Лидеры мнений

Последний этап ИИ: почему будущее – это индивидуальное, а не универсальное

mm

На протяжении большей части последних пятидесяти лет программное обеспечение разрабатывалось для людей, работающих в офисах. Традиционные платформы по сути являются статическими базами данных с обёрткой интерфейса вокруг них. Они сидят там, неподвижно, и требуют от людей работать вокруг них: вводить информацию, вводить данные, ориентироваться в их жёсткой, предопределённой логике. В этом расположении человек тихо стал ручным клеем, тратя рабочий день на мосты между фрагментированными инструментами.

Этот операционный налог наиболее болезненный в нашей мобильной жизни. Представьте себе бронирование простой встречи, пока вы находитесь на ходу. Вы открываете приложение календаря, нажимаете, вводите, нажимаете. Затем вы переходите на электронную почту, чтобы восстановить смутное воспоминание о нескольких ключевых словах, найти правильный адрес, скопировать его и вернуться к календарю. Это странно бесчеловечный опыт. Пользователь вынужден следовать логике программного обеспечения, а не программное обеспечение следовать намерению пользователя, сохраняя сломанный контекст в голове и сшивающий его вручную.

Человек как ручной клей

Мы увидели это явление, работая над мобильными приложениями в Google. Мир только усугубил эту проблему с тех пор. Всё больше высокоценной работы происходит в реальном мире, а не в статичной офисной обстановке. Она происходит в кофейных разговорах, внешних представлениях, партнёрствах. А единица бизнеса стабильно уменьшается, от корпорации до команды до отдельного человека.

Данные подтверждают это. Согласно Бюро переписи населения США, количество бизнесов с одним человеком в США выросло в среднем на 2,7 процента в год между 2012 и 2023 годами, что более чем в два раза превышает темп роста 1,1 процента для фирм с сотрудниками, и теперь они составляют большую часть всех американских бизнесов. Мы вступаем в эпоху, которую я считаю супер-индивидуумом: один оператор, который может управлять глобальной операцией с помощью небольшой флотилии агентов, выполняющих работу. Когда единица работы уменьшается до отдельного человека, дизайн наших инструментов должен измениться. Вместо того, чтобы люди следовали программному обеспечению, программное обеспечение должно следовать людям.

Последний этап ИИ

Общие помощники, такие как ChatGPT и Gemini, являются настоящим прорывом. Они позволяют людям достигать большего, быстрее, в необыкновенном диапазоне задач. Но существует разрыв между моделью, которая общая и универсальна, и инструментом, который действительно подходит вашей жизни, и в ИИ этот разрыв является последним этапом. Это место, где находится большая часть реальной ценности, и это часть, которую почти никто не решил.

Общая модель приходит как блестящий новый сотрудник в первый день. Она является профессиональной, быстрой и широко читаемой, но она не знает ваших клиентов, ваших предпочтений, жаргона, который вы используете, или способа, которым вы хотите, чтобы всё было сделано. Мощная не является той же, что и ваша. Общая модель, по своей конструкции, одинакова для всех, кто её открывает. То, что люди действительно нуждаются, является противоположным: что-то, сформированное для одного человека, что становится всё более его, чем дольше он его использует.

Исторически этот последний этап был дорогим. Быть адаптированным к одному человеку означало нанять исполнительного помощника или начальника штаба, или заказать индивидуальное программное обеспечение, варианты, зарезервированные для крупных компаний и богатых людей. Итак, остальные из нас удовлетворились общими, массовыми инструментами и тихо тренировали себя, чтобы соответствовать им. Стоимость индивидуального подхода является причиной, по которой большинство людей никогда не имели этого. То, что меняется сейчас, это стоимость. По мере её снижения то, что люди всегда тихо хотели, становится возможным в масштабе одного. Люди не действительно жаждут большей общей способности. Они жаждут чего-то, что является их.

Это не только вопрос вкуса, и доказательства более острые, чем кажется. Ценность ИИ не распределена равномерно по задачам. В большом полевом эксперименте, проведённом Harvard Business School с Boston Consulting Group, 758 консультантов, использующих GPT-4, выполнили примерно на 12 процентов больше задач, примерно на 25 процентов быстрее, с более высоким качеством, но только для работы, которая находилась внутри того, что исследователи назвали изрезанным технологическим фронтиром. На задаче, намеренно выбранной для того, чтобы она находилась вне этого фронтира, люди, использующие ИИ, были примерно на 19 процентов менее склонны достичь правильного ответа. Приросты появляются, когда инструмент подходит близко к реальным контурам работы, и они исчезают или даже обращаются, когда он не подходит. Подход не является завершающим штрихом. Это место, где живёт ценность.

Существует также два вида расширения прав и возможностей, которые стоит различать. Один помогает вам сделать что-то, что вы не могли сделать раньше. Другой освобождает вас от вещей, на которые ваше время просто стало слишком ценным, чтобы тратить на них. Общие модели очень хороши в первом. Второй является вопросом подхода, и подход должен быть индивидуальным. Это разница между инструментом, который делает вас более способным, и инструментом, который становится продолжением вас.

От пункта назначения до сайдкара

Если индивидуальный подход является свойством, то какова его форма? Здесь помогает заимствовать термин из архитектуры программного обеспечения. В распределённых системах сайдкар-шаблон присоединяет вспомогательный процесс к основной службе для обработки поперечной работы: журналирование, конфигурация, сеть, наблюдаемость. Основная служба может сосредоточиться на своей фактической работе, а сайдкар тихо поглощает операционную сложность рядом с ним.

Я считаю, что тот же шаблон приходит для людей. Вместо инструмента, который вы посещаете, следующее поколение личного программного обеспечения будет вести себя как сайдкар, привязанный к вам, работающий проактивно внутри приложений, в которых вы уже живёте. Не пункт назначения. Спутник, который едет рядом, и который является индивидуальным по своей природе, потому что он привязан к одному человеку и учится только его. Полезный сайдкар, в отличие от чат-бота, который вы вызываете с нуля каждый утро, будет отдыхать на трёх столпах.

Три столпа личного сайдкара

Обучаемость и постоянная память. Сайдкар не является инструментом, который вы объясняете каждый день. Это что-то, что вы учитесь один раз. Когда вы описываете предпочтение или рабочий процесс, он помнит, строя частное хранилище индивидуальной памяти, которое путешествует с вами и захватывает нюансы того, как вы конкретно работаете. Это последний этап, накапливающий.

Наблюдение и агентство. Сайдкар наблюдает, думает и действует. Он переходит от знания фактов к выполнению задач: фильтрация шума, соединение точек, создание ответа, удержание нити проекта, чтобы вы не должны были.

Изучение и транзакция. Со временем этот спутник несёт ваш контекст и ваши отношения через разные части программного обеспечения. Он помогает вам найти правильное представление, вытащить правильную возможность и, в конечном итоге, даже совершить транзакцию от вашего имени.

От знания к действию

Более глубокий технический сдвиг под всем этим является переходом от извлечения к действию. Усиление генерации извлечением, техника, которая основывает вывод модели на соответствующих документах, которые она извлекает на лету, сделала сегодняшних помощников хорошими в знании вещей. Следующий шаг – постоянство и агентство: спутники, разработанные не только для ответа, но и для выполнения.

Отрасль уже поворачивает в этом направлении. Gartner ожидает, что к концу 2026 года 40 процентов корпоративных приложений будут включать агентов ИИ, специфичных для задач, что является сдвигом от помощников, которые реагируют, к агентам, которые действуют.

Существует также более тихая выгода: институциональная память. В мире высокой текучести кадров и жидких партнёрств огромное количество контекста выходит за дверь каждый раз, когда кто-то покидает роль. Спутник, привязанный к индивиду, захватывает экспертизу и отношения, которые в противном случае были бы потеряны, и сохраняет этот контекст целым и пригодным для использования.

Но это же изобилие создаёт ловушку. Когда агенты позволяют людям взять на себя больше, люди тихо берут на себя больше: больше, чтобы запомнить, больше, чтобы действовать, больше, чтобы переключаться, больше, чтобы держать в голове одновременно. Существует биологический потолок того, сколько этого человек может нести. Цель сайдкара – сидеть под этим потолком и поглощать нагрузку, а не накапливать больше на вершине.

Возвращение человечности в работу

Настоящая цель не состоит в том, чтобы автоматизировать людей. Это состоит в том, чтобы вытащить их из программного обеспечения и вернуть в комнату. Исследование McKinsey по работе с знаниями показало, что средний работник, взаимодействующий с другими, тратит около 28 процентов недели на электронную почту и почти ещё 20 процентов на поиск внутренней информации или отслеживание правильного коллеги, прежде чем вы даже добавите внутренние встречи и координацию. Это большая часть недели, потраченная на операционный налог, а не на саму работу.

Если спутник может поглощать этот статический административный слой, время, которое он возвращает, не должно течь обратно в машину. Оно может вернуться в кофейные разговоры, партнёрства и суждения, где создаётся реальная ценность. Это не о том, чтобы заменить человека в цикле. Это о том, чтобы вытащить человека из частей цикла, которые никогда не были хорошим использованием человека.

Будущее ИИ, вероятно, не является ящиком, с которым вы говорите, и это не одна модель, которая служит всем одинаково. Это, скорее, спутник, который является неоспоримо вашим: тот, который идёт рядом с вами, учится, как вы работаете, и тихо обрабатывает части, которые вы не должны были бы.

Итак, вопрос, с которым стоит сидеть, не является тем, насколько умно может звучать ваш ИИ. Это проще, чем это: сколько вашей недели тратится на то, чтобы быть клеем, и что бы вы делали с этим временем, если бы вы его вернули?

Шужи (Дэвид) Хуанг является основателем SuperIntern и бывшим менеджером по инженерии в Google, где он возглавлял команды для приложения Google, Circle to Search и Gemini App. Он является специалистом в области масштабирования потребительских продуктов на основе ИИ и в настоящее время сосредоточен на создании индивидуальных агентов ИИ, которые решают проблему "пробела контекста" в профессиональной продуктивности.