Η τεχνητή νοημοσύνη έχει μετατραπεί σε βασικό πεδίο επενδύσεων για τις μεγαλύτερες εταιρείες του κόσμου. Από τις μεταφορές και το λογισμικό μέχρι το ηλεκτρονικό εμπόριο και τις χρηματοοικονομικές υπηρεσίες, οι διοικήσεις διοχετεύουν ολοένα μεγαλύτερα κεφάλαια σε μοντέλα, υπολογιστική ισχύ, υποδομές και εφαρμογές AI, με την προσδοκία ότι θα ενισχύσουν την παραγωγικότητα και θα δημιουργήσουν νέα έσοδα.
Ωστόσο, πίσω από τον ενθουσιασμό που συνόδευσε την έκρηξη της τεχνητής νοημοσύνης, αρχίζει να αναπτύσσεται μια πιο σύνθετη συζήτηση. Πολλοί επικεφαλής επιχειρήσεων διαπιστώνουν ότι οι προϋπολογισμοί για την AI αυξάνονται ταχύτερα από τα μετρήσιμα αποτελέσματα, δημιουργώντας ερωτήματα για το πότε και σε ποιο βαθμό θα αποδώσουν οι τεράστιες επενδύσεις που πραγματοποιούνται σήμερα.
Η συζήτηση αυτή γίνεται ολοένα πιο έντονη καθώς οι εταιρείες περνούν από τη φάση του πειραματισμού στη φάση της καθημερινής χρήσης της τεχνολογίας. Οι προσδοκίες παραμένουν υψηλές, αλλά η πίεση για απτά οικονομικά αποτελέσματα γίνεται ακόμη μεγαλύτερη.
Η Uber και οι πρώτες αμφιβολίες
Μεταξύ εκείνων που εξέφρασαν δημόσια προβληματισμό βρίσκεται ο επιχειρησιακός διευθυντής της Uber, Άντριου Μακντόναλντ. Όπως σημείωσε, μέχρι στιγμής δεν έχει διαπιστώσει βελτιώσεις παραγωγικότητας που να δικαιολογούν πλήρως το ύψος των δαπανών για την τεχνητή νοημοσύνη.
Οι παρατηρήσεις του προκάλεσαν ευρύτερη συζήτηση στον τεχνολογικό κλάδο, ιδιαίτερα μετά τις αναφορές ότι η Uber είχε εξαντλήσει ήδη από τους πρώτους μήνες του έτους τον προϋπολογισμό που είχε προβλέψει για εργαλεία δημιουργικής τεχνητής νοημοσύνης. Το γεγονός ανέδειξε ένα ζήτημα που απασχολεί πολλές εταιρείες: η χρήση των νέων εργαλείων αυξάνεται με πολύ ταχύτερο ρυθμό από την ικανότητα ελέγχου του κόστους τους.
Ο Σαμ Άλτμαν αναγνωρίζει τη σπατάλη
Ακόμη και ο Σαμ Άλτμαν, επικεφαλής της OpenAI, παραδέχεται ότι οι ανησυχίες των επιχειρήσεων είναι απολύτως δικαιολογημένες.
Όπως επισημαίνει, πολλοί πελάτες αναρωτιούνται εύλογα πότε οι επενδύσεις στην AI θα μετατραπούν σε ουσιαστικά έσοδα και πότε τα κόστη θα αρχίσουν να βρίσκονται υπό καλύτερο έλεγχο. Παράλληλα, αναγνωρίζει ότι, παρά τις σημαντικές επιτυχίες, εξακολουθεί να υπάρχει μεγάλη σπατάλη πόρων σε πολλές εφαρμογές.
Ένα ακόμη πρόβλημα που παρατηρεί είναι ότι αρκετοί εργαζόμενοι αισθάνονται πιο παραγωγικοί χάρη στην τεχνητή νοημοσύνη, χωρίς όμως οι εταιρείες να μπορούν πάντα να μεταφράσουν αυτή την αίσθηση σε συγκεκριμένους οικονομικούς δείκτες ή σε αύξηση των εσόδων.
Οι μνήμες από τη φούσκα των dot-com
Ο καθηγητής του Stern School of Business του Πανεπιστημίου της Νέας Υόρκης, Σκοτ Γκάλογουεϊ, βλέπει ομοιότητες με την περίοδο που προηγήθηκε της κατάρρευσης των εταιρειών διαδικτύου στα τέλη της δεκαετίας του 1990.
Κατά την εκτίμησή του, αργά ή γρήγορα κάποια μεγάλη εισηγμένη εταιρεία θα αναγκαστεί να επανεξετάσει τις δαπάνες της για την τεχνητή νοημοσύνη και να απαιτήσει αυστηρότερους ελέγχους στην απόδοση των επενδύσεων. Όπως υποστηρίζει, δεν αποκλείεται ορισμένοι οργανισμοί να καταλήξουν στο συμπέρασμα ότι οι προσδοκίες για ταχύτατες αποδόσεις ήταν υπερβολικές.
Το επιχείρημα του Μαρκ Κιούμπαν
Ο δισεκατομμυριούχος επιχειρηματίας Μαρκ Κιούμπαν βλέπει το ζήτημα από διαφορετική οπτική γωνία. Κατά την άποψή του, το πρόβλημα δεν βρίσκεται αποκλειστικά στο κόστος χρήσης των μοντέλων ή στην κατανάλωση υπολογιστικών πόρων.
Υποστηρίζει ότι πολλές επιχειρήσεις διαχρονικά δυσκολεύονται να αξιοποιήσουν αποτελεσματικά κάθε νέα τεχνολογία που εμφανίζεται στην αγορά. Για τον λόγο αυτό θεωρεί πως οι διοικήσεις θα πρέπει να επικεντρωθούν λιγότερο στο άμεσο κόστος και περισσότερο στο πώς οι ανταγωνιστές που έχουν χτίσει εξαρχής τις δραστηριότητές τους γύρω από την τεχνητή νοημοσύνη μπορούν να ανατρέψουν τους κανόνες του παιχνιδιού.
Με άλλα λόγια, η μεγαλύτερη απειλή ίσως να μην είναι η υπερβολική δαπάνη, αλλά η αδυναμία προσαρμογής.
Οι νικητές και οι χαμένοι της επόμενης φάσης
Ο ιδρυτής της SaaStr, Τζέισον Λέμκιν, εκτιμά ότι η αγορά θα γίνει πολύ πιο πολωμένη τα επόμενα χρόνια. Κατά την άποψή του, δεν θα επωφεληθούν όλες οι επιχειρήσεις με τον ίδιο τρόπο από την τεχνητή νοημοσύνη.
Οι οργανισμοί που ήδη λειτουργούν με υψηλή αποδοτικότητα και διαθέτουν ώριμες ψηφιακές υποδομές είναι πιθανό να αξιοποιήσουν καλύτερα τις δυνατότητες της AI. Αντίθετα, όσοι αντιμετωπίζουν ήδη οργανωτικά προβλήματα ή χαμηλή παραγωγικότητα ενδέχεται να δυσκολευτούν να μετατρέψουν την τεχνολογία σε ανταγωνιστικό πλεονέκτημα.
Η προειδοποίηση του Σούνταρ Πιτσάι
Παρόμοιες ανησυχίες ακούει και ο διευθύνων σύμβουλος της Google, Σούνταρ Πιτσάι. Όπως έχει αναφέρει, πολλοί επικεφαλής πληροφορικής εκφράζουν προβληματισμό για το γεγονός ότι οι δαπάνες τους για τεχνητή νοημοσύνη αυξάνονται ταχύτερα από όσο είχαν προβλέψει.
Ο ίδιος θεωρεί ότι το φαινόμενο αυτό πιθανότατα θα ενταθεί καθώς η χρήση της τεχνολογίας επεκτείνεται σε περισσότερες λειτουργίες των επιχειρήσεων. Για τον λόγο αυτό δίνει ιδιαίτερη έμφαση στην ανάπτυξη μοντέλων που προσφέρουν μεγαλύτερη αποδοτικότητα με χαμηλότερο λειτουργικό κόστος.
Η συζήτηση που ανοίγει σήμερα γύρω από την τεχνητή νοημοσύνη θυμίζει ότι κάθε τεχνολογική επανάσταση συνοδεύεται από μια περίοδο υπερβολικών προσδοκιών, δοκιμών και αναπροσαρμογών. Το ερώτημα πλέον δεν είναι αν η AI θα αλλάξει τον τρόπο λειτουργίας των επιχειρήσεων, αλλά ποιες εταιρείες θα καταφέρουν να μετατρέψουν το αυξανόμενο κόστος σε πραγματική οικονομική αξία και βιώσιμη ανάπτυξη.
Διαβάστε ακόμη
Aμυνα: Νέο κύμα IPOs στην Ευρώπη καθώς αυξάνονται οι στρατιωτικές δαπάνες (γράφημα)
Η μάχη του espresso: H Lavazza πρώτη λανσάρει ταμπλέτες καφέ αντί για κάψουλες
Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφτείτε το Πρώτο Θέμα