Останній кілометр штучного інтелекту: чому майбутнє індивідуальне, а не однакове для всіх

Більшість останніх п’ятидесяти років програмне забезпечення створювалося для людей, які сидять в офісах. Традиційні платформи є по суті статичними базами даних з інтерфейсом, обгорнутим навколо них. Вони сидять там, нерухомі, і вимагають від людей працювати навколо них: вводити інформацію, вводити дані в них, перемикатися їх жорсткою, попередньо визначеною логікою. У цьому домовленості людина тихо стала ручним клеєм, проводячи робочий день, мостячи пробіли між фрагментованими інструментами.

Цей оперативний податок є найбільш болісним у нашому мобільному житті. Представьте собі бронювання простої зустрічі, коли ви перебуваєте на ходу. Ви відкриваєте додаток календаря, натискаєте, вводите текст, натискаєте. Потім ви переходите до електронної пошти, щоб відновити розмите спогад про кілька ключових слів, шукайте правильну адресу, копіюєте її та переходите назад до календаря. Це дивно безлюдний досвід. Користувача змушують слідувати логіці програмного забезпечення, а не програмне забезпечення слідує наміру користувача, тримаючи розбитий контекст у голові та шивши його назад вручну.

Людина як ручний клей

Ми бачили це чітко, будуючи для мобільних пристроїв у Google. Світ зробив проблему ще гострішою з тих пір. Дедалі більше високоцінної роботи відбувається у реальному світі, а не у статичній офісній обстановці. Вона відбувається у кав’яних розмовах, зовнішніх знайомствах, партнерствах. І одиниця бізнесу постійно зменшується, від корпорації до команди до окремої особи.

Дані підтверджують це. За даними Бюро перепису населення США, кількість підприємств з одним працівником у США зростала в середньому на 2,7% на рік між 2012 і 2023 роками, що у понад два рази більше, ніж 1,1% темп зростання підприємств з працівниками, і вони тепер складають більшу частину всіх американських підприємств. Ми вступаємо в епоху того, що я називаю суперіндивідуумом: окремої особи, яка може керувати глобальною операцією з маленькою флотилією агентів, які виконують роботу. Коли одиниця роботи зменшується до окремої особи, конструкція наших інструментів повинна змінитися. Замість того, щоб люди слідували програмному забезпеченню, програмне забезпечення повинно слідувати людям.

Останній кілометр штучного інтелекту

Загальні помічники, такі як ChatGPT і Gemini, є справжнім стрибком. Вони дозволяють людям досягати більшого, швидше, у надзвичайному діапазоні завдань. Але існує розрив між моделлю, яка загально здатна, і інструментом, який фактично підходить вашому життю, і в штучному інтелекті цей розрив є останнім кілометром. Це місце, де знаходиться більшість реальної цінності, і це частина, яку майже ніхто не розв’язав.

Загальна модель приходить, як новий працівник на перший день. Вона є вільною, швидкою і широко читаною, але вона не знає ваших клієнтів, ваших уподобань, скорочень, які ви використовуєте, або того, як ви хочете, щоб все було зроблено. Потужна не означає ваша. Загальна модель, за конструкцією, однакова для всіх, хто відкриває її. Що люди фактично потребують, це протилежне: щось, створене для однієї особи, що стає все більш вашим, чим довше ви її використовуєте.

Історично, цей останній кілометр був дорогим. Бути створеним для однієї особи означало наймати виконавчого помічника або начальника штабу, або замовляти індивідуальне програмне забезпечення, варіанти, зарезервовані для великих компаній і багатих людей. Тому решта з нас погодилася на загальні, масові інструменти і тихо навчилися підлаштовуватися під них. Вартість індивідуального програмного забезпечення є причиною, чому більшість людей ніколи не мали його. Що зараз змінюється, це вартість. Коли вона зменшується, те, чого люди завжди тихо хотіли, стає можливим у масштабі однієї особи. Люди не прагнуть більше загальної можливості. Вони прагнуть чогось, що належить їм.

Це не лише питання смаку, і докази гостріші, ніж здається. Цінність штучного інтелекту не розподілена рівномірно по завданням. У великому польовому експерименті, проведеному Harvard Business School з Boston Consulting Group, 758 консультантів, які використовували GPT-4, завершили близько 12% більше завдань, приблизно на 25% швидше, з вищою якістю, але лише для роботи, яка знаходилася всередині того, що дослідники назвали нерівною технологічною межею. На завданнях, спеціально обраних для знаходження поза цією межею, люди, які використовували штучний інтелект, були приблизно на 19% менше схильні досягти правильної відповіді. Перемоги з’являються, коли інструмент підходить близько до реальних контурів роботи, і вони зникають, або навіть зворотні, коли він не підходить. Підгонка не є завершальним штрихом. Це місце, де живе цінність.

Є також два види емпаверменту, які варто розрізняти. Один допомагає вам зробити щось, чого ви не могли зробити раніше. Інший звільняє вас від речей, на які ваш час просто став надто цінним, щоб витрачати на них. Загальні моделі дуже хороші в першому. Друге питання підгонки, і підгонка повинна бути індивідуальною. Це різниця між інструментом, який робить вас більш здатним, і інструментом, який стає розширенням вас.

Від пункту призначення до сайдкара

Якщо індивідуальне програмне забезпечення є властивістю, то яка форма? Тут допомагає позичити термін із архітектури програмного забезпечення. У розподілених системах сайдкар-патерн прикріплює допоміжний процес до основної служби для обробки поперечної роботи: логування, конфігурація, мережа, спостереження. Основна служба може зосередитися на своїй фактичній роботі, а сайдкар тихо поглинає оперативну складність поруч з ним.

Я вважаю, що той самий патерн прийде для людей. Замість інструменту, який ви відвідуєте, наступне покоління особистого програмного забезпечення буде поводитися, як сайдкар, прив’язаний до вас, працюючи проактивно всередині додатків, які ви вже використовуєте. Не пункт призначення. Товарищ, який їде поряд, і той, який є індивідуальним за своєю природою, оскільки він прикріплений до однієї особи і вчиться лише їх.

Три стовпи особистого сайдкара

Вчитимість і постійна пам’ять. Сайдкар не є інструментом, який ви пояснюєте кожен день. Це щось, чого ви вчите раз. Коли ви описуєте уподобання або робочий процес, він запам’ятовує, будуючи приватний магазин індивідуальної пам’яті, який подорожує з вами і захоплює нюанси того, як ви конкретно працюєте. Це останній кілометр, накопичення.

Спостереження і агентство. Сайдкар спостерігає, думає і діє. Він переходить від знання фактів до виконання завдань: фільтрування шуму, підключення точок, підготовка відповіді, утримання нитки проекту, щоб ви не мали цього робити.

Дослідження і транзакція. З часом цей товарись їде з вашим контекстом і вашими відносинами через різні частини програмного забезпечення. Він допомагає вам знайти правильне введення, підняти правильну можливість і, врешті-решт, навіть транзакцію від вашого імені.

Від знання до виконання

Глибший технічний зсув під всією цією є рух від отримання до дії. Повышення генерації за допомогою отримання, техніка ґрунтування виходу моделі в відповідних документах, які вона шукає на льоту, зробила сьогодні помічників хорошими у знанні речей. Наступний крок полягає у збереженні і агентстві: товаришах, розроблених не лише для відповідей, а для виконання.

Індустрія вже повертається в цьому напрямку. Gartner очікує, що до кінця 2026 року 40% корпоративних додатків будуть включати агентів штучного інтелекту, спеціально призначених для завдань, у порівнянні з менше 5% у 2025 році, зсув, який він описує як рух від помічників, які реагують, до агентів, які діють.

Є також тиха користь тут, яку організації мають тенденцію недооцінювати: інституційна пам’ять. У світі високої текучості кадрів і рідинних партнерств величезна кількість контексту виходить за двері кожного разу, коли хтось залишає роль. Товарись, прив’язаний до окремої особи, захоплює експертизу і відносини, які інакше були б втрачені, і тримає цей контекст цілим і придатним для використання.

Але це ж надлишок створює пастку. Коли агенти дозволяють людям брати на себе більше, люди тихо беруть на себе більше: більше, щоб пам’ятати, більше, щоб діяти, більше, щоб перемикатися, більше, щоб тримати в голові одночасно. Є біологічна межа того, скільки з цього може нести людина. Мета сайдкара полягає в тому, щоб сидіти під цією межею і поглинати навантаження, а не накидати ще більше на нього.

Людська робота

Фактична мета не полягає в тому, щоб автоматизувати людей. Це повернути їх з програмного забезпечення назад у кімнату. Дослідження McKinsey про роботу з знаннями виявило, що середній працівник, який взаємодіє, проводить близько 28% тижня на електронній пошті та майже ще 20% на пошуках внутрішньої інформації або відстежуванні правильного колеги, до того, як ви навіть додасте внутрішні зустрічі та координацію. Це більшість тижня, проведеного на оперативному податку, а не на самій роботі.

Якщо товарись може поглинати цей статичний адміністративний шар, час, який він повертає, не має текти назад у машину. Він може повернутися у кав’яні розмови, партнерства та судові рішення, де створюється фактична цінність. Це не про заміну людини в циклі. Це про видалення людини з частин циклу, які ніколи не були хорошим використанням людини.

Майбутнє штучного інтелекту, ймовірно, не являє собою коробку, з якою ви розмовляєте, і це не одна модель, яка служить усім однаково. Це більше схоже на товарись, який є незаперечливо вашим: той, хто ходить поряд з вами, вчиться, як ви працюєте, і тихо обробляє частини, які вам не слід було б робити.

Отже, питання, з яким варто сидіти, не полягає в тому, наскільки ваш штучний інтелект може звучати. Це простіше: скільки вашого тижня витрачається на те, щоб бути клеєм, і що ви зробили б з цим часом, якщо б ви його повернули?