Название оригинала: Институциональный ИИ против Индивидуального ИИ
Автор оригинала: George Sivulka, a16z
Перевод оригинала: 深潮 TechFlow
ИИ только что позволил каждому увеличить свою производительность в 10 раз.
Ни одна компания не стала из-за этого в 10 раз ценнее.
Куда ушла производительность?
Это не первый раз, когда это происходит.
В 1890-х годах электричество обещало огромное повышение производительности.
Текстильные фабрики Новой Англии изначально были построены вокруг паровых машин, но вскоре заменили паровые машины на более быстрые электродвигатели.
Но целых тридцать лет электрификация заводов практически не увеличила продуктивность. Технологии сильно опередили время. Но организация не успела за ними.
Лишь в 1920-х годах фабрики полностью перепроектировали свои производственные линии — конвейеры, каждый механизм с отдельным двигателем, работники и машины выполняли совершенно разные задачи — электризация действительно принесла настоящую отдачу.
Подпись: Три эволюции текстильной фабрики Лоэля. Слева направо: паровая фабрика 1890 года, электрифицированная фабрика 1900 года, фабрика «модульной сборки» 1920 года (то есть, полностью перестроенная в электрическую конвейерную линию).
Возврат не исходит от самой технологии и не от того, чтобы заставить одного рабочего или машину прясть быстрее. Но когда мы наконец перепроектируем институт и технологии вместе, выгоды действительно становятся явными.
Это самый дорогой урок в истории технологий, и мы сейчас его снова проходим.
В 2026 году ИИ принесет десятикратное увеличение производительности тем, кто понимает, как его использовать. Но этого недостаточно. Мы поменяли электрический двигатель, но еще не перепроектировали завод.
Из-за простой истины: эффективный индивид не равен эффективной организации.
Большинство ИИ-продуктов создают ощущение «эффективности», но не вносят реальной ценности. Большинство случаев использования ИИ, которые вы видите, — это самоуспокоение человека в Twitter или Slack компании о «максимальной эффективности», фактическое влияние равно нулю.
На протяжении последнего года часто упоминалась фраза «сервис как программное обеспечение», и это верное направление, но не предоставлено четкого плана. Более того, это игнорирует более широкую картину. Настоящее преобразование заключается не в переходе от инструментов к услугам, а в создании технологий и институтов вместе (независимо от того, обновляете ли вы старые или начинаете с нуля). Действительно эффективное будущее требует совершенно новых продуктов — завтрашних конвейеров.
Эффективные организации нуждаются в «корпоративном интеллекте».
Эта статья углубится в анализ семи измерений, отличающих «корпоративный ИИ» от «персонального ИИ». В течение следующего десятилетия все компании в области B2B ИИ будут строиться на этих различиях:
Подпись: Сравнительная таблица семи основных столпов корпоративного интеллекта
Семь столпов корпоративного интеллекта
1. Координация
Личный ИИ создает хаос.
Корпоративный ИИ создает координацию.
Давайте начнем с мысленного эксперимента. Допустим, вы удвоите численность вашей организации, полностью клонируя ваших лучших сотрудников.
Каждый из этих сотрудников имеет небольшие различия, предпочтения, причуды и точки зрения (особенно это касается ваших лучших сотрудников). Если управление неэффективно, коммуникация недостаточна, обязанности, OKR и границы ролей не четко определены... вы создаете хаос.
С точки зрения индивидов организация может стать более эффективной. Но тысячи агентов (или людей) будут грести вразнобой, в противоположных направлениях, и хороший результат — это оставаться на месте, плохой результат — это разрушение сплоченности организации.
Это не предположение. Каждая организация, которая внедряет ИИ без координационного слоя, сейчас переживает это. Каждый сотрудник имеет свои привычки использования ChatGPT, свой стиль подсказок, свои результаты — и их результаты не сопоставимы. Организационная структура может еще существовать, но работа, созданная ИИ, на самом деле идет по другому пути.
Подпись: Эффективные индивиды (или агенты) гребут в разных направлениях. Без координации — это хаос.
Координация — это абсолютная жесткая необходимость, как для людей, так и для агентов.
Корпоративный интеллект создаст целую индустрию «Управления агентами» — сосредоточенную на ролях и обязанностях агентов, взаимодействии между агентами и людьми, а также на том, как измерять ценность агентов (оплата только за количество — этого явно недостаточно).
2. Сигнал
Личный ИИ создает шум.
Корпоративный ИИ находит сигналы.
Сегодня люди могут создавать — или генерировать — все, что могут представить: статьи, написанные ИИ, презентации, электронные таблицы, фотографии, видео, песни, веб-сайты, программное обеспечение. Какой прекрасный подарок.
Проблема в том, что большая часть контента, генерируемого ИИ, является абсолютным мусором. Распространение ИИ-мусора стало настолько серьезным, что некоторые организации перешли к крайностям и просто запретили все продукты ИИ. Честно говоря, я тоже так считаю — я управляю ИИ-компанией, но прошу команду высшего руководства не использовать ИИ в любом конечном текстовом продукте. Я не могу терпеть этот мусор.
Подумайте, каким стал сектор PE (частных инвестиций). В прошлом году вы могли получить 10 возможностей для сделок на вашем столе. В этом году, в следующем квартале вы получите 50 возможностей, каждая из которых будет безупречно обработана ИИ, а время для принятия решения останется прежним — нужно будет найти ту единственную, которая действительно надежна.
Генерация чего-либо уже не является проблемой. Для любой серьезной организации сейчас проблема — это генерация и фильтрация правильных вещей. В мире, управляемом ИИ, находить хороший результат, хорошую сделку, сигнал среди шума становится все более критичным. Основным экономическим двигателем следующего десятилетия станет извлечение сигнала из растущей горы мусора.
Подпись: ИИ-мусор, производимый личными инструментами продуктивности, стремительно размножается. Люди уже не могут сортировать шум, необходимы новые продукты корпоративного ИИ.
Корпоративный интеллект должен находить сигналы, структурировать шум, чтобы пробиться сквозь мусор, и при этом быть определяемым, детерминированным и аудируемым в работе.
Личный ИИ может подчеркивать продуктивность типа Clawdbot, «всегда онлайн», удовлетворяя ваши потребности непредсказуемым образом 24/7 — по сути, это не определенный агент. Корпоративный ИИ же полагается на надежность определенных агентов. Только агенты с предсказуемыми контрольными точками, шагами и процессами могут быть масштабируемыми, могут обнаруживать сигналы и с помощью этих сигналов повышать доходную отдачу для организации.
Подпись: Matrix — это инструмент, использующий генеративные технологии для преодоления шума, открывающий мир определенных агентов и контрольных точек.
3. Предвзятость
Личный ИИ подкармливает предвзятость.
Корпоративный ИИ создает объективность.
Обсуждение социальных и политических предвзятостей доминировало в дискурсе об ИИ на протяжении нескольких лет. Лаборатории базовых моделей в конечном итоге обошли эту проблему, применив достаточно RLHF, чтобы настроить все модели на подхалимаж. Сегодня модели вроде ChatGPT и Claude согласуются слишком сильно и поддерживают вас по любой теме, находящейся в окне Овертона (иногда даже немного выходят за рамки, речь идет о вас @Grok). Обсуждение социальных и политических предвзятостей угасло. Но возникла новая проблема.
Это чрезмерное согласие со всем стало абсурдным до смеха. Оно само по себе стало мемом — условная реакция Claude: «Вы абсолютно правы!» — независимо от того, действительно ли вы правы.
Это звучит безобидно. Но это не так.
Многие из тех, кто в организациях настойчиво продвигает ИИ, могут вскоре стать самыми неэффективными сотрудниками в истории. Подумайте, почему.
Наименее эффективные сотрудники в организации, которые почти не получают положительной обратной связи, вскоре будут иметь ASI, который полностью согласен с ними. Они будут думать: «Самые умные агенты всех времен согласны со мной. Это мой менеджер ошибается».
Это вызывает зависимость. Но это также токсично для организаций.
Подпись: Эхо-камера личного ИИ усугубляет раскол, заставляя двоих людей все дальше удаляться друг от друга, эта динамика, после масштабирования, создаст фракции внутри изначально единой организации.
Это раскрывает важную вещь. Инструменты личной продуктивности усиливают пользователя. Но то, что действительно должно быть усилено — это факты.
Человеческие организации, пройдя через тысячелетнюю эволюцию, создали системы, специально противостоящие этой проблеме:
· Заседание инвестиционного комитета
· Третья сторона
· Проверьте совет директоров
· Три ветви власти правительства США: исполнительная, законодательная и судебная.
· Представительная демократия и сама демократическая система
Подпись: Объективность может даже смягчить координационные проблемы — подавляя, а не увеличивая мелкие разногласия.
Организации редко терпят неудачу из-за нехватки уверенности у сотрудников. Они терпят неудачу, потому что никто не хочет или не может сказать «нет».
Корпоративный ИИ должен играть эту роль. Он не будет обучен RLHF для угождения пользователям или согласования с их убеждениями, а должен бросать вызов их предвзятостям. Давать положительную обратную связь, когда поведение эффективно, и жестко корректировать, когда оно отклоняется от курса.
Таким образом, наиболее важные агенты внутри организации не будут «поддакивающими», а будут дисциплинированными «оппонентами» — ставящими под сомнение аргументацию, выявляющими риски, исполняющими стандарты. Некоторые из самых влиятельных приложений ИИ в будущем будут строиться вокруг институциональных ограничений: члены правления ИИ, аудиторы ИИ, сторонние тесты ИИ, комплаенс ИИ...
4. Преимущество на границе
Личный ИИ оптимизирует использование.
Корпоративный ИИ оптимизирует преимущества на границе.
Границы возможностей ИИ движутся каждую неделю, даже каждый день. Компании базовых моделей быстро итераируют свои способности, чтобы конкурировать за каждого человека и каждую организацию.
Но классическая дилемма инноватора говорит нам, что в конкретных приложениях глубина всегда побеждает широту:
· Работа @Midjourney заключается в том, чтобы оставаться немного впереди в дизайне изображений.
· Работа @Elevenlabsio остается немного впереди в области голосовых моделей.
· Работа @DecagonAI всегда впереди в области полного обслуживания клиентов.
Хотя базовые модели становятся все ближе друг к другу, настоящие преимущества на границе имеют решающее значение для специалистов в каждой области.
Многие из лучших дизайнеров используют @Midjourney, многие из лучших компаний голосового ИИ используют @Elevenlabsio — потому что даже если базовые модели развиваются, целенаправленное применение, сосредоточенное на продвижении их конкретных преимуществ на границе, само по себе определяет преимущество.
Пока специализированные решения также развиваются, действительно критически важные способности — способности, важные для бизнеса — всегда будут находиться на стороне специализированных продуктов.
Это особенно проявляется в финансовом секторе — области, где сегодня разработка LLM наиболее активна. Как только какая-либо способность становится общедоступной, по определению она не поможет вам опередить рынок. Но если передовая технология может создать краткосрочное преимущество в 1%? Этот 1% может принести миллиарды долларов.
Подпись: Для любой достаточно конкретной задачи, преимущество на границе определяется теми корпоративными решениями, которые вы строите на передовых технологиях.
Наши пользователи давно уже вышли за пределы передового опыта. Контекстное окно LLM за четыре года выросло с 4K до 1 миллиона токенов. У некоторых наших пользователей в одном задании обрабатывается 30 миллиардов токенов. В этом году мы уже увидели путь к обработке задач на 100 миллиардов токенов. С каждым улучшением возможностей базовой модели мы уже продвигаемся дальше.
Подпись: Контекстное окно и другие возможности также являются подвижной целью. Сравнение эволюции контекстного окна между передовыми лабораториями и Hebbia за последние три года.
Универсальность, ориентированная на широкую аудиторию, конечно, важна, особенно на этапе введения сотрудников в ИИ. Но будущее не будет заключаться в использовании ChatGPT/Claude или вертикальных решений, а в ChatGPT/Claude плюс вертикальные решения.
Корпоративный интеллект должен использовать специализированные агенты, даже предназначенные для конкретных задач.
Мы будем задавать себе вопрос, который звучит абсурдно, но не является таковым:
«Какой агент AGI выберет использовать в качестве кратчайшего пути? Даже суперумный агент захочет специфические инструменты для своих областей».
Границы возможностей ИИ постоянно смещаются, и только те организации, которые используют настоящие преимущества на границе, становятся победителями. Остальные платят за очень дорогой универсальный товар.
5. Результаты
Личный ИИ экономит время.
Корпоративный ИИ увеличивает доход.
@MaVolpi однажды сказал мне фразу, которая изменила мое восприятие продажи ИИ предприятиям: «Если вы спросите любого CEO о приоритете сокращения затрат или увеличения дохода, почти все скажут доход».
Но сегодня практически каждый ИИ-продукт на рынке предлагает снижение затрат — обещает помочь вам сэкономить время, делать больше за меньшее количество людей или заменить человеческий труд.
Корпоративный ИИ должен приносить прирост прибыли. А прирост прибыли гораздо сложнее монетизировать, чем сэкономленное время.
Возьмем AI-поддерживаемую разработку программного обеспечения как пример. IDE кода — один из лучших инструментов личной продуктивности ИИ за всю историю, но они уже столкнулись с огромным давлением со стороны Claude Code (другого инструмента личного ИИ). Cognition играет совершенно в другую игру. Их наиболее устойчивый бизнес — продажа трансформации с помощью технологий, а не продажа инструментов. Я ставлю на то, что эта модель будет иметь стойкость.
Чистый софтверный подход «быстро становится непригодным для инвестирования». Чистый сервис не может быть масштабируемым. Слой решений — это место, где накапливается стойкая ценность.
Снова о M&A. Персональный ИИ помогает аналитикам быстрее моделировать. Корпоративный ИИ выявляет из ста целей ту, которая стоит того, чтобы преследовать ее как контрагента, а затем расширяет область поиска до тысячи. Один экономит время, другой создает доход.
Подпись: Компании базовых моделей движутся к вертикальным слоям приложений. Компании вертикальных приложений движутся к слоям решений.
«Движение вверх по цепочке» — это естественная сила рынка в настоящее время. Базовые модели движутся к слою приложений, компании слоя приложений движутся к слою решений.
Корпоративный интеллект — это слой решений. А слой решений — это место, где находятся результаты, и он будет накапливать стойкую ценность, захватывая максимальные возможности.
6. Уполномочивание
Личный ИИ дает вам инструмент.
Корпоративный ИИ учит вас, как им пользоваться.
Человечество, каким бы умным оно ни было, сопротивляется изменениям.
Верите или нет, в Нью-Йорке до сих пор есть успешные магазины, которые не принимают кредитные карты. Они знают, что теряют деньги, знают, что отсутствие кредитных карт приведет к убыткам, но все равно ничего не делают. Точно так же в обозримом будущем некоторые сотрудники в некоторых организациях будут отказываться использовать ИИ.
Преобразование от чисто человеческой организации к гибридной с приоритетом на ИИ станет самым продолжительным и определяющим вызовом следующего десятилетия. И часто самые высокопрофильные и важные люди в организации будут самыми последними, кто примет это.
Подпись: Высший уровень организации — самые далекие от «операции инструментов продуктивности» — обычно являются самой медленной, но самой ключевой группой в принятии новых технологий.
Palantir — единственная компания, которая за последние два месяца в бурной распродаже технологических акций сохранила свою сверхвысокую оценку. На это есть причина. Palantir — одна из первых по-настоящему «процессных компаний». Независимо от того, называете ли вы это «проектированием процессов» или «написанием навыков Claude», будущий корпоративный ИИ создаст индустрию: закодировать бизнес-процессы в агенты и внедрить необходимые изменения.
Подпись: Полное внедрение ИИ в организации пересекет несколько пропастей, каждая из которых имеет свои вызовы. Внедрение ИИ в процессы станет основным двигателем.
Я осмелюсь сказать, что проектирование процессов станет одной из самых важных «технологий» в ближайшем будущем.
А в процессе проектирования бизнеса и отрасли — а не программного обеспечения — это самое важное. Вертикальные решения будут воспитывать специалистов, обладающих знаниями в области развертывания на передовой, внедрения и управления изменениями.
Одна из ведущих инвестиционных банков (топ-3) выбрала Hebbia для полного развертывания и выразила это наиболее точно: они не сотрудничают с одной крупной модельной лабораторией, потому что «нам нужно объяснить их команде, что такое CIM (меморандум о конфиденциальной информации)». Claude или GPT, конечно, понимают эту область, но команда, отвечающая за внедрение, не понимает...
Эта разница определяет всё.
7. Без подсказок
Личный ИИ отвечает на человеческие подсказки.
Корпоративный ИИ действует активно, не требуя подсказок.
Много обсуждений о коммуникации между агентами, о том, нужны ли человеку будущие предприятия и системы.
Но лучший вопрос: будут ли будущие агенты ИИ все еще нуждаться в подсказках?
Писать подсказки для AGI — это как подключить электрический двигатель к ручному ткацкому станку. Он с самого начала, необратимо ограничен самым слабым звеном в цепочке поставок организации — нами самими. Люди вообще не знают, какие правильные вопросы задавать, не говоря уже о том, когда их задавать.
Самая ценная работа, которую может выполнять ИИ, — это та, которую никто не подумал задать. ИИ должен находить риски, которые никто не обнаружил, контрагентов, о которых никто не подумал, и воронки продаж, о которых никто не знает.
Это полностью откроет границы случаев использования ИИ.
Система, не требующая подсказок, постоянно мониторит поток данных по всему инвестиционному портфелю. Она обнаруживает, что операционный капитал компании, в которую инвестировано, тихо ухудшается в течение трех месяцев, и сопоставляет это с условиями кредитного соглашения, уведомляя операционного партнера до того, как кто-либо в фонде откроет этот PDF.
Когда вам больше не нужны люди, чтобы писать подсказки для ИИ, появляются новые интерфейсы и новые способы работы. Мы @Hebbia имеем сильные идеи в этой области. Обсудим позже.
Заключение
Все вышеперечисленное не умаляет ценности чат-ботов, агентов и личного ИИ.
Личный ИИ станет средством, через которое большинство предприятий в мире впервые испытают магию трансформации ИИ. Увеличение использования и простота использования — это ключевые первые шаги в управлении изменениями, необходимыми для построения экономики с приоритетом на ИИ.
Но в то же время потребность в корпоративном интеллекте ясна, настойчива и огромна.
В будущем у каждой организации будет чат-бот из крупной модельной лаборатории. У каждой организации также будет корпоративный ИИ, специально разработанный для решения конкретных проблем — в то время как личный ИИ будет использовать корпоративный ИИ как один из самых важных инструментов в своем арсенале.
Корпоративный ИИ и личный ИИ «лучше интегрируются» — это неизбежная тенденция.
Но помните уроки текстильной фабрики 1890-х годов. Первые, кто подключил электричество, проиграли фабрикам, которые перепроектировали свои цеха.
У нас уже есть электричество. Пора перепроектировать наши фабрики.
Благодарю @aleximm и @WillManidis за рецензию, а также за вдохновение, полученное от статьи Уилла о «предметах в форме инструмента».
Ссылка на оригинал