быть частью надежной системы
АЭС это просто водяной пар крутит турбину. Ракета Falcon это просто струя толкает цистерну. Макбук это просто 0 и 1 которые включают маленькие лампочки. Иногда оч простые вещи могут быть фундаментом грандиозных по сложности решений
3. «А вот я читал в отчёте от эксперта…»
Вы читали не отчеты, а посты чуваков, кто за вас читали отчёты. Когда летом вышел отчёт GS, в постах цитировали только скептиков. Никто не цитировал положительный отчет McKinsey. Никто не цитировал очень оптимистичный отчет Deloitte. Никто не цитировал экзекьютивов f100, кто на earning calls объявили о начале 9 figure инвестиций во внутренние AI разработки
Большая часть скептиков банально расстроена тем что приходится наблюдать за AI вечеринкой в стороне. Вот и приходиться бурчать
