Не дайте блеску генеративного ИИ заслонить лёгкие победы предсказательного ИИ

Две задачи на одной сцене

Генеративный ИИ создаёт тексты, изображения, код и диалоги. Предсказательный ИИ работает с вероятностями: изучает исторические данные и оценивает исход для конкретного клиента, пациента, транзакции или оборудования. Это разные задачи. Камера и телефон не конкурируют за одну и ту же работу — так же не должны конкурировать эти два направления ИИ. Более зрелые организации объединяют их и используют возможности одного для усиления другого.

При этом за бюджеты, штат и внимание руководителей генеративный и предсказательный ИИ всё же соревнуются. Генеративный ИИ получает преимущество благодаря эффекту новизны: он больше похож на фантастический разум, чем всё, что существовало раньше. Поэтому исследовательские деньги и венчурный капитал идут к нему в масштабах, которых предсказательный ИИ никогда не видел.

В общественном представлении само слово «ИИ» всё чаще означает только генеративный ИИ. Такое изменение понятно, но оно ошибочно. Большинству компаний стоит вкладывать в предсказательный ИИ как минимум столько же, сколько в генеративный. Именно здесь часто остаются доступные возможности для роста — прежде всего в уже существующих крупных операциях.

Что происходит в компаниях

Пресса создаёт впечатление, будто генеративный ИИ полностью захватил рынок. Однако внутри корпоративных команд по работе с данными картина выглядит иначе. Автор, организующий отраслевые конференции, видит почти равное соотношение заявок на проекты предсказательного и генеративного ИИ — около 50 на 50.

Набор задач предсказательного ИИ тоже не стал уже. Среди проектов, которые попадают к автору, есть:

Если поговорить с практиками напрямую, можно услышать похожую картину. Руководители часто подталкивают команды по работе с данными к генеративному ИИ, обещающему революционные изменения во всех областях. Но сами специалисты признают, что именно проекты предсказательного ИИ чаще дают заметный результат.

Об устойчивом интересе к предсказательному ИИ говорит и судьба книги автора The AI Playbook о внедрении таких систем. После выхода в 2024 году книга:

Почему предсказательный ИИ сохраняется

Предсказательный ИИ нужен потому, что неопределённость никуда не исчезает. Компаниям всегда придётся принимать более точные решения сразу по множеству случаев: какой заёмщик допустит дефолт, какой клиент перестанет пользоваться услугой, какая деталь первой выйдет из строя. Это игра с числами в большом масштабе — именно такие задачи и решает предсказательный ИИ.

Генеративный ИИ тоже создаётся с помощью машинного обучения, но его базовая задача — не делать прогнозы. Даже если проект использует большую языковую модель для повышения точности предсказаний, по сути он всё равно остаётся проектом предсказательного ИИ.

У генеративного ИИ есть собственная проблема: большие языковые модели выдумывают сведения и ведут себя непредсказуемо. Это мешает их более ответственному применению в качестве операторов службы поддержки, аналитиков, репетиторов и виртуальных помощников.

Предсказательный ИИ постепенно становится для них слоем надёжности. Он отмечает взаимодействия с языковой моделью, которые с наибольшей вероятностью пойдут не так, и направляет их на проверку человеку. Предприятия уже внедряют такую гибридную схему, и автор ожидает, что она станет следующим крупным двигателем роста предсказательного ИИ.

На фоне давления, заставляющего доводить проекты с ИИ-агентами до готовности к внедрению, это может стать особенно востребованным применением. В дальнейшем большинство проектов генеративного ИИ, вероятно, будут зависеть от предсказательного ИИ как от защитного барьера надёжности: человек останется в контуре, но будет подключаться только к тем случаям, где его участие действительно нужно.

Настоящая проблема — внедрение

Если у предсказательного ИИ и есть слабое место, то это не потеря актуальности, а реализация проектов. Несмотря на десятилетия применения, заметная доля инициатив так и не доходит до промышленной эксплуатации. Обычно сложность заключается не в построении технической модели, а в том, чтобы убедить организацию использовать её в работе.

Внедрение означает, что компания должна менять процессы, принимая решения на основе вероятностей, а не определённости. Это сложнее объяснить и продать руководителям подразделений, которые утверждают такие проекты и по-прежнему плохо понимают их механику.

Именно этот разрыв в понимании сейчас важнее соперничества двух направлений ИИ. Практическая задача — вывести предсказательные модели из лаборатории и встроить их в повседневные операции.

Книга The AI Playbook призвана закрыть этот разрыв. Она даёт бизнес-читателям доступные полутехнические знания, необходимые для содержательного сотрудничества над проектами предсказательного ИИ, и описывает проверенный подход к совместной работе — от замысла до внедрения.

Генеративный ИИ получил внимание публики, но предсказательный ИИ продолжает улучшать работу организаций — один прогноз за другим. Вместо того чтобы позволять моде определять приоритеты, компаниям стоит выбирать проекты на основе практической отдачи и доступности результата. Во многих случаях таким проектом окажется предсказательный ИИ.