Для рутины не нужен Ferrari от мира ИИ: Accenture говорит, что бизнес переплачивает за мощные нейросети
Запуская ИИ-агентов, бизнес стремится выбирать самую новую и мощную модель. Но совместное исследование Уортонской школы бизнеса и консалтинговой компании Accenture показало, что в большинстве случаев такой подход избыточен, пишет Fortune.
Запуская ИИ-агентов, бизнес стремится выбирать самую новую и мощную модель. Но совместное исследование Уортонской школы бизнеса и консалтинговой компании Accenture показало, что в большинстве случаев такой подход избыточен, пишет Fortune.
Авторы отчёта проанализировали более 18 000 рабочих задач по 923 профессиям в 19 отраслях, отобрав из них 11 339 задач, которые способны выполнять ИИ-агенты. Выяснилось, что более 90% этих процессов достаточно рутинны, и с ними спокойно справятся более дешёвые модели. Лишь от 6% до 11% задач в каждой из изученных индустрий требуют фронтирных нейросетей.
Тем не менее компании редко разделяют задачи по сложности: «Не думаю, что большинство компаний задумываются о развёртывании разных моделей для разных этапов рабочего процесса. Полагаю, они просто берут самую продвинутую модель из доступных и применяют её ко всем процессам подряд», — отметил соавтор исследования и замдекана по ИИ и аналитике Уортонской школы Эрик Брэдлоу.
По его словам, люди склонны гнаться за новинками: «Большинству хочется получить, назовём это так, самую блестящую игрушку. Но для большинства задач она вам на самом деле не нужна».
В Accenture пояснили, что сложность задачи определяется не только объёмом вычислений, но и количеством задействованных систем, конфиденциальностью данных и регуляторными требованиями. Например, в фармацевтике и биотехнологиях дорогие модели оправданы при разработке систем контроля качества или подготовке патентных заявок, а также при поиске перспективных комбинаций молекул, где успех может принести миллиарды долларов выручки. Высокая доля сложных задач также характерна для рынков капитала, технологического сектора и аэрокосмической отрасли.
ИИ-боты подсовывают пользователям товары подороже, если считают их богатыми — даже когда те просят найти самое дешёвое
Исследователи подчеркнули, что передовые модели «незаменимы для сложной, узкоспециализированной работы с высокими ставками». Но для рутины вроде регистрации пользователей или написания текстов использование флагманских нейросетей ведёт к неоправданным расходам на вычисления. По оценке авторов, для компании со штатом 100 тысяч человек, использующей 35 ИИ-агентов, пятилетние затраты варьируются от примерно $155 млн в здравоохранении до $520 млн в страховании. При этом, хотя стоимость отдельных запросов падает, общие траты бизнеса на ИИ растут из-за кратного увеличения числа сценариев использования.
Исследователи рекомендуют компаниям вести учёт прибылей и убытков (P&L) для ИИ-проектов и определять необходимый уровень модели ещё на этапе проектирования агента, а не брать первую попавшуюся нейросеть, к которой уже есть доступ.
«В ту минуту, когда вы начинаете мыслить категориями P&L, всё меняется. Люди думают: „Я просто воспользуюсь этой LLM, потому что она якобы бесплатная“. Нет, это не так. Она не бесплатная», — отметил Брэдлоу.
В будущем, по его прогнозу, ИИ-системы научатся самостоятельно разбивать запросы на части и направлять каждую из них в наиболее подходящую по цене и мощности модель — к этому рынок подтолкнёт требование бизнеса повысить окупаемость инвестиций в ИИ.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.