Заменит ли GenAI 300 млн офисных работников?
Лозунг «Данные — новая нефть» уже устарел. Ключевой цифровой ресурс этого десятилетия — токены LLM. LLM — это большая языковая модель. Вы знаете о ее существовании, если слышали о генеративном искусственном интеллекте, ChatGPT или Гигачате. Токены — единица измерения работы LLM. Если говорить просто, это расход бензина на 100 км пути, который будет зависеть от веса, вида транспорта, характера дороги, манеры вождения. Так и токены зависят от вида LLM, сложности поставленной задачи, заданного промпта. Будучи во всех смыслах неправильной, это единственная наглядная аналогия.
LLM — это модели, обученные на огромных объемах текстовых данных для генерации «человеческого» текста. Можно представить LLM как «автора», который может создавать осмысленные тексты на разные темы, отвечать на вопросы, переводить и даже программировать, основываясь на своих обширных языковых знаниях. Обучение LLM — это извлечение закономерностей из больших объемов данных и формирование правил, по которым можно комбинировать эти закономерности для порождения нового контента. Например, LaMDA от Google обучалась на более чем 1,56 трлн словах из веб-страниц, книг, диалогов и других источников. Даже для мощного компьютера обработать такие массивы текста — огромный вычислительный вызов, поэтому текущая капитализация основного производителя чипов для этих вычислений компании NVIDIA Corporation составляет $2,23 трлн, при том что впервые отметку в $1 трлн компания преодолела менее года назад в мае 2023 года.
В конкуренцию за генеративный интеллект включились мировые лидеры технологий. Последний раз такую ожесточенную конкуренцию мы наблюдали, когда появились сотовые телефоны. Кто-то может указать на бурлящий котел криптовалют и ICO, но в той схватке не было настоящих титанов, а те, что пытались, быстро сошли с дистанции: CORDA от R3, Libra от META[2] была отменена, TON от Павла Дурова.
Сейчас участники забега за звание лучшей модели «наше все из мира IT»:
Поражает темп, взятый участниками гонок, — ежемесячно выходят новые продукты, и бенчмарки показывают, что ни один из них не имеет постоянного и явного преимущества перед другими. Поистине, мы находимся в точке бифуркации, где миллиардные бюджеты мегакорпораций сошлись в схватке за лидерство. Подобное напряжение интеллектуальных сил мы помним по освоению энергии атома и космоса. Наследием этих завоеваний мы пользуемся по сей день. Чтобы понять причины этой борьбы, важно осознать, что для цифрового мира, в котором сейчас живет бизнес, GenAI-based будет иметь столь же мощное преобразующее воздействие, как ДВС на промышленность.
Долгое время базисом создания стоимости было сельское хозяйство. Излишки пищи обменивались на золото или эквивалент. Энергетический базис такого уклада — мускульная сила человека и одомашненных им животных. В эпоху промышленного производства базис — двигатель внутреннего сгорания. Сейчас никто не будет оспаривать, что в материальном мире производить товары, перемещать грузы с помощью машины эффективнее, чем ручным трудом человека.
«Производительность в сельском хозяйстве выросла в 400 раз»:
В период плугового земледелия до начала XX века один человек с лошадью и плугом мог обработать около 2–3 га пахотной земли за сезон с урожайностью 1–1,5 т/га.
Сейчас один механизатор на тракторе и посевном комплексе может обработать 400–600 га за сезон с урожайностью 3–5 т/га.
Производство в цифровом мире в настоящий момент целиком и полностью зависит от разума человека. Офисные программы и фреймворки служат нам аналогами лопат и плугов. Производительность одного программиста, дизайнера ограничена выносливостью его мозга, поэтому Microsoft, Google и Apple имеют штат от 160 000 до 220 000 сотрудников каждая, что сопоставимо с промышленными гигантами: General Motors, Mercedes-Benz Group и Ford — 160 000–170 000, Samsung Electronics — 235 000, Sony — 108 000 сотрудников.
Однако, совокупная численность GAMAM — всего 2,26 млн человек, что составляет менее 5% от общей численности персонала мировой IT-индустрии с 55 млн[3] специалистов. Вот только эти 2+ млн создают капитализации на $8,7 трлн, что составляет баснословные 19% от общей капитализации американского фондового рынка, а еще в 2010 году это были скромные 5% или менее $1 трлн общей капитализации.
Рост производительности труда разработчика в десятки раз после внедрения генеративных моделей даст GAMAM абсолютное превосходство над производственными системами компаний, которые останутся в «старом» технологическом укладе. GAMAM смогут забрать себе новые сегменты бизнеса: индустрия развлечений (кино, музыка, сериалы, блогеры), право и бухгалтерия, обучение и менеджмент.
Чтобы не оказаться на обочине прогресса, компаниям уже сейчас надо проводить эксперименты по внедрению open source решений в свои производственные процессы.
При подготовке данной статьи неоценимую помощь в поиске данных оказал Claude 3.0 от компании Anthropic
[1] GAMAM — Google, Apple, META[2] (ex-Facebook), Amazon, Microsoft.
[2] META признана экстремистской организацией в России.
[3] Исследовательская компания IDC, 2023.
Этот материал опубликован на платформе бизнес-сообщества Forbes Экспертиза
LLM — это модели, обученные на огромных объемах текстовых данных для генерации «человеческого» текста. Можно представить LLM как «автора», который может создавать осмысленные тексты на разные темы, отвечать на вопросы, переводить и даже программировать, основываясь на своих обширных языковых знаниях. Обучение LLM — это извлечение закономерностей из больших объемов данных и формирование правил, по которым можно комбинировать эти закономерности для порождения нового контента. Например, LaMDA от Google обучалась на более чем 1,56 трлн словах из веб-страниц, книг, диалогов и других источников. Даже для мощного компьютера обработать такие массивы текста — огромный вычислительный вызов, поэтому текущая капитализация основного производителя чипов для этих вычислений компании NVIDIA Corporation составляет $2,23 трлн, при том что впервые отметку в $1 трлн компания преодолела менее года назад в мае 2023 года.
Тезис 1. На арене GAMAM[1] и time-to-market беспрецедентно короткий
В конкуренцию за генеративный интеллект включились мировые лидеры технологий. Последний раз такую ожесточенную конкуренцию мы наблюдали, когда появились сотовые телефоны. Кто-то может указать на бурлящий котел криптовалют и ICO, но в той схватке не было настоящих титанов, а те, что пытались, быстро сошли с дистанции: CORDA от R3, Libra от META[2] была отменена, TON от Павла Дурова.
Сейчас участники забега за звание лучшей модели «наше все из мира IT»:
- Google (Gemeni),
- Amazon (основной инвестор Antropic),
- META[2] (Llama),
- Apple (персональный GenAI в каждом смартфоне),
- Microsoft (OpenAI),
- Илон Маск (Grok),
- nVidia (чипы для всех),
- В России — Яндекс и Сбер, в Китае — ByteDance.
Поражает темп, взятый участниками гонок, — ежемесячно выходят новые продукты, и бенчмарки показывают, что ни один из них не имеет постоянного и явного преимущества перед другими. Поистине, мы находимся в точке бифуркации, где миллиардные бюджеты мегакорпораций сошлись в схватке за лидерство. Подобное напряжение интеллектуальных сил мы помним по освоению энергии атома и космоса. Наследием этих завоеваний мы пользуемся по сей день. Чтобы понять причины этой борьбы, важно осознать, что для цифрового мира, в котором сейчас живет бизнес, GenAI-based будет иметь столь же мощное преобразующее воздействие, как ДВС на промышленность.
Тезис 2. Это новый источник мощности в цифровом мире
Долгое время базисом создания стоимости было сельское хозяйство. Излишки пищи обменивались на золото или эквивалент. Энергетический базис такого уклада — мускульная сила человека и одомашненных им животных. В эпоху промышленного производства базис — двигатель внутреннего сгорания. Сейчас никто не будет оспаривать, что в материальном мире производить товары, перемещать грузы с помощью машины эффективнее, чем ручным трудом человека.
«Производительность в сельском хозяйстве выросла в 400 раз»:
В период плугового земледелия до начала XX века один человек с лошадью и плугом мог обработать около 2–3 га пахотной земли за сезон с урожайностью 1–1,5 т/га.
Сейчас один механизатор на тракторе и посевном комплексе может обработать 400–600 га за сезон с урожайностью 3–5 т/га.
Производство в цифровом мире в настоящий момент целиком и полностью зависит от разума человека. Офисные программы и фреймворки служат нам аналогами лопат и плугов. Производительность одного программиста, дизайнера ограничена выносливостью его мозга, поэтому Microsoft, Google и Apple имеют штат от 160 000 до 220 000 сотрудников каждая, что сопоставимо с промышленными гигантами: General Motors, Mercedes-Benz Group и Ford — 160 000–170 000, Samsung Electronics — 235 000, Sony — 108 000 сотрудников.
Однако, совокупная численность GAMAM — всего 2,26 млн человек, что составляет менее 5% от общей численности персонала мировой IT-индустрии с 55 млн[3] специалистов. Вот только эти 2+ млн создают капитализации на $8,7 трлн, что составляет баснословные 19% от общей капитализации американского фондового рынка, а еще в 2010 году это были скромные 5% или менее $1 трлн общей капитализации.
Рост производительности труда разработчика в десятки раз после внедрения генеративных моделей даст GAMAM абсолютное превосходство над производственными системами компаний, которые останутся в «старом» технологическом укладе. GAMAM смогут забрать себе новые сегменты бизнеса: индустрия развлечений (кино, музыка, сериалы, блогеры), право и бухгалтерия, обучение и менеджмент.
Чтобы не оказаться на обочине прогресса, компаниям уже сейчас надо проводить эксперименты по внедрению open source решений в свои производственные процессы.
При подготовке данной статьи неоценимую помощь в поиске данных оказал Claude 3.0 от компании Anthropic
[1] GAMAM — Google, Apple, META[2] (ex-Facebook), Amazon, Microsoft.
[2] META признана экстремистской организацией в России.
[3] Исследовательская компания IDC, 2023.
