Κλωνοποίηση λογισμικού – Έχει πράγματι τελειώσει η εποχή του επί πληρωμή λογισμικού;

Οι πρόσφατοι τίτλοι ειδήσεων για προγραμματιστές που χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης για να κλωνοποιήσουν δημοφιλή λογισμικά επί πληρωμή – με πιο χαρακτηριστικό παράδειγμα τα προϊόντα της Adobe έχουν προκαλέσει ανάμεικτες αντιδράσεις – από κατηγορίες για κλοπή έως θετική υποδοχή των δωρεάν εργαλείων ανοικτού κώδικα.

Τι σημαίνει, όμως, αυτό για τις εταιρείες τεχνολογίας που κατέχουν το πρωτότυπο λογισμικό – ή για όσους πληρώνουν ακριβές συνδρομές για να το χρησιμοποιούν;

Ο Matt Wood, ανώτερος διευθυντής αρχιτεκτονικής και λειτουργιών κυβερνοασφάλειας, καθώς και ασφάλειας τεχνητής νοημοσύνης στην ABBYY, έχει διερευνήσει αυτή την αυξανόμενη ανησυχία και καταθέτει την άποψή του για τους κινδύνους και τις ευκαιρίες που συνεπάγεται η ανάπτυξη λογισμικού με τη βοήθεια της τεχνητής νοημοσύνης.

Το 1996, ο Fatboy Slim δημιούργησε το «Rockafeller Skank» με βάση ένα κιθαριστικό ριφ που είχε αποσπάσει από έναν δίσκο της δεκαετίας του 1960, τον οποίο ελάχιστοι είχαν ακούσει επί δεκαετίες. Οι The Chemical Brothers επαναλάμβαναν ρυθμικά μοτίβα breakbeat από ξεχασμένους δίσκους φανκ, μετατρέποντάς τα σε ύμνους που γέμιζαν στάδια. Οι The Prodigy χρησιμοποίησαν δείγματα από σειρήνες, διαλόγους ταινιών και σπάνιους δίσκους βινυλίου, φτιάχνοντας κάτι που δεν έμοιαζε με τίποτε προηγούμενο. Η δειγματοληψία δεν μείωσε απλώς το κόστος παραγωγής μουσικής. Άλλαξε το ποιος μπορούσε να τη δημιουργήσει και ανάγκασε ολόκληρη τη βιομηχανία να θέσει ένα δυσκολότερο ερώτημα: τι θεωρείται πραγματικά πρωτότυπο;

Σήμερα, η τεχνητή νοημοσύνη αναγκάζει τις επιχειρήσεις να θέσουν το ίδιο ερώτημα, μόνο που το διακύβευμα δεν είναι οι θέσεις στα μουσικά charts. Είναι τα λειτουργικά αποτελέσματα, η έκθεση σε κινδύνους συμμόρφωσης και η εμπιστοσύνη που δείχνουν οι πελάτες σε κάθε απόφαση που λαμβάνει μια επιχείρηση.

Η αναπαραγωγή είναι φθηνή. Η διορατικότητα όχι.

Τα μεγάλα γλωσσικά μοντέλα έχουν κάνει εντυπωσιακά εύκολη την ανασύνθεση της υπάρχουσας γνώσης: να συντάσσουν μια ρήτρα σύμβασης, να συνοψίζουν μια έκθεση ή να παράγουν μια απάντηση που ακούγεται εύλογη, βασισμένη σε όποιο κείμενο μπορούν να προσπελάσουν. Αυτή η δυνατότητα έχει πραγματική αξία. Η αναπαραγωγή, όμως, δεν είναι το ίδιο με την ανακάλυψη, και η σύγχυση ανάμεσα στα δύο είναι το σημείο όπου πολλά εγχειρήματα τεχνητής νοημοσύνης στις επιχειρήσεις βαλτώνουν αθόρυβα.

Η διάκριση έχει σημασία, επειδή τα συστήματα παραγωγικής τεχνητής νοημοσύνης είναι πολύ καλά στο να παράγουν κάτι που μοιάζει ολοκληρωμένο. Μπορούν να μιμούνται τον τόνο, τη δομή και την αυτοπεποίθηση με εξαιρετική ευχέρεια. Αυτό που δεν μπορούν να κάνουν από μόνα τους είναι να εγγυηθούν ότι το αποτέλεσμα βασίζεται στα σωστά τεκμήρια, συνδέεται με τη σωστή διαδικασία ή διαμορφώνεται με βάση τη σωστή κρίση.

Αυτή η ένταση δεν αφορά μόνο τις επιχειρήσεις. Είναι ορατή και στη δημιουργική εργασία. Μια μελέτη του 2024 στο Science Advances διαπίστωσε ότι η βοήθεια της τεχνητής νοημοσύνης βελτίωσε την αντιλαμβανόμενη ποιότητα και δημιουργικότητα μεμονωμένων ιστοριών, ιδίως όσων γράφτηκαν από λιγότερο δημιουργικούς συγγραφείς, ενώ παράλληλα έκανε το σύνολο των ιστοριών πιο όμοιο. Με άλλα λόγια, το αποτέλεσμα βελτιώθηκε σε ατομικό επίπεδο, αλλά συνέκλινε σε συλλογικό επίπεδο. Η αύξηση της παραγωγής δεν σήμαινε απαραίτητα μεγαλύτερη πρωτοτυπία. Συχνά σήμαινε περισσότερες ίδιες ιδέες, διατυπωμένες πιο ομαλά.

Αυτός είναι ο επιχειρηματικός κίνδυνος σε μικρογραφία. Όταν όλοι έχουν πρόσβαση στα ίδια εργαλεία γενικής χρήσης, το ανταγωνιστικό πλεονέκτημα δεν προκύπτει από την παραγωγή περισσότερου κειμένου, περισσότερων περιλήψεων ή περισσότερων συστάσεων. Προκύπτει από το να γνωρίζει κανείς τι έχει σημασία, τι είναι αξιόπιστο και τι αξίζει να γίνει πράξη.

Το επιχειρηματικό πρόβλημα δεν είναι η παραγωγή περιεχομένου. Είναι η πρόσβαση στην πραγματικότητα.

Οι περισσότερες επιχειρήσεις δεν έχουν έλλειψη κειμένου. Έχουν έλλειψη προσβάσιμου και αξιόπιστου πλαισίου.

Όσα γνωρίζει πραγματικά μια εταιρεία είναι συνήθως διάσπαρτα σε συμβάσεις, τιμολόγια, έντυπα εγγραφής, αιτήματα αποζημίωσης, μηνύματα ηλεκτρονικού ταχυδρομείου, εκθέσεις, σαρωμένα αρχεία PDF και ροές εργασιών που μεταφέρουν αυτά τα έγγραφα από τη μία ομάδα στην άλλη. Μια εξαίρεση πληρωμής στο οικονομικό τμήμα, ένα ζήτημα συμμόρφωσης κατά την εγγραφή ή μια καθυστέρηση στην εξυπηρέτηση από το τμήμα λειτουργιών συχνά ξεκινά ως κάτι ημιδομημένο, με ασυνεπή μορφοποίηση και χωρίς σύνδεση με τα συστήματα στα οποία βασίζονται τα στελέχη για τη λήψη αποφάσεων.

Γι’ αυτό τόσα πολλά έργα τεχνητής νοημοσύνης σε επιχειρήσεις φαίνονται εντυπωσιακά στις επιδείξεις, αλλά μπορεί να αποτύχουν στην παραγωγή. Το μοντέλο μπορεί να έχει τις απαιτούμενες δυνατότητες, αλλά το πλαίσιο που διαθέτει είναι ελλιπές. Μπορεί να συλλογιστεί μόνο με βάση όσα μπορεί να προσπελάσει, και σε πολλούς οργανισμούς αυτά αποτελούν ένα στενό τμήμα της πραγματικής εικόνας.

Αυτή η αδυναμία δεν είναι απλώς θεωρητική. Επηρεάζει την ποιότητα των αποφάσεων. Αν ένα μοντέλο συνοψίσει μια σύμβαση χωρίς να έχει πρόσβαση στις σχετικές τροποποιήσεις, μπορεί να παρουσιάσει μια σαφή εικόνα, αλλά να παραλείψει σημαντικές πληροφορίες. Αν αναλύσει ζητήματα πληρωτέων λογαριασμών χωρίς να έχει ορατότητα στις εξαιρέσεις τιμολογίων από διαφορετικούς προμηθευτές και σε διάφορες μορφές, μπορεί να δώσει τακτοποιημένες αλλά άχρηστες συστάσεις. Αν βοηθήσει στην εγγραφή πελατών ενώ βασικές πληροφορίες παραμένουν κλειδωμένες σε σαρωμένα έντυπα ή κατακερματισμένες ροές εργασιών, μπορεί να επιταχύνει την εξαγωγή λανθασμένου συμπεράσματος.

Το αποτέλεσμα δεν είναι διορατικότητα. Είναι εικασίες που ακούγονται πειστικές.

Γιατί η μίμηση κλιμακώνεται ταχύτερα από την κατανόηση

Εδώ η αναλογία με τη δειγματοληψία στη μουσική γίνεται κάτι περισσότερο από μεταφορά.

Η δειγματοληψία έκανε την παραγωγή μουσικής ταχύτερη, φθηνότερη και πιο προσιτή. Όσοι παραγωγοί, όμως, άντεξαν στον χρόνο δεν ήταν εκείνοι που απλώς αντέγραφαν αποσπάσματα. Ήταν εκείνοι που διέθεταν το γούστο και την πειθαρχία να τα μεταμορφώσουν. Ο καθένας μπορούσε να πάρει έναν ρυθμό· δεν μπορούσαν, όμως, όλοι να χτίσουν έναν νέο ήχο γύρω του.

Η ΤΝ δημιουργεί ένα παρόμοιο χάσμα στον χώρο του λογισμικού και της εργασίας γνώσης. Το εμπόδιο στην απομίμηση έχει μειωθεί δραματικά. Ποτέ άλλοτε δεν ήταν τόσο εύκολο να κλωνοποιήσει κανείς διεπαφές, να αναπαράγει αποτελέσματα, να μιμηθεί ροές εργασίας και να προσεγγίσει την εξειδικευμένη γνώση. Ολόκληρες κατηγορίες λογισμικού κινδυνεύουν ολοένα και περισσότερο να καταστούν αναπαραγώγιμες σε επιφανειακό επίπεδο.

Αυτό δεν σημαίνει ότι τελείωσε το λογισμικό επί πληρωμή, όπως έχει επισημάνει ο προγραμματιστής Brandon Thomas, ο οποίος έχει δημιουργήσει δωρεάν εναλλακτικές λύσεις για την Adobe. Σημαίνει ότι η αξία του λογισμικού μετατοπίζεται.

Όταν η απομίμηση γίνεται φθηνή, η αξία μετατοπίζεται αλλού: στην εμπιστοσύνη, την ενσωμάτωση, την κρίση και την ικανότητα παραγωγής αποτελεσμάτων που αντέχουν στις πραγματικές συνθήκες. Το ερώτημα δεν είναι πλέον αν ένα σύστημα ΤΝ μπορεί να δώσει μια απάντηση που μοιάζει με αποτέλεσμα εξειδικευμένης εργασίας. Το ερώτημα είναι αν μπορεί να το κάνει αξιόπιστα, λαμβάνοντας υπόψη το πλαίσιο, και με αρκετή διαφάνεια ώστε οι άνθρωποι να το εμπιστεύονται όταν διακυβεύονται πολλά.

Ένα κλωνοποιημένο αποτέλεσμα παράγεται εύκολα. Ένα αξιόπιστο αποτέλεσμα, όχι.

Η κρυφή υπεραξία είναι η εξειδικευμένη γνώση

Γι’ αυτό, στην εποχή της κλωνοποίησης μέσω ΤΝ, η εξειδικευμένη γνώση αποκτά μεγαλύτερη σημασία, όχι μικρότερη.

Για χρόνια, πολλά ψηφιακά εργαλεία αντλούσαν την αξία τους από τη σπανιότητα των εξειδικευμένων δυνατοτήτων. Αν το λογισμικό μπορούσε να κωδικοποιήσει μια διαδικασία, να τυποποιήσει μια εργασία ή να απλοποιήσει μια ροή εργασίας που προηγουμένως ήταν δύσκολη, οι πελάτες πλήρωναν για την πρόσβαση σε αυτή την έτοιμη εξειδικευμένη γνώση. Η γενετική ΤΝ κλονίζει αυτό το μοντέλο, επειδή πλέον μπορεί να μιμηθεί, με χαμηλό κόστος, πολλά από τα ορατά χαρακτηριστικά της εξειδικευμένης γνώσης.

Ωστόσο, η απομίμηση αναπαράγει μόνο το εξωτερικό περίβλημα.

Πραγματική εξειδικευμένη γνώση σημαίνει να ξέρεις ποια εξαίρεση έχει σημασία, ποια ασάφεια δεν μπορεί να αγνοηθεί, ποια πηγή είναι έγκυρη και πότε πρέπει να αμφισβητήσεις την απάντηση ενός συστήματος αντί να την αποδεχτείς. Αυτή είναι η διαφορά ανάμεσα στην εξαγωγή κειμένου από ένα έγγραφο και στην κατανόηση του αν το κείμενο επαρκεί για να στηρίξει μια επιχειρηματική απόφαση. Είναι η διαφορά ανάμεσα στη σύνοψη μιας πολιτικής και στην αναγνώριση των λειτουργικών συνεπειών που θα είχε μια λανθασμένη σύνοψη.

Εδώ ακριβώς εκτρέπονται και πολλές συζητήσεις για την ΤΝ και την πρωτοτυπία. Στον επιχειρηματικό κόσμο, η πρωτοτυπία σπάνια αφορά την καινοτομία για την ίδια την καινοτομία. Αφορά την ικανότητα να εντοπίζεις κάτι που διαφεύγει από τους άλλους: έναν κίνδυνο κρυμμένο στον θόρυβο των διαδικασιών, ένα μοτίβο θαμμένο σε κατακερματισμένες πληροφορίες, μια ευκαιρία που συσκοτίζεται από ασύνδετα συστήματα. Αυτού του είδους η πρωτοτυπία εξαρτάται λιγότερο από την εύγλωττη παραγωγή κειμένου και περισσότερο από την ακριβή ερμηνεία.

Τα έγγραφα δεν είναι όλη η ιστορία, αλλά συχνά από εκεί ξεκινά

Τα έγγραφα έχουν σημασία εδώ, επειδή εξακολουθούν να είναι ένας από τους συνηθέστερους χώρους όπου αποθηκεύεται η πραγματικότητα μιας επιχείρησης, χωρίς όμως να είναι πλήρως αξιοποιήσιμη.

Αυτό δεν σημαίνει ότι η «ΤΝ για έγγραφα» είναι ο πρωταγωνιστής της ιστορίας. Απλώς καθιστά την κατανόηση εγγράφων ένα μέρος της ευρύτερης προσπάθειας να μετατραπούν οι επιχειρησιακές πληροφορίες σε κάτι με το οποίο τα συστήματα ΤΝ μπορούν να εργάζονται υπεύθυνα. Αν οι οργανισμοί θέλουν καλύτερα αποτελέσματα από τα γενετικά μοντέλα, χρειάζονται καλύτερη πρόσβαση στα τεκμήρια στα οποία βασίζονται αυτά τα μοντέλα. Σε πολλές περιπτώσεις, αυτό σημαίνει εξαγωγή, επικύρωση και δόμηση πληροφοριών που διαφορετικά θα παρέμεναν εγκλωβισμένες σε έντυπα, αρχεία και κατακερματισμένες διαδικασίες παράδοσης.

Όταν αξιοποιείται σωστά, αυτή η δυνατότητα δεν αποσκοπεί στην προώθηση μιας κατηγορίας προϊόντων έναντι κάποιας άλλης. Αποσκοπεί στη μείωση της απόστασης ανάμεσα σε όσα γνωρίζει η επιχείρηση και σε όσα μπορούν πράγματι να αντιληφθούν τα συστήματα ΤΝ της.

Αυτή η διάκριση έχει σημασία. Οι πιο ισχυρές στρατηγικές ΤΝ για επιχειρήσεις δεν βασίζονται μόνο στη δημιουργία περιεχομένου. Συνδυάζουν αξιοποιήσιμα δεδομένα, επίγνωση των διαδικασιών και ανθρώπινη εποπτεία. Για παράδειγμα, πρόσφατη έρευνα για τις επιχειρήσεις από το Project NANDA του MIT υποστηρίζει ότι τα σημαντικότερα εμπόδια στην υιοθέτηση της ΤΝ δεν είναι συχνά η ποιότητα του μοντέλου αυτή καθαυτή, αλλά η ανεπαρκής ενσωμάτωσή του στις ροές εργασίας και η έλλειψη εμπιστοσύνης στον τρόπο με τον οποίο συμπεριφέρονται τα εργαλεία στην πράξη.

Αυτό θα έπρεπε να σας είναι οικείο. Οι επιχειρήσεις δεν πετυχαίνουν παράγοντας το περισσότερο συνθετικό περιεχόμενο. Πετυχαίνουν λαμβάνοντας καλύτερες αποφάσεις, ταχύτερα και με μεγαλύτερη συνέπεια, με βάση πληροφορίες που μπορούν να τεκμηριώσουν.

Η επόμενη υπεραξία είναι η κρίση

Το sampling δεν υποτίμησε τη μουσική. Άλλαξε το νόημα της πρωτοτυπίας.

Όταν οι πρώτες ύλες έγιναν ευκολότερα επαναχρησιμοποιήσιμες, η υπεραξία μετατοπίστηκε στην επιλογή, τη σύνθεση και την πρόθεση. Η κρίση απέκτησε μεγαλύτερη αξία από την πρόσβαση. Το ίδιο συμβαίνει τώρα και με την ΤΝ στις επιχειρήσεις. Καθώς η κλωνοποίηση λογισμικού γίνεται ευκολότερη, το διαρκές πλεονέκτημα δεν θα προκύπτει από την κατοχή ενός μοντέλου που μπορεί να μιμηθεί ικανοποιητική εργασία. Θα προκύπτει από τη γνώση του πώς να συνδέεις την ΤΝ με το κατάλληλο πλαίσιο, να θέτεις τα σωστά όρια και να την εφαρμόζεις εκεί όπου η ανθρώπινη δημιουργικότητα και η κρίση στον συγκεκριμένο τομέα εξακολουθούν να έχουν τη μεγαλύτερη σημασία.

Αυτό είναι το σημείο που παραβλέπουν πολλοί στην επιχειρηματολογία ότι «η ΤΝ αντικαθιστά το λογισμικό». Αν κάθε εργαλείο μπορεί να αντιγραφεί σε επίπεδο διεπαφής, τότε το πραγματικό ανταγωνιστικό πλεονέκτημα δεν είναι η διεπαφή. Είναι το βάθος της κατανόησης που κρύβεται από πίσω: η λογική των ροών εργασίας, ο χειρισμός των εξαιρέσεων, τα αξιόπιστα δεδομένα, η θεσμική γνώση και η ανθρώπινη εξειδίκευση που απαιτούνται για να μετατραπούν τα αποτελέσματα σε αποφάσεις.

Άρα, έχει πράγματι τελειώσει το λογισμικό επί πληρωμή; Μόνο αν πιστεύαμε ότι η αξία του λογισμικού ήταν ανέκαθεν μόνο η ορατή του επιφάνεια.

Στις τυποποιημένες λειτουργίες του λογισμικού, οι πιέσεις θα ενταθούν. Ορισμένα προϊόντα θα αντιγραφούν. Ορισμένες κατηγορίες θα συρρικνωθούν. Ορισμένες λειτουργίες που κάποτε δικαιολογούσαν υψηλή τιμή θα θεωρούνται πλέον αυτονόητες. Όμως, τα εργαλεία και οι εταιρείες που θα αντέξουν θα είναι εκείνα που βοηθούν τους οργανισμούς να περάσουν από τη μίμηση στην κατανόηση.

Γι’ αυτό έχει σημασία η στιγμή της δειγματοληψίας στην ΤΝ. Μας υπενθυμίζει ότι η μείωση του κόστους αναπαραγωγής δεν εξαλείφει την ανάγκη για πρωτοτυπία. Απλώς αλλάζει το πού εντοπίζεται η πρωτοτυπία.

Στη μουσική, το επίκεντρο μετατοπίστηκε από την εκτέλεση του πρωτογενούς υλικού στην τέχνη του μετασχηματισμού.

Στην επιχειρηματική ΤΝ, η μετάβαση γίνεται από την παραγωγή εύλογων αποτελεσμάτων στην πειθαρχημένη αξιοποίηση αξιόπιστων πληροφοριών, της κρίσης των ειδικών και της δημιουργικής επίλυσης προβλημάτων.

Η αναπαραγωγή κοστίζει λίγο. Η διορατικότητα όχι. Γι’ αυτό η επόμενη φάση της ΤΝ δεν θα ανήκει στα συστήματα που απλώς ακούγονται έξυπνα. Θα ανήκει στους οργανισμούς που ξέρουν πώς να αξιοποιούν όσα ήδη γνωρίζουν, ώστε να ανακαλύψουν κάτι πραγματικά καινούργιο.