Ко год проглашава општу индустријску интелектуалну интелигенцију (ОИИ) не описује само напредак – он полаже право да тумачи будућност рада

Свестраност наспрам општости: Шта заиста чини вештачку интелигенцију интелигентном?

Зашто дискусија о општој уметничкој интелигенцији (AGI) иде даље од технологије: Друштвене и економске димензије

Дебата око опште интелигенције (ОПИ) није само технолошки значајна, већ и друштвено и економски. Док се неки стручњаци плаше да се термин прекомерно користи и да доводи до искривљене перцепције напретка, други тврде да би нове могућности вештачке интелигенције система попут GPT-6 Astra могле имати дубоке импликације на свет рада. Кључно је разликовати импресивна достигнућа модерних модела вештачке интелигенције од онога што се може сматрати истинском општом интелигенцијом. Следећа анализа ће осветлити вишеструке аспекте дискусије о ОПИ како би се пружила јаснија слика могућности и ограничења ове технологије.

Наратив о AGI-ју: Када етикета постане моћнија од технологије

Модел помера границу, али не доказује промену епохе

Са GPT-6 Astra, OpenAI је 3. септембра 2026. године представио систем који представља значајан скок у перформансама у неколико захтевних дисциплина. Модел може да интерагује са софтверским интерфејсима, да се креће по интернету, да развија програме, анализира безбедносне рањивости и да извршава вишестепене дигиталне токове рада уз релативно мало људске интервенције. Функционалност заснована на рачунару је посебно значајна са економске перспективе: Језички модел који не само да формулише одговоре већ и отвара програме, преноси податке, попуњава обрасце, уређује табеле и уноси резултате у друге системе превазилази улогу пуког информационог алата. Приближава се статусу дигиталног актера способног да управља читавим ланцима процеса.

На крају презентације, председник OpenAI-а Грег Брокман је у суштини изјавио да ера вештачке опште интелигенције (AGI) сада почиње. Ова изјава је била утицајна, али никако научно закључна. Она мање означава доказано стање, а више тумачење постигнутог напретка. GPT-6 Astra пружа снажне доказе да системи вештачке интелигенције постају шири, аутономнији и економски релевантнији. Међутим, то не значи аутоматски да је пређен општеприхваћени праг за AGI. Такав праг још увек не постоји у обавезујућем облику.

Централни сукоб, дакле, не лежи само у питању техничких могућности модела. Он лежи у томе које способности треба сматрати доказом опште интелигенције, ко поставља критеријуме и који су интереси повезани са овом класификацијом. Компанија може прогласити историјску прекретницу. Међутим, да ли ће ово заиста довести до нове технолошке ере одредиће само независно тестирање, континуирана употреба и економска реалност.

Скраћеница нема обавезујуће значење

Општа вештачка интелигенција (ОПИ) се често поистовећује са вештачком интелигенцијом (ВИ) која постиже или превазилази људске способности у широком спектру задатака. Међутим, овај наизглед јасан опис се након детаљнијег испитивања распада на неколико отворених питања. Да ли такав систем мора бити у стању да се носи са сваким менталним задатком или само са већином? Да ли је просечна људска вештина довољна или ВИ мора да надмаши стручњаке? Да ли је потребна друштвена перцепција, телесно искуство, дугорочно планирање и морални суд? Да ли систем мора самостално да формулише нове циљеве или је довољно да флексибилно тежи ка унапред дефинисаним циљевима?

У зависности од одговора, појављује се другачија дефиниција. Економска дефиниција посматра општу уметничку и индустријску инфраструктуру (ОУИ) као високо аутономан систем који надмашује људе у великом броју економски вредних активности. Когнитивна дефиниција захтева широке људске вештине решавања проблема. Дефиниција усмерена на теорију учења наглашава способност решавања потпуно нових задатака са мало искуства. Дефиниција усмерена на акцију фокусира се на поуздану аутономију у отвореним окружењима. Филозофска дефиниција може додатно захтевати разумевање, свест или саморефлексију.

Ови приступи нису еквивалентни и не доводе истовремено до позитивног суда. Систем може постићи огроман економски учинак без поседовања људског разумевања света. С друге стране, машина може имати флексибилне могућности учења, а да притом није економски супериорна због високих трошкова, спорог извршавања или недостатка интерфејса. Стога, општа уметничка интелигенција (ОУИ) није јасно мерљив природни феномен попут температуре или масе. Термин је категорија коју су створили људи у којој се техничке, економске и нормативне претпоставке конвергирају.

Концептуална двосмисленост није само академска. Она утиче на процене вредности компанија, инвестиционе одлуке, регулативу, одговорност и очекивања тржишта рада. Ако се сматра да је општа економска инфраструктура (ОПИ) одмах постигнута, притисак на компаније и владе да брже инвестирају се повећава. Супротно томе, ако је термин резервисан само за скоро универзални, људски систем, чак и изузетно моћни модели могу се појавити као прелиминарне фазе. Иста технологија затим генерише потпуно другачији економски наратив у зависности од дефиниције.

Разлика између свестраности и генералности

Модерни основни модели су универзално применљиви јер могу да обрађују текст, слике, софтверски код и друге формате података у бројним доменима. Ова ширина их јасно разликује од традиционалног специјализованог софтвера. Шаховски програм може бити надљудски у уско дефинисаној дисциплини, али не може да проверава пореске пријаве. Велики, мултимодални модел, с друге стране, може да решава математичке проблеме, сумира уговоре, интерпретира слике, развија софтвер и припрема се за састанке са купцима. Стога поседује облик функционалне свестраности.

Међутим, сама свестраност не доказује робусну општу интелигенцију. Кључно је колико поуздано систем преноси знање између домена, како се носи са новим ситуацијама и колико поуздано препознаје сопствене грешке. Модел може добро да се покаже у стотину тестова, а ипак не успети у наизглед једноставном задатку ако се његова структура налази ван научених образаца. Људи су такође склони грешкама, али поседују физичко искуство, друштвену укорењеност, трајно памћење и богато разумевање узрочно-последичних веза. Ове способности нису подједнако важне у свакој професији, али могу бити одлучујуће у отвореним ситуацијама.

Стога, општост не треба схватити само као број савладаних задатака. Важнија је способност структурирања непознатих проблема са ограниченим траговима, добијања релевантних информација, провере међурезултата и прилагођавања приступа у случају неочекиваних догађаја. Подједнако важно је да ли се овај учинак може поновити. Спектакуларно појединачно достигнуће има мању економску вредност од нешто слабијег, али поуздано контролисаног система.

Чини се да GPT-6 Astra напредује у неколико ових критеријума. Његова снага у интерактивним задацима, коришћењу рачунара и дугим радним процесима сугерише већу оперативну општост. Међутим, остаје нејасно колико добро ове способности функционишу ван припремљених тестова, током дужег периода и под непотпуним условима. Прелазак са импресивне ширине на робусну општост није лингвистички, већ емпиријски.

Зашто врхунски резултати не доказују општу интелигенцију

Референтне вредности су неопходне јер се технолошки напредак тешко може проценити без упоредивих метода мерења. Истовремено, оне стварају опасну илузију прецизности. Проценат делује објективно, иако резултат може у великој мери зависити од избора задатка, алата, рачунарског буџета, окружења за извршење и правила евалуације. Код система заснованих на агентима, додатна компликација је то што се не мери само сам модел, већ и целокупна техничка имплементација.

Ово је посебно очигледно у ARC-AGI-3, тесту за прилагођавање непознатим интерактивним окружењима. GPT-6 Astra је постигао скоро 100 процената у окружењу за извршење специфичном за произвођача. Међутим, у неутралнијем стандардном окружењу, најбољи резултат је био око 63 процента. Обе вредности су релевантне, али се баве различитим питањима. Стандардно окружење упоређује моделе под стандардизованијим условима. Окружење специфично за произвођача показује шта модел може постићи уз оптимизовано управљање стањем и његову намењену техничку помоћ.

Велика разлика не значи да је већа вредност безвредна. На крају крајева, за компаније су важне перформансе целог система какав заправо постоји, а не теоретски изолована интелигенција језгра модела. Истовремено, оптимизована вредност не треба третирати као да доказује универзалну способност независну од техничког окружења. Резултат је значајан само у комбинацији са условима тестирања.

Такође је вредно напоменути да је Астра захтевала мање акционих корака него просечна особа тестирана за многе задатке. Ово указује на високу ефикасност у изградњи интерних репрезентација нових окружења. Ипак, ARC-AGI-3 мери само одређени аспект: адаптивно решавање проблема у конструисаним интерактивним сценаријима. Тест не обухвата цео радни свет, нити друштвену компетенцију, институционално разумевање, дугорочну одговорност или физичку акцију. Одличан резултат може бити снажан показатељ напретка, али није универзални доказ AGI-ја.

Извршно окружење постаје део интелигенције

Дискусија о различитим окружењима за тестирање указује на фундаменталну промену. Будуће перформансе вештачке интелигенције ће све ређе произаћи искључиво из модела. Оне ће настати из међусобног деловања модела, меморије, алата, приступа подацима, безбедносних правила, софтверског окружења и повратних информација. Они који се фокусирају само на назив модела потцењују системску природу модерне вештачке интелигенције.

Економски гледано, овај развој подсећа на прелазак са појединачних рачунара на умрежене пословне ИТ системе. Вредност не лежи само у процесору, већ у његовој интеграцији у процесе, базе података и системе за доношење одлука. Модел вештачке интелигенције без приступа релевантним пословним подацима може формулисати бриљантне идеје, а ипак мало постићи. Насупрот томе, нешто слабији модел са чистом основом података, безбедним интерфејсима и јасним правилима одобравања може генерисати значајно повећање продуктивности.

Ово такође мења конкурентско окружење. Пружаоци модела више се не такмиче само за боље одговоре, већ за комплетна окружења за извршење. Они желе да постану оперативни систем за рад заснован на знању. Ко год контролише приступ прегледачима, канцеларијском софтверу, развојним окружењима, комуникационим платформама и подацима компаније поседује стратешку предност. Тржиште за појединачне упите вештачке интелигенције развија се у тржиште за дигиталне радне капацитете.

Ова перспектива такође ставља у перспективу питање да ли је језгро модела већ АИ (Аутоматизована индустријска интелигенција). За многе компаније је важније да ли целокупни систем обавља процес поуздано, безбедно и исплативије од претходне организације. Економска прекретница се стога може догодити пре него што се постигне филозофски убедљива АИ. Машина не мора да размишља као човек да би реорганизовала људски рад у великим размерама.

Употреба рачунара је прави економски скок

Језички модели прве генерације првенствено су повећали продуктивност појединачних задатака. Писали су нацрте, сумирали документе, преводили текстове и пружали помоћ у програмирању. Људи су остали повезујући елемент. Копирали су резултате, мењали програме, пратили међукораке и одлучивали када је процес завршен.

Моћан рачунарски модел тока рада иде дубље. Потенцијално може да обради цео процес од задатка до резултата. То укључује истраживање, унос података, управљање датотекама, комуникацију, анализу и документацију. Ово не само да смањује трошкове појединачних задатака, већ и трошкове координације, време чекања и губитке при предаји. Ове невидљиве неефикасности чине велики део радног оптерећења у многим сервисним компанијама.

Економска вредност вештачке интелигенције засноване на агентима стога мање зависи од њене елоквенције него од њене способности да заврши задатке. Систем који аутоматизује 90 процената процеса, али захтева људску интервенцију у сваком изузетном случају, може бити вредан. Међутим, он остаје организационо оптерећујући ако је изузетке тешко предвидети. Систем са нешто нижом вршном брзином може бити супериорнији ако препознаје одговорности, пријављује неизвесност и управља предајом људима.

Ово води до трезвено вреднованог критеријума: Није важан број импресивних могућности, већ удео успешно завршених процеса под реалним условима трошкова, времена и квалитета. Компаније би стога требало да мере време протока, трошкове грешака, прераде, стопу ескалације, ризик по приватност података и кварове система. Само ове метрике откривају да ли је наизглед систем опште намене и економски исплатив.

АГИ је више крива него одређени датум

Идеја о једном ОГИ тренутку је комуникацијски привлачна. Она ствара јасну границу између пре и после. Међутим, технолошки напредак је обично неравномеран. Системи у почетку постижу надљудске перформансе у појединачним дисциплинама, затим постају компетентни у више задатака и постепено стичу аутономију. Истовремено, изненађујуће слабости и даље постоје.

Стога је вишеслојни модел разумнији од једноставне одлуке „да“ или „не“. Две осе су посебно важне: ширина могућности и дубина перформанси. Трећа димензија, аутономија, такође је кључна. Систем може да обавља многе задатке просечно, неколико задатака изузетно добро или многе задатке веома добро под људским надзором. Ове варијације имају различите економске и безбедносно-политичке импликације.

Поузданост такође треба сматрати посебном димензијом. У многим индустријама, просечна стопа успеха је недовољна. Медицина, финансије, критична инфраструктура и индустријски контролни системи захтевају доказиву безбедност. Систем теоретски може бити компетентнији од човека, а ипак остати непогодан ако је његове ретке грешке тешко открити или имају посебно озбиљне последице.

Најзначајнија изјава о GPT-6 Astra стога није да је Општа вештачка интелигенција (ОИИ) дефинитивно постигнута или дефинитивно пропуштена. Вероватније је да је достигнута нова фаза широко применљиве агентске вештачке интелигенције. Да ли ће се ова фаза ретроспективно сматрати почетком ОИИ ере зависи од њеног даљег развоја, њене поузданости и њеног стварног економског утицаја.

Економска дефиниција је практична и политичка

Годинама је OpenAI у суштини описивао општу вештачку интелигенцију (ОИИ) као високо аутономне системе који надмашују људе у већини економски вредних активности. Ова дефиниција има једну предност: избегава нерешиве дебате о свести и фокусира се на видљиве перформансе. Истовремено, никако није неутрална. Оно што је економски вредно одређују тржишта, институције, приходи и друштвени приоритети.

Неплаћена брига, образовање, поверење, рад у заједници и културно посредовање могу бити друштвено витални, чак и ако је њихова тржишна вредност неадекватно мерена. С друге стране, активности могу генерисати високе приходе без пружања одговарајуће високог нивоа друштвене користи. Чисто економска дефиниција АИ (Амбијенталне идентификације и раста) одржава ове дисторзије. Она не мери интелигенцију по себи, већ способност генерисања тржишно исплативих резултата у оквиру постојећих тржишних структура.

Штавише, референтна вредност се мења како вештачка интелигенција постаје доступна. Ако систем драстично смањи трошкове одређених задатака, њихова тржишна вредност може се смањити. Дефиниција би тада парадоксално могла да заостаје за технолошким напретком: оно што се јуче сматрало економски вредним радом данас је аутоматизовано, а сутра мање вредновано. Општа уметничка интелигенција би стога била везана за динамичку циљну променљиву.

Упркос овим слабостима, економска дефиниција је релевантна за предузећа и креаторе политике. Вештачкој интелигенцији није потребна свест да би мењала плате, профит и структуре моћи. Чим системи аутономно преузму велики део дигиталних задатака, доћи ће до макроекономског преокрета - без обзира на то да ли филозофи прихватају термин општа вештачка интелигенција (ОПИ). Економске последице би могле далеко надмашити сваки концептуални консензус.

Нова димензија дигиталне трансформације са „Управљаном вештачком интелигенцијом“ – платформа и B2B решење | Xpert Consulting - Слика: Xpert.Digital

Овде ћете сазнати како ваша компанија може брзо, безбедно и без високих баријера за улазак имплементирати прилагођена решења за вештачку интелигенцију.

Управљана AI платформа је ваше свеобухватно и безбрижно решење за вештачку интелигенцију. Уместо да се бавите сложеном технологијом, скупом инфраструктуром и дуготрајним процесима развоја, добијате готово решење прилагођено вашим потребама од специјализованог партнера – често у року од само неколико дана.

Кључне предности на први поглед:

⚡ Брза имплементација: Од идеје до апликације спремне за употребу за дане, а не месеци. Нудимо практична решења која стварају тренутну додату вредност.

🔒 Максимална безбедност података: Ваши осетљиви подаци остају код вас. Гарантујемо безбедну и усклађену обраду без дељења података са трећим лицима.

💸 Без финансијског ризика: Плаћате само за резултате. Велика почетна улагања у хардвер, софтвер или особље су потпуно елиминисана.

🎯 Фокусирајте се на свој основни посао: Концентришите се на оно што најбоље радите. Ми се бринемо о целокупној техничкој имплементацији, раду и одржавању вашег вештачке интелигенције.

📈 Спремно за будућност и скалабилно: Ваша вештачка интелигенција расте са вама. Обезбеђујемо континуирану оптимизацију и скалабилност и флексибилно прилагођавамо моделе новим захтевима.

Више информација овде:

• Решење за управљану вештачку интелигенцију - Индустријске услуге вештачке интелигенције: Кључ конкурентности у секторима услуга, индустрије и машинства

Продуктивност не произилази аутоматски из техничких способности

Претходне студије о употреби генеративне вештачке интелигенције већ су показале значајно повећање продуктивности у јасно дефинисаним задацима. У великом испитивању корисничке службе, број обрађених случајева по сату повећан је у просеку за 14 процената. Повећање је било знатно веће код мање искусних запослених. Такви резултати показују да вештачка интелигенција може да шири знање и смањи разлике у учинку унутар тима.

Међутим, ови ефекти не треба да се користе за извођење линеарних закључака о аутономним моделима. Што је систем шире примењен, то више његови резултати зависе од организације, квалитета података и дизајна процеса. Модел са високим перформансама може убрзати неефикасне процесе без њиховог побољшања. Може створити додатне обавезе ревизије ако су резултати непоуздани. Може смањити оптерећење запослених, али може и повећати интензитет рада и праћење.

Штавише, продуктивност није синоним за смањење трошкова. Када се задатак брже заврши, потражња за додатним варијацијама, анализама и документацијом често се повећава. Компаније тада производе више, али не штеде нужно на особљу. Овај такозвани ефекат повратка је посебно вероватан код дигиталног рада јер нове услуге имају ниске маргиналне трошкове. Десет презентација постаје стотину персонализованих верзија; повремене анализе података постају континуирана евалуација.

Највећа корист, дакле, не долази од пуке куповине модела, већ од реорганизације радних процеса. Задаци морају бити разложени, одговорности разјашњене, а контролне тачке дефинисане. Компанијама је потребан поуздан приступ подацима, евидентирање и обука. Уско грло се помера са креирања текста на дизајнирање безбедних, мерљивих и прилагодљивих процеса.

Тржиште рада мењају задаци, а не професије

Јавна дебата се обично фокусира на то које ће професије нестати. Са економске перспективе, има више смисла размотрити појединачне задатке. Већина професија се састоји од рутина, стручних одлука, комуникације, одговорности и ситуационог деловања. Вештачка интелигенција може потпуно преузети неке компоненте, убрзати друге, а једва утицати на треће.

Анализе међународног тржишта рада указују на то да приближно једна четвртина глобалне запослености укључује послове са извесном изложеношћу генеративној вештачкој интелигенцији. Само знатно мањи део спада у категорију највише изложености. Утицај је већи у богатијим земљама јер је тамо више административног, аналитичког и комуникационог посла дигитализовано. Посебно су погођени канцеларијски и административни послови, као и све више техничке и медијске професије.

Ове бројке нису прогнозе стварног губитка радних места. Оне показују где се задаци могу технолошки променити. Да ли ће то резултирати смањењем броја радних места, повећањем продуктивности или новим понудама зависи од потражње, плата, регулативе и корпоративне стратегије. Историјски гледано, технологије су често замењивале појединачна радна места, истовремено стварајући нова поља деловања. Међутим, транзиција и даље може бити болна, јер се нова радна места не појављују аутоматски на истом месту, у исто време или за исте људе.

Агентски системи попут Астре повећавају притисак на промене јер могу аутоматизовати прелазе између задатака. Ово не само да мења рад унутар једне професије, већ и организационо обједињавање активности. Компанија би, на пример, могла да комбинује истраживање, припрему података, стандардну комуникацију и документацију у процесу који подржава вештачка интелигенција. Запослени би тада могли ефикасније да обрађују изузетке, негују односе, постављају циљеве и преузимају већу одговорност.

Знање постаје јефтиније, одговорност вреднија

Када вештачка интелигенција производи висококвалитетне дизајне, анализе и софтвер у великим количинама, цена стандардизованог рада са знањем се смањује. Међутим, поуздани подаци, приступ купцима, регулаторна одобрења, физичка инфраструктура и могућност преузимања одговорности остају оскудни. Ово мења стварање вредности у многим индустријама.

Консултанти ће бити мање плаћени за сумирање јавно доступних информација. Дефиниција проблема, подаци специфични за индустрију, критички преглед и имплементација унутар одређене организације постаће вреднији. Програмери ће мање времена проводити на стандардном коду, а више на архитектури, безбедности и системској интеграцији. Руководиоци могу добити више анализа, али ће морати бити још бољи у разликовању веродостојних и поузданих резултата.

Ова промена може повећати продуктивност, али може и створити нове зависности. Они који се превише ослањају на инвестиције у вештачку интелигенцију могу изгубити сопствено расуђивање. Ако млађи запослени више не обављају сами рутинске задатке, пропуштају могућности учења које се касније развијају у стручност. Компаније стога морају да одлуче које активности треба аутоматизовати, а које треба намерно задржати као кораке обуке и контроле квалитета.

Поверење би могло постати централни оскудни ресурс економије вештачке интелигенције. Купци, власти и пословни партнери морају бити у стању да разумеју ко је донео одлуку, који подаци су коришћени и ко је одговоран за грешке. Што системи аутономније функционишу, то су важнији докази о пореклу, евиденције и јасне линије одговорности. Техничка интелигенција не елиминише одговорност; она повећава њену цену.

Капитал, енергија и подаци ограничавају наводну безграничност

Начин на који се описује општа вештачка интелигенција (ОИИ) може лако створити утисак готово нематеријалне технологије. У стварности, модерна вештачка интелигенција се ослања на изузетно капитално интензивну инфраструктуру. Центри података, високоперформансни процесори, електроенергетске мреже, системи за хлађење, оптичке везе и специјализовано особље одређују колико брзо и по којој цени се модели могу развити и применити.

Инвестиције највећих технолошких компанија у центре података и сродну инфраструктуру износиле су више од 400 милијарди долара у 2025. години и предвиђа се да ће се поново значајно повећати у 2026. години. Ова скала показује да конкуренцију не одређују искључиво бољи алгоритми. Приступ капиталу, енергији и ланцима снабдевања постаје стратешки фактор. Мали добављачи могу развити иновативне моделе, али често остају зависни од неколико инфраструктурних компанија за обуку и пословање великих размера.

Потражња за електричном енергијом такође расте. Центри података широм света потрошили су приближно 485 терават-сати у 2025. години. Ова бројка би се могла удвостручити на око 950 терават-сати до 2030. године. Иако би њихов удео у глобалној потрошњи електричне енергије остао ограничен на око три процента, оптерећење постаје регионално концентрисано. Појединачним локацијама ће бити потребне велике мрежне везе, нови производни капацитети и поуздано напајање у кратком временском периоду.

Мања потрошња енергије по задатку вештачке интелигенције не решава аутоматски овај проблем. Ако употреба расте брже од ефикасности, укупна потрошња ће и даље расти. Агентски системи, посебно, могу покренути многе позиве модела јер планирају, користе алате, проверавају резултате и понављају задатке. Економска цена дигиталног агента, дакле, састоји се од више од саме лиценце. Она укључује рачунарску снагу, пренос података, безбедносно праћење и трошкове људског надзора.

Наратив AGI-ја промовише концентрацију тржишта

Кредибилна тврдња о општој интелигенцији може дати добављачу огромне предности. Компаније желе да повежу своје процесе са најмоћнијом платформом. Програмери граде комплементарне апликације. Инвеститори обезбеђују капитал. Квалификовани радници прелазе код перципираног технолошког лидера. Ово ствара самопојачавајући циклус тржишног удела, података, прихода и инфраструктуре.

Структура трошкова иде у прилог великим платформама. Обука водећих модела захтева значајна почетна улагања, док се додатна употреба може релативно јефтино скалирати када се инфраструктура успостави. Истовремено, власнички интерфејси, специјализована окружења агената и интегрисани пословни подаци стварају трошкове преласка. Они који дубоко интегришу своје токове рада са једним добављачем модела, касније ће имати потешкоћа са преласком.

Међутим, тржиште није нужно природни монопол. Модели могу постати заменљивији, отворени системи могу бити довољни за многе задатке, а компаније могу паралелно користити више провајдера. Штавише, појављују се специјализована решења која су поузданија или исплативија у одређеним индустријама од универзалног модела. Конкуренција ће се стога вероватно одвијати на неколико нивоа: квалитет модела, инфраструктура, приступ подацима, интеграција, безбедност и стручност специфична за индустрију.

За економску политику, то значи да приступ инфраструктури вештачке интелигенције постаје све важнији. Конкуренција се не може осигурати само регулацијом појединачних модела. Тржишта облака, рачунарски капацитети, снабдевање чиповима, енергетске везе, преносивост података и отворени технички стандарди су све релевантни. Ко год контролише ове основе, тај поседује моћ, чак и ако термин општа вештачка интелигенција (ОПИ) остаје научно недефинисан.

Безбедносне способности нису синоним за безбедност

GPT-6 Astra је постигао највиши резултат у захтевном тесту развоја експлоита и први пут је класификован као критично способан у области сајбер безбедности у оквиру сопственог безбедносног оквира. Ова класификација не значи да је сам модел нужно опасан. То значи да, уз праве алате и приступ, поседује могућности које могу бити изузетно ефикасне и за одбрану и за напад.

Ова двострука намена је кључни проблем напредне вештачке интелигенције. Модел који проналази непознате рањивости може заштитити компаније пре него што их нападачи искористе. Међутим, иста ова могућност може бити злоупотребљена. Штавише, како се аутономија повећава, смањује се напор потребан за планирање и извршење сложених напада. Ово би могло учинити могућности које су раније биле резервисане за високо специјализоване тимове шире доступним.

Безбедносне мере стога морају обухватати више нивоа. Правила понашања унутар модела нису довољна. Потребне су контроле приступа, праћење, ограничена права на алате, изолована окружења за извршавање и могућности брзе интервенције. Посебно моћне функције могу бити доступне само верификованим корисницима у јасно дефинисаним сценаријима. Истовремено, независна тела морају бити у могућности да процене ефикасност ових безбедносних мера.

Термин Свесност, Интелигенција и Општа интелигенција (AGI - Awareness, Intelligence, and General Intelligence - Свест, Интелигенција и Општа интелигенција) може чак и да завара у овој дебати. Систем не мора да поседује општу интелигенцију да би изазвао значајну штету у једној дисциплини критичној за безбедност. Регулација би стога требало да се фокусира на специфичне могућности, услове рада и потенцијал за штету. Апстрактна класификација као Свесност, Интелигенција и Општа интелигенција је преширока за управљање ризицима.

Ко год дефинише општу грађевинску интелектуалну својину, расподељује права и обавезе

Дефиниција опште индустријске инфраструктуре (ОПИ) може имати директне правне и уговорне последице. Партнерства, удео у капиталу, расподела добити и права контроле могу се повезати са постизањем одређених технолошких прекретница. Чак и без испитивања појединачних уговора, јасно је да декларација о ОПИ може бити више од филозофске изјаве; она може утицати на економске интересе.

Ово ствара структурни сукоб интереса. Пружаоци модела поседују највише информација о својим системима, али такође имају снажне подстицаје да позитивно представе напредак. Конкуренти могу умањити достигнућа. Владе, вођене економским интересима, могу или убрзати или упозорити на развој. Независна истраживања су стога неопходна, али им често недостају исти рачунарски ресурси и приступ.

Поуздана процена стога не би требало да зависи од једне организације. Неопходан је транспарентан процес са независним тестовима, јасним критеријумима и поновљивим резултатима. Овај процес мора да прави разлику између могућности модела, перформанси система и стварне употребе. Редовна поновна процена је подједнако важна јер се модели, алати и трошкови брзо мењају.

Чак ни такав поступак не би пружио метафизичку истину о интелигенцији. Међутим, могао би да дисциплинује политичку и економску дебату. Уместо самоизјашњавања које добија публицитет, појавила би се разумљива класификација специфичних нивоа способности. То би било мање спектакуларно, али знатно корисније.

Компанијама су потребни планови тестирања, а не концепти специфични за одређену еру

За пословне одлуке, питање агентивне вештачке интелигенције (AGI) је обично превише апстрактно. Компанија треба да зна да ли систем може боље, брже и исплативије да обради одређени процес, и да ли су ризици управљиви. Стога, увођење агентивне вештачке интелигенције треба да почне са јасним планом тестирања.

Прво, задатак мора бити прецизно дефинисан. Који су улази доступни, који резултат се очекује и које су грешке прихватљиве? Након тога следи поређење са претходним учинком и људи и софтвера. Мерења треба да укључују не само брзину и директне трошкове, већ и прераду, ескалације, кварове и варијације квалитета. Просечна вредност није довољна ако ретке грешке могу проузроковати значајну штету.

Затим, мора се дефинисати степен аутономије. Систем може да даје предлоге, припрема акције, извршава их након одобрења или самостално доноси одлуке у оквиру дефинисаних ограничења. Ове нивое не треба мешати ради практичности. Што је већа аутономија, то су важнији механизми за управљање правима, евидентирање и резервни механизми.

На крају крајева, операција мора бити континуирано праћена. Модели се могу мењати путем ажурирања, спољни извори података могу отказати, а нападачи могу пронаћи нове начине за манипулацију системом. Успешна пилот фаза стога није коначан доказ. Вештачка интелигенција постаје производни систем који захтева континуирано праћење, слично као критични софтвер или индустријски погон.

Компаније које савладају ову дисциплину имају користи без обзира на то да ли се Астра назива AGI. Компаније које дозволе да их етикета заведе у неконтролисану аутоматизацију, с друге стране, повећавају своју оперативну зависност. Права референтна тачка није технолошко страхопоштовање, већ доказано стварање вредности.

Европа не сме да се изгуби у спору око терминологије

Овај спор је од посебног значаја за Немачку и Европу. Регион се може похвалити јаким индустријским компанијама, висококвалитетним процесним подацима, истраживачким институцијама и захтевним регулисаним тржиштима. Истовремено, суочава се са значајном зависношћу од неевропских добављача услуга у облаку и модела. Стратегија која се фокусира искључиво на следећи доступни основни модел стога није довољна.

Снага Европе може лежати у комбиновању напредних модела са ланцима вредности из стварног света. Индустрија, логистика, енергетика, здравство и јавна управа нуде сложена подручја примене где су стручност у домену, безбедност и интеграција кључни. Само најбољи бенчмарк резултат није довољан. Доступност, суверенитет података, одговорност и способност стабилног вођења процеса током многих година су одлучујући.

За ово, Европи су потребни довољни рачунарски капацитети, конкурентно снабдевање електричном енергијом, заједнички простори података и јасни стандарди за системе засноване на агентима. Регулација би требало да ограничи специфичне ризике, а да се сва аутоматизација не третира као аутономна суперинтелигенција. Посебно су важне вишеслојне обавезе засноване на могућностима, оперативном контексту и потенцијалу за штету.

Континуирано образовање такође мора да се промени. Опште знање о вештачкој интелигенцији није довољно. Запосленима је потребна способност да структурирају процесе за вештачку интелигенцију, да професионално процене резултате и да препознају границе одговорности. Менаџери морају да схвате да је имплементација вештачке интелигенције организациони развој, а не само набавка софтвера.

Трезвена процена ГПТ-6 Астра

На основу јавно доступних информација, GPT-6 Astra је изузетно моћан, широко применљив и више агентски заснован систем вештачке интелигенције. Он показује значајан напредак у решавању апстрактних проблема, рачунарској писмености, развоју софтвера и сајбер безбедности. Може да се носи са ланцима задатака који су, пре само неколико година, захтевали блиски људски надзор. Ове могућности оправдавају тврдњу да је започела нова фаза аутоматизације.

Тврдња да једна референтна вредност објективно доказује општу уштеду у географији (AGI) је неоправдана. То је због недостатка општеприхваћене дефиниције, свеобухватне методе мерења и довољно независних дугорочних података. Зависност резултата од окружења за извршење, алата и рачунарског буџета, посебно, показује да се перформансе модела не могу посматрати изоловано.

Међутим, овај скептични став не би требало да доведе до тривијације. Било би погрешно препознати општу уметност у грађанима само када машина реплицира све људске карактеристике, укључујући свест, друштвено искуство и физичку компетентност. Ова дефиниција би могла систематски да не успе да обухвати економски релевантне преокрете. Систем може дубоко да промени тржишта, запосленост и безбедност много пре него што у потпуности личи на људско биће.

Одговарајућа перспектива лежи негде између маркетинга и дефанзиве. Астра није ни дефинитиван доказ савршене опште интелигенције нити је само још један језички модел. То је корак ка дигиталним актерима који све више преузимају читаве токове рада. Ова транзиција заслужује више пажње него дебата о етикети.

Права прекретница је економска, а не семантичка

Питање да ли општа уметничка интелигенција (ОУИ) већ постоји можда никада неће бити одговорено са истом сигурношћу као на физичко мерење. Концепти интелигенције су превише разноврсни, задаци се мењају превише драстично, а техничке перформансе и друштвена процена су превише уско испреплетени. Стога, покушај успостављања универзалног граничног датума може више збунити него што разјаснити.

За економију је важније друго питање: У ком тренутку системи вештачке интелигенције могу самостално и поуздано да обављају довољно вредних задатака по разумним трошковима, омогућавајући компанијама да фундаментално прилагоде своју организацију, инвестиције и запошљавање? GPT-6 Astra приближава економију овом прагу. У неким дигиталним секторима, он је можда већ пређен, док је у другима још увек далеко.

Предстојећа трансформација ће се стога одвијати неравномерно. Развој софтвера, сајбер безбедност, аналитика и дигитална администрација могу се променити брже од физичких услуга, заната или активности са високом друштвеном одговорношћу. Значајне разлике ће се такође појавити између компанија. Предузећа вођена подацима и добро организована предузећа ће имати користи пре него организације са фрагментираним системима и нејасним процесима.

Провокативна изјава о општој интелигенцији (ОИИ) садржи зрно истине: ера у којој се моћна вештачка интелигенција могла посматрати само као помоћ за појединачне текстове и слике ближи се крају. Међутим, тврдња да ово решава научно питање опште интелигенције је претеривање. Најважнија линија раздвајања није између ОИИ и не-ОИИ. Она лежи између система који импресивно демонстрирају могућности и система који, у реалним условима, трајно мењају одговорности, трошкове и исходе.

Они који данас проглашавају постојање опште вештачке интелигенције (ОПИ) успостављају оквир за тумачење. Они који је категорички поричу ризикују да потцене економске промене. Најразумнији став признаје и једно и друго: термин остаје нејасан, али могућности постају конкретне. Стога, за компаније, запослене и владе, кључно питање није да ли верују у ОПИ. Важно је да ли могу да мере, обликују и контролишу оно што ови системи заправо раде.

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

☑️ 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