Na scenie w Vegas padło najważniejsze pytanie: gdzie są te oczekiwane zyski z AI, tak pospiesznie wdrożonego do dziesiątek tysięcy biznesów? AWS ma na to odpowiedź, ale nie każdemu się ona spodoba.
Podczas imprezy AWS re:Invent CEO Matt Garman zajął scenę i zadał najważniejsze pytanie: gdzie są zyski wynikające z wdrożenia sztucznej inteligencji w biznesie? Szef Amazon Web Services zarysował aktualną sytuację: są świetne technologie, są związane z nimi koszty, ale zyski… cóż, zysków nie widać. Słowa Garmana potwierdzają coś, o czym wiedzieliśmy wcześniej: ponad 90 proc. firm nie wygenerowało żadnych zysków po wdrożeniu AI do swojego biznesu.
To, co sztuczne inteligencja generuje, to natomiast koszty oraz niepokoje związane z zatrudnieniem. Firmy płacą za dostęp do modeli, płacą za ich wdrożenie do swojego biznesu, płacą za tokeny. Mimo tego bilans zysków i strat się nie zmienia. Nie dochodzi do magicznej optymalizacji, oczekiwanej przez prezesów, zarządy oraz akcjonariuszy. W czym tkwi problem?
W AWS zdiagnozowali dwa główne problemy odpowiadające za brak zysków z wdrożenia AI w biznesie.
Pierwszy nie będzie dla nikogo zaskoczeniem: chodzi o koszty działania. Sztuczna inteligencja to bardzo kosztowy szczebel nowych technologii. Potrzebuje masy energii, a także masy niezwykle nowoczesnych podzespołów takich jak pamięć, GPU czy CPU. Dosyć powiedzieć, iż miejsca, w których powstają najbardziej zaawansowane modele, to kampusy serwerowe przypominające wielkością małe miasteczka. Nie przesadzam.
Liderzy świata AI gonią za technologicznymi przełomami, rachunek zysków i strat beztrosko zostawiając w tle. Co prawda sytuacja nie różni się od modelu biznesowego takich platform jak Netflix czy Spotify, które także operują ze stratami, ale SKALA kosztów w świecie AI jest znacznie większa. Do tego nieustannie rośnie. Na każde rozwiązanie optymalizujące zużycie zasobów, jak DeepSeek, pojawiają się trzy kolejne potrzebujące ich znacznie więcej.
Rosnące koszty to coś, co wymusza lepszą optymalizację, zwłaszcza na gigantach. Właśnie dlatego podczas AWS re:Invent CEO Matt Garman chwalił się: nowe czipy Trainium3 zaprojektowane do trenowania oraz obsługi modeli AI są czterokrotnie bardziej energooszczędne od poprzedniego modelu, a także pozwalają zredukować koszty związane z trenowaniem modeli aż do 50 proc. To główny przekaz, jaki Garman miał dla świata. Najpierw większa oszczędność. Dopiero potem większa moc.
Drugi problem, przez który firmy nie widzą zysków po adaptacji AI, wynika z ułomności samego wdrożenia. To powszechny problem.
Nie okłamujmy się: to jest plaga. Biznesy, także polskie, prześcigają się we wdrażaniu sztucznej inteligencji. Nie ważne jak. Nie ważne po co. Chodzi o zadowolenie kierownictwa oraz udziałowców. Pewien wysoko postawiony pracownik znanej firmy powiedział mi wprost: albo wdrożę AI, albo znajdą kogoś na moje miejsce. Mimo 15 lat stażu. Gorączka AI opanowała umysły biznesowych decydentów oraz posiadaczy kapitału inwestycyjnego. Nie ma ważniejszej rzeczy w biznesie niż napisać na LinkedIn: nasza firma jest AI driven. Cokolwiek to znaczy.
Pospieszne wdrażanie sztucznej inteligencji, bez profesjonalnego rozpoznania możliwości AI, wskazania zakresu działań oraz wyboru odpowiedniego modelu, to proszenie się o kłopoty. Bo chociaż rozwiązanie stało się częścią firmowej struktury, wcale nie musi być skuteczne czy pomocne. Za to na pewno będzie generować koszty. Do tego potencjalne problemy, co by wspomnieć o agencie AI, który ochoczo przyznawał kupony rabatowe oraz akceptował każdą reklamację.
Garman widzi ten problem z ciekawej perspektywy: trudno o idealne wdrożenie AI w firmie, ponieważ nie istnieją modele w pełni dopasowujące się do specyfiki działania indywidualnej organizacji. Stworzenie własnego modelu od zera jest niezwykle kosztowne i poza zasięgiem większości biznesów. Z kolei korzystanie z tych dostępnych, otwartych i zdolnych do nauki, przynosi ograniczone korzyści. Gotowe modele np. zapominają o części danych dostarczonych przez firmę, wracając do bazowych zasad działania. Z perspektywy biznesu nie ma więc dobrego wyjścia. Albo robisz model od zera i wydajesz fortunę, albo korzystasz z zawodnego kompromisu.
Rozwiązaniem tego dylematu, przed którym stają dziesiątki tysięcy biznesów na całym świecie, ma być Nova Forge.
Nova to własny model Amazonu, działający w zakresie rozumowania, przetwarzania multimodalnego, konwersacyjnych modeli, pisania kodu czy zadań agentowych. Rozwiązanie rywalizuje z takimi modelami jak Claude, GPT czy Gemini, a Garman właśnie zapowiedział nową rodzinę modeli Nova 2, z wyróżnikiem w postaci multimodalnego Nova 2 Omni, zdolnego do jednoczesnej pracy na tekście, obrazach, wideo oraz dźwięku, generując tekst i obraz.
Rozwiązanie o nazwie Nova Forge to nowa usługa, do tworzenia własnych modeli, ściśle dopasowanych do potrzeb oraz specyfiki organizacji. Takie modele, uroczo nazywane przez AWS Novelami, potrafią maksymalnie wykorzystać dane dostarczone przez firmę, dopasowując schematy działania z uwzględnieniem konkretnej struktury. Wszystko w bezpiecznym i odizolowanym środowisku, bez wycieku cennych korporacyjnych danych do jądra otwartego modelu. Do tego Novelki mają być skalowalne i tańsze w wykorzystaniu od innych modeli.
Brzmi jak pusta obietnica? Dlatego AWS od miesięcy współpracuje z partnerami, którzy testują Novelki we własnych strukturach. Jednym z nich jest Reddit. Na popularnej platformie społecznościowej model pochodzący bezpośrednio z Nova Forge dokonuje automatycznej moderacji wpisów i komentarzy, aby nie naruszały regulaminu serwisu. Własne Novelki wdraża również Sony oraz Booking.com.
AWS uważa, iż ich Novelki rozwiążą problem adaptacji AI w firmach, a nowe układy zmniejszą koszty.
Jak będzie w praktyce, dowiemy się lada moment. Czipy Trainium 3 oraz usługa Nova Forge właśnie stały się globalnie dostępne. Z katalogu nowych rozwiązań AWS może korzystać także polski biznes, a pierwsze wdrożenia ze ścisłymi partnerami miały miejsce już kilka miesięcy temu. Teraz pozostaje czekać na sygnał z rynku, czy koszty faktycznie są mniejsze, wdrożenia skuteczniejsze, a modele lepiej dopasowane do rodzaju działalności oraz powierzonych zadań. o ile tak, mamy przełom.
