На що може покластися генеративний штучний інтелект без втручання людини?

Короткий виклад

Генеративний штучний інтелект (ШІ) – технологія, яка дозволяє машинам створювати текст, зображення, код тощо – зазнала вибухового зростання в останні роки. Цей документ надає доступний огляд того, що генеративний ШІ може надійно робити сьогодні без втручання людини, і що очікується від нього в наступному десятилітті. Ми досліджуємо його використання в письменництві, мистецтві, кодуванні, обслуговуванні клієнтів, охороні здоров'я, освіті, логістиці та фінансах, виділяючи, де ШІ працює автономно, а де людський нагляд залишається вирішальним. Наведено приклади з реального світу для ілюстрації як успіхів, так і обмежень. Ключові висновки включають:

• Широке впровадження: У 2024 році 65% опитаних компаній повідомляли про регулярне використання генеративного штучного інтелекту – майже вдвічі більше, ніж у попередньому році ( Стан штучного інтелекту на початку 2024 року | McKinsey ). Застосування охоплюють створення маркетингового контенту, чат-ботів підтримки клієнтів, генерацію коду тощо.

• Поточні автономні можливості: Сучасний генеративний ШІ надійно виконує структуровані, повторювані завдання з мінімальним наглядом. Приклади включають автоматичну генерацію формульованих новинних звітів (наприклад, зведених звітів про корпоративні прибутки) ( Філана Паттерсон – профіль спільноти ONA ), створення описів продуктів та оглядів на сайтах електронної комерції, а також автозаповнення коду. У цих сферах ШІ часто доповнює роботу людей, беручи на себе рутинне створення контенту.

• Людина-в-циклі для складних завдань: Для складніших або завдань з відкритим кінцем, таких як творче письмо, детальний аналіз або медичні поради, нагляд людини зазвичай все ще потрібен для забезпечення фактичної точності, етичного судження та якості. Багато розгортань штучного інтелекту сьогодні використовують модель «людина-в-циклі», де штучний інтелект створює контент, а люди його переглядають.

• Короткострокові покращення: Протягом наступних 5–10 років прогнозується, що генеративний ШІ стане набагато надійнішим та автономнішим . Досягнення в точності моделювання та механізмах захисту можуть дозволити ШІ обробляти більшу частку творчих завдань та завдань прийняття рішень з мінімальним втручанням людини. Наприклад, експерти прогнозують, що до 2030 року ШІ оброблятиме більшість взаємодій та рішень з обслуговуванням клієнтів у режимі реального часу ( Щоб переосмислити перехід до клієнтського досвіду, маркетологи повинні зробити ці 2 речі ), а великий фільм може бути знятий з 90% контенту, створеного ШІ ( Випадки використання генеративного ШІ для галузей промисловості та підприємств ).

• До 2035 року: через десятиліття ми очікуємо, що автономні агенти зі штучним інтелектом стануть звичайним явищем у багатьох галузях. Викладачі зі штучним інтелектом можуть надавати персоналізовану освіту у великих масштабах, асистенти зі штучним інтелектом можуть надійно складати юридичні контракти або медичні звіти для затвердження експертами, а самокеровані системи (за допомогою генеративного моделювання) можуть виконувати логістичні операції від початку до кінця. Однак деякі чутливі сфери (наприклад, медичні діагнози з високими ставками, остаточні юридичні рішення) ймовірно, все ще вимагатимуть людської оцінки для безпеки та підзвітності.

• Етичні та надійні проблеми: Зі зростанням автономії ШІ зростають і проблеми. Серед сьогоднішніх проблем – галюцинації (вигадування фактів ШІ), упередженість у створеному контенті, відсутність прозорості та потенційне зловживання для дезінформації. Забезпечення довіри до під час його роботи без нагляду має першочергове значення. Досягається прогрес – наприклад, організації інвестують більше коштів у зменшення ризиків (вирішення питань точності, кібербезпеки, інтелектуальної власності) ( Стан ШІ: Глобальне опитування | McKinsey ) – але необхідні надійні системи управління та етики.

• Структура цієї статті: Ми починаємо зі вступу до генеративного ШІ та концепції автономного та контрольованого використання. Потім, для кожної основної галузі (письмо, мистецтво, кодування тощо), ми обговорюємо, що ШІ може надійно робити сьогодні, порівняно з тим, що нас чекає в майбутньому. Ми завершуємо перехресними викликами, майбутніми прогнозами та рекомендаціями щодо відповідального використання генеративного ШІ.

Загалом, генеративний ШІ вже довів свою здатність виконувати дивовижний спектр завдань без постійного людського керівництва. Розуміючи його поточні обмеження та майбутній потенціал, організації та громадськість можуть краще підготуватися до ери, в якій ШІ буде не просто інструментом, а автономним партнером у роботі та творчості.

Вступ

Штучний інтелект вже давно здатний аналізувати дані, але лише нещодавно системи штучного інтелекту навчилися творити – писати прозу, створювати зображення, програмувати програмне забезпечення тощо. Ці генеративні моделі штучного інтелекту (такі як GPT-4 для тексту або DALL·E для зображень) навчаються на величезних наборах даних для створення нового контенту у відповідь на підказки. Цей прорив спричинив хвилю інновацій у різних галузях. Однак виникає критичне питання: що ми насправді можемо довірити штучному інтелекту робити самостійно, без подвійної перевірки людиною його результатів?

Щоб відповісти на це питання, важливо розрізняти контрольоване та автономне використання ШІ:

• Штучний інтелект під керівництвом людини стосується сценаріїв, коли результати ШІ перевіряються або куруються людьми перед тим, як бути остаточно оформленими. Наприклад, журналіст може використовувати помічника з написання текстів за допомогою ШІ для написання чернетки статті, але редактор редагує та затверджує її.

• Автономний ШІ (ШІ без втручання людини) стосується систем ШІ, які виконують завдання або створюють контент, що використовується безпосередньо з мінімальним редагуванням людиною або взагалі без нього. Прикладом є автоматизований чат-бот, який вирішує запит клієнта без людського агента, або новинне видання, яке автоматично публікує огляд спортивних результатів, згенерований ШІ.

Генеративний ШІ вже впроваджується в обох режимах. У 2023-2025 роках його впровадження різко зросло , і організації охоче експериментують. Одне глобальне опитування, проведене у 2024 році, показало, що 65% компаній регулярно використовують генеративний ШІ, порівняно з приблизно третиною лише роком раніше ( Стан ШІ на початку 2024 року | McKinsey ). Окремі особи також ознайомилися з такими інструментами, як ChatGPT – за оцінками, 79% фахівців мали хоча б певний досвід роботи з генеративним ШІ до середини 2023 року ( Стан ШІ у 2023 році: рік прориву генеративного ШІ | McKinsey ). Це швидке впровадження зумовлене обіцянкою підвищення ефективності та креативності. Однак це все ще «ранній етап», і багато компаній все ще розробляють політику щодо відповідального використання ШІ ( Стан ШІ у 2023 році: рік прориву генеративного ШІ | McKinsey ).

Чому автономія важлива: Дозвіл на роботу ШІ без людського нагляду може розкрити величезні переваги ефективності – повністю автоматизуючи виснажливі завдання – але це також підвищує ставки на надійність. Автономний агент ШІ повинен робити все правильно (або знати свої межі), оскільки в режимі реального часу може не бути людини, яка б виявляла помилки. Деякі завдання підходять для цього більше, ніж інші. Як правило, ШІ найкраще працює автономно, коли:

• Завдання має чітку структуру або шаблон (наприклад, створення рутинних звітів з даних).

• Помилки мають низький ризик або їх легко переносити (наприклад, створення зображення, яке можна відкинути, якщо воно незадовільне, на відміну від медичного діагнозу).

• Існує достатньо навчальних даних , що охоплюють сценарії, тому результати ШІ базуються на реальних прикладах (що зменшує здогадки).

Натомість, завдання з відкритим кінцем , високими ставками або такими, що вимагають тонкої оцінки, сьогодні менш підходять для нульового нагляду.

У наступних розділах ми розглянемо низку галузей, щоб побачити, що генеративний ШІ робить зараз і що буде далі. Ми розглянемо конкретні приклади – від новинних статей та ілюстрацій, створених ШІ, до помічників з написання коду та віртуальних агентів служби підтримки клієнтів – виділяючи, які завдання може виконувати ШІ повністю, а які все ще потребують людської участі. Для кожної сфери ми чітко розділяємо поточні можливості (приблизно 2025 рік) від реалістичних прогнозів того, що може бути надійним до 2035 року.

Зображаючи сьогодення та майбутнє автономного ШІ в різних галузях, ми прагнемо надати читачам збалансоване розуміння: не перебільшуючи ШІ як магічно безпомилковий, і не недооцінюючи його цілком реальні та зростаючі компетенції. Спираючись на цю основу, ми обговорюємо загальні проблеми довіри до ШІ без нагляду, включаючи етичні міркування та управління ризиками, а потім завершуємо ключовими висновками.

Генеративний штучний інтелект у письмі та створенні контенту

Однією з перших галузей, де генеративний штучний інтелект зробив фурор, була генерація тексту. Великі мовні моделі можуть створювати все: від новинних статей та маркетингових текстів до публікацій у соціальних мережах та коротких описів документів. Але скільки такого тексту можна зробити без редактора-людини?

Поточні можливості (2025): Штучний інтелект як автописатель рутинного контенту

Сьогодні генеративний штучний інтелект надійно справляється з різноманітними рутинними письмовими завданнями з мінімальним втручанням людини або взагалі без нього. Яскравим прикладом є журналістика: Associated Press роками використовувала автоматизацію для створення тисяч звітів про прибутки компаній щокварталу безпосередньо з фінансових каналів даних ( Філана Паттерсон – профіль спільноти ONA ). Ці короткі новини відповідають шаблону (наприклад, «Компанія X повідомила про прибуток Y, що зріс на Z%...»), і штучний інтелект (використовуючи програмне забезпечення для генерації природної мови) може заповнювати цифри та термінологію швидше, ніж будь-яка людина. Система AP публікує ці звіти автоматично, значно розширюючи їх охоплення (понад 3000 історій за квартал) без необхідності залучення людей-авторів ( Автоматизовані історії про прибутки множаться | The Associated Press ).

Спортивна журналістика також зазнала вдосконалення: системи штучного інтелекту можуть брати статистику спортивних ігор та генерувати оглядові статті. Оскільки ці сфери керуються даними та формулюються, помилки трапляються рідко, якщо дані правильні. У цих випадках ми бачимо справжню автономію – штучний інтелект пише, а контент публікується одразу.

Бізнес також використовує генеративний штучний інтелект для створення описів продуктів, електронних розсилок та іншого маркетингового контенту. Наприклад, гігант електронної комерції Amazon тепер використовує штучний інтелект для узагальнення відгуків клієнтів про продукти. Штучний інтелект сканує текст багатьох окремих відгуків і створює короткий абзац з основними моментами того, що людям подобається або не подобається в товарі, який потім відображається на сторінці продукту без ручного редагування ( Amazon покращує досвід роботи з відгуками клієнтів за допомогою ШІ ). Нижче наведено ілюстрацію цієї функції, розгорнутої в мобільному додатку Amazon, де розділ «Клієнти кажуть» повністю згенерований ШІ на основі даних відгуків:

( Amazon покращує враження клієнтів від відгуків за допомогою штучного інтелекту ) Зведений відгук, згенерований штучним інтелектом, на сторінці товару електронної комерції. Система Amazon підсумовує загальні моменти з відгуків користувачів (наприклад, простоту використання, продуктивність) у короткий абзац, який відображається покупцям як «згенерований штучним інтелектом з тексту відгуків клієнтів».

Такі випадки використання демонструють, що коли контент відповідає передбачуваному шаблону або агрегується з існуючих даних, штучний інтелект часто може обробляти його самостійно . Інші актуальні приклади включають:

• Оновлення погоди та дорожнього руху: ЗМІ використовують штучний інтелект для складання щоденних звітів про погоду або бюлетенів дорожнього руху на основі даних датчиків.

• Фінансові звіти: фірми автоматично генерують прості фінансові зведення (квартальні результати, огляди фондового ринку). З 2014 року Bloomberg та інші новинні агентства використовують штучний інтелект для написання новинних анотацій про прибутки компаній – процес, який виконується значною мірою автоматично після надходження даних (« роботи-журналісти» AP тепер пишуть власні історії | The Verge ) ( репортера з Вайомінгу спіймали на використанні штучного інтелекту для створення фальшивих цитат та історій ).

• Переклад і транскрипція: Сервіси транскрипції тепер використовують штучний інтелект для створення стенограм зустрічей або субтитрів без участі людей-друкарів. Хоча ці мовні завдання не є генеративними в творчому сенсі, вони виконуються автономно з високою точністю для чіткого звуку.

• Генерація чернеток: Багато професіоналів використовують такі інструменти, як ChatGPT, для створення чернеток електронних листів або перших версій документів, іноді надсилаючи їх майже без редагування, якщо контент має низький рівень ризику.

Однак, для складнішої прози людський нагляд залишається нормою у 2025 році . Новинні організації рідко публікують розслідувальні чи аналітичні статті безпосередньо зі штучного інтелекту – редактори перевіряють факти та вдосконалюють чернетки, написані штучним інтелектом. ШІ може імітувати стиль та структуру , але може допускати фактичні помилки (часто їх називають «галюцинаціями») або незграбні фрази, які людина повинна вловити. Наприклад, німецька газета Express представила «цифрову колегу» зі штучним інтелектом на ім’я Клара, щоб допомогти писати початкові новини. Клара може ефективно складати спортивні репортажі та навіть писати заголовки, які приваблюють читачів, вносячи свій внесок у 11% статей Express, але редактори-люди все ще перевіряють кожен матеріал на точність та журналістську чесність, особливо у складних історіях ( 12 способів, як журналісти використовують інструменти ШІ в редакції – Twipe ). Таке партнерство людини та ШІ є поширеним явищем сьогодні: ШІ виконує важку роботу зі створення тексту, а люди курують та виправляють за потреби.

Перспективи на 2030-2035 роки: шлях до надійного автономного письма

Протягом наступного десятиліття ми очікуємо, що генеративний штучний інтелект стане набагато надійнішим у створенні високоякісного, фактично правильного тексту, що розширить спектр письмових завдань, які він може виконувати автономно. Це підтверджують кілька тенденцій:

• Підвищена точність: Поточні дослідження швидко зменшують схильність штучного інтелекту створювати неправдиву або нерелевантну інформацію. До 2030 року передові мовні моделі з кращим навчанням (включаючи методи перевірки фактів у базах даних у режимі реального часу) зможуть досягти внутрішньої перевірки фактів майже на людському рівні. Це означає, що штучний інтелект може автоматично створювати повноцінну новинну статтю з правильними цитатами та статистикою, отриманими з вихідного матеріалу, що вимагає мінімального редагування.

• Доменно-орієнтовані ШІ: Ми побачимо більш спеціалізовані генеративні моделі, налаштовані для певних галузей (юридичне, медичне, технічне письмо). Модель юридичного ШІ 2030 року може надійно складати стандартні контракти або узагальнювати судову практику – завдання, які мають формульну структуру, але наразі вимагають часу юриста. Якщо ШІ навчений на перевірених юридичних документах, його чернетки можуть бути настільки надійними, що юрист лише швидко гляне на них.

• Природний стиль та зв'язність: Моделі стають кращими у підтримці контексту в довгих документах, що призводить до більш зв'язного та зрозумілого довгоформатного контенту. До 2035 року цілком імовірно, що штучний інтелект зможе самостійно написати пристойний перший варіант документальної книги або технічного посібника, а люди переважно виконуватимуть консультативну роль (для встановлення цілей або надання спеціалізованих знань).

Як це може виглядати на практиці? Рутинна журналістика може стати майже повністю автоматизованою для певних періодів. Ми можемо побачити, як у 2030 році новинне агентство матиме систему штучного інтелекту, яка писатиме першу версію кожного звіту про прибутки, спортивної історії чи оновлення результатів виборів, а редактор лише кілька разів вибиратиме для контролю якості. Дійсно, експерти прогнозують, що постійно зростаюча частка онлайн-контенту буде згенерована машинами – один сміливий прогноз галузевих аналітиків припускав, що до 2026 року до 90% онлайн-контенту може бути згенеровано штучним інтелектом ( До 2026 року онлайн-контент, згенерований нелюдьми, значно перевищуватиме контент, згенерований людьми — OODAloop ), хоча ця цифра є предметом дискусій. Навіть більш консервативний результат означатиме, що до середини 2030-х років більшість рутинних веб-статей, текстів продуктів і, можливо, навіть персоналізованих стрічок новин будуть створені штучним інтелектом.

У маркетингу та корпоративних комунікаціях генеративному штучному інтелекту, ймовірно, буде доручено автономне проведення цілих кампаній. Він зможе генерувати та надсилати персоналізовані маркетингові електронні листи, публікації в соціальних мережах та варіанти рекламних текстів, постійно коригуючи повідомлення на основі реакції клієнтів – і все це без участі людини-копірайтера. Аналітики Gartner прогнозують, що до 2025 року щонайменше 30% вихідних маркетингових повідомлень великих підприємств будуть синтетично згенеровані штучним інтелектом ( Випадки використання генеративного штучного інтелекту для галузей промисловості та підприємств ), і цей відсоток лише зростатиме до 2030 року.

Однак важливо зазначити, що людська креативність та судження все ще відіграватимуть певну роль, особливо для контенту з високими ставками . До 2035 року ШІ зможе самостійно обробляти прес-релізи чи дописи в блозі, але для журналістських розслідувань, які передбачають відповідальність або делікатні теми, ЗМІ все ще можуть наполягати на людському контролі. Майбутнє, ймовірно, принесе багаторівневий підхід: ШІ автономно створює основну частину повсякденного контенту, тоді як люди зосереджуються на редагуванні та створенні стратегічних або делікатних матеріалів. По суті, межа того, що вважається «рутинною», розширюватиметься зі зростанням майстерності ШІ.

Крім того, можуть з'явитися нові форми контенту, такі як інтерактивні наративи, згенеровані штучним інтелектом, або персоналізовані звіти . Наприклад, річний звіт компанії може бути згенерований штучним інтелектом у кількох стилях – короткий опис для керівників, наративна версія для співробітників, версія з багатим на дані матеріалом для аналітиків – кожен з яких створюється автоматично з тих самих вихідних даних. В освіті підручники можуть динамічно писатися штучним інтелектом відповідно до різних рівнів читання. Ці програми можуть бути значною мірою автономними, але базуватися на перевіреній інформації.

Траєкторія розвитку письма свідчить про те, що до середини 2030-х років ШІ стане плідним автором . Ключем до справді автономної роботи буде встановлення довіри до його результатів. Якщо ШІ зможе послідовно демонструвати фактичну точність, стилістичну якість та відповідність етичним стандартам, потреба в поетапній перевірці людиною зменшиться. Розділи цього білого документа до 2035 року цілком можуть бути написані дослідником ШІ без необхідності редактора – перспектива, щодо якої ми обережно оптимістично налаштовані, за умови належного забезпечення запобіжних заходів.

Генеративний штучний інтелект у візуальних мистецтвах та дизайні

Здатність генеративного штучного інтелекту створювати зображення та витвори мистецтва захопила уяву громадськості, від картин, створених штучним інтелектом, які виграють художні конкурси, до відео з глибокими фейками, які неможливо відрізнити від реальних кадрів. У візуальній сфері моделі штучного інтелекту, такі як генеративно-змагальні мережі (GAN) та моделі дифузії (наприклад, Stable Diffusion, Midjourney), можуть створювати оригінальні зображення на основі текстових підказок. Тож чи може штучний інтелект тепер функціонувати як автономний художник чи дизайнер?

Поточні можливості (2025): Штучний інтелект як креативний помічник

Станом на 2025 рік, генеративні моделі вміло створюють зображення на вимогу з вражаючою точністю. Користувачі можуть попросити штучний інтелект намалювати «середньовічне місто на заході сонця у стилі Ван Гога» та отримати переконливо художнє зображення за лічені секунди. Це призвело до широкого використання штучного інтелекту в графічному дизайні, маркетингу та розвагах для концепт-арту, прототипів і навіть фінальних візуальних образів у деяких випадках. Зокрема:

• Графічний дизайн та стокові зображення: Компанії створюють графіку для веб-сайтів, ілюстрації або стокові фотографії за допомогою штучного інтелекту, що зменшує необхідність замовляти кожну роботу у художника. Багато маркетингових команд використовують інструменти штучного інтелекту для створення варіацій реклами або зображень продуктів, щоб перевірити, що подобається споживачам.

• Мистецтво та ілюстрація: Окремі художники співпрацюють зі штучним інтелектом для мозкового штурму ідей або доповнення деталей. Наприклад, ілюстратор може використовувати штучний інтелект для створення фонових пейзажів, які потім інтегрує зі своїми намальованими людьми персонажами. Деякі творці коміксів експериментували з панелями або розфарбовуванням, створеними штучним інтелектом.

• Медіа та розваги: ​​Мистецтво, створене штучним інтелектом, з'являлося на обкладинках журналів та книг. Відомим прикладом була Cosmopolitan року, на якій був зображений астронавт – за повідомленнями, це було перше зображення обкладинки журналу, створене штучним інтелектом (DALL·E від OpenAI) за вказівкою арт-директора. Хоча це передбачало людські підказки та вибір, фактичне мистецтво було відтворено машинно.

Найважливіше те, що більшість цих сучасних застосувань все ще передбачають курування та ітерацію людиною . Штучний інтелект може створювати десятки зображень, а людина вибирає найкраще та, можливо, вдосконалює його. У цьому сенсі ШІ працює автономно, створюючи варіанти, але люди керують творчим процесом та роблять остаточний вибір. Він надійний для швидкого створення великої кількості контенту, але не гарантує виконання всіх вимог з першої спроби. Такі проблеми, як неправильні деталі (наприклад, ШІ малює руки з неправильною кількістю пальців, відома примха) або непередбачувані результати, означають, що арт-директору-людині зазвичай потрібно контролювати якість результату.

Однак є сфери, де ШІ наближається до повної автономії:

• Генеративний дизайн: У таких галузях, як архітектура та дизайн продукції, інструменти штучного інтелекту можуть автономно створювати прототипи дизайну, що відповідають заданим обмеженням. Наприклад, враховуючи бажані розміри та функції предмета меблів, генеративний алгоритм може вивести кілька життєздатних дизайнів (деякі досить нетрадиційні) без втручання людини, що виходять за рамки початкових специфікацій. Ці дизайни потім можуть бути безпосередньо використані або вдосконалені людьми. Аналогічно, в інженерії генеративний штучний інтелект може проектувати деталі (наприклад, компонент літака), оптимізовані за вагою та міцністю, створюючи нові форми, які людина могла б і не уявити.

• Ресурси відеоігор: Штучний інтелект може автоматично генерувати текстури, 3D-моделі або навіть цілі рівні для відеоігор. Розробники використовують це для пришвидшення створення контенту. Деякі інді-ігри почали використовувати процедурно згенеровані ілюстрації та навіть діалоги (за допомогою мовних моделей) для створення величезних, динамічних ігрових світів з мінімальною кількістю ресурсів, створених людиною.

• Анімація та відео (нові): Хоча генеративний ШІ для відео менш зрілий, ніж статичні зображення, він розвивається. ШІ вже може створювати короткі відеокліпи або анімацію з підказок, хоча якість нестабільна. Технологія Deepfake, яка є генеративною, може створювати реалістичні заміни облич або клони голосу. У контрольованих умовах студія може використовувати ШІ для автоматичного створення фонової сцени або анімації натовпу.

Примітно, що Gartner передбачив, що до 2030 року ми побачимо великий блокбастер, 90% контенту якого (від сценарію до візуальних елементів) буде створено штучним інтелектом ( Випадки використання генеративного штучного інтелекту для галузей промисловості та підприємств ). Станом на 2025 рік ми ще не досягли цієї мети – штучний інтелект не може самостійно створити повнометражний фільм. Але частини цієї головоломки розвиваються: генерація сценарію (текстовий штучний інтелект), генерація персонажів та сцен (зображення/відео за допомогою штучного інтелекту), озвучка (клони голосу за допомогою штучного інтелекту) та допомога з монтажем (штучний інтелект вже може допомагати з монтажем та переходами).

Перспективи на 2030-2035 роки: Масштабне створення медіа за допомогою штучного інтелекту

Забігаючи вперед, роль генеративного штучного інтелекту (ШІ) у візуальному мистецтві та дизайні має різко розширитися. Ми очікуємо, що до 2035 року ШІ стане основним творцем контенту в багатьох візуальних медіа, часто працюючи з мінімальним людським втручанням, окрім початкових рекомендацій. Деякі очікування:

• Повністю згенеровані штучним інтелектом фільми та відео: У наступні десять років цілком можливо, що ми побачимо перші фільми чи серіали, які значною мірою будуть створені за допомогою штучного інтелекту. Люди можуть забезпечувати режисуру на високому рівні (наприклад, план сценарію або бажаний стиль), а штучний інтелект рендеритиме сцени, створюватиме подібності акторів та анімувати все. Ранні експерименти з короткометражними фільмами ймовірні протягом кількох років, а спроби повнометражних фільмів – до 2030-х років. Ці фільми зі штучним інтелектом можуть початися як нішеві (експериментальна анімація тощо), але можуть стати мейнстрімними з покращенням якості. Прогноз Gartner щодо 90% фільмів до 2030 року ( Випадки використання генеративного штучного інтелекту для галузей та підприємств ), хоча й амбітний, підкреслює переконання галузі в тому, що створення контенту зі штучним інтелектом буде достатньо складним, щоб взяти на себе більшу частину навантаження у кіновиробництві.

• Автоматизація проектування: У таких галузях, як мода чи архітектура, генеративний штучний інтелект, ймовірно, буде використовуватися для автономного створення сотень дизайнерських концепцій на основі таких параметрів, як «вартість, матеріали, стиль X», залишаючи людям вибір остаточного дизайну. Це змінює поточну динаміку: замість того, щоб дизайнери створювали з нуля та, можливо, використовували штучний інтелект для натхнення, майбутні дизайнери могли б діяти радше як куратори, вибираючи найкращий дизайн, згенерований штучним інтелектом, та, можливо, коригуючи його. До 2035 року архітектор міг би вводити вимоги до будівлі та отримувати повні креслення як пропозиції від штучного інтелекту (усі конструктивно обґрунтовані, завдяки вбудованим інженерним правилам).

• Створення персоналізованого контенту: Ми можемо побачити, як штучний інтелект створює візуальні ефекти на льоту для окремих користувачів. Уявіть собі відеогру або віртуальну реальність у 2035 році, де пейзажі та персонажі адаптуються до вподобань гравця, генеруючись у режимі реального часу штучним інтелектом. Або персоналізовані комікси, що генеруються на основі дня користувача – автономний «комікс-щоденник» на основі штучного інтелекту, який щовечора автоматично перетворює ваш текстовий щоденник на ілюстрації.

• Мультимодальна креативність: Системи генеративного штучного інтелекту стають дедалі мультимодальнішими, тобто вони можуть обробляти текст, зображення, аудіо тощо разом. Поєднуючи їх, штучний інтелект може взяти просту команду, таку як «Створіть мені маркетингову кампанію для продукту X», і створити не просто письмовий текст, а й відповідну графіку, можливо, навіть короткі рекламні відеокліпи, всі узгоджені за стилем. Такий набір контенту, що створюється одним клацанням миші, ймовірно, стане послугою на початку 2030-х років.

замінить ШІ ? Це питання часто виникає. Цілком ймовірно, що ШІ візьме на себе значну частину виробничої роботи (особливо повторюваного або швидкозмінного мистецтва, необхідного для бізнесу), але людська художність залишиться для оригінальності та інновацій. До 2035 року автономний ШІ зможе надійно намалювати картину в стилі відомого художника, але створення нового стилю або мистецтва з глибоким культурним резонансом все ще може бути сильною стороною людини (потенційно, зі ШІ як співавтором). Ми передбачаємо майбутнє, де художники-люди працюватимуть разом із автономними «співхудожниками» на основі ШІ. Наприклад, можна замовити персональний ШІ для постійного створення мистецтва для цифрової галереї у себе вдома, створюючи постійно мінливу творчу атмосферу.

З точки зору надійності, візуальний генеративний ШІ має в деяких аспектах легший шлях до автономії, ніж текст: зображення може бути суб'єктивно «достатньо хорошим», навіть якщо воно не ідеальне, тоді як фактична помилка в тексті є більш проблематичною. Таким чином, ми вже бачимо відносно низький ризик впровадження – якщо дизайн, згенерований ШІ, потворний або неправильний, ви просто не використовуєте його, але сам по собі він не завдає шкоди. Це означає, що до 2030-х років компанії можуть спокійно дозволити ШІ створювати дизайни без нагляду та залучати людей лише тоді, коли потрібно щось справді нове або ризиковане.

Підсумовуючи, очікується, що до 2035 року генеративний ШІ стане потужним творцем візуального контенту, ймовірно, відповідальним за значну частину зображень та медіа навколо нас. Він надійно генеруватиме контент для розваг, дизайну та повсякденного спілкування. Автономний художник вже на горизонті, хоча чи розглядати ШІ як щось креативне , чи просто дуже розумний інструмент, – це дискусія, яка розвиватиметься, оскільки його результати стануть невідрізними від створених людиною.

Генеративний штучний інтелект у розробці програмного забезпечення (кодування)

Розробка програмного забезпечення може здаватися дуже аналітичним завданням, але вона також має творчий елемент – написання коду – це, по суті, створення тексту структурованою мовою. Сучасний генеративний штучний інтелект, особливо моделі великих мов, виявився досить вправним у кодуванні. Такі інструменти, як GitHub Copilot, Amazon CodeWhisperer та інші, діють як парні програмісти ШІ, пропонуючи фрагменти коду або навіть цілі функції під час друку розробниками. Наскільки далеко це може зайти в напрямку автономного програмування?

Поточні можливості (2025): Штучний інтелект як помічник у кодуванні

До 2025 року генератори коду на основі штучного інтелекту стали поширеними в робочих процесах багатьох розробників. Ці інструменти можуть автоматично доповнювати рядки коду, генерувати шаблонні шаблони (наприклад, стандартні функції чи тести) і навіть писати прості програми з описом природною мовою. Однак важливо, що вони працюють під наглядом розробника – розробник переглядає та інтегрує пропозиції штучного інтелекту.

Деякі актуальні факти та цифри:

• До кінця 2023 року понад половина професійних розробників впровадили помічників з кодування на основі штучного інтелекту ( Coding on Copilot: 2023 Data Suggestes Downward Pressure on Code Quality (incl 2024 projections) - GitClear ), що свідчить про швидке впровадження. Повідомлялося, що GitHub Copilot, один з перших широкодоступних інструментів, генерував в середньому 30-40% коду в проектах, де він використовується ( Coding більше не є MOAT. 46% коду на GitHub вже... ). Це означає, що ШІ вже пише значну частину коду, хоча людина керує ним та перевіряє його.

• Ці інструменти штучного інтелекту чудово справляються з такими завданнями, як написання повторюваного коду (наприклад, класи моделей даних, методи отримання/встановлення), перетворення однієї мови програмування на іншу або створення простих алгоритмів, що нагадують навчальні приклади. Наприклад, розробник може прокоментувати «// функція для сортування списку користувачів за іменем», і штучний інтелект майже миттєво згенерує відповідну функцію сортування.

• Вони також допомагають у виправленні помилок та їх поясненні : розробники можуть вставити повідомлення про помилку, а ШІ може запропонувати виправлення, або запитати: «Що робить цей код?» та отримати пояснення природною мовою. Це певною мірою автономно (ШІ може самостійно діагностувати проблеми), але людина вирішує, чи застосовувати виправлення.

• Важливо зазначити, що сучасні помічники з кодування ШІ не є безпомилковими. Вони можуть пропонувати небезпечний код або код, який майже вирішує проблему, але має ледь помітні помилки. Тому найкращою практикою сьогодні є постійне інформування людини – розробник тестує та налагоджує код, написаний ШІ, так само, як і код, написаний людиною. У регульованих галузях або критично важливому програмному забезпеченні (наприклад, медичні чи авіаційні системи) будь-який внесок ШІ проходить ретельну перевірку.

Жодна поширена програмна система сьогодні не розгортається повністю написаною штучним інтелектом з нуля без нагляду розробника. Однак з'являються деякі автономні або напівавтономні способи її використання:

• Автоматично згенеровані модульні тести: ШІ може аналізувати код і створювати модульні тести для різних випадків. Фреймворк тестування може автоматично генерувати та запускати ці тести, написані ШІ, для виявлення помилок, доповнюючи тести, написані людиною.

• Платформи з низьким рівнем коду/без коду зі штучним інтелектом: деякі платформи дозволяють непрограмістам описувати свої бажання (наприклад, «створити веб-сторінку з контактною формою та базою даних для збереження записів»), а система генерує код. Хоча це ще перебуває на ранніх стадіях, це натякає на майбутнє, де штучний інтелект зможе автономно створювати програмне забезпечення для стандартних випадків використання.

• Скрипти та поєднання коду: ІТ-автоматизація часто передбачає написання скриптів для з’єднання систем. Інструменти штучного інтелекту часто можуть генерувати ці невеликі скрипти автоматично. Наприклад, написання скрипта для розбору файлу журналу та надсилання сповіщень електронною поштою – штучний інтелект може створити робочий скрипт з мінімальними редагуваннями або без них.

Перспективи на 2030-2035 роки: шлях до «саморозвиваючогося» програмного забезпечення

Очікується, що протягом наступного десятиліття генеративний штучний інтелект візьме на себе більшу частку навантаження з кодування, наближаючись до повністю автономної розробки програмного забезпечення для певних класів проектів. Деякі прогнозовані розробки:

• Повне впровадження функцій: Ми очікуємо, що до 2030 року ШІ зможе впроваджувати прості функції додатків від початку до кінця. Менеджер продукту може описати функцію простою мовою («Користувачі повинні мати можливість скинути свій пароль через посилання електронної пошти»), а ШІ може згенерувати необхідний код (форма фронтенду, логіка серверної частини, оновлення бази даних, розсилка електронної пошти) та інтегрувати його в кодову базу. ШІ фактично діятиме як молодший розробник, який може дотримуватися специфікацій. Інженер-людина може просто провести огляд коду та провести тести. Зі зростанням надійності ШІ огляд коду може стати швидким оглядом, якщо взагалі буде таким.

• Автономне обслуговування коду: Значна частина програмної інженерії полягає не лише в написанні нового коду, а й у оновленні існуючого коду – виправленні помилок, покращенні продуктивності, адаптації до нових вимог. Майбутні розробники ШІ, ймовірно, досягнуть успіху в цьому. Маючи кодову базу та директиву («наш додаток аварійно завершує роботу, коли забагато користувачів входять у систему одночасно»), ШІ може виявити проблему (наприклад, помилку паралельного доступу) та виправити її. До 2035 року системи ШІ зможуть автоматично обробляти квитки на планове обслуговування протягом ночі, виконуючи роль невтомної команди з обслуговування програмних систем.

• Інтеграція та використання API: Оскільки все більше програмних систем та API постачаються з документацією, яку може читати ШІ, агент ШІ може самостійно з'ясувати, як підключити Систему A до Сервісу B, написавши з'єднувальний код. Наприклад, якщо компанія хоче, щоб її внутрішня система управління персоналом синхронізувалася з новим API нарахування заробітної плати, вона може доручити ШІ «змусити їх взаємодіяти», і він напише код інтеграції після прочитання специфікацій обох систем.

• Якість та оптимізація: Майбутні моделі генерації коду, ймовірно, включатимуть цикли зворотного зв'язку для перевірки працездатності коду (наприклад, проведення тестів або симуляцій у пісочниці). Це означає, що ШІ зможе не лише писати код, але й самостійно виправляти його шляхом тестування. До 2035 року ми зможемо уявити ШІ, який, отримавши завдання, продовжуватиме ітерувати свій код, доки всі тести не пройдуть – процес, який людині, можливо, не потрібно буде контролювати рядок за рядком. Це значно підвищить довіру до автономно згенерованого коду.

Можна уявити собі сценарій до 2035 року, коли невеликий програмний проект, скажімо, спеціальний мобільний додаток для бізнесу, міг би розроблятися здебільшого агентом штучного інтелекту, якому надаються високорівневі інструкції. Людина-«розробник» у цьому сценарії є радше керівником проекту або валідатором, який визначає вимоги та обмеження (безпека, стилістичні рекомендації) та дозволяє штучному інтелекту виконувати важку роботу з фактичного кодування.

Однак, для складного, великомасштабного програмного забезпечення (операційних систем, самих передових алгоритмів штучного інтелекту тощо), експерти-люди все ще будуть глибоко залучені. Креативне вирішення проблем та архітектурне проектування в програмному забезпеченні, ймовірно, залишатимуться під керівництвом людини ще деякий час. Штучний інтелект може виконувати багато завдань кодування, але вирішення того, що створювати, та проектування загальної структури – це вже інша проблема. Проте, оскільки генеративний ШІ починає співпрацювати – кілька агентів ШІ обробляють різні компоненти системи – можливо, що вони можуть певною мірою спільно проектувати архітектури (наприклад, один ШІ пропонує дизайн системи, інший критикує його, і вони виконують ітерації, а людина контролює процес).

Однією з головних очікуваних переваг використання штучного інтелекту в кодуванні є підвищення продуктивності . Gartner прогнозує, що до 2028 року цілих 90% розробників програмного забезпечення використовуватимуть помічників ШІ з кодування (порівняно з менш ніж 15% у 2024 році) ( GitHub Copilot Tops Research Report on AI Code Assistants -- Visual Studio Magazine ). Це говорить про те, що «винятки» – тих, хто не використовує ШІ – будуть невеликими. Ми також можемо спостерігати нестачу розробників-людей у ​​певних сферах, що зменшиться завдяки заповненню прогалин ШІ; по суті, кожен розробник може зробити набагато більше з помічником ШІ, який може автономно створювати код.

Довіра залишатиметься центральним питанням. Навіть у 2035 році організаціям потрібно буде забезпечити безпеку автономно згенерованого коду (ШІ не повинен створювати вразливості) та його відповідність правовим/етичним нормам (наприклад, ШІ не повинен включати плагіат із бібліотеки з відкритим кодом без належної ліцензії). Ми очікуємо, що вдосконалені інструменти управління ШІ, які зможуть перевіряти та відстежувати походження коду, написаного ШІ, допоможуть забезпечити більш автономне кодування без ризику.

Підсумовуючи, до середини 2030-х років генеративний ШІ, ймовірно, оброблятиме левову частку кодування для рутинних програмних завдань та значно допомагатиме у складних. Життєвий цикл розробки програмного забезпечення буде набагато більш автоматизованим – від вимог до розгортання – при цьому ШІ потенційно автоматично генеруватиме та розгортатиме зміни коду. Розробники-люди більше зосереджуватимуться на логіці високого рівня, взаємодії з користувачем та контролі, тоді як агенти ШІ будуть вдосконалювати деталі впровадження.

Генеративний штучний інтелект у сфері обслуговування та підтримки клієнтів

Якщо ви нещодавно спілкувалися в онлайн-чаті підтримки клієнтів, є велика ймовірність, що принаймні частину цього часу на іншому кінці дзвінка був штучний інтелект. Обслуговування клієнтів – це сфера, сприятлива для автоматизації за допомогою ШІ: воно передбачає відповіді на запити користувачів, з чим генеративний ШІ (особливо розмовні моделі) може справлятися досить добре, і часто виконує сценарії або статті бази знань, які ШІ може вивчати. ​​Наскільки автономно ШІ може обробляти клієнтів?

Поточні можливості (2025): Чат-боти та віртуальні агенти виходять на передову

На сьогодні багато організацій використовують чат-ботів на основі штучного інтелекту як першу точку контакту в обслуговуванні клієнтів. Вони варіюються від простих ботів на основі правил («Натисніть 1 для виставлення рахунків, 2 для підтримки…») до просунутих генеративних чат-ботів на основі штучного інтелекту, які можуть інтерпретувати запитання у вільній формі та відповідати розмовно. Ключові моменти:

• Обробка поширених запитань: Агенти зі штучним інтелектом чудово справляються з відповідями на поширені запитання, наданням інформації (години роботи магазину, політика повернення коштів, кроки усунення відомих проблем) та супроводженням користувачів у стандартних процедурах. Наприклад, чат-бот зі штучним інтелектом для банку може самостійно допомогти користувачеві перевірити баланс свого рахунку, скинути пароль або пояснити, як подати заявку на кредит, без допомоги людини.

• Розуміння природної мови: Сучасні генеративні моделі забезпечують більш гнучку та «людську» взаємодію. Клієнти можуть ввести запитання власними словами, і ШІ зазвичай може зрозуміти його намір. Компанії повідомляють, що сучасні агенти ШІ набагато більше задовольняють потреби клієнтів, ніж незграбні боти кілька років тому – майже половина клієнтів зараз вважає, що агенти ШІ можуть бути чуйними та ефективними у вирішенні проблем ( 59 статистичних даних щодо обслуговування клієнтів за допомогою ШІ за 2025 рік ), що свідчить про зростання довіри до послуг на основі ШІ.

• Багатоканальна підтримка: Штучний інтелект не лише в чаті. Голосові помічники (наприклад, системи IVR для телефонів зі штучним інтелектом) починають обробляти дзвінки, а ШІ також може складати відповіді на запити клієнтів електронною поштою, які можуть надсилатися автоматично, якщо їх вважатимуть точними.

• Коли втручаються люди: Зазвичай, якщо штучний інтелект заплутається або питання занадто складне, він передасть завдання людині. Сучасні системи в багатьох випадках добре знають свої межі . Наприклад, якщо клієнт запитує щось незвичне або виявляє розчарування («Це вже третій раз, коли я зв’язуюся з вами, і я дуже засмучений…»), штучний інтелект може позначити це, щоб людина взяла на себе. Поріг для передачі відповідальності встановлюється компаніями, щоб збалансувати ефективність із задоволенням клієнтів.

Багато компаній повідомляють, що значну частину взаємодій вирішують виключно за допомогою штучного інтелекту. Згідно з галузевими опитуваннями, близько 70-80% рутинних запитів клієнтів сьогодні можуть оброблятися за допомогою чат-ботів на базі штучного інтелекту, і близько 40% взаємодій компаній з клієнтами через різні канали вже автоматизовані або здійснюються за допомогою штучного інтелекту ( 52 статистичні дані щодо обслуговування клієнтів на базі штучного інтелекту, які вам слід знати - Plivo ). Глобальний індекс впровадження штучного інтелекту IBM (2022) показав, що 80% компаній використовують або планують використовувати чат-ботів на базі штучного інтелекту для обслуговування клієнтів до 2025 року.

Цікавим розвитком є ​​те, що ШІ не просто відповідає клієнтам, а й проактивно допомагає агентам-людям у режимі реального часу. Наприклад, під час живого чату або дзвінка ШІ може слухати та миттєво надавати агенту-людині запропоновані відповіді або відповідну інформацію. Це розмиває межу автономії – ШІ ​​не стикається з клієнтом самостійно, а активно залучений без явних людських запитів. Він фактично діє як автономний радник агента.

Перспективи на 2030-2035 роки: взаємодія з клієнтами, значною мірою керована штучним інтелектом

Очікується, що до 2030 року більшість взаємодій з клієнтами включатимуть штучний інтелект, причому багато з них будуть повністю оброблятися штучним інтелектом від початку до кінця. Прогнози та тенденції, що підтверджують це:

• Вирішення запитів вищої складності: Оскільки моделі штучного інтелекту інтегрують величезні знання та покращують міркування, вони зможуть обробляти складніші запити клієнтів. Замість того, щоб просто відповідати на запитання «Як мені повернути товар?», майбутній ШІ зможе обробляти багатоетапні проблеми, такі як «Мій інтернет не працює, я спробував перезавантажити, чи можете ви допомогти?», діагностуючи проблему за допомогою діалогу, спрямовуючи клієнта на розширений процес усунення несправностей і, лише якщо все інше не допомагає, плануючи виклик техніка – завдання, які сьогодні, ймовірно, вимагали б залучення людини-технічного спеціаліста. У сфері обслуговування клієнтів у сфері охорони здоров’я ШІ може обробляти запити щодо планування прийому пацієнтів або страхування від початку до кінця.

• Комплексне вирішення проблем обслуговування: Ми можемо побачити, як ШІ не просто говорить клієнту, що робити, а фактично робить це від імені клієнта всередині внутрішніх систем. Наприклад, якщо клієнт каже: «Я хочу змінити свій рейс на наступний понеділок і додати ще один багаж», агент ШІ у 2030 році зможе безпосередньо взаємодіяти із системою бронювання авіакомпанії, виконувати зміни, обробити оплату за багаж і підтвердити це клієнту – все це автономно. ШІ стає повноцінним агентом обслуговування, а не просто джерелом інформації.

• Всюдисущі агенти штучного інтелекту: Компанії, ймовірно, впроваджуватимуть штучний інтелект у всіх точках контакту з клієнтами – телефон, чат, електронна пошта, соціальні мережі. Багато клієнтів можуть навіть не усвідомлювати, чи розмовляють вони зі штучним інтелектом, чи з людиною, особливо враховуючи, що голоси штучного інтелекту стають більш природними, а відповіді в чаті – більш контекстно-залежними. До 2035 року звернення до служби підтримки клієнтів часто може означати взаємодію з розумним штучним інтелектом, який пам’ятає ваші попередні взаємодії, розуміє ваші вподобання та адаптується до вашого тону – по суті, персоналізований віртуальний агент для кожного клієнта.

• Прийняття рішень за допомогою штучного інтелекту у взаємодіях: Окрім відповідей на запитання, штучний інтелект почне приймати рішення, які зараз потребують схвалення керівництва. Наприклад, сьогодні людині може знадобитися схвалення керівника, щоб запропонувати повернення коштів або спеціальну знижку, щоб заспокоїти розлюченого клієнта. У майбутньому штучному інтелекту може бути доручено приймати ці рішення в певних межах, на основі розрахованої цінності життя клієнта та аналізу настроїв. Дослідження Futurum/IBM прогнозує, що до 2030 року близько 69% рішень, прийнятих під час взаємодії з клієнтами в режимі реального часу, будуть прийматися розумними машинами ( Щоб переосмислити перехід до клієнтського досвіду, маркетологи повинні зробити ці 2 речі ) – фактично штучний інтелект вирішуватиме найкращий курс дій у взаємодії.

• 100% залучення ШІ: В одному зі звітів припускається, що ШІ зрештою відіграватиме певну роль у кожній взаємодії з клієнтом ( 59 статистичних даних щодо обслуговування клієнтів на основі ШІ за 2025 рік ), як на початку, так і у фоновому режимі. Це може означати, що навіть якщо людина взаємодіє з клієнтом, їй допомагатиме ШІ (надаючи пропозиції, отримуючи інформацію). З іншого боку, інтерпретація полягає в тому, що жоден запит клієнта не залишається без відповіді – якщо люди офлайн, ШІ завжди присутній.

До 2035 року ми можемо виявити, що агенти служби підтримки клієнтів спеціалізуються лише на найчутливіших або найрелевантніших сценаріях (наприклад, VIP-клієнти або вирішення складних скарг, що потребує людської емпатії). Регулярні запити – від банківських послуг до роздрібної торгівлі та технічної підтримки – можуть обслуговуватися цілою групою агентів зі штучним інтелектом, які працюють цілодобово та постійно навчаються на кожній взаємодії. Цей зсув може зробити обслуговування клієнтів більш послідовним та оперативним, оскільки штучний інтелект не змушує людей чекати в режимі очікування та теоретично може виконувати багато завдань одночасно, обробляючи необмежену кількість клієнтів.

Для реалізації цього бачення є певні труднощі, які необхідно подолати: ШІ має бути дуже стійким, щоб справлятися з непередбачуваністю клієнтів. Він повинен вміти справлятися зі сленгом, гнівом, плутаниною та нескінченною різноманітністю способів спілкування людей. Він також потребує актуальних знань (немає сенсу, якщо інформація ШІ застаріла). Інвестуючи в інтеграцію між ШІ та базами даних компанії (для отримання інформації про замовлення, перебої тощо в режимі реального часу), ці перешкоди можна подолати.

З етичної точки зору, компаніям потрібно буде вирішити, коли розкривати інформацію «ви розмовляєте зі штучним інтелектом», та забезпечити справедливість (ШІ не ставиться до певних клієнтів негативно через упереджене навчання). За умови, що ці фактори будуть враховані, бізнес-кейс є вагомим: обслуговування клієнтів за допомогою ШІ може значно скоротити витрати та час очікування. Прогнозується, що ринок ШІ в обслуговуванні клієнтів зросте до десятків мільярдів доларів до 2030 року ( Звіт про ринок ШІ в обслуговуванні клієнтів 2025-2030: кейс ) ( Як генеративний ШІ сприяє розвитку логістики | Ryder ), оскільки організації інвестують у ці можливості.

Підсумовуючи, очікуйте майбутнього, де автономне обслуговування клієнтів на базі штучного інтелекту стане нормою . Отримання допомоги часто означатиме взаємодію з розумною машиною, яка може швидко вирішити вашу проблему. Люди все ще будуть контролювати та обробляти граничні випадки, але більше як керівники робочої сили, що працює зі штучним інтелектом. Результатом може бути швидше та персоналізованіше обслуговування споживачів – за умови належного навчання та контролю роботи штучного інтелекту, щоб запобігти розчаруванням, пов’язаним із досвідом «гарячих ліній роботів», що був у минулому.

Генеративний штучний інтелект в охороні здоров'я та медицині

Охорона здоров'я – це галузь, де ставки високі. Ідея роботи штучного інтелекту без людського нагляду в медицині викликає як захоплення (через ефективність та охоплення), так і обережність (з міркувань безпеки та емпатії). Генеративний штучний інтелект почав просуватися в такі галузі, як аналіз медичної візуалізації, клінічна документація та навіть розробка ліків. Що він може відповідально робити самостійно?

Поточні можливості (2025): Допомога клініцистам, а не їх заміна

Наразі генеративний штучний інтелект у сфері охорони здоров'я служить переважно потужним помічником медичних працівників, а не автономним приймачем рішень. Наприклад:

• Медична документація: Одним із найуспішніших застосувань штучного інтелекту в охороні здоров’я є допомога лікарям з оформленням документів. Моделі природної мови можуть транскрибувати візити пацієнтів та створювати клінічні записи або виписки. Компанії мають «писарів зі штучним інтелектом», які слухають під час огляду (через мікрофон) і автоматично створюють чернетку записів про зустрічі для ознайомлення лікаря. Це економить час лікарів на введення тексту. Деякі системи навіть автоматично заповнюють частини електронних медичних записів. Це можна зробити з мінімальним втручанням – лікар просто виправляє будь-які незначні помилки в чернетці, а це означає, що написання записів значною мірою відбувається автономно.

• Радіологія та візуалізація: ШІ, включаючи генеративні моделі, може аналізувати рентгенівські знімки, МРТ та КТ для виявлення аномалій (таких як пухлини чи переломи). У 2018 році FDA схвалило систему ШІ для автономного виявлення діабетичної ретинопатії (захворювання очей) на зображеннях сітківки – примітно, що їй було дозволено здійснювати діагностику без огляду спеціаліста в цьому конкретному контексті скринінгу. Ця система не була генеративним ШІ, але вона показує, що регуляторні органи дозволили автономну діагностику за допомогою ШІ в обмежених випадках. Генеративні моделі використовуються для створення комплексних звітів. Наприклад, ШІ може дослідити рентген грудної клітки та скласти звіт рентгенолога , в якому зазначено: «Гострих знахідок немає. Легені чисті. Серце нормального розміру». Потім рентгенолог просто підтверджує та підписує. У деяких рутинних випадках ці звіти цілком можуть бути опубліковані без редагування, якщо рентгенолог довіряє ШІ та просто проводить швидку перевірку.

• Перевірка симптомів та віртуальні медсестри: Чат-боти зі штучним інтелектом використовуються для перевірки симптомів на передовій. Пацієнти можуть вводити свої симптоми та отримувати поради (наприклад, «Це може бути звичайна застуда; відпочивайте та пийте, але зверніться до лікаря, якщо виникне X або Y»). Такі додатки, як Babylon Health, використовують штучний інтелект для надання рекомендацій. Наразі вони зазвичай оформлені як інформаційні, а не остаточні медичні поради, і заохочують до подальшого спостереження у лікаря-клініциста у разі серйозних проблем.

• Відкриття ліків (генеративна хімія): Моделі генеративного штучного інтелекту можуть пропонувати нові молекулярні структури для ліків. Це більше стосується дослідницької сфери, ніж догляду за пацієнтами. Ці штучні інтелекти працюють автономно, пропонуючи тисячі сполук-кандидатів із бажаними властивостями, які потім хіміки-люди переглядають та тестують у лабораторії. Такі компанії, як Insilico Medicine, використовували штучний інтелект для створення нових препаратів-кандидатів за значно менший час. Хоча це не взаємодіє безпосередньо з пацієнтами, це приклад того, як штучний інтелект автономно створює рішення (дизайн молекул), на пошук яких людям знадобилося б набагато більше часу.

• Операції в охороні здоров'я: ШІ допомагає оптимізувати планування, управління постачанням та інші логістичні операції в лікарнях. Наприклад, генеративна модель може симулювати потік пацієнтів і пропонувати коригування графіка для скорочення часу очікування. Хоча це не так помітно, ШІ може приймати ці рішення з мінімальними змінами вручну.

Важливо зазначити, що станом на 2025 рік жодна лікарня не дозволяє штучному інтелекту самостійно приймати важливі медичні рішення чи методи лікування без схвалення людиною. Діагностика та планування лікування залишаються міцно в руках людини, а штучний інтелект забезпечує вхідні дані. Довіра, необхідна для того, щоб штучний інтелект повністю автономно повідомляв пацієнту «У вас рак» або призначав ліки, ще не існує, і вона не повинна бути вироблена без ретельної перевірки. Медичні працівники використовують штучний інтелект як другу пару очей або як інструмент для економії часу, але вони перевіряють критично важливі результати.

Перспективи на 2030-2035 роки: ШІ як колега лікаря (і, можливо, медсестри чи фармацевта)

У наступному десятилітті ми очікуємо, що генеративний штучний інтелект автономно візьме на себе більше рутинних клінічних завдань та розширить охоплення медичних послуг:

• Автоматизовані попередні діагнози: До 2030 року штучний інтелект міг би надійно обробляти початковий аналіз багатьох поширених захворювань. Уявіть собі систему штучного інтелекту в клініці, яка зчитує симптоми пацієнта, історію хвороби, навіть його тон та вираз обличчя через камеру, а також надає діагностичні рекомендації та рекомендовані тести – і все це ще до того, як лікар-людина огляне пацієнта. Потім лікар може зосередитися на підтвердженні та обговоренні діагнозу. У телемедицині пацієнт може спочатку поспілкуватися зі штучним інтелектом, який звузить коло проблеми (наприклад, ймовірна інфекція пазух носа чи щось більш серйозне), а потім, за потреби, з’єднає його з клініцистом. Регулятори можуть дозволити штучному інтелекту офіційно діагностувати певні незначні захворювання без людського нагляду, якщо це буде доведено надзвичайно точним – наприклад, можливо, щоб штучний інтелект діагностував просту інфекцію вуха за зображенням отоскопа.

• Персональні монітори здоров'я: З поширенням носимих пристроїв (розумних годинників, датчиків здоров'я) штучний інтелект постійно моніторитиме пацієнтів та автономно попереджатиме про проблеми. Наприклад, до 2035 року штучний інтелект вашого носимого пристрою зможе виявляти порушення серцевого ритму та автономно планувати для вас термінову віртуальну консультацію або навіть викликати швидку допомогу, якщо виявить ознаки серцевого нападу чи інсульту. Це переходить у сферу автономного прийняття рішень – прийняття рішення про те, що ситуація є надзвичайною, та вжиття заходів – що є ймовірним та рятівним використанням штучного інтелекту.

• Рекомендації щодо лікування: Генеративний штучний інтелект, навчений на медичній літературі та даних пацієнтів, може пропонувати персоналізовані плани лікування. До 2030 року для складних захворювань, таких як рак, онкологічні комісії на основі штучного інтелекту зможуть аналізувати генетичний склад та історію хвороби пацієнта й автономно складати рекомендований режим лікування (план хіміотерапії, вибір препаратів). Лікарі-люди переглядатимуть його, але з часом, у міру зростання впевненості, вони можуть почати приймати плани, створені штучним інтелектом, особливо для рутинних випадків, коригуючи їх лише за потреби.

• Віртуальні медсестри та догляд вдома: ШІ, який може спілкуватися та надавати медичні рекомендації, може виконувати багато подальших дій та моніторингу хронічних захворювань. Наприклад, пацієнти з хронічними захворюваннями вдома можуть щоденно повідомляти про показники помічнику медсестри на базі ШІ, який дає поради («У вас трохи високий рівень цукру в крові, подумайте про коригування свого вечірнього перекусу») та підключається до медсестри-людини лише тоді, коли показники виходять за межі допустимого діапазону або виникають проблеми. Цей ШІ може працювати значною мірою автономно під дистанційним наглядом лікаря.

• Медична візуалізація та лабораторний аналіз – повністю автоматизовані конвеєри: до 2035 року в деяких галузях зчитування медичних сканів може переважно здійснюватися штучним інтелектом. Радіологи контролюватимуть системи штучного інтелекту та оброблятимуть складні випадки, але більшість звичайних сканів (які дійсно є нормальними) зможуть бути «зчитані» та підписані безпосередньо штучним інтелектом. Аналогічно, аналіз патологічних слайдів (наприклад, виявлення ракових клітин під час біопсії) може виконуватися автономно для початкового скринінгу, що значно пришвидшить отримання лабораторних результатів.

• Розробка ліків та клінічні випробування: Штучний інтелект, ймовірно, розроблятиме не лише молекули ліків, але й генеруватиме синтетичні дані пацієнтів для випробувань або знаходитиме оптимальних кандидатів для випробувань. Він може автономно проводити віртуальні випробування (моделюючи реакцію пацієнтів), щоб звузити вибір варіантів перед реальними випробуваннями. Це може швидше вивести ліки на ринок з меншою кількістю експериментів, що проводяться людиною.

Бачення лікаря зі штучним інтелектом, який повністю замінить лікаря-людину, все ще досить далеке та суперечливе. Навіть до 2035 року очікується, що ШІ служитиме колегою, а не заміною людського дотику. Складна діагностика часто вимагає інтуїції, етики та розмов для розуміння контексту пацієнта – сфер, де лікарі-люди досягають успіху. Тим не менш, ШІ може виконувати, скажімо, 80% рутинного робочого навантаження: оформлення документів, прості випадки, моніторинг тощо, дозволяючи лікарям-людям зосередитися на складних 20% та на стосунках з пацієнтами.

Існують значні перешкоди: регуляторне схвалення автономного ШІ в охороні здоров'я є суворим (що цілком доречно). Системи ШІ потребуватимуть ретельної клінічної перевірки. Ми можемо спостерігати поступове прийняття – наприклад, ШІ буде дозволено автономно діагностувати або лікувати в недостатньо обслуговуваних районах, де немає лікарів, як спосіб розширення доступу до медичного обслуговування (уявіть собі «клініку ШІ» у віддаленому селі до 2030 року, яка працюватиме під періодичним теленаглядом лікаря з міста).

Етичні міркування мають велике значення. Підзвітність (якщо автономний ШІ помиляється в діагнозі, хто несе відповідальність?), інформована згода (пацієнти повинні знати, чи ШІ задіяний у їхньому лікуванні) та забезпечення справедливості (ШІ добре працює для всіх груп населення, уникаючи упередженості) – це виклики, з якими потрібно впоратися. Якщо ці питання будуть вирішені, до середини 2030-х років генеративний ШІ може бути вплетений у структуру надання медичної допомоги, виконуючи багато завдань, що звільняють людських постачальників медичних послуг і потенційно охоплюють пацієнтів, які наразі мають обмежений доступ.

Підсумовуючи, до 2035 року охорона здоров'я, ймовірно, матиме глибоку інтеграцію штучного інтелекту, але здебільшого «під капотом» або в допоміжних ролях. Ми довірятимемо штучному інтелекту багато чого робити самостійно – зчитувати скани, спостерігати за життєво важливими показниками, складати плани – але з урахуванням людського нагляду для прийняття критично важливих рішень. Результатом може стати більш ефективна, адаптивна система охорони здоров'я, де штучний інтелект виконує важку роботу, а люди забезпечують емпатію та остаточне рішення.

Генеративний штучний інтелект в освіті

Освіта – це ще одна галузь, де генеративний штучний інтелект набирає обертів, від ботів-репетиторів на базі штучного інтелекту до автоматизованого оцінювання та створення контенту. Викладання та навчання передбачають комунікацію та креативність, що є сильними сторонами генеративних моделей. Але чи можна довіряти штучному інтелекту навчання без нагляду вчителя?

Поточні можливості (2025): Репетитори та генератори контенту на повідку

Наразі штучний інтелект використовується в освіті переважно як додатковий інструмент, а не як окремий вчитель. Приклади поточного використання:

• Помічники репетиторів на основі штучного інтелекту: такі інструменти, як «Khanmigo» від Академії Хана (на базі GPT-4), або різні програми для вивчення мов використовують штучний інтелект для імітації індивідуальної роботи репетитора або партнера по розмові. Студенти можуть ставити запитання природною мовою та отримувати відповіді чи пояснення. Штучний інтелект може надавати підказки щодо вирішення домашніх завдань, пояснювати концепції різними способами або навіть розігрувати роль історичної постаті на інтерактивному уроці історії. Однак ці репетитори на основі штучного інтелекту зазвичай використовуються з наглядом; вчителі або розробники програм часто контролюють діалоги або встановлюють обмеження щодо того, що може обговорювати штучний інтелект (щоб уникнути дезінформації чи невідповідного контенту).

• Створення контенту для вчителів: Генеративний ШІ допомагає вчителям, створюючи запитання для вікторин, конспекти прочитаного, плани уроків тощо. Вчитель може попросити ШІ: «Згенеруй 5 практичних задач на квадратні рівняння з відповідями», що заощадить час на підготовку. Це автономне створення контенту, але вчитель зазвичай перевіряє результат на точність та відповідність навчальній програмі. Тож це скоріше засіб для економії праці, ніж повністю незалежний.

• Оцінювання та зворотний зв'язок: ШІ може автоматично оцінювати іспити з вибором правильних відповідей (нічого нового) та все частіше може оцінювати короткі відповіді або есе. Деякі шкільні системи використовують ШІ для оцінювання письмових відповідей та надання зворотного зв'язку учням (наприклад, граматичні виправлення, пропозиції щодо розширення аргументації). Хоча це не є генеративним завданням як таким, нові ШІ можуть навіть створювати персоналізований звіт зі зворотним зв'язком для учня на основі його успішності, виділяючи області для покращення. Вчителі часто перевіряють оцінені ШІ есе на цьому етапі через побоювання щодо нюансів.

• Адаптивні навчальні системи: це платформи, які налаштовують складність або стиль матеріалу залежно від успішності учня. Генеративний штучний інтелект покращує це, створюючи нові задачі або приклади на льоту, адаптовані до потреб учня. Наприклад, якщо учень має труднощі з певною концепцією, штучний інтелект може згенерувати іншу аналогію або практичне питання, зосереджене на цій концепції. Це певною мірою автономно, але в рамках системи, розробленої викладачами.

• Використання студентами для навчання: Студенти самі використовують такі інструменти, як ChatGPT, щоб допомогти їм у навчанні – запитуючи роз’яснення, переклади або навіть використовуючи штучний інтелект для отримання відгуків щодо чернетки есе («покращуйте свій вступний абзац»). Це самостійна робота, яку може виконувати викладач без відома. У цьому сценарії штучний інтелект діє як репетитор або коректор на вимогу. Завдання полягає в тому, щоб студенти використовували його для навчання, а не просто для отримання відповідей (академічна доброчесність).

Зрозуміло, що станом на 2025 рік штучний інтелект в освіті є потужним, але зазвичай працює з людиною-викладачем, який курує внесок штучного інтелекту. Існує зрозуміла обережність: ми не хочемо довіряти штучному інтелекту викладати неправильну інформацію або обробляти чутливу взаємодію зі студентами у вакуумі. Вчителі розглядають репетиторів зі штучним інтелектом як корисних помічників, які можуть дати учням більше практики та негайні відповіді на рутинні запитання, звільняючи вчителів від необхідності зосередитися на глибшому наставництві.

Перспективи на 2030-2035 роки: персоналізовані репетитори зі штучним інтелектом та автоматизовані помічники вчителів

Ми очікуємо, що в наступному десятилітті генеративний штучний інтелект забезпечить більш персоналізований та автономний навчальний досвід , а ролі вчителів будуть розвиватися:

• Персональні репетитори зі штучним інтелектом для кожного учня: До 2030 року бачення (яке поділяють такі експерти, як Сал Хан з Академії Хана) полягає в тому, щоб кожен учень мав доступ до репетитора зі штучним інтелектом, який у багатьох відношеннях буде таким же ефективним, як і репетитор-людина ( за словами його творця, цей репетитор зі штучним інтелектом може зробити людей у ​​10 разів розумнішими ). ​​Ці репетитори зі штучним інтелектом будуть доступні цілодобово, добре знатимуть історію навчання учня та відповідно адаптуватимуть свій стиль викладання. Наприклад, якщо учень має проблеми з алгебраїчним поняттям, штучний інтелект може динамічно створювати візуальне пояснення або інтерактивну симуляцію, щоб допомогти. Оскільки штучний інтелект може відстежувати прогрес учня з часом, він може самостійно вирішувати, яку тему повторити далі або коли перейти до нової навички – ефективно керуючи планом уроку для цього учня в мікросенсі.

• Зменшення навантаження на вчителя, виконуючи рутинні завдання: оцінювання, створення робочих аркушів, складання навчальних матеріалів – ці завдання можуть бути майже повністю перекладені на ШІ до 2030-х років. ШІ може генерувати тижневі індивідуальні домашні завдання для класу, оцінювати всі завдання минулого тижня (навіть ті, що мають відкриту відповідь) зі зворотним зв'язком та підкреслювати для вчителя, яким учням може знадобитися додаткова допомога з яких тем. Це може відбуватися з мінімальним втручанням вчителя, можливо, лише швидким поглядом, щоб переконатися, що оцінки ШІ здаються справедливими.

• Автономні адаптивні навчальні платформи: Ми можемо побачити повністю керовані штучним інтелектом курси для певних предметів. Уявіть собі онлайн-курс без інструктора-людини, де агент штучного інтелекту вводить матеріал, надає приклади, відповідає на запитання та регулює темп залежно від учня. Досвід учня може бути унікальним для нього, генеруватися в режимі реального часу. Деякі корпоративні тренінги та навчання для дорослих можуть перейти на цю модель раніше, коли до 2035 року співробітник зможе сказати: «Я хочу вивчити розширені макроси Excel», і репетитор зі штучним інтелектом навчатиме його за персоналізованою навчальною програмою, включаючи створення вправ та оцінку їхніх рішень, без інструктора-людини.

• Асистенти ШІ в класі: У фізичних або віртуальних класах ШІ міг би прослуховувати обговорення в класі та допомагати вчителю на ходу (наприклад, шепотіти пропозиції через динамік: «Кілька учнів виглядають спантеличеними щодо цієї концепції, можливо, наведіть інший приклад»). Він також міг би модерувати онлайн-форуми класу, відповідати на прості запитання учнів («Коли потрібно здати завдання?» або навіть уточнювати пункт лекції), щоб вчителя не бомбардували електронними листами. До 2035 року наявність співвикладача зі ШІ в класі, поки вчитель-людина зосереджується на керівництві вищого рівня та мотиваційних аспектах, може стати стандартом.

• Глобальний доступ до освіти: Автономні репетитори зі штучним інтелектом можуть допомогти навчати учнів у районах з нестачею вчителів. Планшет з репетитором зі штучним інтелектом може служити основним інструктором для учнів, які інакше мають обмежену шкільну освіту, охоплюючи базову грамоту та математику. До 2035 року це може стати одним із найефективніших застосувань – ШІ ​​долає прогалини там, де немає вчителів-людей. Однак забезпечення якості та культурної відповідності освіти зі штучним інтелектом у різних контекстах буде життєво важливим.

Чи замінить ШІ вчителів? Навряд чи повністю. Викладання – це більше, ніж просто надання контенту – це наставництво, натхнення, соціально-емоційна підтримка. Ці людські елементи важко відтворити ШІ. Але ШІ може стати другим учителем у класі або навіть першим учителем у передачі знань, залишаючи людям-освітянам зосередитися на тому, що люди вміють найкраще: співпереживати, мотивувати та розвивати критичне мислення.

Існують такі проблеми, які потрібно вирішити: забезпечення надання ШІ точної інформації (відсутність освітніх галюцинацій хибних фактів), уникнення упередженості в освітньому контенті, збереження конфіденційності даних учнів та підтримка зацікавленості учнів (ШІ має мотивувати, а не просто коректувати). Ми, ймовірно, побачимо акредитацію або сертифікацію освітніх систем на основі ШІ – подібно до затвердження підручників – щоб гарантувати їх відповідність стандартам.

Ще однією проблемою є надмірна залежність: якщо репетитор зі штучним інтелектом дає відповіді занадто легко, учні можуть не навчитися наполегливості чи вирішенню проблем. Щоб пом'якшити це, майбутні репетитори зі штучним інтелектом можуть бути розроблені таким чином, щоб іноді дозволяти учням мати труднощі (як це може зробити репетитор-людина) або заохочувати їх вирішувати проблеми за допомогою підказок, а не пропонувати рішення.

До 2035 року клас може змінитися: кожен учень матиме пристрій, підключений до штучного інтелекту, який керуватиме ним у власному темпі, тоді як вчитель керуватиме груповими заняттями та надаватиме людський досвід. Освіта може стати ефективнішою та адаптованішою. ​​Обіцянка полягає в тому, що кожен учень отримає необхідну допомогу, коли вона йому потрібна – справжній досвід «персонального репетитора» у великих масштабах. Ризик полягає у втраті людського контакту або неправильному використанні штучного інтелекту (наприклад, якщо студенти обманюють через штучний інтелект). Але загалом, за умови належного управління, генеративний штучний інтелект здатний демократизувати та покращити навчання, будучи завжди доступним та компетентним супутником учня в його освітній подорожі.

Генеративний штучний інтелект у логістиці та ланцюжку поставок

Логістика – мистецтво та наука переміщення товарів та управління ланцюгами поставок – може здаватися не традиційною сферою для «генеративного» ШІ, але креативне вирішення проблем та планування є ключовими в цій галузі. Генеративний ШІ може допомогти, моделюючи сценарії, оптимізуючи плани та навіть керуючи роботизованими системами. Метою логістики є ефективність та економія коштів, що добре узгоджується з сильними сторонами ШІ в аналізі даних та пропонуванні рішень. Тож наскільки автономним може бути ШІ в управлінні ланцюгами поставок та логістичними операціями?

Поточні можливості (2025): Оптимізація та впорядкування з людським наглядом

Сьогодні штучний інтелект (включаючи деякі генеративні підходи) застосовується в логістиці переважно як інструмент підтримки рішень :

• Оптимізація маршруту: Такі компанії, як UPS та FedEx, вже використовують алгоритми штучного інтелекту для оптимізації маршрутів доставки, гарантуючи, що водії обирають найефективніший шлях. Традиційно це були алгоритми дослідження операцій, але тепер генеративні підходи можуть допомогти дослідити альтернативні стратегії маршрутизації за різних умов (дорожній рух, погода). У той час як штучний інтелект пропонує маршрути, диспетчери або менеджери-люди встановлюють параметри (наприклад, пріоритети) та можуть змінювати їх за потреби.

• Планування навантаження та простору: для пакувальних вантажівок або транспортних контейнерів штучний інтелект може генерувати оптимальні плани завантаження (яка коробка куди йде). Генеративний штучний інтелект може створювати кілька конфігурацій пакування для максимального використання простору, по суті «створюючи» рішення, з яких люди можуть вибирати. Це було підкреслено в дослідженні, в якому зазначається, що вантажівки в США часто порожні на 30%, і краще планування – за допомогою штучного інтелекту – може зменшити ці втрати ( Найкращі варіанти використання генеративного штучного інтелекту в логістиці ). Ці плани навантаження, згенеровані штучним інтелектом, спрямовані на скорочення витрат на паливо та викидів, а на деяких складах вони виконуються з мінімальними змінами вручну.

• Прогнозування попиту та управління запасами: Моделі штучного інтелекту можуть прогнозувати попит на продукцію та створювати плани поповнення запасів. Генеративна модель може моделювати різні сценарії попиту (наприклад, штучний інтелект «уявляє» сплеск попиту через майбутнє свято) та відповідно планувати запаси. Це допомагає менеджерам ланцюгів поставок підготуватися. Наразі штучний інтелект надає прогнози та пропозиції, але люди зазвичай приймають остаточне рішення щодо рівня виробництва або замовлень.

• Оцінка ризиків: Глобальний ланцюг поставок стикається зі збоями (стихійні лиха, затримки в портах, політичні проблеми). Системи штучного інтелекту зараз переглядають новини та дані, щоб виявити ризики на горизонті. Наприклад, одна логістична фірма використовує генеративний штучний інтелект для сканування Інтернету та позначення ризикованих транспортних коридорів (районів, де можуть виникнути проблеми, скажімо, через наближення урагану або заворушень) ( Найкращі варіанти використання генеративного штучного інтелекту в логістиці ). За допомогою цієї інформації планувальники можуть автономно перенаправляти вантажі в обхід проблемних зон. У деяких випадках штучний інтелект може автоматично рекомендувати зміни маршруту або виду транспорту, які потім схвалюють люди.

• Автоматизація складів: Багато складів напівавтоматизовані, а для комплектування та пакування використовуються роботи. Генеративний штучний інтелект може динамічно розподіляти завдання між роботами та людьми для оптимального потоку. Наприклад, штучний інтелект може щоранку генерувати чергу завдань для роботів-комплектувальників на основі замовлень. Часто це повністю автономно, менеджери просто відстежують ключові показники ефективності (KPI) – якщо кількість замовлень несподівано зростає, штучний інтелект самостійно коригує операції.

• Управління автопарком: ШІ допомагає планувати технічне обслуговування транспортних засобів, аналізуючи закономірності та генеруючи оптимальні графіки технічного обслуговування, які мінімізують час простою. Він також може групувати відправлення для скорочення кількості поїздок. Ці рішення можуть прийматися програмним забезпеченням ШІ автоматично, якщо воно відповідає вимогам обслуговування.

Загалом, станом на 2025 рік, люди встановлюють цілі (наприклад, «мінімізувати витрати, але забезпечити доставку протягом 2 днів»), а штучний інтелект розробляє рішення або графіки для досягнення цієї мети. Системи можуть працювати щодня без втручання, доки не станеться щось незвичне. Багато логістичних операцій передбачають повторювані рішення (коли має відправитися ця партія? з якого складу виконати це замовлення?), які штучний інтелект може навчитися приймати послідовно. Компанії поступово довіряють штучному інтелекту обробку цих мікрорішень і сповіщають менеджерів лише про винятки.

Перспективи на 2030-2035 роки: автономні ланцюги поставок

У наступному десятилітті ми можемо уявити собі набагато більш автономну координацію в логістиці, керовану штучним інтелектом:

• Автономні транспортні засоби та дрони: вантажівки з автономним керуванням та дрони доставки, хоча й є ширшою темою штучного інтелекту/робототехніки, безпосередньо впливають на логістику. До 2030 року, якщо буде подолано регуляторні та технічні проблеми, у нас може бути штучний інтелект, який регулярно керуватиме вантажівками на автомагістралях, або дрони, які оброблятимуть доставку на останній милі в містах. Ці штучні інтелекти прийматимуть рішення в режимі реального часу (зміна маршруту, уникнення перешкод) без водіїв-людей. Генеративний аспект полягає в тому, як ці штучні інтелекти транспортних засобів навчаються на величезних даних та симуляціях, фактично «навчаючись» на незліченних сценаріях. Повністю автономний автопарк міг би працювати цілодобово, а люди могли б лише дистанційно контролювати ситуацію. Це усуває величезну кількість людського фактора (водіїв) з ​​логістичних операцій, значно збільшуючи автономність.

• Самовідновлювальні ланцюги поставок: Генеративний ШІ, ймовірно, буде використовуватися для постійного моделювання сценаріїв ланцюга поставок та підготовки планів дій у надзвичайних ситуаціях. До 2035 року ШІ зможе автоматично виявляти, коли завод-постачальник зупинився (через новини або стрічки даних) та негайно переключати постачання на альтернативних постачальників, яких він уже перевірив у симуляції. Це означає, що ланцюг поставок «відновлюється» сам від збоїв, а ШІ бере на себе ініціативу. Менеджери-люди будуть поінформовані про те, що зробив ШІ, а не ті, хто ініціював обхідний шлях.

• Комплексна оптимізація запасів: ШІ міг би автономно керувати запасами в усій мережі складів і магазинів. Він би вирішував, коли і куди переміщувати запаси (можливо, використовуючи для цього роботів або автоматизовані транспортні засоби), зберігаючи достатньо запасів у кожному місці. ШІ, по суті, керує вежею управління ланцюгом поставок: бачить усі потоки та вносить корективи в режимі реального часу. До 2035 року ідея «самокерованого» ланцюга поставок може означати, що система щодня визначає найкращий план розподілу, замовляє продукцію, планує роботу фабрики та організовує транспортування самостійно. Люди контролювали б загальну стратегію та обробляли б винятки, які виходять за межі поточного розуміння ШІ.

• Генеративний дизайн у логістиці: Ми можемо бачити, як ШІ розробляє нові мережі ланцюгів поставок. Припустимо, що компанія розширюється до нового регіону; ШІ може генерувати оптимальні місця розташування складів, транспортні сполучення та політику управління запасами для цього регіону, маючи дані – те, що сьогодні роблять консультанти та аналітики. До 2030 року компанії можуть покладатися на рекомендації ШІ щодо вибору дизайну ланцюгів поставок, довіряючи йому швидше зважувати фактори та, можливо, знаходити креативні рішення (наприклад, неочевидні розподільчі центри), які люди пропускають.

• Інтеграція з виробництвом (Індустрія 4.0): Логістика не існує сама по собі; вона пов'язана з виробництвом. Заводи майбутнього можуть мати генеративний штучний інтелект, який планує виробничі цикли, замовляє сировину точно вчасно, а потім дає інструкції логістичній мережі негайно відвантажувати продукцію. Цей інтегрований штучний інтелект може означати менше людського планування загалом – безперебійний ланцюг від виробництва до доставки, керований алгоритмами, що оптимізують вартість, швидкість та сталий розвиток. Вже до 2025 року високопродуктивні ланцюги поставок будуть керуватися даними; до 2035 року вони можуть бути значною мірою керовані штучним інтелектом.

• Динамічне обслуговування клієнтів у логістиці: Спираючись на штучний інтелект для обслуговування клієнтів, штучний інтелект ланцюга поставок може безпосередньо взаємодіяти з клієнтами. Наприклад, якщо великий клієнт хоче змінити своє оптове замовлення в останню хвилину, агент штучного інтелекту може обговорити можливі альтернативи (наприклад, «Ми можемо доставити половину зараз, половину наступного тижня через обмеження»), не чекаючи на менеджера-людину. Це передбачає генеративне розуміння ШІ обох сторін (потреби клієнта проти операційних можливостей) та прийняття рішень, які забезпечують безперебійну роботу, одночасно задовольняючи клієнтів.

Очікувана перевага полягає в більш ефективній, стійкій та адаптивній логістичній системі. Компанії передбачають величезну економію – McKinsey підрахувала, що оптимізація ланцюга поставок на основі штучного інтелекту може значно скоротити витрати та покращити рівень обслуговування, потенційно додавши трильйони вартості в усіх галузях ( Стан штучного інтелекту в 2023 році: рік прориву генеративного штучного інтелекту | McKinsey ).

Однак, передача більшого контролю штучному інтелекту також несе ризики, такі як каскадування помилок, якщо логіка штучного інтелекту недосконала (наприклад, сумнозвісний сценарій, коли ланцюжок поставок штучного інтелекту ненавмисно призводить до того, що компанія не має товарних запасів через помилку моделювання). Такі запобіжні заходи, як «людина в процесі прийняття важливих рішень» або принаймні панелі інструментів, що дозволяють швидко змінювати рішення людиною, ймовірно, залишаться чинними до 2035 року. З часом, коли рішення, що приймаються штучним інтелектом, підтвердяться, людям буде зручніше відступати.

Цікаво, що, оптимізуючи для ефективності, ШІ іноді може робити вибір, який суперечить людським уподобанням або традиційним практикам. Наприклад, суто оптимізація може призвести до дуже обмежених запасів, що є ефективним, але може здаватися ризикованим. Фахівцям з ланцюгів поставок у 2030 році, можливо, доведеться скоригувати свою інтуїцію, оскільки ШІ, обробляючи величезні обсяги даних, може продемонструвати, що його незвичайна стратегія насправді працює краще.

Зрештою, ми повинні враховувати, що фізичні обмеження (інфраструктура, швидкість фізичних процесів) обмежують швидкість змін у логістиці, тому революція тут полягає в розумнішому плануванні та використанні активів, а не в абсолютно новій фізичній реальності. Але навіть у цих межах креативні рішення генеративного штучного інтелекту та невпинна оптимізація можуть суттєво покращити переміщення товарів світом з мінімальним ручним плануванням.

Підсумовуючи, логістика до 2035 року може працювати подібно до добре змащеної автоматизованої машини: товари рухаються ефективно, маршрути адаптуються в режимі реального часу до збоїв, склади керуються самоорганізацією за допомогою роботів, а вся система постійно навчається та вдосконалюється на основі даних – все це керується генеративним штучним інтелектом, який виступає мозком операції.

Генеративний штучний інтелект у фінансах та бізнесі

Фінансова галузь активно працює з інформацією – звітами, аналізом, комунікаціями з клієнтами – що робить її благодатним ґрунтом для генеративного ШІ. Від банківської справи до управління інвестиціями та страхування, організації досліджують ШІ для автоматизації та отримання аналітичних даних. Питання полягає в тому, які фінансові завдання ШІ може надійно виконувати без людського нагляду, враховуючи важливість точності та довіри в цій галузі?

Поточні можливості (2025): Автоматизовані звіти та підтримка рішень

Станом на сьогодні генеративний штучний інтелект робить свій внесок у фінансову діяльність кількома способами, часто під наглядом людини:

• Генерація звітів: Банки та фінансові фірми створюють численні звіти – зведення про прибутки, коментарі щодо ринку, аналіз портфеля тощо. Штучний інтелект вже використовується для їх складання. Наприклад, Bloomberg розробив BloombergGPT , велику мовну модель, навчену на фінансових даних, для допомоги у виконанні таких завдань, як класифікація новин та питання та відповіді для своїх термінальних користувачів ( Генеративний ШІ приходить у фінанси ). Хоча його основне використання – допомогти людям знаходити інформацію, це демонструє зростаючу роль ШІ. Automated Insights (компанія, з якою працювала AP) також генерувала фінансові статті. Багато інвестиційних розсилок використовують ШІ для підсумовування щоденних рухів ринку або економічних показників. Зазвичай люди переглядають їх перед надсиланням клієнтам, але це швидке редагування, а не написання з нуля.

• Спілкування з клієнтами: У роздрібному банкінгу чат-боти зі штучним інтелектом обробляють запити клієнтів щодо залишків на рахунках, транзакцій або інформації про продукти (інтегруючись у сферу обслуговування клієнтів). Крім того, штучний інтелект може генерувати персоналізовані листи з фінансовими порадами або підказки. Наприклад, штучний інтелект може визначити, що клієнт може заощадити на комісіях, і автоматично скласти повідомлення з пропозицією перейти на інший тип рахунку, яке потім надсилається з мінімальним втручанням людини. Такий вид персоналізованого спілкування у великих масштабах є сучасним використанням штучного інтелекту у фінансах.

• Виявлення шахрайства та сповіщення: Генеративний штучний інтелект може допомогти створювати наративи або пояснення аномалій, виявлених системами боротьби з шахрайством. Наприклад, якщо позначено підозрілу активність, штучний інтелект може згенерувати пояснювальне повідомлення для клієнта («Ми помітили вхід з нового пристрою…») або звіт для аналітиків. Виявлення автоматизовано (за допомогою виявлення аномалій за допомогою штучного інтелекту/машинного навчання), а комунікація стає все більш автоматизованою, хоча остаточні дії (блокування облікового запису) часто підлягають певній перевірці людиною.

• Фінансове консультування (обмежено): Деякі робо-консультанти (автоматизовані інвестиційні платформи) використовують алгоритми (не обов'язково генеративний ШІ) для управління портфелями без участі людей-консультантів. Генеративний ШІ входить, наприклад, шляхом створення коментарів щодо причин здійснених певних угод або зведення показників портфеля, адаптованого до клієнта. Однак, чисті фінансові консультації (наприклад, складне фінансове планування) все ще здебільшого базуються на людських заходах або правилах алгоритмічного характеру; генеративні консультації у вільній формі без нагляду є ризикованими через відповідальність, якщо вони помилкові.

• Оцінка ризиків та андеррайтинг: Страхові компанії тестують штучний інтелект для автоматичного написання звітів про оцінку ризиків або навіть проектів полісів. Наприклад, маючи дані про нерухомість, штучний інтелект може створити проект страхового поліса або звіт андеррайтера з описом факторів ризику. Наразі люди переглядають ці результати, оскільки будь-яка помилка в договорі може дорого коштувати.

• Аналіз даних та аналітика: Штучний інтелект може переглядати фінансову звітність або новини та створювати зведення. Аналітики використовують інструменти, які можуть миттєво узагальнювати 100-сторінковий річний звіт за ключовими пунктами або витягувати основні висновки зі стенограми звіту про прибутки. Ці зведення економлять час і можуть бути використані безпосередньо для прийняття рішень або передані далі, але розсудливі аналітики двічі перевіряють важливі деталі.

По суті, сучасний ШІ у фінансах діє як невтомний аналітик/письменник , створюючи контент, який люди допрацьовують. Повністю автономне використання здебільшого відбувається у чітко визначених сферах, таких як новини на основі даних (без необхідності суб'єктивного судження) або відповіді служби підтримки клієнтів. Безпосереднє довіряння ШІ рішень щодо грошей (наприклад, переказ коштів, виконання угод поза межами попередньо встановлених алгоритмів) трапляється рідко через високі ставки та регуляторний контроль.

Перспективи на 2030-2035 роки: аналітики штучного інтелекту та автономні фінансові операції

Забігаючи вперед, до 2035 року генеративний штучний інтелект може бути глибоко вбудований у фінансові операції, потенційно виконуючи багато завдань автономно:

• Фінансові аналітики на основі штучного інтелекту: Ми можемо побачити системи штучного інтелекту, які зможуть аналізувати компанії та ринки, а також створювати рекомендації чи звіти на рівні аналітика з дослідження людського капіталу. До 2030 року штучний інтелект зможе самостійно читати всі фінансові документи компанії, порівнювати їх з галузевими даними та створювати звіт з інвестиційними рекомендаціями («Купівля/Продаж» з обґрунтуванням). Деякі хедж-фонди вже використовують штучний інтелект для генерації торгових сигналів; до 2030-х років дослідницькі звіти на основі штучного інтелекту можуть стати поширеним явищем. Менеджери портфелів, що працюють за допомогою штучного інтелекту, можуть почати довіряти аналізу, згенерованому штучним інтелектом, як одному з вхідних даних. Існує навіть потенціал для штучного інтелекту автономно керувати портфелями: постійно контролювати та ребалансувати інвестиції відповідно до заздалегідь визначеної стратегії. Фактично, алгоритмічна торгівля вже значною мірою автоматизована – генеративний штучний інтелект може зробити стратегії більш адаптивними, самостійно генеруючи та тестуючи нові торгові моделі.

• Автоматизоване фінансове планування: Консультанти зі штучним інтелектом, орієнтовані на споживачів, могли б виконувати рутинне фінансове планування для фізичних осіб. До 2030 року ви могли б повідомити штучному інтелекту свої цілі (купівля будинку, заощадження на навчання в коледжі), і він міг би створити повний фінансовий план (бюджет, розподіл інвестицій, пропозиції щодо страхування), адаптований до вас. Спочатку його може переглянути фінансовий планувальник-людина, але зі зростанням довіри такі поради можуть надаватися безпосередньо споживачам з відповідними застереженнями. Ключовим буде забезпечення того, щоб поради штучного інтелекту відповідали нормам та відповідали найкращим інтересам клієнта. Якщо це питання буде вирішено, штучний інтелект міг би зробити базові фінансові консультації набагато доступнішими за низькою ціною.

• Автоматизація бек-офісу: Генеративний ШІ міг би автономно обробляти багато документів бек-офісу – заявки на кредити, звіти про відповідність вимогам, підсумки аудиту. Наприклад, ШІ міг би брати всі дані про транзакції та створювати аудиторський звіт, в якому позначалися б будь-які проблеми. Аудитори у 2035 році могли б витрачати більше часу на перевірку винятків, позначених ШІ, ніж самостійно переглядати все. Аналогічно, для дотримання вимог ШІ міг би генерувати звіти про підозрілу діяльність (SAR) для регуляторів без аналітика, який писав би їх з нуля. Автономна генерація цих рутинних документів, при цьому людський нагляд перейшов би на основі винятків, могла б стати стандартом.

• Страхові заяви та андеррайтинг: ШІ міг би обробити страхову заяву (з фотодоказами тощо), визначити покриття та автоматично згенерувати лист про рішення про виплату. Ми можемо досягти точки, коли прості заяви (наприклад, автомобільні аварії з чіткими даними) повністю врегульовуватимуться ШІ протягом кількох хвилин після подання. Андеррайтинг нових полісів міг би бути подібним: ШІ оцінює ризик і генерує умови поліса. До 2035 року, можливо, лише складні або прикордонні випадки передаватимуться андеррайтерам-людям.

• Шахрайство та безпека: Штучний інтелект, ймовірно, буде ще більш важливим у виявленні та реагуванні на шахрайство або кіберзагрози у фінансовій сфері. Автономні агенти ШІ зможуть контролювати транзакції в режимі реального часу та вживати негайних заходів (блокувати рахунки, заморожувати транзакції) за певних критеріїв, а потім надавати обґрунтування. Швидкість тут має вирішальне значення, тому бажано мінімальне втручання людини. Генеративна частина може полягати в чіткому інформуванні клієнтів або регуляторів про ці дії.

• Підтримка керівництва: Уявіть собі «керівника апарату» зі штучним інтелектом, який може створювати бізнес-звіти для керівників на льоту. Запитайте: «Як наш європейський підрозділ працював у цьому кварталі та які були основні рушійні сили порівняно з минулим роком?», і штучний інтелект створить стислий звіт із точними діаграмами, що базуються на даних. Цей тип динамічної, автономної звітності та аналізу може стати таким же простим, як розмова. До 2030 року запити до штучного інтелекту щодо бізнес-аналітики та довіра до нього у наданні правильних відповідей можуть значною мірою замінити статичні звіти та, можливо, навіть деякі ролі аналітиків.

Один цікавий прогноз: до 2030-х років більшість фінансового контенту (новини, звіти тощо) може бути згенерована штучним інтелектом . Такі видання, як Dow Jones та Reuters, вже використовують автоматизацію для певних новинних блоків. Якщо ця тенденція збережеться, враховуючи вибухове зростання фінансових даних, штучний інтелект може бути відповідальним за фільтрацію та передачу більшої його частини.

Однак довіра та перевірка будуть центральними. Фінансова галузь суворо регулюється, і будь-який штучний інтелект, що працює автономно, повинен відповідати суворим стандартам:

• Забезпечення відсутності галюцинацій (не можна дозволити аналітику штучного інтелекту вигадати фінансовий показник, який не є реальним – це може ввести ринки в оману).

• Уникнення упередженості або незаконної практики (наприклад, ненавмисне виключення з процесу прийняття рішень щодо кредитування через упереджені дані навчання).

• Перевірність: регулятори, ймовірно, вимагатимуть, щоб рішення ШІ були пояснені. Якщо ШІ відхиляє кредит або приймає торгове рішення, має бути обґрунтування, яке можна перевірити. Генеративні моделі можуть бути чимось на зразок чорної скриньки, тому очікуйте розробки поясненних методів ШІ , щоб зробити їхні рішення прозорими.

Наступні 10 років, ймовірно, передбачатимуть тісну співпрацю між ШІ та фінансовими фахівцями, поступово зміщуючи межі автономії в міру зростання довіри. Перші перемоги прийдуть у сфері автоматизації з низьким рівнем ризику (наприклад, генерації звітів). Важчими будуть ключові рішення, такі як кредитні рішення або вибір інвестицій, але навіть там, у міру того, як ШІ накопичуватиме свій досвід, фірми можуть надати йому більше автономії. Наприклад, можливо, фонд ШІ працюватиме під керівництвом людини-наглядача, який втручається лише у випадку відхилення від результатів діяльності або якщо ШІ сигналізує про невизначеність.

З економічної точки зору, McKinsey підрахувала, що штучний інтелект (особливо штучний інтелект покоління) може щорічно збільшувати вартість банківської справи на 200-340 мільярдів доларів, а також мати аналогічний значний вплив на ринки страхування та капіталу ( Стан штучного інтелекту у 2023 році: рік прориву генеративного штучного інтелекту | McKinsey ) ( Яке майбутнє генеративного штучного інтелекту? | McKinsey ). Це досягається завдяки ефективності та кращим результатам прийняття рішень. Щоб отримати цю цінність, значна частина рутинного фінансового аналізу та комунікації, ймовірно, буде передана системам штучного інтелекту.

Підсумовуючи, до 2035 року генеративний ШІ може стати схожим на армію молодших аналітиків, радників та клерків, що працюють у фінансовому секторі, виконуючи значну частину важкого та деякий складний аналіз автономно. Люди, як і раніше, ставитимуть цілі та займатимуться стратегією високого рівня, взаємовідносинами з клієнтами та наглядом. Фінансовий світ, будучи обережним, поступово розширюватиме автономію, але напрямок очевидний: все більше обробки інформації та навіть рекомендацій щодо рішень надходитиме від ШІ. В ідеалі це призведе до швидшого обслуговування (миттєві позики, цілодобові консультації), зниження витрат та потенційно більшої об'єктивності (рішення на основі шаблонів даних). Але підтримка довіри буде мати вирішальне значення; одна гучна помилка ШІ у фінансах може завдати величезної шкоди (уявіть собі раптовий крах, спровокований ШІ, або помилково відмовлену в вигоді тисячам людей). Отже, захисні бар'єри та людські перевірки, ймовірно, зберігатимуться, особливо для дій, пов'язаних зі споживачами, навіть коли процеси бек-офісу стають дуже автономними.

Проблеми та етичні міркування

У всіх цих сферах, оскільки генеративний ШІ бере на себе більш автономні обов'язки, виникає низка спільних викликів та етичних питань. Забезпечення надійності та корисності ШІ як автономного агента – це не просто технічне, а й суспільне завдання. Тут ми окреслюємо ключові проблеми та те, як вони вирішуються (або потребуватиме вирішення):

Надійність і точність

Проблема галюцинацій: Моделі генеративного ШІ можуть створювати неправильні або повністю сфабриковані результати, які виглядають впевнено. Це особливо небезпечно, коли немає людини, яка б могла виявити помилки. Чат-бот може дати клієнту неправильні інструкції, або звіт, написаний ШІ, може містити вигадану статистику. Станом на 2025 рік, неточність визнається організаціями головним ризиком генеративного ШІ ( Стан ШІ у 2023 році: рік прориву генеративного ШІ | McKinsey ) ( Стан ШІ: Глобальне опитування | McKinsey ). У майбутньому для мінімізації галюцинацій використовуються такі методи, як перевірка фактів у базах даних, покращення архітектури моделі та навчання з підкріпленням зі зворотним зв'язком. Автономні системи ШІ, ймовірно, потребуватимуть ретельного тестування та, можливо, формальної перевірки для критично важливих завдань (таких як генерація коду, який може призвести до помилок/недоліків безпеки, якщо він неправильний).

Узгодженість: Системи штучного інтелекту повинні надійно працювати з часом та в різних сценаріях. Наприклад, ШІ може добре справлятися зі стандартними питаннями, але спотикатися в крайніх випадках. Забезпечення стабільної роботи вимагатиме великих навчальних даних, що охоплюють різноманітні ситуації, та постійного моніторингу. Багато організацій планують використовувати гібридні підходи – ШІ ​​справді працює, але випадкові вибірки перевіряються людьми – щоб оцінити поточні показники точності.

Захист від відмов: Коли ШІ працює автономно, вирішальним є те, щоб він розпізнавав власну невизначеність. Система повинна бути розроблена так, щоб «знати, коли вона не знає діагнозу». Наприклад, якщо лікар на базі ШІ не впевнений у діагнозі, він повинен позначити його для перевірки людиною, а не давати випадкового припущення. Вбудовування оцінки невизначеності у вихідні дані ШІ (і встановлення порогових значень для автоматичної передачі людиною) є активною сферою розробки.

Упередженість та справедливість

Генеративний ШІ навчається на історичних даних, які можуть містити упередження (расові, гендерні тощо). Автономний ШІ може увічнювати або навіть посилювати ці упередження:

• Під час найму або прийому на роботу особа, яка приймає рішення щодо ШІ, може несправедливо дискримінувати, якщо її навчальні дані будуть упередженими.

• У сфері обслуговування клієнтів штучний інтелект може реагувати на користувачів по-різному залежно від діалекту чи інших факторів, якщо ретельно не перевірити його.

• У творчих сферах штучний інтелект може недостатньо представляти певні культури чи стилі, якщо навчальний набір був незбалансованим.

Вирішення цієї проблеми вимагає ретельного курування наборів даних, тестування на упередженість та, можливо, алгоритмічних коригувань для забезпечення справедливості. Прозорість є ключовою: компанії повинні будуть розкривати критерії прийняття рішень щодо ШІ, особливо якщо автономний ШІ впливає на чиїсь можливості чи права (наприклад, отримання кредиту чи роботи). Регулятори вже звертають на це увагу; наприклад, Закон ЄС про ШІ (який розробляється з середини 2020-х років) ймовірно, вимагатиме оцінки упередженості для систем ШІ з високим рівнем ризику.

Підзвітність та юридична відповідальність

Коли система штучного інтелекту, що працює автономно, завдає шкоди або робить помилку, хто несе відповідальність? Правові бази наздоганяють:

• Компанії, що впроваджують штучний інтелект, ймовірно, нестимуть відповідальність, подібну до відповідальності за дії співробітника. Наприклад, якщо штучний інтелект дає погану фінансову пораду, що призводить до збитків, фірма, можливо, буде змушена компенсувати клієнту.

• Точаться дебати щодо «індивідуальності» ШІ або того, чи може передовий ШІ бути частково відповідальним, але це зараз радше теоретично. Практично провина буде лежати на розробниках або операторах.

• Можуть з'явитися нові страхові продукти на випадок збоїв штучного інтелекту. Якщо безпілотна вантажівка спричинить аварію, страховка виробника може покрити її, аналогічно відповідальності за якість продукції.

• Документування та реєстрація рішень ШІ будуть важливими для аналізу після дій. Якщо щось піде не так, нам потрібно буде перевірити хід рішень ШІ, щоб навчитися на цьому та визначити відповідальних. Регулятори можуть вимагати ведення реєстрації автономних дій ШІ саме з цієї причини.

Прозорість та зрозумілість

Автономний ШІ в ідеалі повинен мати змогу пояснювати свої міркування зрозумілою для людини термінологією, особливо у важливих сферах (фінанси, охорона здоров'я, система правосуддя). Пояснювальний ШІ – це галузь, яка прагне відкрити чорну скриньку:

• Для відмови у видачі кредиту штучним інтелектом, правила (як у США, ECOA) можуть вимагати надання заявнику причини. Тому штучний інтелект повинен вивести фактори (наприклад, «високий коефіцієнт боргу до доходу») як пояснення.

• Користувачі, які взаємодіють зі штучним інтелектом (наприклад, студенти з репетитором зі штучним інтелектом або пацієнти з медичним додатком на основі штучного інтелекту), заслуговують на знання того, як він отримує рекомендації. Докладаються зусилля, щоб зробити міркування ШІ більш відстежуваними, або шляхом спрощення моделей, або шляхом використання паралельних пояснювальних моделей.

• Прозорість також означає, що користувачі повинні знати , коли вони мають справу зі штучним інтелектом, а коли з людиною. Етичні принципи (і, ймовірно, деякі закони) схиляються до вимоги розкриття інформації, якщо клієнт спілкується з ботом. Це запобігає обману та дозволяє користувачеві отримати згоду. Деякі компанії тепер явно позначають контент, написаний штучним інтелектом (наприклад, «Ця стаття була створена штучним інтелектом»), щоб підтримувати довіру.

Конфіденційність та захист даних

Генеративному штучному інтелекту часто потрібні дані, зокрема потенційно конфіденційні персональні дані, для функціонування або навчання. Автономні операції повинні поважати конфіденційність:

• Агент служби підтримки клієнтів зі штучним інтелектом отримає доступ до інформації облікового запису, щоб допомогти клієнту; ці дані мають бути захищені та використовуватися лише для виконання завдання.

• Якщо репетитори зі штучним інтелектом мають доступ до профілів учнів, існують міркування згідно із законами, такими як FERPA (у США), для забезпечення конфіденційності освітніх даних.

• Великі моделі можуть ненавмисно запам'ятовувати специфічні дані зі своїх навчальних даних (наприклад, повторювати адресу людини, яку бачили під час навчання). Такі методи, як диференціальна конфіденційність та анонімізація даних у навчанні, важливі для запобігання витоку особистої інформації у згенерованих вихідних даних.

• Такі правила, як GDPR, надають особам права щодо автоматизованих рішень, що стосуються їх. Люди можуть вимагати перевірки людиною або не автоматизувати рішення виключно, якщо вони суттєво впливають на них. До 2030 року ці правила можуть розвиватися, оскільки штучний інтелект стає більш поширеним, можливо, запроваджуючи права на пояснення або відмову від обробки даних за допомогою штучного інтелекту.

Безпека та зловживання

Автономні системи штучного інтелекту можуть стати цілями для злому або бути використані для здійснення шкідливих дій:

• Генератор контенту на основі штучного інтелекту може бути використаний для створення дезінформації у великих масштабах (відео з діпфейками, фейкові новини), що є суспільним ризиком. Етичність випуску дуже потужних генеративних моделей є предметом гарячих дискусій (наприклад, OpenAI спочатку обережно ставився до можливостей GPT-4 щодо зображень). Рішення включають додавання водяних знаків до контенту, згенерованого штучним інтелектом, для виявлення фейків та використання штучного інтелекту для боротьби зі штучним інтелектом (наприклад, алгоритми виявлення діпфейків).

• Якщо штучний інтелект контролює фізичні процеси (дрони, автомобілі, промислове управління), захист його від кібератак є критично важливим. Зламана автономна система може завдати шкоди в реальному світі. Це означає надійне шифрування, захист від збоїв та можливість людського контролю або вимкнення системи, якщо щось здається скомпрометованим.

• Також існує занепокоєння щодо виходу ШІ за межі передбачених можливостей (сценарій «шахрайського ШІ»). Хоча сучасні ШІ не мають ні свободи дій, ні наміру, якщо майбутні автономні системи будуть більш агентивними, необхідні суворі обмеження та моніторинг, щоб гарантувати, що вони, скажімо, не здійснюють несанкціоновані операції або не порушують закони через неправильно визначену мету.

Етичне використання та вплив на людину

Нарешті, ширші етичні міркування:

• Звільнення з роботи: Якщо ШІ може виконувати завдання без втручання людини, що станеться з цими робочими місцями? Історично склалося так, що технології автоматизують деякі робочі місця, але створюють інші. Перехід може бути болісним для працівників, чиї навички пов'язані з завданнями, які стають автоматизованими. Суспільству потрібно буде впоратися з цим шляхом перекваліфікації, освіти та, можливо, переосмислення економічної підтримки (деякі припускають, що ШІ може вимагати таких ідей, як універсальний базовий дохід, якщо велика частина роботи буде автоматизована). Опитування вже демонструють неоднозначні почуття – одне дослідження виявило, що третина працівників стурбована тим, що ШІ замінить робочі місця, тоді як інші вважають, що він позбавить їх виснажливої ​​праці.

• Ерозія людських навичок: Якщо репетитори зі штучного інтелекту навчатимуть, а автопілоти — керуватимуть, а сам ШІ пише код, чи втратять люди ці навички? Надмірна залежність від ШІ в найгіршому випадку може призвести до втрати експертизи; це те, на що освітні та навчальні програми повинні будуть орієнтуватися, гарантуючи, що люди все одно вивчатимуть основи, навіть якщо ШІ допоможе.

• Етичне прийняття рішень: ШІ не має людського морального судження. В охороні здоров'я чи юриспруденції рішення, що приймаються виключно на основі даних, можуть суперечити співчуттю чи справедливості в окремих випадках. Нам може знадобитися закодувати етичні рамки в ШІ (галузь досліджень етики ШІ, наприклад, узгодження рішень ШІ з людськими цінностями). Як мінімум, доцільно тримати людей в курсі етично забарвлених рішень.

• Інклюзивність: Забезпечення широкого розповсюдження переваг ШІ є етичною метою. Якщо лише великі компанії можуть дозволити собі передовий ШІ, менші підприємства або бідніші регіони можуть залишитися позаду. Зусилля з відкритим кодом та доступні рішення ШІ можуть допомогти демократизувати доступ. Крім того, інтерфейси повинні бути розроблені таким чином, щоб кожен міг використовувати інструменти ШІ (різні мови, доступність для людей з інвалідністю тощо), щоб ми не створили новий цифровий розрив між тим, «хто має помічника ШІ, а хто ні».

Поточне зменшення ризиків: З позитивного боку, оскільки компанії впроваджують генераційний штучний інтелект, зростає обізнаність та вживаються заходи щодо цих питань. До кінця 2023 року майже половина компаній, що використовують ШІ, активно працювали над зменшенням таких ризиків, як неточність ( Стан ШІ у 2023 році: рік прориву генеративного ШІ | McKinsey ) ( Стан ШІ: Глобальне опитування | McKinsey ), і це число зростає. Технологічні фірми створили ради з етики ШІ; уряди розробляють нормативні акти. Головне — врахувати етику в розробці ШІ з самого початку («Етика за проектом»), а не реагувати пізніше.

На завершення щодо викликів: надання більшої автономії ШІ – це палиця з двома кінцями. Це може призвести до ефективності та інновацій, але вимагає високої планки відповідальності. У найближчі роки, ймовірно, з’явиться поєднання технологічних рішень (для покращення поведінки ШІ), процесних рішень (політичні та наглядові системи) та, можливо, нових стандартів чи сертифікацій (системи ШІ можуть проходити аудит та сертифікацію, як це роблять сьогодні двигуни чи електроніка). Успішне подолання цих викликів визначатиме, наскільки плавно ми зможемо інтегрувати автономний ШІ в суспільство таким чином, щоб це сприяло добробуту та довірі людей.

Висновок

Генеративний штучний інтелект швидко еволюціонував від нового експерименту до трансформаційної технології загального призначення, яка торкається кожного куточка нашого життя. У цьому документі досліджується, як до 2025 року системи штучного інтелекту вже пишуть статті, розробляють графіку, кодують програмне забезпечення, спілкуються з клієнтами, складають узагальнення медичних записок, навчають студентів, оптимізують ланцюги поставок та складають фінансові звіти. Важливо, що в багатьох із цих завдань штучний інтелект може працювати практично без втручання людини , особливо для чітко визначених, повторюваних завдань. Компанії та приватні особи починають довіряти штучному інтелекту виконувати ці обов'язки автономно, отримуючи переваги у швидкості та масштабі.

Заглядаючи в 2035 рік, ми стоїмо на порозі ери, коли ШІ стане ще більш повсюдним помічником – часто невидимою цифровою робочою силою , яка займатиметься рутинними справами, щоб люди могли зосередитися на винятковому. Ми очікуємо, що генеративний ШІ зможе надійно керувати автомобілями та вантажівками на наших дорогах, керувати запасами на складах протягом ночі, відповідати на наші запитання як компетентні особисті помічники, надавати індивідуальні навчання студентам у всьому світі та навіть допомагати відкривати нові ліки в медицині – і все це з дедалі меншим прямим наглядом. Межа між інструментом та агентом розмиється, оскільки ШІ перейде від пасивного виконання інструкцій до проактивного створення рішень.

Однак, шлях до цього автономного майбутнього штучного інтелекту має бути обережним. Як ми вже зазначали, кожна сфера має свій власний набір обмежень та обов'язків:

• Сьогоднішня перевірка реальності: ШІ не є безпомилковим. Він чудово розпізнає образи та створює контент, але йому бракує справжнього розуміння та здорового глузду в людському сенсі. Таким чином, поки що людський нагляд залишається захисною сіткою. Вирішальним є визначення того, коли ШІ готовий діяти самостійно (а коли ні). Багато успіхів сьогодні досягаються завдяки команди людина-ШІ , і цей гібридний підхід продовжуватиме бути цінним там, де повна автономія ще не є доцільною.

• Обіцянка завтрашнього дня: Завдяки розвитку архітектури моделей, методів навчання та механізмів контролю, можливості штучного інтелекту продовжуватимуть розширюватися. Наступне десятиліття досліджень і розробок може вирішити багато поточних проблем (зменшення галюцинацій, покращення інтерпретації, узгодження штучного інтелекту з людськими цінностями). Якщо так, то системи штучного інтелекту до 2035 року можуть бути достатньо потужними, щоб їм було довірено набагато більшу автономію. Прогнози, наведені в цій статті – від викладачів штучного інтелекту до переважно самостійно керованих підприємств – цілком можуть стати нашою реальністю або навіть бути перевершеними інноваціями, які сьогодні важко уявити.

• Роль людини та адаптація: Замість того, щоб штучний інтелект повністю замінити людей, ми передбачаємо еволюцію ролей. Фахівцям у кожній галузі, ймовірно, потрібно буде навчитися працювати зі штучним інтелектом – керувати ним, перевіряти його та зосереджуватися на аспектах роботи, які потребують виразно людських сильних сторін, таких як емпатія, стратегічне мислення та вирішення складних проблем. Освіта та навчання робочої сили повинні бути спрямовані на акцентування цих унікальних людських навичок, а також на грамотність у сфері штучного інтелекту для всіх. Політики та бізнес-лідери повинні планувати переходи на ринку праці та забезпечувати системи підтримки для тих, хто постраждав від автоматизації.

• Етика та управління: Мабуть, найважливіше те, що цей технологічний розвиток має бути підкріплений системою етичного використання та управління ШІ. Довіра є валютою впровадження – люди дозволять ШІ керувати автомобілем або допомагати під час операцій лише тоді, коли впевнені, що це безпечно. Побудова такої довіри передбачає ретельне тестування, прозорість, залучення зацікавлених сторін (наприклад, залучення лікарів до розробки медичних ШІ, вчителів до інструментів навчання з використання ШІ) та відповідне регулювання. Міжнародна співпраця може бути необхідною для вирішення таких проблем, як глибокі фейки або ШІ у війні, забезпечуючи глобальні норми відповідального використання.

На завершення, генеративний ШІ є потужним двигуном прогресу. За умови розумного використання, він може позбавити людей виснажливої ​​праці, розкрити творчий потенціал, персоналізувати послуги та заповнити прогалини (забезпечуючи експертизу там, де її бракує). Головне — використовувати його таким чином, щоб розширити людський потенціал, а не маргіналізувати його . У найближчій перспективі це означає тримати людей в курсі подій, щоб керувати ШІ. У довгостроковій перспективі це означає закодувати гуманістичні цінності в основі систем ШІ, щоб навіть коли вони діють самостійно, вони діяли в наших колективних інтересах.

Домен	Надійна автономія сьогодні (2025)	Очікувана надійна автономія до 2035 року
Написання текстів та контент	- Автоматично генеровані звичайні новини (спорт, прибутки). - Огляди продуктів, узагальнені штучним інтелектом. - Чернетки статей або електронних листів для редагування людиною. ( Філана Паттерсон – профіль спільноти ONA ) ( Amazon покращує досвід відгуків клієнтів за допомогою штучного інтелекту )	- Більшість новинного та маркетингового контенту автоматично написані з достовірністю фактів. - Штучний інтелект створює повні статті та прес-релізи з мінімальним наглядом. - Високо персоналізований контент генерується на вимогу.
Образотворче мистецтво та дизайн	- Штучний інтелект генерує зображення з підказок (людина вибирає найкраще). - Концептуальне мистецтво та варіації дизайну створюються автономно.	- Штучний інтелект створює повноцінні відео/фільми та складну графіку. - Генеративний дизайн продуктів/архітектури, що відповідає специфікаціям. - Персоналізовані медіа (зображення, відео), створені на замовлення.
Програмне кодування	- ШІ автоматично завершує код і пише прості функції (перевірено розробником). - Автоматизована генерація тестів та пропозиції щодо помилок. ( Кодування на Copilot: дані за 2023 рік свідчать про зниження якості коду (включно з прогнозами на 2024 рік) - GitClear ) ( GitHub Copilot очолює дослідницький звіт про помічників коду на основі ШІ -- Журнал Visual Studio )	- Штучний інтелект надійно реалізує всі функції зі специфікацій. - Автономне налагодження та підтримка коду для відомих шаблонів. - Створення додатків з низьким рівнем коду та мінімальним людським втручанням.
Обслуговування клієнтів	- Чат-боти відповідають на поширені запитання, вирішують прості проблеми (передають складні справи). - Штучний інтелект обробляє ~70% рутинних запитів на деяких каналах. ( 59 статистик обслуговування клієнтів за допомогою ШІ за 2025 рік ) ( До 2030 року 69% рішень під час взаємодії з клієнтами будуть... )	- Штучний інтелект обробляє більшість взаємодій з клієнтами від початку до кінця, включаючи складні запити. - Прийняття рішень у режимі реального часу за допомогою штучного інтелекту щодо поступок на послуги (повернення коштів, оновлення). - Агенти-люди лише для ескалацій або особливих випадків.
Охорона здоров'я	- ШІ складає медичні довідки; пропонує діагнози, які лікарі перевіряють. - ШІ зчитує деякі скани (радіологічні дослідження) з урахуванням нагляду; проводить сортування простих випадків. (Кількість продуктів медичної візуалізації на основі ШІ може зрости вп'ятеро до 2035 року )	- Штучний інтелект надійно діагностує поширені захворювання та інтерпретує більшість медичних зображень. - Штучний інтелект контролює стан пацієнтів та ініціює догляд (наприклад, нагадування про ліки, екстрені сповіщення). - Віртуальні «медсестри» зі штучним інтелектом виконують рутинні подальші огляди; лікарі зосереджуються на складному догляді.
Освіта	- Репетитори зі штучним інтелектом відповідають на запитання учнів, створюють практичні завдання (спостерігають за роботою вчителя). - ШІ допомагає в оцінюванні (за допомогою перевірки вчителя). ([Генеративний ШІ для освіти K-12]	Дослідницький звіт Applify]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
Логістика	- ШІ оптимізує маршрути доставки та пакування (люди ставлять цілі). - ШІ позначає ризики ланцюга поставок та пропонує способи їх пом'якшення. ( Найкращі приклади використання генеративного ШІ в логістиці )	- Переважно автономні доставки (вантажівки, дрони) під наглядом контролерів зі штучним інтелектом. - Штучний інтелект автономно перенаправляє вантажі в обхід збоїв та коригує запаси. - Координація ланцюга поставок (замовлення, розподіл) від початку до кінця під управлінням ШІ.
Фінанси	- Штучний інтелект генерує фінансові звіти/новинні огляди (перевірені людиною). - Робо-консультанти керують простими портфелями; чат зі штучним інтелектом обробляє запити клієнтів. ( Генеративний штучний інтелект приходить у фінанси )	- Аналітики на основі штучного інтелекту створюють інвестиційні рекомендації та звіти про ризики з високою точністю. - Автономна торгівля та ребалансування портфеля в межах встановлених лімітів. - Штучний інтелект автоматично схвалює стандартні позики/вимоги; люди обробляють винятки.

Список літератури:

1. Паттерсон, Філана. Автоматизовані історії про прибутки множаться . Associated Press (2015) – Описує автоматизовану генерацію AP тисяч звітів про прибутки без участі людини-копірайтера ( Автоматичні історії про прибутки множаться | Associated Press ).

2. McKinsey & Company. Стан штучного інтелекту на початку 2024 року: Впровадження покоління штучного інтелекту стрімко зростає та починає генерувати цінність . (2024) – Повідомляється, що 65% організацій регулярно використовують генеративний штучний інтелект, що майже вдвічі більше, ніж у 2023 році ( Стан штучного інтелекту на початку 2024 року | McKinsey ), а також обговорюються зусилля щодо зменшення ризиків ( Стан штучного інтелекту: Глобальне опитування | McKinsey ).

3. Gartner. За межами ChatGPT: Майбутнє генеративного ШІ для підприємств . (2023) – Прогнозує, що до 2030 року 90% блокбастерів може бути згенеровано за допомогою ШІ ( Випадки використання генеративного ШІ для галузей промисловості та підприємств ), а також висвітлює випадки використання генеративного ШІ, такі як розробка ліків ( Випадки використання генеративного ШІ для галузей промисловості та підприємств ).

4. Twipe. 12 способів, як журналісти використовують інструменти штучного інтелекту в новинах . (2024) – Приклад того, як штучний інтелект «Клара» в новинному виданні пише 11% статей, а редактори-люди переглядають весь контент зі штучним інтелектом ( 12 способів, як журналісти використовують інструменти штучного інтелекту в новинах – Twipe ).

5. Новини Amazon.com. Amazon покращує роботу з відгуками клієнтів за допомогою штучного інтелекту . (2023) – Анонсує створення зведених відгуків за допомогою штучного інтелекту на сторінках товарів для допомоги покупцям ( Amazon покращує роботу з відгуками клієнтів за допомогою штучного інтелекту ).

6. Zendesk. 59 Статистика обслуговування клієнтів зі штучним інтелектом за 2025 рік . (2023) – Вказує на те, що понад дві третини організацій, що займаються клієнтським досвідом, вважають, що генеративний штучний інтелект додасть «теплоти» обслуговуванню ( 59 Статистика обслуговування клієнтів зі штучним інтелектом за 2025 рік ), і прогнозує, що штучний інтелект зрештою використовуватиметься у 100% взаємодій з клієнтами ( 59 Статистика обслуговування клієнтів зі штучним інтелектом за 2025 рік ).

7. Futurum Research & SAS. Досвід 2030: Майбутнє клієнтського досвіду . (2019) – Опитування показало, що бренди очікують, що ~69% рішень під час взаємодії з клієнтами будуть прийматися розумними машинами до 2030 року ( Щоб переосмислити перехід до клієнтського досвіду, маркетологи повинні зробити ці 2 речі ).

8. Dataiku. Найкращі варіанти використання генеративного штучного інтелекту в логістиці . (2023) – Описує, як GenAI оптимізує завантаження (зменшуючи приблизно на 30% порожній простір вантажівки) ( Найкращі варіанти використання генеративного штучного інтелекту в логістиці ) та позначає ризики ланцюга поставок, скануючи новини.

9. Журнал Visual Studio. GitHub Copilot очолює дослідницький звіт щодо помічників коду на основі штучного інтелекту . (2024) – Припущення Gartner щодо стратегічного планування: до 2028 року 90% корпоративних розробників використовуватимуть помічників коду на основі штучного інтелекту (порівняно з 14% у 2024 році) ( GitHub Copilot очолює дослідницький звіт щодо помічників коду на основі штучного інтелекту -- Журнал Visual Studio ).

10. Bloomberg News. Представляємо BloombergGPT . (2023) – Детально описана 50B-параметрична модель Bloomberg, спрямована на фінансові завдання, вбудована в термінал для підтримки запитань і відповідей та аналізу ( Генеративний штучний інтелект приходить у фінанси ).

Статті, які вам, можливо, буде цікаво прочитати після цієї:

🔗 Професії, які ШІ не може замінити – і які професії замінить ШІ?
Глобальний погляд на розвиток ринку праці, аналіз того, які професії захищені від впливу ШІ, а які найбільше ризикують.

🔗 Чи може штучний інтелект передбачати фондовий ринок?
Глибоке занурення в можливості, обмеження та етичні міркування використання штучного інтелекту для прогнозування фондового ринку.

🔗 Як генеративний ШІ можна використовувати в кібербезпеці?
Дізнайтеся, як генеративний ШІ застосовується для захисту від кіберзагроз, від виявлення аномалій до моделювання загроз.