HSBC:n äskettäinen analyysi OpenAI:n kohtaamista taloudellisista haasteista osoittaa, kuinka valtava yrityksen ajattelun mittakaava on. Sen tulot ovat jo 20 miljardia dollaria. Se on sitoutunut 1,4 miljardia dollaria rakentamaan uudet datakeskukset, jotka toimivat sen ChatGPT-rajapinnana. Ja vaikka se voisi tuottaa yli 200 miljardia dollaria tuloja vuoteen 2030 mennessä, se tarvitsee silti vielä 207 miljardia dollaria rahoitusta selviytyäkseen.
Ne ovat valtavia summia.
Mutta tusina tekoälyasiantuntijaa, jotka puhuivat Fortunelle äskettäin Web Summitissa Lissabonissa, kuvailivat tekoälyn erilaista tulevaisuutta. He sanovat, että tulevaisuudelle on ominaista paljon pienemmät tekoälytoiminnot, jotka usein pyörivät tekoälyn “agenttien” ympärillä, jotka suorittavat erikoistuneita, kapean luokan tehtäviä eivätkä siksi tarvitse valtavasti suuria kielimalleja, jotka tukevat OpenAI:ta, Googlen Geminiä tai Anthropicin Claudea.
“Heidän arvostuksensa perustuu siihen, että enemmän on parempi, mikä ei välttämättä pidä paikkaansa”, Cognizantin tekoälypäällikkö Babak Hodjat kertoi Fortunelle.
“Käytämme suuria kielimalleja. Emme tarvitse suurimpia. On olemassa kynnys, jossa suuri kielimalli pystyy seuraamaan ohjeita rajoitetulla alueella ja pystyy käyttämään työkaluja ja kommunikoimaan muiden agenttien kanssa”, hän sanoi. “Jos tuo kynnys ylittyy, se riittää.”
Esimerkiksi kun DeepSeek lanseerasi uuden mallin viime tammikuussa, se aiheutti teknologiaosakkeiden myynnin, koska sen kehittäminen kuulemma maksoi vain muutaman miljoonan dollarin. Se toimi myös mallissa, joka käytti vähemmän parametreja pyyntöä kohden, paljon pienempi kuin OpenAI:n ChatGPT, mutta oli verrattain tehokas, Hodjat sanoi. Tietyn koon alapuolella tietyt mallit eivät tarvitse datakeskuksia. He voivat työskennellä MacBookilla, hän sanoi. “Se on ero ja se on trendi”, hän sanoi.
Useat yritykset suuntaavat palveluitaan tekoälyagenttien tai -sovellusten ympärille olettaen, että käyttäjät haluavat tiettyjen sovellusten tekevän tiettyjä asioita. Superhuman, entinen Grammarly, ylläpitää sovelluskauppaa, joka on täynnä “AI-agentteja, jotka voivat istua selaimessa tai missä tahansa niistä tuhansista sovelluksista, joiden suorittamiseen Grammarlylla on jo lupa”, toimitusjohtaja Shishir Mehrotra sanoo.
Mozillan toimitusjohtaja Laura Chambersilla on samanlainen strategia Firefox-selaimelle. “Meillä on joitain tekoälyominaisuuksia, kuten ‘shake to summarive’ -ominaisuus, mobiili älykkäiden välilehtien ryhmittely, linkkien esikatselut, tekoälyä käyttävät käännökset. Teemme niillä niitä kaikkia paikallisesti, joten tiedot eivät koskaan poistu laitteestasi. Sitä ei jaeta mallien kanssa, sitä ei jaeta LLM:n kanssa. Meillä on myös pieni liukusäädin, jolla voit valita oman mallisi.
Siruvalmistajan ARM:n strategia- ja markkinajohtaja Ami Badani kertoi Fortunelle, että yritys oli malliagnostikko. “Luomme mukautettuja laajennuksia LLM:n päälle hyvin erityisiä käyttötapauksia varten. Koska ilmeisesti nämä käyttötapaukset vaihtelivat dramaattisesti yrityksistä toiseen”, hän sanoi.
Tämä lähestymistapa – erittäin keskittyneet tekoälyagentit, jotka toimivat erillisinä yrityksinä – eroaa massiivisten yleiskäyttöisten AI-alustojen kanssa. Jatkossa eräs lähde kysyi Fortunelta: Käyttäisitkö ChatGPT:tä varataksesi hotellihuoneen, joka sopii tarpeisiisi (ehkä haluat huoneen, jossa on kylpyamme suihkun sijaan, tai näkymän länteen?) vai käyttäisitkö erikoisagenttia, jonka alla on kilometrien syvä tietokanta, joka sisältää vain hotellitietoja.
Tämä lähestymistapa houkuttelee merkittäviä investointeja. IBM Ventures, 500 miljoonan dollarin tekoälyyn keskittyvä pääomarahasto, on sijoittanut joihinkin selkeästi epähohtoisiin tekoälypyrkimyksiin, jotka täyttävät hämäriä liiketoimintarakoja. Yksi näistä sijoituksista on yhtiö nimeltä Not Diamond. Tämä startup havaitsi, että 85 % tekoälyä käyttävistä yrityksistä käyttää useampaa kuin yhtä tekoälymallia. Jotkut mallit ovat parempia kuin toiset eri tehtävissä, joten oikean mallin valitsemisesta oikeaan tehtävään voi tulla tärkeä strateginen valinta yritykselle. Not Diamond luo “mallireitittimen”, joka lähettää automaattisesti tehtäväsi parhaalle mallille.
“Tarvitset jonkun auttamaan sen selvittämisessä. Me IBM:llä uskomme tarkoitukseen sopivaan mallistrategiaan, mikä tarkoittaa, että tarvitset oikean mallin oikeaan työmäärään. Kun sinulla on mallireititin, joka voi auttaa sinua tekemään sen, sillä on suuri ero”, IBM:n riskipäällikkö Emily Fontaine kertoi Fortunelle.
