Spojrzenie na AI przez pryzmat “bańki” to imo najczęstszy błąd w dyskursie publicznym. Prawda jest bardziej złożona i znacznie mniej spektakularna.
Tak, mamy do czynienia z przeszacowaniem niektórych możliwości - szczególnie w kontekście AGI czy pełnej automatyzacji pracy umysłowej. Ale jednocześnie niedoceniamy fundamentalnych zmian, które już się dzieją. OCR, tłumaczenia maszynowe, rozpoznawanie mowy - to wszystko przeszło z “niemożliwe” do “oczywiste” w ciągu dekady.
Problem polega na tym, że AI rozwija się nierównomiernie. W jednych obszarach mamy przełom (generowanie tekstu, analiza obrazów), w innych tkwimy w miejscu (robotyka, reasoning). To nie jest klasyczna bańka technologiczna, gdzie wszystko nagle pęka. To raczej długotrwała transformacja z wieloma falami wzlotów i upadków.
Kluczowa różnica: w przeciwieństwie do dot-comów czy kryptowalut, AI ma już konkretne, mierzalne zastosowania w przemyśle. Firmy nie inwestują w obietnice, tylko w narzędzia, które już dziś poprawiają efektywność.
Prawdziwe pytanie brzmi: które konkretne implementacje przetrwają, a które okażą się przedwczesne? Bo AI jako zjawisko niknie nie zniknie - za dużo problemów rozwiązuje na poziomie infrastrukturalnym.
Przetrwa: • AI wbudowane w procesy infrastrukturalne (finanse, medycyna, logistyka, energetyka). • Narzędzia „copilotowe” (wsparcie pracy specjalistów, nie zastępowanie ich). • Wysoko wyspecjalizowane systemy (np. analiza obrazu w
@JamesJoyce czytanie tekstu, rozpoznawanie psa, kota, człowieka - zatwierdzam. kradzież IP przez korporacje od LLM, pogarszanie jakości treści dostępnej w internecie i nie tylko - nie podoba mi się. pozdrawiam
Kluczowa różnica: w przeciwieństwie do dot-comów czy kryptowalut, AI ma już konkretne, mierzalne zastosowania w przemyśle. Firmy nie inwestują w obietnice, tylko w narzędzia, które już dziś poprawiają efektywność.
@JamesJoyce: To jest dobry produkt, ale nie produkt warty aż tyle. IMO inwestorzy liczą na ogromne zyski poprzez automatyzacje pracy umysłowej, a to prawdopodobnie nie stanie się w najbliższym czasie. Zobaczą, że kasy nie ma i uciekną.
Firmy nie inwestują w obietnice, tylko w narzędzia, które już dziś poprawiają efektywność
@JamesJoyce: niektórym poprawiają, ale ilu faktycznie poprawiają? Proof of Concept przeszło, widać, że coś tam się da tym zrobić, ale Proof of Value dla wielu firm wciąż wydaje się być w toku. A bardzo ciężko dyrektorom przyznać się do porażki jak już poszły miliony w jakimś kierunku - lepiej udawać, że jest zajebiście. I w ten sposób
Companies with at least $500 million in annual revenue are changing more quickly than smaller organizations. Overall, the use of AI—that is, gen AI as well as analytical AI—continues to build momentum: More than three-quarters of respondents now say that their organizations use AI in at least one business function. The use of gen AI in particular is rapidly increasing.
Spojrzenie na AI przez pryzmat “bańki” to imo najczęstszy błąd w dyskursie publicznym. Prawda jest bardziej złożona i znacznie mniej spektakularna.
Tak, mamy do czynienia z przeszacowaniem niektórych możliwości - szczególnie w kontekście AGI czy pełnej automatyzacji pracy umysłowej. Ale jednocześnie niedoceniamy fundamentalnych zmian, które już się dzieją. OCR, tłumaczenia maszynowe, rozpoznawanie mowy - to wszystko przeszło z “niemożliwe” do “oczywiste” w ciągu dekady.
Problem polega na tym, że AI rozwija się nierównomiernie. W jednych obszarach mamy przełom (generowanie tekstu, analiza obrazów), w innych tkwimy w miejscu (robotyka, reasoning). To nie jest klasyczna bańka technologiczna, gdzie wszystko nagle pęka. To raczej długotrwała transformacja z wieloma falami wzlotów i upadków.
Kluczowa różnica: w przeciwieństwie do dot-comów czy kryptowalut, AI ma już konkretne, mierzalne zastosowania w przemyśle. Firmy nie inwestują w obietnice, tylko w narzędzia, które już dziś poprawiają efektywność.
Prawdziwe pytanie brzmi: które konkretne implementacje przetrwają, a które okażą się przedwczesne? Bo AI jako zjawisko niknie nie zniknie - za dużo problemów rozwiązuje na poziomie infrastrukturalnym.
źródło: Zdjęcie z biblioteki
PobierzPrzetrwa:
• AI wbudowane w procesy infrastrukturalne (finanse, medycyna, logistyka, energetyka).
• Narzędzia „copilotowe” (wsparcie pracy specjalistów, nie zastępowanie ich).
• Wysoko wyspecjalizowane systemy (np. analiza obrazu w
@JamesJoyce: To jest dobry produkt, ale nie produkt warty aż tyle. IMO inwestorzy liczą na ogromne zyski poprzez automatyzacje pracy umysłowej, a to prawdopodobnie nie stanie się w najbliższym czasie. Zobaczą, że kasy nie ma i uciekną.
@JamesJoyce: niektórym poprawiają, ale ilu faktycznie poprawiają? Proof of Concept przeszło, widać, że coś tam się da tym zrobić, ale Proof of Value dla wielu firm wciąż wydaje się być w toku. A bardzo ciężko dyrektorom przyznać się do porażki jak już poszły miliony w jakimś kierunku - lepiej udawać, że jest zajebiście. I w ten sposób
@WyjmijKija: Proszę o liczby. Jak na razie przychody z AI są mniejsze niż cały globalny rynek smartwatch-y.
Dalej nie wiem jakie konkretnie produkty AI są używane. Ile one kosztują, jakie zyski przyniosły.
Takie teksty to szum w eterze.
Companies with at least $500 million in annual revenue are changing more quickly than smaller organizations. Overall, the use of AI—that is, gen AI as well as analytical AI—continues to build momentum: More than three-quarters of respondents now say that their organizations use AI in at least one business function. The use of gen AI in particular is rapidly increasing.