Велико гашење: Зашто компаније желе да се реше својих вештачких интелигенција – Када вештачке интелигенције коштају више него што вреде

Када аутономни агенти преузму контролу, а центри података потроше више капитала него што тржиште може да заради

Милијарде уложене без поврата: АИ агенти морају доказати своју корисност

Вештачка интелигенција улази у нову фазу. Првом фазом су доминирали технолошки продори, спектакуларне демонстрације и изгледи да се рад са знањем учини знатно продуктивнијим. Друга фаза је обележена огромним буџетима уложеним у моделе, центре података, графичке процесоре, облачне платформе и почетне пословне апликације. Сада почиње трећа фаза: провера економске и организационе реалности. Ово ће одредити не само који ће добављачи преживети, већ и да ли ће компаније заиста створити трајну, мерљиву вредност од вештачке интелигенције или ће само изградити нове ризике у погледу трошкова, контроле и одговорности.

Два догађаја посебно истичу ову прекретницу. На нивоу апликација, аутономни агенти вештачке интелигенције се шире брже него што многе компаније могу да прилагоде своје управљање, права приступа, контролу трошкова и одговорности. Истовремено, на нивоу инфраструктуре, центри података и специјализовани капацитети у облаку се појављују у размерама за које тренутно не постоји довољно велико и спремно крајње тржиште да економски послује. Ово представља конвергенцију два различита прецењивања: компаније прецењују организациону зрелост аутономних система у кратком року, док инвеститори и оператери инфраструктуре могу прецењивати брзину којом се потражња за вештачком интелигенцијом може претворити у профитабилан приход.

Кључно питање стога више није да ли вештачка интелигенција технички функционише. Ради се о томе где функционише поуздано, контролисано и профитабилно у реалним условима. Ова промена мења логику тржишта. Максимална аутономија, максимална величина модела или максимална рачунарска снага саме по себи неће одредити успех. Конкурентске предности настају тамо где се техничке могућности комбинују са робусним дизајном процеса, јасном одговорношћу, проверљивим одлукама, реалним моделима трошкова и диференцираном вредношћу за купце.

Велико разочарање почиње у компанијама

Предвиђање да би више од 40 процената агентских пројеката вештачке интелигенције могло бити обустављено, деградирано или фундаментално редизајнирано до краја 2027. године треба схватити мање као суд о дугорочном значају технологије, а више као критику њене тренутне имплементације. Многи пројекти почињу као пробна испитивања концепта под контролисаним условима. У овом окружењу, подаци се бирају, задаци су ограничени, корисници су добронамерни, а грешке имају релативно мале последице. Међутим, прелазак на производне операције мења све параметре. Агент се тада мора носити са непотпуним подацима, конфликтним правилима, застарелим системима, посебним случајевима, променљивим дозволама и одлукама везаним за одговорност.

Управо на овом прагу значајан број технолошких пилот пројеката пропада. Убедљив демонстратор одговара на питање да ли је функција фундаментално могућа. Не одговара на питање да ли се може извршити милионима пута уз прихватљиве укупне трошкове, стабилан квалитет и управљив ризик. Овај проблем се погоршава код аутономних агената јер они не само да могу да генеришу садржај већ и самостално да позивају алате, модификују податке, покрећу процесе и повезују одлуке. Грешка, дакле, није нужно ограничена на нетачан текстуални одговор. Може се проширити као погрешна поруџбина, неовлашћени приступ подацима, погрешна одлука купца или промена производног система.

Очекивани отказ пројекта је стога економски исплатив. Растући трошкови, нејасна пословна вредност и неадекватне контроле ризика нису одвојени проблеми; они се међусобно појачавају. Што је агент мање поуздано послује, то је већи напор потребан за праћење, ревизију и корективне мере. Што је више ручне интервенције потребно, то је мањи стварни добитак продуктивности. Што је мањи добитак продуктивности, теже је оправдати додатне трошкове за моделе, интеграције, праћење, безбедност и усклађеност. Систем првобитно планиран за аутоматизацију може стога створити нови, углавном невидљиви слој ручног надзора.

Аутономија постаје нова врста трошка

Трошкови вештачке интелигенције засноване на агентима се често посматрају преуско. Компаније упоређују цене модела или израчунавају накнаде за улазне и излазне токене, али то обухвата само део економског терета. Агент често дели задатак на више корака, приступа различитим системима, понавља неуспеле покушаје, проверава међурезултате и одржава дуже контексте. Сложени токови рада стога могу захтевати знатно више рачунарске снаге него конвенционални четбот. Овоме се додају трошкови за оркестрацију, припрему података, интерфејсе, евидентирање, управљање идентитетом, безбедносне контроле, евалуацију и рад различитих модела.

Још значајнији су индиректни трошкови. То укључује време које стручњаци утроше прегледајући резултате, решавајући грешке, имплементирајући додатне интерне контроле, пружајући обуку, спроводећи правне прегледе и прилагођавајући радне процесе. Ако агент изврши задатак за само неколико центи, али резултат захтева редован преглед од стране квалификоване особе, цена модела постаје практично бесмислена као метрика. Оно што је важно јесте укупан трошак процеса за сваки исправно завршен задатак. Ово такође мора укључивати понављања, последице грешака, изузетке и трошкове људског надзора.

Чињеница да само 21 одсто анкетираних ИТ директора има потпуну транспарентност у погледу трошкова својих вештачке интелигенције агената и вештачких радних оптерећења открива фундаментални недостатак контроле. Без расподеле трошкова по случају употребе, пословној јединици и процесу, немогуће је проценити економске користи или управљати поузданим буџетом. Ризик је да ће потрошња на вештачку интелигенцију расти децентрализовано на облачним налозима, претплатама на софтвер и буџетима одељења, док централни ИТ остварује само део укупних трошкова. Рачун се тада појављује тек са закашњењем, када су употреба, количина података и број агената већ значајно повећани.

За правилну процену, компаније стога морају да пређу са разматрања само трошкова техничке употребе на свеобухватни модел вредности. Треба мерити трошкове по успешном завршетку процеса, стопу исправно завршених случајева без људске интервенције, стопе грешака и понављања, време протока, напор контроле и стварно остварена финансијска корист. Само када ове метрике остану стабилне током дужег периода, може се проценити да ли агент треба скалирати. Аутономија није циљ сама по себи, већ инвестициона варијабла: економски је исплатива само ако додатне користи надмашују повећане ризике контроле и грешака.

Shadow IT добија агенцију

Ширење вештачке интелигенције (AI) агената мења класичан проблем „shadow IT“-а. Раније су одељења набављала неовлашћени софтвер или складиштила податке у неконтролисаним сервисима. Данас запослени могу брзо да креирају сопствене агенте који приступају подацима компаније и самостално обављају радње. Анкета спроведена међу 685 директора информационих технологија у предузећима открила је да 84 одсто њих наводи да запослени развијају AI агенте брже него што ИТ може да имплементира одговарајућа правила управљања. Проблем, дакле, не лежи само у све већем броју апликација, већ и у све већем броју дигиталних актера.

Ови актери често поседују техничке идентитете, API кључеве, сервисне налоге или делегирана корисничка права. Ово ствара нову класу нељудских идентитета који, у многим организацијама, нису подложни истим правилима као запослени. 59% анкетираних организација још увек није у потпуности интегрисало AI агенте у своје постојеће политике управљања идентитетом и приступом. Истовремено, 72% извештава о средњем до великом јазу између приступа који је агенту теоретски дозвољено да има и приступа који организација заправо може да демонстрира.

Економски, овај јаз је посебно опасан јер помера очекивану равнотежу између ефикасности и ризика. Агент може да делује нон-стоп и великом брзином. Управо карактеристика која обећава продуктивност повећава обим штете у случају грешке. Широке дозволе, дуготрајни кључеви за приступ и неадекватно евидентирање могу довести до тога да се једна погрешна одлука систематски понавља. Маргинални трошак још једне погрешне радње је готово нула за агента, док се последични трошкови за компанију акумулирају.

Последица је јасна: сваком продуктивном агенту је потребан формални идентитет, документована сврха, одговоран људски власник и ограничене привилегије. Приступ треба да буде одобрен по принципу најмањих привилегија, временски ограничен и континуирано праћен. Посебно последичне радње морају бити одобрене од стране човека пре извршења. Централизовани механизми за искључивање су подједнако важни како агенти не би морали бити мукотрпно деактивирани појединачно у више система у случају квара. Иако ове мере могу донекле смањити краткорочну брзину, оне повећавају скалабилност укупног система ограничавањем штете, неизвесности и регулаторних трења.

Одговорност без стварне контроле

Организациона тензија откривена је у глобалном истраживању спроведеном међу 3.200 руководилаца информационих технологија. Осамдесет осам процената примећује да оперативно усвајање вештачке интелигенције напредује брже од прилагођавања управљања. Истовремено, 90 процената претпоставља да ће централни ИТ бити одговоран за безбедносне или неусклађене пропусте, чак и ако су алати који их узрокују набављени независно од других пословних јединица. Ово ствара јаз између моћи доношења одлука и одговорности.

Таква структура ствара перверзне подстицаје. Пословне јединице добијају краткорочну предност брзог експериментисања, док значајан део ризика остаје у вези са ИТ-ом, заштитом података, безбедношћу информација и управљањем. Централни ИТ може постати уско грло ако је потребно да се свака апликација одобри појединачно. Међутим, ако се потпуно одрекне контроле, настаје сложен пејзаж модела, агената, приступа подацима и уговора. Обе крајности су неефикасне. Чисто централизовани приступ гуши иновације, док потпуно децентрализовани приступ умножава ризике и дуплирање напора.

Стога је потребан федерални модел управљања. Централне функције дефинишу обавезујуће техничке и организационе смернице, обезбеђују одобрене платформе и прате идентитете, трошкове и критичне активности. Пословне јединице могу развијати и користити апликације унутар овог оквира, али морају документовати користи, изворе података, ризике и одговорне појединце. Ово одржава одлуке што је могуће ближим свакодневним операцијама, док заједнички стандарди спречавају да сваки тим мора више пута да решава исте безбедносне и интеграционе проблеме.

Лични притисак на директоре информационих технологија показује колико се драстично вештачка интелигенција развила од теме иновација до фактора каријере и управљања. 76% анкетираних ИТ руководилаца верује да је њихова позиција угрожена ако њихова компанија не успе да постигне мерљиве пословне резултате са вештачком интелигенцијом до краја 2027. године. Овај притисак може убрзати разумно одређивање приоритета, али такође носи ризик од френетичног скалирања. Они који су под притиском краткорочног успеха могли би дати приоритет видљивим бројкама имплементације у односу на робусна побољшања процеса. Парадоксална последица би била да сам притисак да се брзо покаже повраћај инвестиције повећава вероватноћу скупих грешака.

Када сам контролер постане фактор трошкова

Прва искуства из управљања и ревизије указују да ризици нису само теоретски. У анкети спроведеној међу 417 стручњака за управљање, ризике, усклађеност и ревизију, 34% је изјавило да је њихова организација деловала на основу нетачне одлуке агента. 30% је приметило ненамерне радње, 25% неуспех контроле, а 24% утицаје на купце. У 20% случајева, два агента су дошла у међусобни сукоб. Скоро половини запослених је било потребно више времена да прегледају и исправе резултате вештачке интелигенције него раније.

Ове податке треба тумачити са опрезом јер анкете одражавају перцепције и искуства учесника, а не аутоматски учесталост свих грешака на целокупном тржишту. Ипак, оне откривају јасан образац: компаније делегирају овлашћења за доношење одлука агентима пре него што се процеси, подаци и системи контроле дизајнирају за овај облик аутономије. Вештачка интелигенција не чини аутоматски лош процес добрим. Она га само може учинити бржим, транспарентнијим и распрострањенијим.

Додатни напор ревизије је посебно релевантан са економске перспективе. Аутоматизација се обично оправдава аргументом смањених трошкова запослених. Међутим, ако квалификовани стручњаци морају континуирано да проверавају резултате, разјашњавају изузетке и реконструишу одлуке агената, посао се само помера. Не нестаје, већ се премешта са стварне обраде на праћење и решавање проблема. Ове активности могу бити захтевније и скупље од оригиналног процеса јер захтевају истовремено техничку, стручну и регулаторну стручност.

То не значи да је људски надзор сам по себи неекономичан. У областима високог ризика, он је неопходан. Кључна ствар је ускладити интензитет контроле са потенцијалном штетом. Агент који категоризује интерне документе захтева другачија одобрења од система који покреће плаћања, припрема кадровске одлуке или модификује налоге купаца. Компаније би стога требало да одобравају аутономију у фазама. Што је акција неповратнија, то су подаци осетљивији и што је већи потенцијални спољни утицај, то строжија морају бити претходна одобрења, евидентирање и независне ревизије.

Тестне стазе постају део економске инфраструктуре

Две трећине директора информационих технологија није сигурна да ли би могли да доставе регулатору потпун, свеобухватан извештај о одлуци агента. Ово је више од самог питања усклађености. Недостатак могућности праћења повећава трошкове сваког инцидента јер је теже утврдити узроке, теже изоловати погођене процесе, а противмере се спорије спроводе. Без робусних евиденција, компанија тешко може доказати да је агент деловао у оквиру својих овлашћења или да је одговорна особа интервенисала на одговарајући начин.

Ревидност се стога мора схватити као продуктивна инфраструктура, а не као захтев за документацијом који се додаје ретроактивно. Идентитет агента, модел и верзија софтвера који се користе, извори података којима се приступа, доступне дозволе, међукораци, позиви спољних алата, одобрења и коначни резултат треба да буду забележени. Подједнако важна је способност техничке репродукције процеса или барем његове веродостојне реконструкције. Код вероватносних модела, тачна репликација није увек могућа, али релевантни улази, конфигурације и путање одлучивања морају бити сачувани.

Изазов се повећава у мултиагентским системима. Када више агената дистрибуира задатке, међусобно прегледа резултате или секвенцијално модификује различите пословне системе, настаје ланац дистрибуиране одговорности. Грешка може настати из међусобног деловања неколико наизглед вероватних делимичних одлука. Конвенционални системи контроле који испитују појединачне радње корисника или изоловане софтверске трансакције нису довољни за ово. Компанијама је потребно континуирано праћење целог ланца процеса.

Регулаторни развој појачава овај притисак на деловање. Европски правни оквир за вештачку интелигенцију, прописи о заштити података и надзорне обавезе специфичне за индустрију повећавају захтеве за управљање ризицима, документацију и људски надзор. Органи за заштиту података ван Европске уније такође обраћају већу пажњу на то како аутоматизовани системи обрађују личне податке. Економски закључак је да управљање није додатни трошковни центар који се може додати након успешног скалирања. То је предуслов за осигуравање да је скалирање законски усклађено и одрживо.

Ризици вештачке интелигенције прелазе у највишу групу

У анкети спроведеној међу 1.330 чланова управног одбора и руководилаца, нови ризици који произилазе из увођења вештачке интелигенције за период од 2027. године па надаље већ су на другом месту међу краткорочним пословним ризицима, одмах иза сајбер претњи. Ова ранг листа показује да се вештачка интелигенција више не посматра као изолована ИТ иницијатива. Она истовремено утиче на оперативну стабилност, регулативу, заштиту података, треће стране, особље, репутацију и расподелу капитала.

Ризици вештачке интелигенције и сајбер ризике не треба анализирати одвојено. Агенти повећавају површину дигиталног напада јер им је потребан приступ подацима, апликацијама и алатима. Нападачи могу покушати да манипулишу уносом, наведу агенте да извршавају неовлашћене радње или злоупотребе своје акредитиве. Истовремено, правилно аутентификовани агент може сам да извршава ризичне радње ако је његов циљ погрешно дефинисан, контекст манипулисан или су му дозволе прешироке. Традиционална ИТ безбедност, стога, решава само део проблема. Поред утврђивања да ли је актер овлашћен за приступ подацима, кључно је проценити да ли је намеравана радња дозвољена и прикладна у одређеном контексту.

Ово подразумева проширене одговорности за руководство компаније. Они не морају технички да разумеју сваки модел, али морају да обезбеде да постоје јасна одговорност, класификације ризика, процедуре ескалације и економски циљеви за кључне примене вештачке интелигенције. Надзор не може бити ограничен на број покренутих пројеката или величину буџета. Кључно је да су потребне поуздане информације о томе који се процеси аутоматизују на продуктиван начин, који подаци су погођени, колико често је потребна људска интервенција, каква је потенцијална штета могућа и да ли се очекиване користи заиста остварују.

Квази-интерно решење: Како Xpert.Digital затвара оперативне празнине у B2B маркетингу и продаји – Паметно пословање вођено садржајем - Слика: Xpert.Digital

Xpert.Digital је B2B индустријски центар вођен подацима, којим руководи Konrad Wolfenstein . Компанија делује као екстерно, квази-интерно решење за индустријске партнере, попуњавајући оперативне празнине у маркетингу, садржају и продаји – без потребе за додатним ресурсима на страни клијента.

Више информација овде:

• Квази-интерно решење: Како Xpert.Digital затвара оперативне празнине у B2B маркетингу и продаји – Паметно пословање вођено садржајем

Проблем са капиталом расте испод софтвера

Док се компаније боре да контролишу своје агенте, технолошка индустрија шири физичку основу вештачке интелигенције у невиђеним размерама. Очекују се инвестиције од скоро једног билиона америчких долара у инфраструктуру вештачке интелигенције за 2026. годину. Између 2027. и 2030. године могло би се додати додатних шест билиона америчких долара. Ови износи се сливају у центре података, графичке процесорске јединице (GPU), мрежну технологију, складиштење података, хлађење, напајања и земљиште. Ово ширење прати очекивање да ће потреба за обучавањем и покретањем модела вештачке интелигенције значајно расти током година.

Међутим, сам раст не гарантује адекватан повраћај инвестиција. Оператери дата центара са вештачком интелигенцијом би морали да остваре кумулативне приходе од приближно 8,5 билиона долара до 2030. године како би покрили најављене инвестиције, трошкове финансирања и претпостављени повраћај инвестиција од 12 процената. Потенцијално приписиви приходи од предузећа и потрошачких предузећа која се баве вештачком интелигенцијом процењују се на највише 3,6 билиона долара за исти период. Иако су ове бројке подложне значајној неизвесности због њихових дугих прогнозних хоризонта, величина јаза је значајна.

Међутим, било би погрешно директно упоређивати инвестиције и приходе од вештачке интелигенције. Центри података имају животни век од неколико година, инфраструктура може да поднесе различита радна оптерећења, а неке од економских користи припадају компанијама корисницима, а не оператеру инфраструктуре. Штавише, смањење трошкова рачунарства може генерисати нову потражњу. Ипак, централна порука остаје валидна: Тржиште мора не само снажно да расте, већ и да изузетно брзо производи монетизујуће апликације за све планиране капацитете како би се постигао очекивани повраћај.

Ова ситуација је изазовна. Многе данашње вештачке интелигенције смањују трошкове или побољшавају постојеће производе, али не генеришу аутоматски додатни приход једнак основним инвестицијама у инфраструктуру. Штавише, добици у продуктивности могу се расподелити између добављача и купаца. Интензивна конкуренција снижава цене, модели отвореног кода смањују баријере за улазак, а ефикаснији модели смањују рачунарске захтеве по задатку. Иако је ово корисно за целокупну економију, може негативно утицати на профитабилност појединачних оператера дата центара.

Сат за девалвацију откуцава брже од потражње

АИ хардвер се разликује од дуготрајне основне инфраструктуре по својим кратким иновативним циклусима. Нове генерације акцелератора често нуде знатно веће перформансе или бољу енергетску ефикасност. Као резултат тога, старији хардвер може изгубити економску вредност, иако технички и даље функционише. Оператор стога мора што брже да надокнади своју инвестицију кроз високу искоришћеност и атрактивне цене. Ако потражња падне у односу на очекивања, књиговодствене вредности и модели финансирања су под притиском.

До 2030. године, приближно 3,5 билиона долара имовине вештачке интелигенције могло би бити у опасности од умањења вредности; до 2032. године, ова бројка би могла порасти на више од 4 билиона долара. Трошкови умањења вредности не значи да сервери физички нестају. Уместо тога, то указује на то да очекивани будући новчани токови више не оправдавају књиговодствену вредност имовине. За високо задужене оператере, ово може пооштрити услове кредитирања, еродирати капитал и отежати даља улагања.

Динамика је слична претходним инфраструктурним циклусима. Нове основне технологије често покрећу експанзију, у почетку стварајући вишак капацитета. Железнице, телекомуникационе мреже и оптичка влакна су доживели сличне фазе. Део уложеног капитала је изгубљен, док је лако доступна, јефтина инфраструктура касније омогућила нове пословне моделе. Стога, две тврдње могу бити тачне истовремено: вештачка интелигенција може покренути дубоку економску трансформацију, а ипак значајан део данашњих инвеститора и даље може остварити неадекватне приносе.

За целокупну економију, корекција тржишта не мора бити потпуно негативна. Отписи и банкротства могу смањити трошкове рачунарске снаге и омогућити ефикаснијим купцима приступ инфраструктури. Компаније могу имати користи од нижих цена, чак и ако првобитни инвеститори претрпе губитке. Ситуација постаје проблематична када је прекомерно улагање повезано са високим дугом, дугорочним уговорима о енергији или регионално концентрисаним капацитетима. У таквим случајевима, корекције могу утицати на банке, добављаче енергије, тржишта некретнина и локалне јавне буџете.

Неооблаци између раста и селекције

Најрањивији су специјализовани неоклауд провајдери који обезбеђују рачунарску снагу за вештачку интелигенцију (AI) радна оптерећења. Њихова предност лежи у високом нивоу техничке специјализације, брзом приступу траженим графичким процесорима и често флексибилнијим понудама од оних великих, широко диверзификованих cloud компанија. Компаније попут CoreWeave-а и Nebius-а су пример овог сегмента. Адресабилно тржиште за AI-оптимизоване инфраструктурне услуге могло би порасти са 66 милијарди долара у 2027. на 174 милијарде долара у 2030. години. Ово би био импресиван пораст, али можда и даље неће бити довољан да се профитабилно искористи истовремено изграђени капацитет.

Предвиђање да би више од 80 одсто неоклауд система могло да престане са самосталним радом до 2030. године не значи нужно и потпуни нестанак њихових рачунарских ресурса. Банкроти, аквизиције, спајања, дугорочна партнерства или интеграција у веће платформе су све могућности. Основни економски фактор је значајна консолидација. Пружаоци услуга без повољног финансирања, сигурног снабдевања енергијом, високе искоришћености и јасно диференциране понуде услуга ће се борити да остану независни.

Пословни модел је крхак из неколико разлога. Прво, захтева огромна почетна улагања у брзо застаревајући хардвер. Друго, база купаца може бити концентрисана, што значи да губитак чак и неколико великих купаца може драстично променити искоришћеност капацитета. Треће, неоклауди стоје између произвођача чипова и купаца, а да нужно не поседују исти ниво преговарачке моћи. Четврто, хиперскалери могу да се такмиче са свеобухватним услугама платформе, глобалном инфраструктуром и постојећим односима са купцима. Пето, притисак на цене прети како постаје доступан већи капацитет или пословни модели постају ефикаснији.

Стога нису сви неоклауди исти. Највеће шансе за опстанак имају добављачи са структурним предностима: дугорочним приступом јефтинијој енергији, посебно високом техничком искоришћеношћу, приступом оскудном капиталу, специјализованим услугама или јаком позицијом у одређеним регионима и регулисаним индустријама. Суверена, национално или европски контролисана инфраструктура такође може бити фактор разликовања ако купци дају приоритет приватности података, резиденцији података и стратешкој независности у односу на најнижу цену.

Хиперскалери купују себи време

Велике компаније за облак и технологију имају одлучујућу предност у односу на специјализоване добављаче: Оне финансирају ширење вештачке интелигенције из широких и профитабилних пословних области. Клауд платформе, оглашавање, трговина, претплате на софтвер, друштвене мреже и постојеће пословне услуге генеришу токове прихода који могу да одрже инвестиције током дужег периода. Ово омогућава Амазону, Гуглу, Мајкрософту, Мети и другим великим добављачима да боље преброде период ниских директних приноса вештачке интелигенције.

Међутим, диверзификација не елиминише проблем поврата инвестиције. Чак и велике корпорације морају дугорочно објаснити како њихове инвестиције стварају вредност. Оне једноставно имају више времена и додатне канале монетизације. Вештачка интелигенција може повећати постојећу употребу облака, побољшати рекламне производе, задржати купце на платформама, убрзати процесе развоја и одбранити друге пословне области. Стога се неке од користи не појављују као посебно пријављени приходи од вештачке интелигенције. Ови стратешки споредни ефекти отежавају директно поређење са неоклаудима, чији економски успех више зависи од изнајмљивања рачунарске снаге.

Тржишна моћ хиперскалера могла би додатно порасти као резултат консолидације. Када мањи добављачи напусте тржиште, велике платформе стичу купце, квалификоване раднике и атрактивно вредновану инфраструктуру. Ово може повећати економију обима, али и погоршати зависност. Компаније и владе стога морају да одмере ефикасност у односу на отпорност. Високо концентрисана инфраструктура је често јефтинија на краћи рок, али може утицати на цене, путеве иновација и дигитални суверенитет на дужи рок.

Ово ствара стратешку дилему за Европу. Изградња сопствених капацитета вештачке интелигенције захтева много енергије и капитала, док амерички и азијски добављачи већ поседују значајне економије обима. Само копирање хиперскалера тешко да би било обећавајуће. Разумнији приступ је фокусирање на специфичне индустријске примене, поуздане просторе података, регулисане секторе, енергетску ефикасност, европске језичке и техничке моделе и суверена оперативна решења. Економско оправдање мора проистећи из диференцираних користи, а не из покушаја да се неселективно имитирају глобалне трке у капацитетима.

Шест трилиона долара није прогноза потражње

Још један модел илуструје размере изазова. Ако се предвиђа да ће годишња потрошња на инфраструктуру вештачке интелигенције достићи приближно 1,5 билиона долара до 2031. године, а очекује се да ће инвестиције чинити отприлике четвртину прихода индустрије, глобално тржиште вештачке интелигенције би морало да генерише скоро 6 билиона долара годишње. Постојеће потрошачке и пословне апликације могле би да допринесу између 1,2 и 1,8 билиона долара од овога. Ово би оставило празнину од приближно 4,2 билиона долара коју би требало попунити новим тржиштима.

Ову цифру од шест билиона америчких долара треба схватити као економску препреку, а не као поуздану прогнозу прихода. Број описује ред величине који би био потребан за одрживо финансирање експанзије под одређеним претпоставкама о повраћају и инвестицијама. Он не предвиђа да ће се овај приход заиста генерисати. Ова разлика је кључна јер се високи потенцијални обими тржишта често третирају као очекивани приходи у технолошким дебатама.

Додатна тржишта у расту укључују претрагу и оглашавање засновано на вештачкој интелигенцији, аутономна возила, камионе и дронове, индустријску аутоматизацију, роботику, дигиталне близанце, развој лекова, медицинске услуге, истраживање материјала и енергетику. Пројектовано је да аутономни системи имају потенцијал од око 400 милијарди америчких долара, док се физичка вештачка интелигенција, која обухвата симулације, дигиталне близанце и роботику, процењује на приближно 900 милијарди америчких долара. Ова поља поседују значајну економску вредност, али се развијају спорије од производа заснованих на искључиво софтверу. Потребни су им хардвер, регулаторна одобрења, безбедносна испитивања, интеграција у физичке процесе и често нови прописи о одговорности.

Временски јаз је стога потенцијално важнији од дугорочног тржишног потенцијала. Чак и ако роботика и индустријска вештачка интелигенција генеришу огромне приходе, морају се довољно брзо скалирати да би оправдали данашња улагања. Трошкови дата центара, чипова и финансирања настају одмах; новим физичким апликацијама често требају године да достигну широку зрелост на тржишту. Фундаментално исправно будуће очекивање стога се и даље може претворити у лошу инвестицију ако су цена, структура финансирања или тајминг погрешни.

Физичка вештачка интелигенција ће одредити другу половину бума

Досадашњи успеси генеративне вештачке интелигенције у великој мери су се фокусирали на рад са дигиталним знањем. Текстови, слике, софтверски код, истраживања и комуникација са купцима могу се релативно брзо интегрисати у постојеће апликације. Потенцијални приход са ових тржишта је значајан, али сам по себи тешко довољан да оправда сва планирана улагања у инфраструктуру. Следећа фаза раста стога мора да се прошири дубље у физичку економију.

Физичка вештачка интелигенција повезује системе учења са машинама, возилима, производним погонима и реалним окружењима. У фабрикама, дигитални близанци могу симулирати нове производне процесе пре него што се скупа опрема модификује. Роботи могу флексибилније реаговати на промене радних предмета. У логистичким центрима могу се координисати токови материјала, прикупљање поруџбина и аутономни транспорт. У аутомобилској индустрији, време развоја може се смањити, док аутономни системи омогућавају нове услуге. Економска вредност произилази не само из смањених трошкова запослених, већ и из повећане доступности постројења, ниже стопе отпада, бржег покретања фабрика и нових производа.

Ово представља стратешку прилику, посебно за Немачку и Европу. Њихова индустријска база, знање о процесима, специјализовани произвођачи машина и сложени ланци снабдевања нуде вредне податке и области примене. Међутим, ова предност се не јавља аутоматски. Многи индустријски подаци су фрагментирани, заштићени или недовољно структурирани. Компаније морају модернизовати своје архитектуре података, стандардизовати интерфејсе и дигитално мапирати оперативно знање. Без ове основе, физичка вештачка интелигенција ће остати ограничена на демонстраторе.

Монетизација се такође разликује од типичног cloud софтвера. Индустријске компаније очекују доказиву поузданост, дуге животне циклусе и јасну одговорност. Оне не прихватају стално експериментално окружење у процесима критичним за безбедност. Стога, добављачи морају да испоруче робусне, интегрисане системе који комбинују моделе, сензоре, контролне системе, сајбер безбедност и одржавање. Управо ту се може развити тржиште за специјализоване европске добављаче, које је мање фокусирано на максималну величину модела, а више на стручност у домену, интеграцију и поверење.

Заједничка суштина обе кризе

Проблеми са вештачком интелигенцијом и неоклаудима на први поглед делују одвојено. С једне стране, ту су пословни процеси, управљање и погрешне одлуке; с друге стране, центри података, финансирање и амортизација. У стварности, оба се заснивају на истој економској заблуди: да ће се техничке могућности готово аутоматски претворити у профитабилне, скалабилне користи.

Код агената, успешан пилот пројекат се често погрешно тумачи са зрелошћу производње. Код инфраструктуре, брзо растуће потребе за рачунарством се изједначавају са довољном спремношћу за плаћање и одрживим повраћајем инвестиције. У оба случаја, међуфазе се често занемарују. Између перформанси модела и пословне користи налазе се квалитет података, редизајн процеса, интеграција, безбедност, људски надзор и прихватање. Између рачунарског капацитета и повраћаја инвеститора налазе се искоришћење, одређивање цена, трошкови енергије, старење хардвера, финансирање и конкуренција.

Ово откриће не оспорава вештачку интелигенцију. Залаже се за професионалнију расподелу капитала. Технолошке револуције ретко теку линеарно. Вишкови финансирају експерименте и инфраструктуру, али потом доводе до корекције и консолидације. Победници нису нужно компаније које прве или највише инвестирају. Често су они који победе они који разумно управљају трошковима, уче из раних грешака и усклађују своје понуде са стварном спремношћу за плаћање.

Хајп се мора претворити у добру пословну праксу

Компаније би требало да користе вештачку интелигенцију само тамо где постоји јасно дефинисан процес, поуздани подаци и мерљива циљна метрика. Полазна тачка не би требало да буде тамо где се може демонстрирати највећа могућа аутономија. Кључни фактор је где се може елиминисати одређено уско грло, скратити време испоруке, побољшати квалитет или генерисати додатни приход. За сваки случај употребе, пре почетка треба утврдити који су трошкови и стопе грешака прихватљиви и под којим условима ће пројекат бити заустављен.

Распоређивање треба да буде фазно. У почетку, агент може дати предлоге, затим деловати уз људско одобрење, и тек након стабилних перформанси може аутономно да извршава ограничене задатке. Ови нивои зрелости омогућавају одвојено праћење користи и ризика. Систем који већ не генерише мерљиву вредност као асистент неће постати економски исплатив само тиме што му се доделе додатне привилегије.

Паралелно са тим, потребан је централни инвентар. Компаније морају да знају који агенти постоје, које моделе користе, којим системима приступају и ко је одговоран. Трошкове треба распоредити на појединачне процесе и пословне јединице. Критичне акције захтевају прагове одобрења, а свакој производној апликацији је потребан функционалан механизам за гашење. Управљање не треба посматрати као крути документ; оно мора бити технички уграђено у платформе, идентитете, протоколе и развојне процесе.

Набавке се такође мењају. Уговори са добављачима вештачке интелигенције и услуга у облаку требало би да садрже одредбе о коришћењу података, променама модела, приступу логовима, безбедносним инцидентима, перформансама, одговорности и опцијама преласка. Компаније морају избегавати да основне процесе учине зависним од једног добављача чије се цене, модели или пословна стратегија могу променити у кратком року. Где год је то могуће, модуларне архитектуре и заменљиви модели повећавају преговарачку моћ.

За инвеститоре у инфраструктуру, купац је оно што је важно, а не чип

За центре података и неоклауд системе, сам приступ постојећем хардверу није довољан за одржив пословни модел. Инвеститори би првенствено требало да испитају квалитет и трајање потражње. Дугорочни уговори су вредни само ако су купци кредитно способни и ако се минимални захтеви за куповину заиста могу испунити. Подједнако важне су цене енергије, мрежне везе, хлађење, обрасци коришћења, опције рефинансирања и преостала вредност старијег хардвера.

Посебан опрез се саветује када је раст у великој мери финансиран додатним задуживањем, а очекивано искоришћење капацитета је засновано на малом броју купаца. Пад потражње може истовремено утицати на приходе, вредност имовине и финансијски капацитет. Стресни сценарији треба да комбинују ниже цене, одложено пуштање у рад, смањење искоришћења капацитета, убрзано старење хардвера и веће капиталне трошкове. Само када пословни модел остане одржив чак и под мање повољним претпоставкама, повраћај инвестиције је поуздан.

За специјализоване добављаче, пут од заменљивости води кроз диференцијацију. То укључује високо ефикасне центре података, суверене европске оперативне моделе, платформе специфичне за индустрију, гарантовану резиденцију података, интегрисане безбедносне услуге или блиску везу између инфраструктуре и стручности у области апликација. Како се понуда повећава, чисти капацитет постаје роба којом се може трговати. Поверење, интеграција и доказиве перформансе, с друге стране, остају ређи.

Предстојеће чишћење није крај вештачке интелигенције

Очекивана отказивања пројеката и потенцијална консолидација неоклауда не значе побијање вештачке интелигенције. Уместо тога, они су типични за прелазак из фазе ширења вођене технологијом на тржиште где су повраћај инвестиције, поузданост и институционална зрелост од највеће важности. Велики део раних пројеката ће нестати јер су били лоше дефинисани, лоше интегрисани или економски неисплативи. Истовремено, успешне апликације ће дубље продрети у основне процесе.

Инфраструктурна средства не постају једноставно безвредна. Рачунарски капацитети се и даље могу користити након амортизације, аквизиција или нижих цена. За кориснике, консолидација тржишта може бити чак и корисна ако конкуренција и прекомерни капацитети смање трошкове. Међутим, расподела профита се мења: купци и каснији купци могу имати користи, док рани инвеститори у акције и дужничке фондове сносе део губитака.

Највероватнији пут развоја стога није ни потпуни колапс очекивања од вештачке интелигенције нити гладак наставак бума. Двоструки развој је вероватнији. Висококвалитетне, јасно контролисане апликације ће наставити да расту и постати стандардна пословна инфраструктура. Насупрот томе, недиференцирани пројекти агената, слабо обезбеђени пословни модели и прескупи капацитети биће под притиском. Тржиште одваја технолошку могућност од економске исплативости.

Права револуција вештачке интелигенције не почиње следећим спектакуларним моделом, већ трезвеном способношћу да се технологија претвори у поуздано стварање вредности. Компаније које заједно управљају трошковима, контролом и користима изаћи ће јаче из ове корекције. С друге стране, они који скалирају аутономију без одговорности или рачунарску снагу без профитабилне потражње првенствено финансирају следећи талас отписа.

Од видљивости до поверења: Ваш скалабилни пут са Xpert.Digital - Слика: Xpert.Digital

У индустријском B2B пословању, одрживи пословни односи ретко настају преко ноћи. Они се развијају корак по корак – кроз видљивост, професионалну релевантност, сталне тачке контакта и растуће поверење. Xpert.Digital-ов четворостепени модел се бави управо овим: нуди структурирани пут који почиње са управљивом улазном тачком и може се развити у дубљу сарадњу у развоју пословања ако је потребно.

Уместо ослањања на гласна маркетиншка обећања, овај модел ставља однос у први план. Компаније почињу са јасно дефинисаним, лако израчунатим мерама, а затим одлучују, на основу сопственог искуства, колико желе да прошире сарадњу. Кључни фактор за овај несметан процес изградње поверења: Платформа потпуно избегава досадне рекламне огласе, тако да уреднички фокус остаје искључиво на стручности компанија.

Више информација овде:

• Од видљивости до поверења: Ваш скалабилни пут са Xpert.Digital

☑️ Наш пословни језик је енглески или немачки

☑️ НОВО: Преписка на вашем матерњем језику!

Konrad Wolfenstein

Ја и мој тим смо срећни што вам можемо бити на располагању као ваш лични саветник.

Можете ме контактирати попуњавањем контакт форме овде [email protected]:или ме једноставно позовите на +49 7348 4088 965. Моја имејл адреса је

Радујем се нашем заједничком пројекту.

☑️ Подршка малим и средњим предузећима у стратегији, консултацијама, планирању и имплементацији

☑️ Креирање или реорганизација дигиталне стратегије и дигитализације

☑️ Проширење и оптимизација међународних продајних процеса

☑️ Глобалне и дигиталне B2B платформе за трговање

☑️ Пионирски развој пословања / Маркетинг / Односи с јавношћу / Сајмови