Hvorfor bedrifts-AI er en evolusjon, ikke en revolusjon

Av Manoj Chaudhary, Teknisk direktør

Argumentet for en mer intelligent tilnærming til kunstig intelligens.

Det virker som man ikke kan gå en dag uten å se enda en artikkel om hva KI vil revolusjonere. Denne uken spente det fra farmasøytisk utvikling og publisering til minerydding og vår kloakksystemer. Ved siden av dem løper minst like mange oppfatninger om hvordan KI til syvende og sist vil påvirke menneskeheten, fra “å redde verden” til “å besegle vår skjebne”.”

Enten du er en KI-tilhenger (“zoomer”) eller en KI-dommedagsprofet (“doomer”), er én ting sikkert: Når det gjelder kunstig intelligens, går alle systemer for full maskin. Men selv om KI har potensial til å skape positive endringer i et omfang vi knapt kan forestille oss, gir dette blinde hastverket oss virkelig den beste sjansen til å nå dit?

Jeg sverger til en annen tilnærming: En mer trinnvis, gjennomtenkt og veloverveid tilnærming som gir arbeiderne en plass ved bordet. Denne filosofien skaper kunstig intelligens som er utformet som en kraftmultiplikator for mennesker, slik at de kan utrette mer enn enten de eller KI-en kunne klare på egen hånd.

Vi vil alle forandre verden

Økonomer har tradisjonelt sett positivt på ny teknologi. Fordelene er kanskje ikke likt fordelt, har de argumentert for, men denne utviklingen løfter generelt alle båter, uten at noen kommer dårligere ut. Men en voksende mengde mer detaljerte data utfordrer disse oppfatningene, som resulterer i modeller som spår to divergerende veier for en AI-drevet verden.

En av disse er basert på en top-down, hurtigfyrende tilnærming til KI. Denne filosofien søker å produsere KI som er god nok til å erstatte mennesker, med det endelige målet å fjerne roller.

I tillegg til de åpenbare økonomiske konsekvensene, er det andre problemer med denne tilnærmingen. Vi har allerede begynt å se ulempene med den direktør-sentrerte “klar, fyr, sikt”-tilnærmingen til kunstig intelligens.

McDonald’s nettopp avsluttet et toårig pilotprogram for sine AI-bestillingsassistenter. McAI misforsto bestillinger konsekvent, med problemer som spente fra at chatbotten la til bacon i noens iskrem, til en bestilling som ble feiltolket som “2 610 Chicken McNuggets”.”

Tilsvarende vil en dommer har nylig avsagt dom mot Air Canada over feilaktig informasjon chatboten deres ga til en passasjer. Begrunnelsen så ut til å være at hvis KI skulle overta menneskelige roller, måtte den også ta på seg det tilhørende ansvaret.

Du kan regne med at jeg melder pass

Disse tilfellene illustrerer hovedproblemet med noen selskapers tilnærming til KI: Ved å forsøke å tvinge frem en revolusjon på sin egen tidslinje, ender de opp med dårligere produkter, en svak kundeopplevelse, færre arbeidsplasser og større risiko – alt for få konkrete forretningsfordeler.

Det finnes til og med et begrep for dette, skapt av MIT-professor Daron Acemoglu og Pascual Restrepo ved Boston University: “så-som-teknologi” (so-so technology). Denne teknologien har en tendens til å være akkurat god nok til å erstatte menneskelige jobber, men ikke god nok til å forbedre noe nevneverdig.

Det klassiske eksemplet er selvbetjeningsteknologi: Den fungerte godt nok til å fjerne noen, men ikke alle, kassererjobber, men den fungerte egentlig ikke vel. Det irriterte både kunder og ansatte, som opplevde at de ble tynnere spredt utover enn noen gang før, ettersom de måtte både overvåke kunder og administrere maskinene.

Nå ser vi pendelen svinge tilbake i motsatt retning, ettersom detaljister fjerner, begrenser eller kraftig reduserer sin avhengighet av denne teknologien. Noen kaller dette et tilbakeslag, andre kaller det en korreksjon, men jeg ser på det som en bransje som innser feilen i å prøve å gå fra null til revolusjon uten å ta noen av trinnene imellom. Med andre ord forsøkte de å fremtvinge en revolusjon, når de burde ha søkt en evolusjon.

Du vet at det ordner seg

Jitterbit har allerede jobbet med den neste fasen i produktveikartet vårt, og kunstig intelligens spiller en stor rolle i det. Men vi søker ikke å “revolusjonere” produktene våre. Vi kommer ikke til å gå i fellen med å lime på kunstig intelligens for kunstig intelligens skyld, for så å ende opp med funksjoner som i beste fall er “mildt nyttige” og i verste fall irriterende, skremmende eller meningsløse.

Sosiale medier-giganten Meta skapte overskrifter nylig da den kunngjorde at den ville begynne å trene sine generative KI-modeller på brukerlevert data – enten brukerne ville det eller ikke. Selskapet sa riktignok at det vil “gjennomgå innsigelsesforespørsler i samsvar med relevante personvernlover”, men det betyr lite steder som i USA, som har få slike beskyttelser.

EU er imidlertid en helt annen historie. Meta blir nå tvunget til å sette utbredelsen av sin AI på vent der på grunn av press fra myndighetene, noe som har ført til enda mer negativ oppmerksomhet i media bare ett år etter at selskapet ble ilagt en bot på $1,3 milliarder for lignende brudd på personvernbestemmelsene i EU.

Antallet og omfanget av disse reguleringene vil vokse i takt med generativ KI – for ikke å snakke om voksesmertene som selve KI-plattformene vil møte, slik som gjentatte nedetider for OpenAIs ChatGPT i begynnelsen av juni. Hvis produktet ditt er avhengig av tilbudene fra bare ett selskap, hva vil skje hvis det selskapet står overfor en lignende avbrudd?

Som en del av vår mer evolusjons- og integreringsbaserte tilnærming til AI-adopsjon, har vi tatt høyde for denne mulighet ved å skape teknologi som er fullstendig AI-agnostisk. Det fantastiske med landskapet for store språkmodeller (LLM) er det enorme utvalget av tilgjengelige alternativer, som hver byr på sine egne fordeler.

Vi har lenge vært opptatt av å samle det beste fra løsningene du liker, slik at du kan integrere dem for større effektivitet og brukervennlighet. Vi bruker den samme tilnærmingen til KI. Ved å erkjenne at KIs sanne verdi kommer fra å kunne utnytte dine egne data best mulig, vil den neste fasen i Jitterbits utvikling gi bedrifter friheten til å arbeide uten å være avhengig av en bestemt generativ KI-plattform.

Ved å gi deg kraften til å bruke et bredt spekter av språkmodeller (LLM-er) til ulike oppgaver, fra Mistral og Perplexity til Big Techs Copilot og Azure AI, vil du kunne veksle sømløst mellom verktøy, hvor dataene dine – ikke den spesifikke språkmodellen du velger – er den sentrale differensiatoren.

I løpet de kommende månedene vil vi tilby flere detaljer om denne utviklingen. Men i mellomtiden må du vite at Jitterbits AI-evolusjon vil være målrettet, den vil være meningsfull, og den vil være til stor nytte for din arbeidsstyrke og din bedrift.