Рано или поздно каждый мой разговор с ИТ-директором об искусственном интеллекте сводится к стоимости. Во сколько обойдется запуск агентов по всему бизнесу? Что случится с бюджетом, когда их станет сначала сорт, а потом тысячи? Это справедливый вопрос, и я не думаю, что кто-то пока может ответить на него с уверенностью.
Цена интеллектуальных возможностей падает стремительно. Некоторые верят, что через несколько лет токены будут почти бесплатными, и они могут оказаться правы. Но любой, кто называет вам ценовую кривую со стопроцентной уверенностью, просто гадает, как бы убедительно ни выглядел график.
Поэтому я бы предложил другой вопрос — тот, на который можно опереться уже сегодня: если интеллект действительно станет дешевым, что останется дорогим? Именно там и будет крыться преимущество. Именно туда стоит направлять инвестиции сейчас, чтобы они продолжали приносить плоды при любом развитии ценовой кривой.
Дешевая энергия не спасла фабрику
Когда на фабриках впервые провели электричество, многие просто установили мощный электродвигатель на месте прежней паровой машины. Энергия стала дешевле и чище, но она по-прежнему шла через те же валы и ремни по тому же цеху, и производительность почти не выросла. Настоящий прорыв наступил позже, когда фабрики перепроектировали под новый источник энергии: двигатель у каждого станка, а рабочие процессы выстроены по принципу потока, а не по расположению приводного вала.
Корпоративный ИИ сейчас находится в фазе «валов и ремней». Многие организации внедряют более дешевую и умную модель туда, где раньше работал старый процесс, оставляя все остальное без изменений: ночные конвейеры, копии копий, дашборды, которые кто-то не забывает открывать вручную. Более дешевая модель в такой структуре дает более дешевые ответы. Но не более качественные.
Падение цен на токены меняет экономику модели. Оно не меняет физику бизнеса. Каким бы дешевым ни становился интеллект, четыре вещи остаются в дефиците: время, точность, согласованность и доверие.
Время: бизнес задает темп
У каждого решения в вашем бизнесе есть временное окно, и модель не устанавливает его. Авторизация карты происходит за долю секунды. Клиент на телефоне дает вам несколько секунд, прежде чем его терпение иссякнет, а у заказа на пополнение есть свой крайний срок. Бесплатный вывод ответов не увеличивает ни одно из этих окон.
То, что заполняет это окно, в основном не является процессом мышления. Это перемещение: извлечение схемы, запрос к одной системе, проверка другой на предмет того, актуален ли ответ до сих пор, сопоставление ID клиента, которые почти совпадают. Более дешевые токены делают каждый из этих шагов дешевле, а не короче. А когда агенты передают работу друг другу, задержки накапливаются, так что задержка, кажущаяся незначительной на одном этапе, может поглотить все окно при прохождении десяти этапов.
Действительно важное время — это не то, как быстро отвечает модель. Это время от момента какого-то события в бизнесе до действия, которое его отражает. Этот показатель заложен в вашей архитектуре данных, а не в контракте на модель.
Точность: дешевые ответы размножаются
Когда что-то становится дешевле, люди начинают использовать это чаще. Если задавать вопросы вашим данным стоит почти ничего, вы будете задавать их гораздо больше, запускать больше агентов и позволять большему числу этих агентов действовать. В этом и суть. Но это также означает, что любой источник ошибок будет умножаться на объем.
Модель, которая рассуждает на основе данных четырехчасовой давности или опирается на определение выручки, которое ваш финансовый директор никогда бы не подписал, не станет лучше от того, что она бесплатна. Она ошибается дешевле, а поскольку вы пользуетесь ею чаще, ошибается она гораздо регулярнее. Более умная модель может сделать устаревший ответ более убедительным. Но она не сделает его актуальным.
Точность проистекает из контекста: правильных определений, правильных взаимосвязей и текущего состояния бизнеса. Это свойства ваших данных, и ни одно снижение цен на модель не сможет их обеспечить.
Согласованность: множество агентов, одна версия бизнеса
Дешевый интеллект предоставит вам сотни агентов, работающих бок о бок с вашими сотрудниками с теми же клиентами, заказами и счетами. Один агент резервирует товар, пока другой рассчитывает стоимость заказа. Специалист службы поддержки разговаривает с клиентом, чью учетную запись агент обновил секунду назад.
Это работает только тогда, когда все видят одну и ту же версию бизнеса в один и тот же момент. Когда агент не видит то, что только что записал другой агент, или человек видит одно число, пока агент действует на основе другого, вы получаете вовсе не слегка устаревший ответ. Вы получаете два противоречащих друг другу действия, и оба совершены с абсолютной уверенностью.
Доверие: внимание как настоящий бюджет
По мере того как действия дешевеют, самым дефицитным ресурсом в компании становится человеческое внимание. Ни один человек не способен проверять каждое решение, принимаемое тысячей агентов. Поэтому доверие должно быть заложено в систему изначально, а не проверяться постфактум.
Доверие сводится к нескольким простым вопросам. Было ли этому агенту разрешено видеть то, что он увидел, и делать то, что он сделал? На каких данных основывалось решение? Кто или что изменило эту запись, и можем ли мы это отменить?
Организации, масштабирующие агентов, — это те, которые обеспечивают соблюдение прав доступа и бизнес-определений на тех же данных, с которыми работают агенты. Тогда каждое действие подотчетно по умолчанию, а люди могут направить свое внимание на те исключения, которые этого действительно заслуживают.
Четыре вопроса, которые нужно задать прямо сейчас
Ни один из них не зависит от того, сколько будут стоить токены через три года.
- У каких решений есть временное окно и насколько устаревшими являются данные, подпитывающие их? Перечислите важные решения, отведенное для каждого из них время и возраст данных на момент принятия решения. Разрыв между этими двумя цифрами — это уровень ваших рисков.
- Что сломается первым, если количество запросов к вашим данным увеличится в сто раз? Если ответом будет счет за модель, эта проблема может решиться сама собой. Если это ваши базы данных, конвейеры обработки данных или сотрудники, сводящие концы с концами, — нет.
- Видят ли ваши сотрудники и ваши агенты одну и ту же строку в один и тот же момент? Если они считывают информацию из разных копий, в конечном итоге они будут действовать на основе разных версий правды.
- Можете ли вы проследить любое действие агента до данных, которые он видел, и разрешений, которые ему это позволяли? Если нет, вы будете ограничены только теми агентами, которых можете позволить себе контролировать, а их окажется совсем немного.
Ставка, которая не нуждается в прогнозах
Вот что меня обнадеживает. Если токены останутся дорогими, вам потребуется меньше промежуточных этапов между системами, меньше избыточного контекста и данные ближе к месту принятия решений, потому что именно так вы контролируете расходы. Если токены станут практически бесплатными, вам понадобятся ровно те же самые вещи, потому что именно за это придется конкурировать. Вам не нужно знать, какое именно будущее наступит, чтобы понимать, куда инвестировать.
В SingleStore мы проектировали нашу базу данных не под агентов. Мы создали ее для бизнеса, который не может позволить себе опаздывать: транзакции, аналитика, поиск и векторы работают вместе на живых данных, причем как актуальные, так и исторические данные находятся под рукой. Оказывается, то, в чем нуждался этот бизнес, и то, что нужно ИИ, — это одно и то же.
Интеллект будет и дальше дешеветь. Время, точность, согласованность и доверие — нет. Планируйте стратегию вокруг того, что остается в дефиците.
