На шта се генеративна вештачка интелигенција може ослонити без људске интервенције?

Резиме

Генеративна вештачка интелигенција (ВИ) – технологија која омогућава машинама да креирају текст, слике, код и још много тога – доживела је експлозиван раст последњих година. Ова бела књига пружа приступачан преглед онога што генеративна ВИ може поуздано да ради данас без људске интервенције и шта се очекује да ће радити у наредној деценији. Испитујемо њену употребу у писању, уметности, кодирању, корисничкој служби, здравству, образовању, логистици и финансијама, истичући где ВИ функционише аутономно, а где људски надзор остаје кључан. Примери из стварног света су укључени да би се илустровали и успеси и ограничења. Кључни налази укључују:

• Широко распрострањена примена: У 2024. години, 65% анкетираних компанија је пријавило редовно коришћење генеративне вештачке интелигенције – скоро двоструко већи удео него претходне године ( Стање вештачке интелигенције почетком 2024. | McKinsey ). Примене обухватају креирање маркетиншког садржаја, четботове за корисничку подршку, генерисање кода и још много тога.

• Тренутне аутономне могућности: Данашња генеративна вештачка интелигенција поуздано обавља структуриране, понављајуће задатке уз минималан надзор. Примери укључују аутоматско генерисање формулаичних вести (нпр. резимеи корпоративних зарада) ( Филана Патерсон – ONA профил заједнице ), креирање описа производа и истакнутих рецензија на сајтовима за е-трговину и аутоматско довршавање кода. У овим доменима, вештачка интелигенција често допуњује људске раднике преузимањем рутинског генерисања садржаја.

• Човек у петљи за сложене задатке: За сложеније или задатке отвореног типа – као што су креативно писање, детаљна анализа или медицински савети – људски надзор је обично и даље потребан како би се осигурала чињенична тачност, етичка процена и квалитет. Многе примене вештачке интелигенције данас користе модел „човек у петљи“ где вештачка интелигенција пише садржај, а људи га прегледају.

• Краткорочна побољшања: Током наредних 5–10 година, предвиђа се да ће генеративна вештачка интелигенција постати далеко поузданија и аутономнија . Напредак у тачности модела и механизмима заштите може омогућити вештачкој интелигенцији да обрађује већи део креативних задатака и задатака доношења одлука уз минималан људски допринос. На пример, стручњаци предвиђају да ће до 2030. године вештачка интелигенција обрађивати већину интеракција и одлука у вези са корисничком службом у реалном времену („ Да би се поново осмислио прелазак на корисничко искуство, маркетиншки стручњаци морају да ураде ове 2 ствари “), а велики филм би могао бити произведен са 90% садржаја генерисаног вештачком интелигенцијом („ Случајеви употребе генеративне вештачке интелигенције за индустрије и предузећа “).

• До 2035: За десет година очекујемо аутономни АИ агенти бити уобичајени у многим областима. АИ тутори би могли да пружају персонализовано образовање у великим размерама, АИ асистенти би могли поуздано да састављају правне уговоре или медицинске извештаје за стручно одобрење, а системи који се сами возе (уз помоћ генеративне симулације) би могли да воде логистичке операције од почетка до краја. Међутим, одређена осетљива подручја (нпр. медицинске дијагнозе са високим улогом, коначне правне одлуке) ће вероватно и даље захтевати људску процену ради безбедности и одговорности.

• Етичке и поуздане забринутости: Како расте аутономија вештачке интелигенције, расту и забринутости. Данашњи проблеми укључују халуцинације (вештачка интелигенција измишља чињенице), пристрасност у генерисаном садржају, недостатак транспарентности и потенцијалну злоупотребу за дезинформације. Осигуравање да се вештачкој интелигенцији може веровати када ради без надзора је од највеће важности. Напредак се постиже – на пример, организације више улажу у ублажавање ризика (бавећи се тачношћу, сајбер безбедношћу, питањима интелектуалне својине) ( Стање вештачке интелигенције: Глобално истраживање | McKinsey ) – али су потребни робусни оквири управљања и етике.

• Структура овог рада: Почињемо са уводом у генеративну вештачку интелигенцију и концептом аутономне у односу на надгледану употребу. Затим, за сваку главну област (писање, уметност, кодирање итд.), разматрамо шта вештачка интелигенција може поуздано да уради данас у односу на оно што је на хоризонту. Закључујемо са међусекторским изазовима, будућим пројекцијама и препорукама за одговорно коришћење генеративне вештачке интелигенције.

Генерално, генеративна вештачка интелигенција је већ доказала способност да обавља изненађујући низ задатака без сталног људског вођства. Разумевањем њених тренутних ограничења и будућег потенцијала, организације и јавност могу се боље припремити за еру у којој вештачка интелигенција није само алат, већ аутономни сарадник у раду и креативности.

Увод

Вештачка интелигенција је одавно у стању да анализира податке, али су тек недавно системи вештачке интелигенције научили да стварају – пишу прозу, компонују слике, програмирају софтвер и још много тога. Ови генеративни модели вештачке интелигенције (као што су GPT-4 за текст или DALL·E за слике) обучавају се на огромним скуповима података како би произвели нови садржај као одговор на захтеве. Овај пробој је покренуо талас иновација у свим индустријама. Међутим, поставља се кључно питање: Шта заправо можемо да верујемо да ће вештачка интелигенција сама урадити, без људске двоструке провере њеног резултата?

Да би се одговорило на ово, важно је разликовати надгледану и аутономну употребу вештачке интелигенције:

• Вештачка интелигенција коју надгледа човек односи се на сценарије у којима људи прегледају или курирају резултате вештачке интелигенције пре него што буду финализовани. На пример, новинар може користити асистента за писање уз помоћ вештачке интелигенције да би написао нацрт чланка, али га уредник уређује и одобрава.

• Аутономна вештачка интелигенција (вештачка интелигенција без људске интервенције) односи се на системе вештачке интелигенције који извршавају задатке или производе садржај који се директно користи уз мало или без људске интервенције. Пример је аутоматизовани четбот који решава упит купца без људског агента или новинска кућа која аутоматски објављује преглед спортских резултата генерисан помоћу вештачке интелигенције.

Генеративна вештачка интелигенција се већ примењује у оба режима. У периоду 2023-2025, усвајање је нагло порасло , а организације су жељно експериментисале. Једно глобално истраживање из 2024. године показало је да 65% компанија редовно користи генеративну вештачку интелигенцију, у односу на око једну трећину само годину дана раније ( Стање вештачке интелигенције почетком 2024. | McKinsey ). Појединци су такође прихватили алате попут ChatGPT-а – процењује се да је 79% професионалаца имало барем неко искуство са генеративном вештачком интелигенцијом до средине 2023. године ( Стање вештачке интелигенције 2023: Година пробоја генеративне вештачке интелигенције | McKinsey ). Ово брзо усвајање је вођено обећањем о повећању ефикасности и креативности. Ипак, то је још увек „рани дани“ и многе компаније још увек формулишу политике о томе како одговорно користити вештачку интелигенцију ( Стање вештачке интелигенције 2023: Година пробоја генеративне вештачке интелигенције | McKinsey ).

Зашто је аутономија важна: Дозвољавање вештачкој интелигенцији да ради без људског надзора може откључати огромне предности ефикасности – потпуно аутоматизовати заморне задатке – али такође повећава улог поузданости. Аутономни агент вештачке интелигенције мора да уради ствари како треба (или да зна своје границе) јер можда не постоји човек у реалном времену који би уочио грешке. Неки задаци су погоднији за ово од других. Генерално, вештачка интелигенција најбоље функционише аутономно када:

• Задатак има јасну структуру или образац (нпр. генерисање рутинских извештаја из података).

• Грешке су ниског ризика или се лако толеришу (нпр. генерисање слике која се може одбацити ако је незадовољавајућа, у односу на медицинску дијагнозу).

• Постоји обиље података за обуку који покривају сценарије, тако да је резултат вештачке интелигенције заснован на стварним примерима (што смањује нагађања).

Насупрот томе, задаци који су отвореног типа , имају висок улог или захтевају нијансирано просуђивање данас су мање погодни за потпуно одсуство надзора.

У наредним одељцима, испитујемо низ области како бисмо видели шта генеративна вештачка интелигенција ради сада и шта је следеће. Погледаћемо конкретне примере – од новинских чланака написаних помоћу вештачке интелигенције и уметничких дела генерисаних помоћу вештачке интелигенције, до асистената за писање кода и виртуелних агената за корисничку подршку – истичући које задатке вештачка интелигенција може да обави од почетка до краја, а који и даље захтевају људско учешће. За сваку област, јасно раздвајамо тренутне могућности (око 2025. године) од реалистичних пројекција онога што би могло бити поуздано до 2035. године.

Мапирањем садашњости и будућности аутономне вештачке интелигенције у различитим областима, циљ нам је да читаоцима пружимо уравнотежено разумевање: нити преувеличавамо вештачку интелигенцију као магично непогрешиву, нити потцењујемо њене веома стварне и растуће компетенције. Полазећи од ове основе, затим разматрамо свеобухватне изазове у поверењу у вештачку интелигенцију без надзора, укључујући етичка разматрања и управљање ризицима, пре него што закључимо са кључним закључцима.

Генеративна вештачка интелигенција у писању и креирању садржаја

Једна од првих области у којој је генеративна вештачка интелигенција направила прави фурор била је генерисање текста. Велики језички модели могу да произведу све, од новинских чланака и маркетиншких текстова до објава на друштвеним мрежама и резимеа докумената. Али колико се овог писања може обавити без људског уредника?

Тренутне могућности (2025): Вештачка интелигенција као аутоматски писац рутинског садржаја

Данас, генеративна вештачка интелигенција поуздано обавља разне рутинске задатке писања уз минималну или никакву људску интервенцију. Одличан пример је у новинарству: Асошијејтед прес (AP) годинама користи аутоматизацију за генерисање хиљада извештаја о заради компанија сваког квартала директно из финансијских података ( Philana Patterson – ONA Community Profile ). Ови кратки чланци прате шаблон (нпр. „Компанија X је пријавила зараду од Y, порасла за Z%...“) и вештачка интелигенција (користећи софтвер за генерисање природног језика) може да попуни бројеве и речи брже од било ког човека. Систем AP-а аутоматски објављује ове извештаје, драматично проширујући њихову покривеност (преко 3.000 прича по кварталу) без потребе за људским писцима ( Аутоматизоване приче о заради се множе | Асошијејтед прес ).

Спортско новинарство је на сличан начин проширено: системи вештачке интелигенције могу да узимају статистику спортских утакмица и генеришу резимее. Пошто су ове области засноване на подацима и формулама, грешке су ретке све док су подаци тачни. У овим случајевима видимо праву аутономију – вештачка интелигенција пише, а садржај се одмах објављује.

Предузећа такође користе генеративну вештачку интелигенцију за израду описа производа, имејл билтена и другог маркетиншког садржаја. На пример, гигант е-трговине Амазон сада користи вештачку интелигенцију за сумирање рецензија купаца за производе. Вештачка интелигенција скенира текст многих појединачних рецензија и производи концизан пасус са истакнутим описом онога што се људима свиђа или не свиђа код производа, што се затим приказује на страници производа без ручног уређивања ( Амазон побољшава искуство са рецензијама купаца помоћу вештачке интелигенције ). Испод је илустрација ове функције примењене на Амазоновој мобилној апликацији, где је одељак „Купци кажу“ у потпуности генерисан од стране вештачке интелигенције из података о рецензијама:

( Амазон побољшава искуство са рецензијама купаца помоћу вештачке интелигенције ) Резиме рецензија генерисан од стране вештачке интелигенције на страници производа у е-трговини. Амазонов систем сумира уобичајене тачке из рецензија корисника (нпр. једноставност коришћења, перформансе) у кратак пасус, који се купцима приказује као „генерисано од стране вештачке интелигенције из текста рецензија купаца“.

Такви случајеви употребе показују да када садржај прати предвидљив образац или је агрегиран из постојећих података, вештачка интелигенција често може сама да га обради . Други актуелни примери укључују:

• Ажурирања о времену и саобраћају: Медијске куће користе вештачку интелигенцију за састављање дневних извештаја о времену или саобраћајних информација на основу података сензора.

• Финансијски извештаји: Фирме које аутоматски генеришу једноставне финансијске резимее (кварталне резултате, извештаје са берзе). Од 2014. године, Блумберг и други новински медији користе вештачку интелигенцију како би им помогли у писању вести о заради компанија – процес који се углавном одвија аутоматски након што се подаци унесу ( „роботи новинари“ агенције АП сада пишу сопствене приче | The Verge ) ( новинар из Вајоминга ухваћен како користи вештачку интелигенцију за креирање лажних цитата и прича ).

• Превод и транскрипција: Транскрипционе услуге сада користе вештачку интелигенцију за израду транскрипата или титлова са састанака без људских куцача. Иако нису генеративни у креативном смислу, ови језички задаци се извршавају аутономно са великом тачношћу за јасан звук.

• Генерисање нацрта: Многи професионалци користе алате попут ChatGPT-а за израду нацрта имејлова или првих верзија докумената, повремено их шаљући са мало или без икаквих измена ако је садржај ниског ризика.

Међутим, за сложенију прозу, људски надзор остаје норма у 2025. години . Новинске организације ретко објављују истраживачке или аналитичке чланке директно из вештачке интелигенције – уредници ће проверавати чињенице и усавршавати нацрте које је написала вештачка интелигенција. вештачка интелигенција може да опонаша стил и структуру , али може да унесе чињеничне грешке (често називане „халуцинације“) или неспретне фразе које човек треба да уочи. На пример, немачке новине Експрес су представиле „дигиталну колегиницу“ вештачке интелигенције по имену Клара да помогне у писању почетних вести. Клара може ефикасно да саставља спортске извештаје, па чак и да пише наслове који привлаче читаоце, доприносећи 11% Експресових чланака – али људски уредници и даље прегледају сваки текст ради тачности и новинарског интегритета, посебно код сложених прича ( 12 начина на које новинари користе алате вештачке интелигенције у редакцији - Twipe ). Ово партнерство између људи и вештачке интелигенције је данас уобичајено: вештачка интелигенција обавља тежак посао генерисања текста, а људи курирају и исправљају по потреби.

Изгледи за 2030-2035: Ка поузданом аутономном писању

Током наредне деценије, очекујемо да ће генеративна вештачка интелигенција постати далеко поузданија у генерисању висококвалитетног, чињенично исправног текста, што ће проширити спектар задатака писања које може аутономно да обавља. Неколико трендова то подржава:

• Побољшана тачност: Текућа истраживања брзо смањују склоност вештачке интелигенције да производи лажне или ирелевантне информације. До 2030. године, напредни језички модели са бољом обуком (укључујући технике за проверу чињеница у базама података у реалном времену) могли би да постигну интерну проверу чињеница на нивоу близу људског. То значи да би вештачка интелигенција могла да напише комплетан новински чланак са тачним цитатима и статистикама извученим из изворног материјала аутоматски, што захтева мало уређивања.

• Вештачка интелигенција специфична за домен: Видећемо специјализованије генеративне моделе фино подешене за одређене области (правно, медицинско, техничко писање). Модел правне вештачке интелигенције из 2030. године могао би поуздано да израђује стандардне уговоре или сумира судску праксу – задаци који су по структури формулски, али тренутно захтевају време адвоката. Ако је вештачка интелигенција обучена на валидираним правним документима, њени нацрти би могли бити довољно поуздани да адвокат баци само брзи последњи поглед.

• Природни стил и кохерентност: Модели постају све бољи у одржавању контекста у дугим документима, што доводи до кохерентнијег и директнијег садржаја дугих формата. До 2035. године, вероватно је да би вештачка интелигенција могла сама да напише пристојан први нацрт публицистичке књиге или техничког приручника, док би људи првенствено имали саветодавну улогу (да би поставили циљеве или пружили специјализовано знање).

Како би ово могло изгледати у пракси? Рутинско новинарство би могло постати готово потпуно аутоматизовано за одређене сегменте. Можда ћемо 2030. године видети новинску агенцију са системом вештачке интелигенције који пише прву верзију сваког извештаја о заради, спортске приче или ажурирања резултата избора, док би уредник бирао само неколико примерака ради контроле квалитета. Заиста, стручњаци предвиђају да ће све већи удео онлајн садржаја бити генерисан машинама – једно смело предвиђање аналитичара индустрије сугерисало је да би до 90% онлајн садржаја могло бити генерисано вештачком интелигенцијом до 2026. године („ До 2026. године, онлајн садржај који генеришу нељуди знатно ће надмашити садржај који генеришу људи — OODAloop “), иако се та бројка још увек расправља. Чак и конзервативнији исход би значио да ће до средине 2030-их већину рутинских веб чланака, текста производа, па чак и персонализованих вести, писати вештачка интелигенција.

У маркетингу и корпоративним комуникацијама , генеративној вештачкој интелигенцији ће вероватно бити поверено аутономно вођење читавих кампања. Могла би да генерише и шаље персонализоване маркетиншке имејлове, објаве на друштвеним мрежама и варијације рекламних текстова, стално прилагођавајући поруке на основу реакција купаца – све без људског копирајтера у процесу. Аналитичари Гартнера предвиђају да ће до 2025. године најмање 30% одлазних маркетиншких порука великих предузећа бити синтетички генерисано помоћу вештачке интелигенције ( Generative AI Use Cases for Industries and Enterprises ), а овај проценат ће само расти до 2030. године.

Међутим, важно је напоменути да ће људска креативност и процена и даље играти улогу, посебно за садржај са високим улогом . До 2035. године, вештачка интелигенција би могла самостално да обрађује саопштења за штампу или блог постове, али за истраживачко новинарство које укључује одговорност или осетљиве теме, медији би и даље могли да инсистирају на људском надзору. Будућност ће вероватно донети вишеслојни приступ: вештачка интелигенција аутономно производи највећи део свакодневног садржаја, док се људи фокусирају на уређивање и производњу стратешких или осетљивих делова. У суштини, граница онога што се сматра „рутином“ ће се ширити како вештина вештине вештине буде расла.

Поред тога, могу се појавити нови облици садржаја попут интерактивних наратива или персонализованих извештаја генерисаних вештачком интелигенцијом . На пример, годишњи извештај компаније може бити генерисан у више стилова помоћу вештачке интелигенције – сажетак за руководиоце, наративна верзија за запослене, верзија богата подацима за аналитичаре – сваки креиран аутоматски из истих основних података. У образовању, уџбеници би могли бити динамички писани помоћу вештачке интелигенције како би одговарали различитим нивоима читања. Ове апликације би могле бити углавном аутономне, али поткрепљене провереним информацијама.

Путања писања сугерише да ће до средине 2030-их, вештачка интелигенција бити плодан писац . Кључ за истински аутономан рад биће успостављање поверења у њене резултате. Ако вештачка интелигенција може доследно да демонстрира чињеничну тачност, стилски квалитет и усклађеност са етичким стандардима, потреба за људским прегледом ред по ред ће се смањити. Делове саме ове беле књиге, до 2035. године, би врло лако могао да напише истраживач вештачке интелигенције без потребе за уредником – перспектива у вези са којом смо опрезно оптимистични, под условом да су на снази одговарајуће мере заштите.

Генеративна вештачка интелигенција у визуелним уметностима и дизајну

Способност генеративне вештачке интелигенције да креира слике и уметничка дела освојила је машту јавности, од слика генерисаних вештачком интелигенцијом које побеђују на уметничким конкурсима до дипфејк видео снимака који се не разликују од стварних снимака. У визуелним доменима, модели вештачке интелигенције попут генеративних адверзарних мрежа (GAN) и модела дифузије (нпр. Stable Diffusion, Midjourney) могу да произведу оригиналне слике на основу текстуалних упутстава. Дакле, да ли вештачка интелигенција сада може да функционише као аутономни уметник или дизајнер?

Тренутне могућности (2025): Вештачка интелигенција као креативни асистент

Од 2025. године, генеративни модели су вешти у креирању слика на захтев са импресивном верношћу. Корисници могу да затраже од вештачке интелигенције за слике да нацрта „средњовековни град у заласку сунца у Ван Гоговом стилу“ и да добију убедљиво уметничку слику за неколико секунди. Ово је довело до широке употребе вештачке интелигенције у графичком дизајну, маркетингу и забави за концепт уметност, прототипове, па чак и финалне визуелне приказе у неким случајевима. Посебно:

• Графички дизајн и стокове слике: Компаније генеришу графику за веб странице, илустрације или стокове фотографије путем вештачке интелигенције, смањујући потребу за наручивањем сваког дела од уметника. Многи маркетиншки тимови користе алате вештачке интелигенције за креирање варијација реклама или слика производа како би тестирали шта се допада потрошачима.

• Уметност и илустрација: Појединачни уметници сарађују са вештачком интелигенцијом како би осмислили идеје или попунили детаље. На пример, илустратор може користити вештачку интелигенцију за генерисање позадине, коју затим интегрише са својим ликовима које су нацртали људи. Неки креатори стрипова су експериментисали са панелима или бојама које генерише вештачка интелигенција.

• Медији и забава: Уметност генерисана вештачком интелигенцијом појављивала се на насловним странама часописа и књига. Познати пример је била часописа Cosmopolitan на којој је био астронаут – наводно прва слика насловнице часописа коју је креирала вештачка интелигенција (OpenAI-јев DALL·E) по упутствима уметничког директора. Иако је ово укључивало људско подстицање и селекцију, стварно уметничко дело је машински приказано.

Кључно је напоменути да већина ових тренутних употреба и даље укључује људско курирање и итерацију . Вештачка интелигенција може да прикаже десетине слика, а човек бира најбољу и евентуално је дотерује. У том смислу, вештачка интелигенција ради аутономно на стварању опција, али људи воде креативни правац и доносе коначне одлуке. Поуздана је за брзо генерисање велике количине садржаја, али није гарантовано да ће испунити све захтеве из првог покушаја. Проблеми попут нетачних детаља (нпр. вештачка интелигенција црта руке са погрешним бројем прстију, позната особина) или нежељени резултати значе да људски арт директор обично мора да надгледа квалитет резултата.

Међутим, постоје области у којима се вештачка интелигенција приближава потпуној аутономији:

• Генеративни дизајн: У областима попут архитектуре и дизајна производа, алати вештачке интелигенције могу аутономно да креирају прототипове дизајна који испуњавају одређена ограничења. На пример, с обзиром на жељене димензије и функције комада намештаја, генеративни алгоритам може да произведе неколико одрживих дизајна (неки прилично неконвенционални) без људске интервенције изван почетних спецификација. Ове дизајне људи затим могу директно да користе или усаврше. Слично томе, у инжењерству, генеративна вештачка интелигенција може да дизајнира делове (рецимо, компоненту авиона) оптимизоване за тежину и чврстоћу, производећи нове облике које човек можда не би ни замислио.

• Елементи видео игара: Вештачка интелигенција може аутоматски да генерише текстуре, 3Д моделе или чак целе нивое за видео игре. Програмери их користе да би убрзали креирање садржаја. Неке инди игре су почеле да укључују процедурално генерисане уметничке радове, па чак и дијалоге (путем језичких модела) како би створиле огромне, динамичне светове игара са минималним елементима које су створили људи.

• Анимација и видео (у настајању): Иако је мање зрела од статичких слика, генеративна вештачка интелигенција за видео напредује. Вештачка интелигенција већ може да генерише кратке видео клипове или анимације из упутстава, мада је квалитет неуједначен. Дипфејк технологија – која је генеративна – може да произведе реалистичне замене лица или клонове гласова. У контролисаном окружењу, студио би могао да користи вештачку интелигенцију да аутоматски генерише позадинску сцену или анимацију гомиле.

Приметно је да је Гартнер предвидео да ћемо до 2030. године видети велики блокбастер филм са 90% садржаја генерисаног од стране вештачке интелигенције (од сценарија до визуелних ефеката) ( Генеративни случајеви употребе вештачке интелигенције за индустрије и предузећа ). Од 2025. године, још увек нисмо тамо – вештачка интелигенција не може самостално да направи дугометражни филм. Али делови те слагалице се развијају: генерисање сценарија (вештачка интелигенција са текстом), генерисање ликова и сцена (вештачка интелигенција са сликама/видеом), гласовна глума (клонови гласова вештачке интелигенције) и помоћ при монтажи (вештачка интелигенција већ може да помогне са резовима и прелазима).

Изгледи за 2030-2035: Медији генерисани вештачком интелигенцијом у великим размерама

Гледајући у будућност, улога генеративне вештачке интелигенције у визуелним уметностима и дизајну спремна је за драматично повећање. До 2035. године очекујемо да ће вештачка интелигенција бити примарни креатор садржаја у многим визуелним медијима, често функционишући уз минималан људски допринос, поред почетних смерница. Нека очекивања:

• Филмови и видео снимци у потпуности генерисани вештачком интелигенцијом: У наредних десет година, сасвим је могуће да ћемо видети прве филмове или серије које су углавном произведене уз помоћ вештачке интелигенције. Људи би могли да обезбеде режију на високом нивоу (нпр. нацрт сценарија или жељени стил), а вештачка интелигенција ће рендеровати сцене, креирати ликове глумаца и анимирати све. Рани експерименти у кратким филмовима су вероватни у року од неколико година, са покушајима дугометражних филмова до 2030-их. Ови филмови са вештачком интелигенцијом могли би да почну као ниша (експериментална анимација, итд.), али би могли да постану мејнстрим како се квалитет побољша. Гартнерова прогноза од 90% до 2030. године у филмској индустрији ( Генеративни случајеви употребе вештачке интелигенције за индустрије и предузећа ), иако амбициозна, подвлачи уверење индустрије да ће креирање садржаја помоћу вештачке интелигенције бити довољно софистицирано да поднесе највећи део терета у филмској продукцији.

• Аутоматизација дизајна: У областима попут моде или архитектуре, генеративна вештачка интелигенција ће се вероватно користити за аутономно креирање стотина дизајнерских концепата на основу параметара као што су „трошкови, материјали, стил X“, остављајући људима да изаберу коначни дизајн. Ово мења тренутну динамику: уместо да дизајнери стварају од нуле и можда користе вештачку интелигенцију за инспирацију, будући дизајнери би могли да делују више као кустоси, бирајући најбољи дизајн генерисан вештачком интелигенцијом и можда га дотерујући. До 2035. године, архитекта би могао да унесе захтеве за зграду и добије комплетне планове као предлоге од вештачке интелигенције (сви структурно исправни, захваљујући уграђеним инжењерским правилима).

• Креирање персонализованог садржаја: Можда ћемо видети вештачке интелигенције које креирају визуелне приказе у ходу за појединачне кориснике. Замислите видео игру или искуство виртуелне стварности 2035. године где се пејзажи и ликови прилагођавају жељама играча, генерисани у реалном времену од стране вештачке интелигенције. Или персонализовани стрипови генерисани на основу дана корисника – аутономна вештачка интелигенција „дневни стрип“ која аутоматски претвара ваш текстуални дневник у илустрације сваке вечери.

• Мултимодална креативност: Генеративни системи вештачке интелигенције су све више мултимодални – што значи да могу заједно да обрађују текст, слике, звук итд. Комбиновањем ових података, вештачка интелигенција би могла да узме једноставан захтев попут „Направи ми маркетиншку кампању за производ X“ и да генерише не само писани текст, већ и одговарајућу графику, можда чак и кратке промотивне видео клипове, све доследне по стилу. Овакав пакет садржаја са једним кликом је вероватна услуга почетком 2030-их.

Хоће ли вештачка интелигенција заменити људске уметнике ? Ово питање се често поставља. Вероватно је да ће вештачка интелигенција преузети велики део производног посла (посебно репетитивну или брзо обртну уметност потребну за пословање), али ће људска уметност остати за оригиналност и иновације. До 2035. године, аутономна вештачка интелигенција би могла поуздано да нацрта слику у стилу познатог уметника – али стварање новог стила или дубоко културно резонантне уметности може и даље бити људска јача страна (потенцијално са вештачком интелигенцијом као сарадником). Предвиђамо будућност у којој људски уметници раде заједно са аутономним „коуметницима“ вештачке интелигенције. На пример, неко би могао да наручи личну вештачку интелигенцију да континуирано генерише уметност за дигиталну галерију у свом дому, пружајући стално променљиву креативну атмосферу.

Са становишта поузданости, визуелна генеративна вештачка интелигенција има лакши пут ка аутономији него текст у неким аспектима: слика може бити субјективно „довољно добра“ чак и ако није савршена, док је чињенична грешка у тексту проблематичнија. Стога већ видимо релативно нискоризично усвајање – ако је дизајн генерисан вештачком интелигенцијом ружан или погрешан, једноставно га не користите, али сам по себи не наноси штету. То значи да ће до 2030-их компанијама можда бити удобно да дозволе вештачкој интелигенцији да ствара дизајне без надзора и да укључују људе само када је потребно нешто заиста ново или ризично.

Укратко, очекује се да ће до 2035. године генеративна вештачка интелигенција бити моћан креатор садржаја у визуелном свету, вероватно одговорна за значајан део слика и медија око нас. Поуздано ће генерисати садржај за забаву, дизајн и свакодневну комуникацију. Аутономни уметник је на помолу – мада је дебата о томе да ли се вештачка интелигенција сматра креативном или само веома паметним алатом еволуираће како њени резултати буду постајали неразлучиви од људских.

Генеративна вештачка интелигенција у развоју софтвера (кодирање)

Развој софтвера може изгледати као веома аналитички задатак, али он такође има креативни елемент – писање кода је у основи креирање текста у структурираном језику. Модерна генеративна вештачка интелигенција, посебно модели великих језика, показала се прилично вештом у кодирању. Алати попут GitHub Copilot, Amazon CodeWhisperer и других делују као пар програмера вештачке интелигенције, предлажући исечке кода или чак целе функције док програмери куцају. Колико далеко ово може довести до аутономног програмирања?

Тренутне могућности (2025): Вештачка интелигенција као копилот у кодирању

До 2025. године, генератори вештачке интелигенције (AI) кода постали су уобичајени у радним процесима многих програмера. Ови алати могу аутоматски довршавати линије кода, генерисати шаблоне (као што су стандардне функције или тестови), па чак и писати једноставне програме којима се даје опис на природном језику. Међутим, кључно је да раде под надзором програмера – програмер прегледа и интегрише предлоге вештачке интелигенције.

Неке актуелне чињенице и бројке:

• Више од половине професионалних програмера је усвојило асистенте за кодирање помоћу вештачке интелигенције до краја 2023. године ( Кодирање на Копилоту: Подаци за 2023. годину указују на смањење притиска на квалитет кода (укљ. пројекције за 2024. годину) - GitClear ), што указује на брзо усвајање. Извештава се да је GitHub Copilot, један од првих широко доступних алата, генерисао у просеку 30-40% кода у пројектима где се користи ( Кодирање више није MOAT. 46% кодова на GitHub-у је већ... ). То значи да вештачка интелигенција већ пише значајне делове кода, иако га човек управља и валидира.

• Ови алати за вештачку интелигенцију су одлични у задацима као што су писање репетитивног кода (нпр. класе модела података, методе за добијање/постављање), конвертовање једног програмског језика у други или креирање једноставних алгоритама који подсећају на примере за обуку. На пример, програмер може да коментарише „// функција за сортирање листе корисника по имену“ и вештачка интелигенција ће готово тренутно генерисати одговарајућу функцију сортирања.

• Такође помажу у исправљању грешака и објашњавању : програмери могу да налепе поруку о грешци, а вештачка интелигенција може да предложи исправку или да питају „Шта овај код ради?“ и добију објашњење на природном језику. Ово је у извесном смислу аутономно (вештачка интелигенција може сама да дијагностикује проблеме), али човек одлучује да ли ће применити исправку.

• Важно је напоменути да тренутни асистенти за кодирање вештачке интелигенције нису непогрешиви. Они могу предложити небезбедан код или код који скоро решава проблем, али има суптилне грешке. Стога је данас најбоља пракса да се човек држи у току – програмер тестира и отклања грешке у коду који је написала вештачка интелигенција баш као што би то чинио код који би написао човек. У регулисаним индустријама или критичном софтверу (као што су медицински или ваздухопловни системи), сваки допринос вештачке интелигенције пролази кроз ригорозан преглед.

Ниједан мејнстрим софтверски систем данас није у потпуности написан од стране вештачке интелигенције од нуле, без надзора програмера. Међутим, појављују се неке аутономне или полуаутономне употребе:

• Аутоматски генерисани јединични тестови: Вештачка интелигенција може да анализира код и производи јединичне тестове како би покрила различите случајеве. Оквир за тестирање може аутономно да генерише и покреће ове тестове које је написала вештачка интелигенција како би открио грешке, проширујући тестове које су написали људи.

• Платформе са мало кода/без кода са вештачком интелигенцијом: Неке платформе омогућавају непрограмерима да опишу шта желе (нпр. „направите веб страницу са контакт формом и базом података за чување уноса“), а систем генерише код. Иако је још увек у раним фазама, ово наговештава будућност у којој би вештачка интелигенција могла аутономно да креира софтвер за стандардне случајеве употребе.

• Скриптовање и повезивање кода: ИТ аутоматизација често укључује писање скрипти за повезивање система. Алатки вештачке интелигенције често могу аутоматски да генеришу ове мале скрипте. На пример, писање скрипте за анализу датотеке дневника и слање обавештења путем е-поште – вештачка интелигенција може да произведе функционалну скрипту са минималним или никаквим изменама.

Изгледи за 2030-2035: Ка „саморазвојном“ софтверу

У наредној деценији, очекује се да ће генеративна вештачка интелигенција преузети већи део терета кодирања, приближавајући се потпуно аутономном развоју софтвера за одређене класе пројеката. Неки пројектовани развоји:

• Комплетна имплементација функција: До 2030. године очекујемо да ће вештачка интелигенција бити способна да имплементира једноставне функције апликације од почетка до краја. Менаџер производа може описати функцију једноставним језиком („Корисници би требало да буду у могућности да ресетују лозинку путем линка за е-пошту“), а вештачка интелигенција би могла да генерише потребан код (формулар на фронт-енду, логика на серверу, ажурирање базе података, слање е-поште) и интегрише га у базу кода. вештачка интелигенција би ефикасно деловала као млађи програмер који може да прати спецификације. Људски инжењер би могао само да уради преглед кода и покрене тестове. Како се поузданост вештачке интелигенције побољшава, преглед кода би могао да постане брзи преглед, ако уопште и буде.

• Аутономно одржавање кода: Велики део софтверског инжењерства није само писање новог кода, већ и ажурирање постојећег кода – исправљање грешака, побољшање перформанси, прилагођавање новим захтевима. Будући програмери вештачке интелигенције ће вероватно бити одлични у томе. Уз кодну базу и директиву („наша апликација се руши када се превише корисника истовремено пријави“), вештачка интелигенција би могла да лоцира проблем (као што је грешка у конкурентности) и да га закрпи. До 2035. године, системи вештачке интелигенције би могли аутоматски да обрађују захтеве за рутинско одржавање преко ноћи, служећи као неуморна екипа за одржавање софтверских система.

• Интеграција и коришћење API-ја: Како све више софтверских система и API-ја долази са документацијом коју може да чита вештачка интелигенција, агент вештачке интелигенције може самостално да схвати како да повеже Систем А са Услугом Б тако што ће написати код за повезивање. На пример, ако компанија жели да се њихов интерни HR систем синхронизује са новим API-јем за обрачун плата, могу задати вештачкој интелигенцији да „натера ове системе да међусобно комуницирају“, а она ће написати код за интеграцију након што прочита спецификације оба система.

• Квалитет и оптимизација: Будући модели генерисања кода ће вероватно укључивати повратне спреге како би се проверило да ли код функционише (нпр. покретање тестова или симулација у „пешчанику“). То значи да би вештачка интелигенција не само могла да пише код већ и да се сама исправља тестирањем. До 2035. године, могли бисмо да замислимо вештачку интелигенцију која, када јој се да задатак, наставља да понавља свој код док сви тестови не прођу – процес који човек можда не би морао да прати ред по ред. Ово би значајно повећало поверење у аутономно генерисани код.

Може се замислити сценарио до 2035. године где би мали софтверски пројекат – рецимо прилагођена мобилна апликација за предузеће – могао бити развијен углавном помоћу вештачке интелигенције (AI) агента који добија инструкције високог нивоа. Људски „програмер“ у том сценарију је више руководилац пројекта или валидатор, који одређује захтеве и ограничења (безбедност, смернице за стил) и дозвољава вештачкој интелигенцији да обави тешки посао стварног кодирања.

Међутим, за сложен, софтвер великих размера (оперативни системи, сами напредни алгоритми вештачке интелигенције итд.), људски стручњаци ће и даље бити дубоко укључени. Креативно решавање проблема и архитектонски дизајн у софтверу вероватно ће још неко време остати вођени људима. Вештачка интелигенција би могла да обавља многе задатке кодирања, али одлучивање о томе шта да се изгради и дизајнирање целокупне структуре представља другачији изазов. Уз то речено, како генеративна вештачка интелигенција почиње да сарађује – вишеструки агенти вештачке интелигенције рукују различитим компонентама система – могуће је да би могли донекле да заједно дизајнирају архитектуре (на пример, једна вештачка интелигенција предлаже дизајн система, друга га критикује, и они понављају процес, док човек надгледа процес).

Главна очекивана корист од вештачке интелигенције у кодирању је повећање продуктивности . Гартнер предвиђа да ће до 2028. године чак 90% софтверских инжењера користити вештачку интелигенцију (у односу на мање од 15% у 2024. години) ( GitHub Copilot на врху истраживачког извештаја о вештачкој интелигенцији - Visual Studio Magazine ). Ово сугерише да ће оних који изузетно користе вештачку интелигенцију бити мало. Такође бисмо могли видети недостатак људских програмера у одређеним областима, што би се ублажило тиме што вештачка интелигенција попуњава празнине; у суштини, сваки програмер може да уради много више са вештачком интелигенцијом која може аутономно да пише код.

Поверење ће остати централно питање. Чак и 2035. године, организације ће морати да обезбеде да је аутономно генерисан код безбедан (вештачка интелигенција не сме да уводи рањивости) и да је у складу са правним/етичким нормама (нпр., вештачка интелигенција не укључује плагирани код из библиотеке отвореног кода без одговарајуће лиценце). Очекујемо да ће побољшани алати за управљање вештачком интелигенцијом који могу да провере и прате порекло кода написаног од стране вештачке интелигенције помоћи у омогућавању аутономнијег кодирања без ризика.

Укратко, до средине 2030-их, генеративна вештачка интелигенција ће вероватно обрађивати лавовски део кодирања за рутинске софтверске задатке и значајно помагати у сложеним. Животни циклус развоја софтвера биће много аутоматизованији – од захтева до имплементације – при чему ће вештачка интелигенција потенцијално аутоматски генерисати и имплементирати промене кода. Људски програмери ће се више фокусирати на логику високог нивоа, корисничко искуство и надзор, док ће агенти вештачке интелигенције бавити детаљима имплементације.

Генеративна вештачка интелигенција у корисничкој служби и подршци

Ако сте недавно комуницирали са корисником корисничке подршке на мрежи, велика је вероватноћа да је барем део тог разговора била вештачка интелигенција. Корисничка служба је област погодна за аутоматизацију помоћу вештачке интелигенције: она подразумева одговарање на корисничке упите, што генеративна вештачка интелигенција (посебно модели конверзације) може прилично добро да уради, и често прати скрипте или чланке базе знања, које вештачка интелигенција може да научи. Колико аутономно вештачка интелигенција може да управља корисницима?

Тренутне могућности (2025): Четботови и виртуелни агенти преузимају прву линију фронта

Данас, многе организације користе вештачку интелигенцију (AI четботове) као прву тачку контакта у корисничкој служби. Они се крећу од једноставних ботова заснованих на правилима („Притисните 1 за наплату, 2 за подршку…“) до напредних генеративних вештачких четботова који могу да тумаче питања у слободном облику и да одговарају конверзационо. Кључне тачке:

• Обрада уобичајених питања: Агенти са вештачком интелигенцијом су одлични у одговарању на често постављана питања, пружању информација (радно време продавнице, правила повраћаја новца, кораци за решавање познатих проблема) и вођењу корисника кроз стандардне процедуре. На пример, четбот са вештачком интелигенцијом за банку може аутономно помоћи кориснику да провери стање на рачуну, ресетује лозинку или објасни како да аплицира за кредит, без људске помоћи.

• Разумевање природног језика: Модерни генеративни модели омогућавају флуиднију и „људску“ интеракцију. Корисници могу да откуцају питање својим речима, а вештачка интелигенција обично може да схвати намеру. Компаније извештавају да су данашњи агенти вештачке интелигенције далеко задовољавајућији за купце него неспретни ботови од пре неколико година – скоро половина купаца сада верује да агенти вештачке интелигенције могу бити емпатични и ефикасни када решавају проблеме ( 59 статистика о корисничкој служби вештачке интелигенције за 2025. годину ), што показује растуће поверење у услуге засноване на вештачкој интелигенцији.

• Вишеканална подршка: Вештачка интелигенција није само у ћаскању. Гласовни асистенти (као што су IVR системи за телефоне са вештачком интелигенцијом иза њих) почињу да обрађују позиве, а вештачка интелигенција такође може да пише одговоре путем е-поште на упите купаца који се могу аутоматски слати ако се сматрају тачним.

• Када се људи умешају: Типично, ако се вештачка интелигенција збуни или је питање превише сложено, она ће предати задатак људском агенту. Тренутни системи су добри у познавању својих граница у многим случајевима. На пример, ако купац пита нешто необично или покаже фрустрацију („Ово је трећи пут да вас контактирам и веома сам узнемирен...“), вештачка интелигенција би могла то да означи како би човек преузео контролу. Праг за предају задатака постављају компаније како би уравнотежиле ефикасност са задовољством купаца.

Многе компаније су известиле да значајан део интеракција решавају само помоћу вештачке интелигенције. Према истраживањима у индустрији, око 70-80% рутинских упита купаца данас може да се обради помоћу вештачке интелигенције четботова, а око 40% интеракција компанија са купцима преко канала је већ аутоматизовано или потпомогнуто вештачком интелигенцијом ( 52 статистике о корисничкој служби коју би требало да знате - Plivo ). IBM-ов Глобални индекс усвајања вештачке интелигенције (2022) показао је да 80% компанија користи или планира да користи вештачку интелигенцију четботове за корисничку подршку до 2025. године.

Занимљив развој догађаја јесте да вештачка интелигенција не само да одговара купцима, већ проактивно помаже људским агентима у реалном времену. На пример, током ћаскања или позива уживо, вештачка интелигенција може да слуша и одмах пружи људском агенту предложене одговоре или релевантне информације. Ово брише границу аутономије – вештачка интелигенција није сама суочена са купцем, већ је активно укључена без експлицитних људских упита. Она ефикасно делује као аутономни саветник агенту.

Изгледи за 2030-2035: Интеракције са купцима углавном вођене вештачком интелигенцијом

Очекује се да ће до 2030. године већина интеракција са корисничком услугом укључивати вештачку интелигенцију, а многе ће у потпуности бити обрађене од стране вештачке интелигенције од почетка до краја. Предвиђања и трендови који то подржавају:

• Решени упити веће сложености: Како модели вештачке интелигенције интегришу огромно знање и побољшавају резоновање, моћи ће да обрађују сложеније захтеве купаца. Уместо да само одговара на питање „Како да вратим артикал?“, будућа вештачка интелигенција би могла да обрађује проблеме у више корака попут „Мој интернет не ради, покушао/ла сам да поново покренем систем, можете ли да помогнете?“ дијагностикујући проблем путем дијалога, водећи купца кроз напредно решавање проблема и само ако све остало не успе, заказујући техничара – задаци који би данас вероватно захтевали људског техничара за подршку. У корисничкој служби у здравству, вештачка интелигенција би могла да обрађује заказивање прегледа пацијената или упите у вези са осигурањем од почетка до краја.

• Решење услуге од почетка до краја: Можда ћемо видети вештачку интелигенцију не само да говори купцу шта да ради, већ то заправо ради у име купца унутар бекенд система. На пример, ако купац каже „Желим да променим лет за следећи понедељак и додам још један пртљаг“, агент вештачке интелигенције 2030. године би могао директно да се повеже са системом за резервације авио-компаније, изврши промену, обради плаћање пртљага и потврди купцу – све аутономно. Вештачка интелигенција постаје агент са пуном услугом, а не само извор информација.

• Свеприсутни АИ агенти: Компаније ће вероватно применити АИ на свим тачкама контакта са купцима – телефоном, ћаскањем, имејлом, друштвеним мрежама. Многи купци можда неће ни схватати да ли разговарају са АИ или човеком, посебно како гласови АИ постају природнији, а одговори у ћаскању све свеснији контекста. До 2035. године, контактирање корисничке службе често би могло да значи интеракцију са паметном АИ која памти ваше претходне интеракције, разуме ваше преференције и прилагођава се вашем тону – у суштини персонализовани виртуелни агент за сваког купца.

• Доношење одлука помоћу вештачке интелигенције у интеракцијама: Поред одговарања на питања, вештачка интелигенција ће почети да доноси одлуке које тренутно захтевају одобрење менаџмента. На пример, данас људском агенту може бити потребно одобрење супервизора да би понудио повраћај новца или посебан попуст како би умирио љутог купца. У будућности, вештачкој интелигенцији би могле бити поверене те одлуке, у оквиру дефинисаних ограничења, на основу израчунате вредности животног века купца и анализе расположења. Студија коју су спровели Futurum/IBM предвиђала је да ће до 2030. године око 69% одлука донетих током интеракција са купцима у реалном времену доносити паметне машине („ Да би се поново осмислио прелазак на корисничко искуство, маркетиншки стручњаци морају да ураде ове 2 ствари “) – ефикасно вештачка интелигенција одлучује о најбољем току деловања у интеракцији.

• 100% укљученост вештачке интелигенције: Један извештај сугерише да ће вештачка интелигенција на крају играти улогу у свакој интеракцији са купцима ( 59 статистика о корисничкој служби вештачке интелигенције за 2025. годину ), било унапред или у позадини. То би могло да значи да чак и ако човек интерагује са купцем, вештачка интелигенција ће му помагати (давање предлога, преузимање информација). Алтернативно, тумачење је да ниједан упит купца не остаје без одговора у било ком тренутку – ако су људи офлајн, вештачка интелигенција је увек ту.

До 2035. године бисмо могли открити да су се агенти за корисничку подршку специјализовали само за најосетљивије или сценарије са високим контактом (нпр. ВИП клијенти или решавање сложених жалби које захтевају људску емпатију). Редовне упите – од банкарства до малопродаје и техничке подршке – могла би да опслужује флота вештачке интелигенције агената који раде 24/7, континуирано учећи из сваке интеракције. Ова промена би могла да учини корисничку подршку доследнијом и непосреднијом, јер вештачка интелигенција не држи људе на чекању и теоретски може да обавља више задатака истовремено како би обрађивала неограничен број клијената.

Постоје изазови које треба превазићи за ову визију: вештачка интелигенција мора бити веома робусна да би се носила са непредвидивошћу људских купаца. Мора бити у стању да се носи са сленгом, бесом, конфузијом и бескрајним различитим начинима комуникације људи. Такође јој је потребно ажурно знање (нема смисла ако су информације вештачке интелигенције застареле). Улагањем у интеграцију између вештачке интелигенције и база података компаније (за информације у реалном времену о поруџбинама, прекидима итд.), ове препреке се могу решити.

Етички, компаније ће морати да одлуче када да открију „разговарате са вештачком интелигенцијом“ и да обезбеде праведност (вештачка интелигенција се не односи према одређеним купцима другачије на негативан начин због пристрасне обуке). Под претпоставком да се ови услови управљају, пословни случај је јак: корисничка служба заснована на вештачкој интелигенцији може драматично смањити трошкове и време чекања. Пројектовано је да ће тржиште за вештачку интелигенцију у корисничкој служби порасти на десетине милијарди долара до 2030. године ( Извештај о тржишту вештачке интелигенције у корисничкој служби 2025-2030: Случај ) ( Како генеративна вештачка интелигенција унапређује логистику | Рајдер ) како организације улажу у ове могућности.

Укратко, очекујте будућност у којој је аутономна корисничка служба вештачке интелигенције норма . Добијање помоћи често ће значити интеракцију са паметном машином која може брзо да реши ваш проблем. Људи ће и даље бити укључени у надзор и решавање граничних случајева, али више као надзорници радне снаге вештачке интелигенције. Резултат би могао бити бржа, персонализованија услуга за потрошаче – све док је вештачка интелигенција правилно обучена и праћена како би се спречиле фрустрације искустава „роботских телефонских линија“ из прошлости.

Генеративна вештачка интелигенција у здравству и медицини

Здравство је област у којој су улози високи. Идеја да вештачка интелигенција функционише без људског надзора у медицини изазива и узбуђење (због ефикасности и домета) и опрез (због безбедности и емпатије). Генеративна вештачка интелигенција је почела да продире у области попут анализе медицинског снимања, клиничке документације, па чак и откривања лекова. Шта она може одговорно да уради сама?

Тренутне могућности (2025): Помагање клиничарима, а не њихова замена

Тренутно, генеративна вештачка интелигенција у здравству првенствено служи као моћан асистент медицинским стручњацима, а не као аутономни доносилац одлука. На пример:

• Медицинска документација: Једна од најуспешнијих примена вештачке интелигенције у здравству је помоћ лекарима са папирологијом. Модели природног језика могу да транскрибују посете пацијената и генеришу клиничке белешке или отпусне листиће. Компаније имају „писаре са вештачком интелигенцијом“ који слушају током прегледа (преко микрофона) и аутоматски производе нацрт белешки о прегледу које лекар може да прегледа. Ово штеди лекарима време на куцању. Неки системи чак аутоматски попуњавају делове електронских здравствених картона. То се може урадити уз минималну интервенцију – лекар само исправља све мање грешке у нацрту, што значи да је писање белешки углавном аутономно.

• Радиологија и снимање: Вештачка интелигенција, укључујући генеративне моделе, може да анализира рендгенске снимке, магнетну резонанцу и компјутеризовану томографију како би открила аномалије (као што су тумори или преломи). Године 2018, ФДА је одобрила систем вештачке интелигенције за аутономно откривање дијабетичке ретинопатије (очне болести) на сликама мрежњаче – приметно је да је овлашћен да изврши позив без прегледа специјалисте у том специфичном контексту скрининга. Тај систем није био генеративна вештачка интелигенција, али показује да су регулатори дозволили аутономну дијагнозу помоћу вештачке интелигенције у ограниченом броју случајева. Генеративни модели долазе у обзир за креирање свеобухватних извештаја. На пример, вештачка интелигенција може да прегледа рендгенски снимак грудног коша и састави извештај радиолога рекавши „Нема акутних налаза. Плућа су чиста. Срце нормалне величине.“ Радиолог затим само потврђује и потписује. У неким рутинским случајевима, ови извештаји би могли да прођу без измена ако радиолог верује вештачкој интелигенцији и само изврши брзу проверу.

• Провера симптома и виртуелне медицинске сестре: Генеративни вештачки интелигентни четботови се користе као провера симптома на првој линији фронта. Пацијенти могу да унесу своје симптоме и добију савете (нпр. „Можда је обична прехлада; одмарајте се и пијте течности, али посетите лекара ако се појави X или Y“). Апликације попут Babylon Health користе вештачку интелигенцију да би дале препоруке. Тренутно су оне обично уоквирене као информативни, а не као дефинитивни медицински савети, и подстичу праћење код људског клиничара за озбиљне проблеме.

• Откривање лекова (генеративна хемија): Генеративни модели вештачке интелигенције могу да предложе нове молекуларне структуре за лекове. Ово је више у домену истраживања него бриге о пацијентима. Ове вештачке интелигенције раде аутономно како би предложиле хиљаде кандидата за једињења са жељеним својствима, које људски хемичари затим прегледају и тестирају у лабораторији. Компаније попут Insilico Medicine користиле су вештачку интелигенцију за генерисање нових кандидата за лекове за знатно краће време. Иако ово не интерагује директно са пацијентима, то је пример како вештачка интелигенција аутономно ствара решења (дизајн молекула) за које би људима требало много дуже да пронађу.

• Здравствене операције: Вештачка интелигенција помаже у оптимизацији заказивања, управљања залихама и друге логистике у болницама. На пример, генеративни модел може симулирати проток пацијената и предложити прилагођавања заказивања како би се смањило време чекања. Иако нису толико видљиве, то су одлуке које вештачка интелигенција може донети уз минималне ручне измене.

Важно је напоменути да од 2025. године ниједна болница не дозвољава вештачкој интелигенцији да самостално доноси важне медицинске одлуке или третмане без људског одобрења. Дијагноза и планирање лечења остају чврсто у људским рукама, а вештачка интелигенција пружа унос. Поверење потребно да вештачка интелигенција потпуно аутономно каже пацијенту „Имате рак“ или да препише лекове још увек није присутно, нити би требало да постоји без опсежне валидације. Медицински стручњаци користе вештачку интелигенцију као други пар очију или као алат за уштеду времена, али они верификују критичне резултате.

Изгледи за 2030-2035: Вештачка интелигенција као колега лекара (а можда и медицинска сестра или фармацеут)

У наредној деценији очекујемо да генеративна вештачка интелигенција аутономно преузме више рутинских клиничких задатака и да побољша домет здравствених услуга:

• Аутоматизоване прелиминарне дијагнозе: До 2030. године, вештачка интелигенција би могла поуздано да обрађује почетну анализу за многа уобичајена стања. Замислите систем вештачке интелигенције у клиници који очитава симптоме пацијента, медицинску историју, чак и њихов тон и изразе лица путем камере, и даје дијагностички предлог и препоручене тестове – све пре него што људски лекар уопште види пацијента. Лекар се тада може фокусирати на потврђивање и разговор о дијагнози. У телемедицини, пацијент би прво могао да разговара са вештачком интелигенцијом која сужава проблем (нпр. вероватна синусна инфекција у односу на нешто озбиљније), а затим га повезује са клиничарем ако је потребно. Регулатори би могли да дозволе вештачкој интелигенцији да званично дијагностикује одређена мања стања без људског надзора ако се покаже изузетно тачном – на пример, вештачка интелигенција која дијагностикује једноставну инфекцију уха на основу отоскопског снимка могла би бити могућа.

• Лични монитори здравља: ​​Са ширењем носивих уређаја (паметних сатова, здравствених сензора), вештачка интелигенција ће континуирано пратити пацијенте и аутономно упозоравати на проблеме. На пример, до 2035. године, вештачка интелигенција вашег носивог уређаја би могла да детектује абнормални срчани ритам и аутономно вам закаже хитне виртуелне консултације или чак позове хитну помоћ ако детектује знаке срчаног или можданог удара. Ово прелази у територију аутономног одлучивања – одлучивања да је ситуација хитна и деловања – што је вероватна и животно спасавајућа употреба вештачке интелигенције.

• Препоруке за лечење: Генеративна вештачка интелигенција обучена на медицинској литератури и подацима о пацијентима могла би да предложи персонализоване планове лечења. До 2030. године, за сложене болести попут рака, одбори за туморе засновани на вештачкој интелигенцији могли би да анализирају генетски састав и медицинску историју пацијента и аутономно направе препоручени режим лечења (план хемотерапије, избор лекова). Људски лекари би га прегледали, али временом, како се поверење буде градило, могли би да почну да прихватају планове генерисане вештачком интелигенцијом, посебно за рутинске случајеве, прилагођавајући их само када је потребно.

• Виртуелне медицинске сестре и кућна нега: Вештачка интелигенција која може да разговара и пружа медицинске смернице могла би да се носи са великим бројем праћења и праћења хроничних болести. На пример, пацијенти код куће са хроничним болестима могли би да пријављују дневне показатеље медицинској сестри са вештачком интелигенцијом, која даје савет („Ваш ниво шећера у крви је мало висок, размислите о прилагођавању вечерње ужине“) и укључује људску медицинску сестру само када су очитавања ван опсега или када се појаве проблеми. Ова вештачка интелигенција могла би да ради углавном аутономно под даљинским надзором лекара.

• Медицинско снимање и лабораторијска анализа – потпуно аутоматизовани цевоводи: До 2035. године, очитавање медицинских скенова би у неким областима могло претежно да обавља вештачка интелигенција. Радиолози би надгледали системе вештачке интелигенције и бавили се сложеним случајевима, али већину нормалних скенова (који су заиста нормални) могла би директно да „чита“ и потпише вештачка интелигенција. Слично томе, анализа патолошких препарата (на пример, откривање ћелија рака у биопсији) могла би се обавити аутономно за почетни скрининг, што би драматично убрзало добијање лабораторијских резултата.

• Откривање лекова и клиничка испитивања: Вештачка интелигенција ће вероватно дизајнирати не само молекуле лекова, већ ће и генерисати синтетичке податке о пацијентима за испитивања или пронаћи оптималне кандидате за испитивање. Могла би аутономно покретати виртуелна испитивања (симулирајући како би пацијенти реаговали) како би сузила избор опција пре стварних испитивања. Ово може брже пласирати лекове на тржиште уз мање експеримената које воде људи.

Визија лекара са вештачком интелигенцијом који ће потпуно заменити људског лекара је још увек прилично далека и контроверзна. Чак и до 2035. године, очекује се да ће вештачка интелигенција служити као колега лекарима, а не као замена за људски додир. Сложена дијагноза често захтева интуицију, етику и разговоре како би се разумео контекст пацијента – области у којима људски лекари истичу своје заслуге. Уз то речено, вештачка интелигенција би могла да обради, рецимо, 80% рутинског посла: папирологију, једноставне случајеве, праћење итд., омогућавајући људским клиничарима да се фокусирају на тешких 20% и на односе са пацијентима.

Постоје значајне препреке: регулаторно одобрење за аутономну вештачку интелигенцију у здравству је ригорозно (што је и прикладно). Системима вештачке интелигенције биће потребна опсежна клиничка валидација. Можда ћемо видети постепено прихватање – нпр., вештачкој интелигенцији је дозвољено да аутономно дијагностикује или лечи у недовољно опслуженим подручјима где нема доступних лекара, као начин проширења приступа здравственој заштити (замислите „клинику за вештачку интелигенцију“ у удаљеном селу до 2030. године која ради уз периодични теленадзор лекара из града).

Етичка разматрања су веома важна. Одговорност (ако аутономна вештачка интелигенција погреши у дијагнози, ко је одговоран?), информисани пристанак (пацијенти треба да знају да ли је вештачка интелигенција укључена у њихову негу) и обезбеђивање правичности (вештачка интелигенција добро функционише за све популације, избегавајући пристрасност) су изазови које треба савладати. Под претпоставком да се ови проблеми реше, до средине 2030-их генеративна вештачка интелигенција би могла бити уткана у ткиво пружања здравствене заштите, обављајући многе задатке који ослобађају људске пружаоце услуга и потенцијално допиру до пацијената који тренутно имају ограничен приступ.

Укратко, до 2035. године здравствена заштита ће вероватно видети вештачку интелигенцију дубоко интегрисану, али углавном „испод хаубе“ или у помоћним улогама. Вероваћемо вештачкој интелигенцији да много тога ради сама – чита скенирања, прати виталне функције, прави планове – али уз сигурносну мрежу људског надзора која ће и даље бити на снази за критичне одлуке. Резултат би могао бити ефикаснији, бржи и бржи здравствени систем, где вештачка интелигенција обавља тежак посао, а људи пружају емпатију и доносе коначну процену.

Генеративна вештачка интелигенција у образовању

Образовање је још једна област у којој генеративна вештачка интелигенција прави таласе, од ботова за подучавање покретаних вештачком интелигенцијом до аутоматизованог оцењивања и креирања садржаја. Настава и учење укључују комуникацију и креативност, што су предности генеративних модела. Али може ли се веровати вештачкој интелигенцији да образује без надзора наставника?

Тренутне могућности (2025): Тутори и генератори садржаја на поводцу

Тренутно се вештачка интелигенција користи у образовању првенствено као додатни алат, а не као самостални наставник. Примери тренутне употребе:

• Асистенти за подучавање помоћу вештачке интелигенције: Алати попут „Khanmigo“-а Кан академије (покреће га GPT-4) или разне апликације за учење језика користе вештачку интелигенцију за симулацију индивидуалног тутора или партнера у разговору. Ученици могу постављати питања на природном језику и добијати одговоре или објашњења. Вештачка интелигенција може да пружи назнаке за домаће задатке, објасни концепте на различите начине или чак да игра улогу историјске личности за интерактивни час историје. Међутим, ови тутори са вештачком интелигенцијом се обично користе уз надзор; наставници или одржаваоци апликације често прате дијалоге или постављају границе о чему вештачка интелигенција може да разговара (како би се избегле дезинформације или неприкладан садржај).

• Креирање садржаја за наставнике: Генеративна вештачка интелигенција помаже наставницима креирањем питања за квиз, резимеа читања, планова часова и тако даље. Наставник може да замоли вештачку интелигенцију: „Генериши 5 вежби за квадратне једначине са одговорима“, штедећи време у припреми. Ово је аутономно генерисање садржаја, али наставник обично прегледа резултат ради тачности и усклађености са наставним планом и програмом. Дакле, то је више уређај за уштеду рада него што је потпуно независан.

• Оцењивање и повратне информације: Вештачка интелигенција може аутоматски да оцењује испите са вишеструким избором (ништа ново ту) и све више може да процењује кратке одговоре или есеје. Неки школски системи користе вештачку интелигенцију за оцењивање писаних одговора и пружање повратних информација ученицима (нпр. граматичке исправке, предлоге за проширење аргумента). Иако није генеративан задатак сам по себи, нове вештачке интелигенције могу чак и да генеришу персонализовани извештај о повратним информацијама за ученика на основу његовог учинка, истичући области које треба побољшати. Наставници често двапут проверавају есеје које је оценила вештачка интелигенција у овој фази због забринутости око нијанси.

• Адаптивни системи учења: То су платформе које прилагођавају тежину или стил градива на основу учинка ученика. Генеративна вештачка интелигенција побољшава ово креирањем нових проблема или примера у ходу, прилагођених потребама ученика. На пример, ако ученик има проблема са неким концептом, вештачка интелигенција може генерисати другу аналогију или вежбање које се фокусира на тај концепт. Ово је донекле аутономно, али унутар система који су дизајнирали едукатори.

• Употреба од стране ученика за учење: Сами ученици користе алате попут ChatGPT-а како би им помогли у учењу – тражећи појашњења, преводе или чак користећи вештачку интелигенцију да би добили повратне информације о нацрту есеја („побољшај свој уводни пасус“). Ово је самостално усмерено и може бити без знања наставника. Вештачка интелигенција у овом сценарију делује као тутор или лектор на захтев. Изазов је осигурати да је ученици користе за учење, а не само за добијање одговора (академски интегритет).

Јасно је да је од 2025. године вештачка интелигенција у образовању моћна, али обично функционише са људским едукатором у петљи који курира доприносе вештачке интелигенције. Постоји разумљив опрез: не желимо да верујемо вештачкој интелигенцији да ће подучавати нетачне информације или да ће се бавити осетљивим интеракцијама ученика у вакууму. Наставници виде туторе вештачке интелигенције као корисне асистенте који ученицима могу пружити више праксе и тренутне одговоре на рутинска питања, ослобађајући наставнике да се фокусирају на дубље менторство.

Изгледи за 2030-2035: Персонализовани вештачки инструктари и аутоматизована помоћ у настави

У наредној деценији очекујемо да ће генеративна вештачка интелигенција омогућити персонализованија и аутономнија искуства учења , док ће се улоге наставника развијати:

• Лични тутори са вештачком интелигенцијом за сваког ученика: До 2030. године, визија (коју деле стручњаци попут Сала Кана из Кан академије) је да сваки ученик може имати приступ тутору са вештачком интелигенцијом који је у многим аспектима једнако ефикасан као и људски тутор ( Овај тутор са вештачком интелигенцијом могао би учинити људе 10 пута паметнијим, каже његов творац ). Ови тутори са вештачком интелигенцијом били би доступни 24/7, добро познавали историју учења ученика и у складу са тим прилагођавали свој стил подучавања. На пример, ако је ученик визуелни ученик који се мучи са концептом алгебре, вештачка интелигенција би могла динамички да креира визуелно објашњење или интерактивну симулацију како би му помогла. Пошто вештачка интелигенција може да прати напредак ученика током времена, може аутономно да одлучи коју тему ће следеће прегледати или када ће прећи на нову вештину – ефикасно управљајући планом часа за тог ученика у микро смислу.

• Смањено оптерећење наставника рутинским задацима: Оцењивање, израда радних листова, израда материјала за лекције – ови задаци би могли бити готово у потпуности пребачени на вештачку интелигенцију до 2030-их. Вештачка интелигенција би могла да генерише недељну количину прилагођених домаћих задатака за разред, оцени све задатке из прошле недеље (чак и оне отвореног типа) уз повратне информације и истакне наставника којим ученицима је потребна додатна помоћ за које теме. Ово би се могло десити уз минималан унос наставника, можда само брзим погледом како би се осигурало да оцене вештачке интелигенције изгледају поштено.

• Аутономне адаптивне платформе за учење: Можда ћемо видети потпуно вештачки вођене курсеве за одређене предмете. Замислите онлајн курс без људског инструктора где вештачка интелигенција уводи материјал, даје примере, одговара на питања и прилагођава темпо на основу ученика. Искуство ученика би могло бити јединствено за њих, генерисано у реалном времену. Неки корпоративни програми обуке и образовања за одрасле би могли раније да пређу на овај модел, где би до 2035. године запослени могао да каже „Желим да научим напредне макрое у Екселу“, а тутор вештачке интелигенције би их подучавао кроз персонализовани наставни план и програм, укључујући генерисање вежби и процену њихових решења, без људског инструктора.

• Асистенти вештачке интелигенције у учионици: У физичким или виртуелним учионицама, вештачка интелигенција би могла да слуша дискусије у учионици и помаже наставнику у ходу (нпр. шапутањем предлога преко слушалице: „Неколико ученика изгледа збуњено око тог концепта, можда наведите други пример“). Такође би могла да модерира онлајн форуме у учионици, одговара на једноставна питања која постављају ученици („Када је рок за предају задатка?“ или чак разјашњава поенту предавања) како наставник не би био бомбардован имејловима. До 2035. године, присуство ко-наставника са вештачком интелигенцијом у учионици, док се људски наставник фокусира на смернице вишег нивоа и мотивационе аспекте, могло би бити стандардно.

• Глобални приступ образовању: Аутономни тутори са вештачком интелигенцијом могли би да помогну у образовању ученика у подручјима са недостатком наставника. Таблет са тутором са вештачком интелигенцијом могао би да служи као примарни инструктор за ученике који иначе имају ограничено школовање, покривајући основну писменост и математику. До 2035. године, ово би могла бити једна од најутицајнијих употреба – вештачка интелигенција премошћује празнине тамо где људски наставници нису доступни. Међутим, обезбеђивање квалитета и културне прикладности образовања са вештачком интелигенцијом у различитим контекстима биће од виталног значаја.

Хоће ли вештачка интелигенција заменити наставнике? Мало је вероватно у потпуности. Настава је више од пружања садржаја – то је менторство, инспирација, социо-емоционална подршка. Те људске елементе је тешко реплицирати вештачкој интелигенцији. Али вештачка интелигенција може постати други наставник у учионици или чак први наставник за пренос знања, остављајући људским едукаторима да се фокусирају на оно што људи најбоље раде: емпатију, мотивацију и неговање критичког размишљања.

Постоје забринутости које треба решити: осигурати да вештачка интелигенција пружа тачне информације (без образовних халуцинација лажних чињеница), избегавати пристрасност у образовном садржају, очувати приватност података ученика и одржавати ангажованост ученика (вештачка интелигенција мора бити мотивишућа, не само тачна). Вероватно ћемо видети акредитацију или сертификацију образовних система са вештачком интелигенцијом – слично одобравању уџбеника – како би се осигурало да испуњавају стандарде.

Још један изазов је претерано ослањање: ако тутор са вештачком интелигенцијом даје одговоре пребрзо, ученици можда неће научити истрајност или решавање проблема. Да би се ово ублажило, будући тутори са вештачком интелигенцијом могли би бити дизајнирани тако да понекад дозволе ученицима да се муче (као што би то могао људски тутор) или да их подстакну да решавају проблеме помоћу назнака уместо да дају решења.

До 2035. године, учионица би могла бити трансформисана: сваки ученик би имао уређај повезан са вештачком интелигенцијом који би га водио сопственим темпом, док би наставник оркестрирао групне активности и пружао људски увид. Образовање би могло постати ефикасније и прилагођеније. Обећање је да сваки ученик добије помоћ која му је потребна када му је потребна – право искуство „личног тутора“ у великим размерама. Ризик је губитак људског додира или злоупотреба вештачке интелигенције (као што су ученици који варају путем вештачке интелигенције). Али у целини, ако се добро управља, генеративна вештачка интелигенција може демократизовати и побољшати учење тако што ће бити увек доступан, добро информисан пратилац на образовном путовању ученика.

Генеративна вештачка интелигенција у логистици и ланцу снабдевања

Логистика – уметност и наука о премештању робе и управљању ланцима снабдевања – можда не делује као традиционална област за „генеративну“ вештачку интелигенцију, али креативно решавање проблема и планирање су кључни у овој области. Генеративна вештачка интелигенција може помоћи симулацијом сценарија, оптимизацијом планова, па чак и контролом роботских система. Циљ у логистици је ефикасност и уштеда трошкова, што се добро поклапа са снагама вештачке интелигенције у анализи података и предлагању решења. Дакле, колико вештачка интелигенција може бити аутономна у управљању ланцима снабдевања и логистичким операцијама?

Тренутне могућности (2025): Оптимизација и поједностављивање уз људски надзор

Данас се вештачка интелигенција (укључујући неке генеративне приступе) примењује у логистици првенствено као алат за подршку одлучивању :

• Оптимизација руте: Компаније попут UPS-а и FedEx-а већ користе алгоритме вештачке интелигенције за оптимизацију рута испоруке – осигуравајући да возачи бирају најефикаснију путању. Традиционално су то били алгоритми за истраживање операција, али сада генеративни приступи могу помоћи у истраживању алтернативних стратегија рутирања под различитим условима (саобраћај, време). Док вештачка интелигенција предлаже руте, људски диспечери или менаџери постављају параметре (нпр. приоритете) и могу их поништити ако је потребно.

• Планирање утовара и простора: За камионе за паковање или транспортне контејнере, вештачка интелигенција може да генерише оптималне планове утовара (која кутија иде где). Генеративна вештачка интелигенција може да произведе више конфигурација паковања како би максимизирала коришћење простора, у суштини „стварајући“ решења која људи могу да бирају. Ово је истакнуто у студији у којој се наводи да камиони често раде 30% празни у САД, а боље планирање – уз помоћ вештачке интелигенције – може смањити то расипање ( Најбољи случајеви употребе генеративне вештачке интелигенције у логистици ). Ови планови утовара генерисани вештачком интелигенцијом имају за циљ смањење трошкова горива и емисија, а у неким складиштима се извршавају уз минималне ручне измене.

• Прогнозирање потражње и управљање залихама: Модели вештачке интелигенције могу предвидети потражњу за производима и генерисати планове за обнављање залиха. Генеративни модел може симулирати различите сценарије потражње (рецимо, вештачка интелигенција „замишља“ пораст потражње због предстојећег празника) и планирати залихе у складу са тим. Ово помаже менаџерима ланца снабдевања да се припреме. Тренутно, вештачка интелигенција пружа прогнозе и предлоге, али људи обично доносе коначну одлуку о нивоима производње или наручивању.

• Процена ризика: Глобални ланац снабдевања суочава се са поремећајима (природне катастрофе, кашњења у лукама, политичка питања). Системи вештачке интелигенције сада претражују вести и податке како би идентификовали ризике на хоризонту. На пример, једна логистичка фирма користи генерисану вештачку интелигенцију за скенирање интернета и означавање ризичних транспортних коридора (подручја која ће вероватно имати проблема због, рецимо, надолазећег урагана или немира) ( Најбољи случајеви употребе генеративне вештачке интелигенције у логистици ). Са тим информацијама, планери могу аутономно преусмерити пошиљке око проблематичних места. У неким случајевима, вештачка интелигенција може аутоматски препоручити промене руте или промене начина транспорта, које људи затим одобравају.

• Аутоматизација складишта: Многа складишта су полуаутоматизована са роботима за брање и паковање. Генеративна вештачка интелигенција може динамички доделити задатке роботима и људима за оптималан проток. На пример, вештачка интелигенција може генерисати ред чекања за роботске бераче сваког јутра на основу поруџбина. Ово је често потпуно аутономно у извршењу, а менаџери само прате кључне индикаторе учинка (KPI) – ако поруџбине неочекивано скоче, вештачка интелигенција сама прилагођава операције.

• Управљање возним парком: Вештачка интелигенција помаже у заказивању одржавања возила анализирањем образаца и генерисањем оптималних распореда одржавања који минимизирају време застоја. Такође може да групише пошиљке како би смањила путовања. Ове одлуке може аутоматски доносити софтвер вештачке интелигенције, све док испуњава захтеве услуге.

Генерално, од 2025. године, људи постављају циљеве (нпр. „минимизирати трошкове, али осигурати испоруку у року од 2 дана“), а вештачка интелигенција осмишљава решења или распореде како би се то постигло. Системи могу да раде свакодневно без интервенције док се не деси нешто необично. Много логистике укључује понављајуће одлуке (када би ова пошиљка требало да крене? из ког складишта да се испуни ова поруџбина?), које вештачка интелигенција може да научи да доноси доследно. Компаније постепено верују вештачкој интелигенцији да ће се носити са овим микро-одлукама и упозоравају менаџере само када се догоде изузеци.

Изгледи за 2030-2035: Самостални ланци снабдевања

У наредној деценији можемо замислити много аутономнију координацију у логистици вођену вештачком интелигенцијом:

• Аутономна возила и дронови: Камиони који се сами возе и дронови за доставу, иако су шира тема вештачке интелигенције/роботике, директно утичу на логистику. До 2030. године, ако се превазиђу регулаторни и технички изазови, могли бисмо имати вештачку интелигенцију која рутински вози камионе на аутопутевима или дронове који обављају испоруку на последњој миљи у градовима. Ове вештачке интелигенције ће доносити одлуке у реалном времену (промене руте, избегавање препрека) без људских возача. Генеративни угао је у томе како ове вештачке интелигенције возила уче из огромних података и симулација, ефикасно „тренирајући“ на безброј сценарија. Потпуно аутономна флота могла би да ради 24/7, а људи би је само даљински пратили. Ово уклања огроман људски елемент (возаче) из логистичких операција, драматично повећавајући аутономију.

• Самоизлечујући ланци снабдевања: Генеративна вештачка интелигенција ће се вероватно користити за стално симулирање сценарија ланца снабдевања и припрему планова за непредвиђене ситуације. До 2035. године, вештачка интелигенција би могла аутоматски да детектује када је фабрика добављача затворена (путем вести или података) и одмах да преусмери набавку на алтернативне добављаче које је већ проверила у симулацији. То значи да се ланац снабдевања „излечи“ сам од прекида, а вештачка интелигенција преузима иницијативу. Људски менаџери би били обавештени о томе шта је вештачка интелигенција урадила, а не они који би покренули заобилазно решење.

• Оптимизација залиха од почетка до краја: Вештачка интелигенција би могла аутономно да управља залихама у целој мрежи складишта и продавница. Одлучивала би када и где да премести залихе (можда користећи роботе или аутоматизована возила за то), држећи довољно залиха на свакој локацији. Вештачка интелигенција у основи управља контролним торњем ланца снабдевања: види све токове и врши прилагођавања у реалном времену. До 2035. године, идеја о „самосталном“ ланцу снабдевања могла би да значи да систем свакодневно проналази најбољи план дистрибуције, наручује производе, заказује радове у фабрици и организује транспорт потпуно сам. Људи би надгледали целокупну стратегију и обрађивали изузетке ван тренутног разумевања вештачке интелигенције.

• Генеративни дизајн у логистици: Могли бисмо да видимо како вештачка интелигенција дизајнира нове мреже ланца снабдевања. Претпоставимо да се компанија шири у нови регион; вештачка интелигенција би могла да генерише оптималне локације складишта, транспортне везе и политике залиха за тај регион на основу података – нешто што консултанти и аналитичари раде данас. До 2030. године, компаније би могле да се ослањају на препоруке вештачке интелигенције за изборе дизајна ланца снабдевања, верујући јој да брже процени факторе и можда пронађе креативна решења (као што су неочигледни дистрибутивни центри) која људи пропуштају.

• Интеграција са производњом (Индустрија 4.0): Логистика не постоји сама за себе; она је повезана са производњом. Фабрике будућности би могле имати генеративну вештачку интелигенцију која заказује производне циклусе, наручује сировине тачно на време, а затим даје инструкције логистичкој мрежи да одмах испоручи производе. Ова интегрисана вештачка интелигенција би могла да значи мање људског планирања у целини – беспрекоран ланац од производње до испоруке вођен алгоритмима који оптимизују трошкове, брзину и одрживост. Већ до 2025. године, високо ефикасни ланци снабдевања су вођени подацима; до 2035. године би могли бити углавном вођени вештачком интелигенцијом.

• Динамичка корисничка служба у логистици: Надовезујући се на вештачку интелигенцију за корисничку службу, вештачке интелигенције у ланцу снабдевања могу директно да комуницирају са купцима или клијентима. На пример, ако велики клијент жели да промени своју поруџбину у последњем тренутку, агент вештачке интелигенције може да преговара о изводљивим алтернативама (као што је „Пола можемо да испоручимо сада, пола следеће недеље због ограничења“) без чекања на људског менаџера. Ово подразумева генеративну вештачку интелигенцију која разуме обе стране (потребе купаца наспрам оперативних капацитета) и доношење одлука које одржавају пословање глатким, а истовремено задовољавају клијенте.

Очекивана корист је ефикаснији , отпорнији и бржи логистички систем. Компаније предвиђају огромне уштеде – McKinsey је ​​проценио да би оптимизације ланца снабдевања вођене вештачком интелигенцијом могле значајно смањити трошкове и побољшати нивое услуга, додајући потенцијално трилионе вредности у свим индустријама ( Стање вештачке интелигенције у 2023. години: Година пробоја генеративне вештачке интелигенције | McKinsey ).

Међутим, препуштање веће контроле вештачкој интелигенцији такође носи ризике, попут каскадних грешака ако је логика вештачке интелигенције погрешна (нпр. озлоглашени сценарио ланца снабдевања вештачком интелигенцијом који ненамерно доведе до тога да компанија остане без залиха због грешке у моделовању). Заштитне мере попут „човек у петљи за велике одлуке“ или барем контролне табле које омогућавају брзо људско преиспитивање вероватно ће остати до 2035. године. Временом, како се одлуке вештачке интелигенције буду показивале, људи ће се осећати опуштеније када се повлаче.

Занимљиво је да, оптимизацијом за ефикасност, вештачка интелигенција понекад може доносити одлуке које су у супротности са људским преференцијама или традиционалним праксама. На пример, чиста оптимизација може довести до веома малих залиха, што је ефикасно, али може бити ризично. Стручњаци за ланац снабдевања 2030. године можда ће морати да прилагоде своје интуиције јер би вештачка интелигенција, обрађујући огромне количине података, могла да покаже да њена необична стратегија заправо боље функционише.

Коначно, морамо узети у обзир да физичка ограничења (инфраструктура, брзине физичких процеса) ограничавају брзину промена логистике, тако да је револуција овде у паметнијем планирању и коришћењу средстава, а не у потпуно новој физичкој стварности. Али чак и унутар тих граница, креативна решења генеративне вештачке интелигенције и неумољива оптимизација могли би драматично побољшати начин кретања робе широм света уз минимално ручно планирање.

Укратко, логистика до 2035. године би могла да функционише слично добро подмазаној аутоматизованој машини: роба ефикасно тече, руте се прилагођавају у реалном времену поремећајима, складишта се управљају помоћу робота и цео систем континуирано учи и побољшава се из података – све то оркестрира генеративна вештачка интелигенција која делује као мозак операције.

Генеративна вештачка интелигенција у финансијама и пословању

Финансијска индустрија се у великој мери бави информацијама – извештајима, анализама, комуникацијом са клијентима – што је чини плодним тлом за генеративну вештачку интелигенцију. Од банкарства до управљања инвестицијама и осигурања, организације истражују вештачку интелигенцију за аутоматизацију и генерисање увида. Питање је које финансијске задатке вештачка интелигенција може поуздано да обави без људског надзора, с обзиром на важност тачности и поверења у овој области?

Тренутне могућности (2025): Аутоматизовани извештаји и подршка у одлучивању

Од данас, генеративна вештачка интелигенција доприноси финансијама на неколико начина, често под људским надзором:

• Генерисање извештаја: Банке и финансијске фирме производе бројне извештаје – резимее зараде, коментаре тржишта, анализу портфолија итд. Вештачка интелигенција се већ користи за њихову израду. На пример, Блумберг је развио BloombergGPT , велики језички модел обучен на финансијским подацима, како би помогао у задацима попут класификације вести и питања и одговора за своје кориснике терминала ( Генеративна вештачка интелигенција долази у финансије ). Иако је њена примарна употреба помоћ људима у проналажењу информација, она показује растућу улогу вештачке интелигенције. Аутоматизовани увиди (компанија са којом је АП сарађивала) такође су генерисали финансијске чланке. Многи инвестициони билтени користе вештачку интелигенцију за резимирање дневних кретања на тржишту или економских индикатора. Обично људи прегледају ове извештаје пре него што их пошаљу клијентима, али то је брза измена, а не писање од нуле.

• Комуникација са клијентима: У малопродајном банкарству, вештачка интелигенција четботови обрађују упите клијената о стању на рачунима, трансакцијама или информацијама о производу (стапајући се у домен корисничке службе). Такође, вештачка интелигенција може да генерише персонализована писма или подстицаје за финансијске савете. На пример, вештачка интелигенција може да идентификује да клијент може да уштеди на накнадама и аутоматски напише поруку којом се сугерише да пређе на други тип рачуна, која се затим шаље уз минималну људску интервенцију. Ова врста персонализоване комуникације у великим размерама је тренутна употреба вештачке интелигенције у финансијама.

• Откривање превара и упозорења: Генеративна вештачка интелигенција може помоћи у креирању наратива или објашњења за аномалије које открију системи за преваре. На пример, ако се означи сумњива активност, вештачка интелигенција може генерисати поруку са објашњењем за купца („Приметили смо пријаву са новог уређаја...“) или извештај за аналитичаре. Откривање је аутоматизовано (коришћењем вештачке интелигенције/машинског учења за откривање аномалија), а комуникација је све више аутоматизована, иако коначне акције (блокирање налога) често имају одређену људску проверу.

• Финансијско саветовање (ограничено): Неки робо-саветници (аутоматизоване инвестиционе платформе) користе алгоритме (не нужно генеративну вештачку интелигенцију) за управљање портфолијима без људских саветника. Генеративна вештачка интелигенција улази, рецимо, генерисањем коментара о томе зашто су одређене трговине извршене или резимеа учинка портфолија прилагођеног клијенту. Међутим, чисто финансијско саветовање (као што је сложено финансијско планирање) је и даље углавном засновано на људима или правилима; генеративни савети у слободном облику без надзора су ризични због одговорности ако су погрешни.

• Процена ризика и осигурање: Осигуравајуће компаније тестирају вештачку интелигенцију како би аутоматски писале извештаје о процени ризика или чак нацрте полиса. На пример, на основу података о некретнини, вештачка интелигенција би могла да генерише нацрт полисе осигурања или извештај осигуравача који описује факторе ризика. Људи тренутно прегледају ове резултате јер свака грешка у уговору може бити скупа.

• Анализа података и увиди: Вештачка интелигенција може да претражи финансијске извештаје или вести и генерише резимее. Аналитичари користе алате који могу тренутно да сумирају годишњи извештај од 100 страница у кључне тачке или да издвоје главне закључке из транскрипта телефонских разговора о заради. Ови резимеи штеде време и могу се директно користити у доношењу одлука или проследити даље, али разумни аналитичари двапут проверавају кључне детаље.

У суштини, тренутна вештачка интелигенција у финансијама делује као неуморни аналитичар/писац , генеришући садржај који људи усавршавају. Потпуно аутономна употреба је углавном у добро дефинисаним областима као што су вести засноване на подацима (није потребан субјективни суд) или одговори корисничке службе. Директно поверавање вештачкој интелигенцији у вези са одлукама о новцу (као што је премештање средстава, извршавање трговине изван унапред подешених алгоритама) је ретко због високих ризика и регулаторне контроле.

Изгледи за 2030-2035: Аналитичари вештачке интелигенције и аутономне финансијске операције

Гледајући унапред, до 2035. године генеративна вештачка интелигенција би могла бити дубоко уграђена у финансијске операције, потенцијално аутономно обављајући многе задатке:

• Финансијски аналитичари засновани на вештачкој интелигенцији: Можда ћемо видети системе вештачке интелигенције који могу да анализирају компаније и тржишта и да производе препоруке или извештаје на нивоу аналитичара истраживања људских капитала. До 2030. године, вештачка интелигенција би могла замисливо да чита све финансијске извештаје компаније, упоређује их са подацима из индустрије и самостално производи извештај о препорукама за инвестирање („Купи/Продај“ са образложењем). Неки хеџ фондови већ користе вештачку интелигенцију за генерисање сигнала за трговање; до 2030-их, извештаји о истраживању засновани на вештачкој интелигенцији могли би бити уобичајени. Људски портфолио менаџери би могли почети да верују анализама које генерише вештачка интелигенција као једном од улаза, између осталог. Постоји чак и потенцијал да вештачка интелигенција аутономно управља портфолијима: континуирано прати и ребалансира инвестиције према унапред дефинисаној стратегији. У ствари, алгоритамско трговање је већ у великој мери аутоматизовано – генеративна вештачка интелигенција би могла учинити стратегије прилагодљивијим генерисањем и тестирањем нових модела трговања.

• Аутоматизовано финансијско планирање: Саветници за вештачку интелигенцију који су окренути потрошачима могли би да обављају рутинско финансијско планирање за појединце. До 2030. године, могли бисте рећи вештачкој интелигенцији своје циљеве (куповина куће, штедња за факултет) и она би могла да генерише комплетан финансијски план (буџет, расподела инвестиција, предлози за осигурање) прилагођен вама. У почетку би га могао прегледати људски финансијски планер, али како поверење расте, такви савети би могли да се дају директно потрошачима, уз одговарајућа одрицања од одговорности. Кључно ће бити осигурати да су савети вештачке интелигенције у складу са прописима и да су у најбољем интересу клијента. Ако се ово реши, вештачка интелигенција би могла да учини основне финансијске савете далеко доступнијим по ниској цени.

• Аутоматизација бек-офиса: Генеративна вештачка интелигенција би могла аутономно да обрађује многе бек-офис документе – захтеве за кредите, извештаје о усаглашености, резимее ревизије. На пример, вештачка интелигенција би могла да прикупи све податке о трансакцијама и генерише извештај о ревизији који би указивао на све проблеме. Ревизори 2035. године би могли да проводе више времена прегледајући изузетке које је означила вештачка интелигенција, него да сами све претражују. Слично томе, у погледу усаглашености, вештачка интелигенција би могла да генерише извештаје о сумњивим активностима (SAR) за регулаторе без потребе да их аналитичар пише од нуле. Аутономно генерисање ових рутинских докумената, уз људски надзор који се пребацује на основу изузетака, могло би да постане стандард.

• Осигуравајућа потраживања и осигурање: Вештачка интелигенција би могла да обради осигуравајући захтев (са фото доказима итд.), одреди покриће и аутоматски генерише писмо о одлуци о исплати. Можда ћемо доћи до тачке у којој ће једноставне потраживања (као што су саобраћајне незгоде са јасним подацима) у потпуности решавати вештачка интелигенција у року од неколико минута од подношења. Осигурање нових полиса могло би бити слично: вештачка интелигенција процењује ризик и генерише услове полисе. До 2035. године, можда ће се само сложени или гранични случајеви прослеђивати људским осигуравачима.

• Превара и безбедност: Вештачка интелигенција ће вероватно бити још критичнија у откривању и реаговању на преваре или сајбер претње у финансијама. Аутономни агенти вештачке интелигенције могли би да прате трансакције у реалном времену и предузимају тренутне акције (блокирање рачуна, замрзавање трансакција) када се испуне одређени критеријуми, а затим да изнесу образложење. Брзина је овде кључна, тако да је пожељно минимално људско учешће. Генеративни део би могао да се састоји у јасном саопштавању ових акција купцима или регулаторима.

• Извршна подршка: Замислите „шефа кабинета“ са вештачком интелигенцијом који може да генерише пословне извештаје за руководиоце у ходу. Питајте: „Како је наша европска дивизија пословала у овом кварталу и који су били главни покретачи у поређењу са прошлом годином?“ и вештачка интелигенција ће произвести концизан извештај са графиконима, сви тачни, црпећи из података. Ова врста динамичног, аутономног извештавања и анализе могла би постати једноставна као разговор. До 2030. године, упитивање вештачке интелигенције за пословну интелигенцију и поверење у њу да даје тачне одговоре могло би у великој мери заменити статичке извештаје, а можда чак и неке улоге аналитичара.

Једна занимљива пројекција: до 2030-их, већина финансијског садржаја (вести, извештаји итд.) могла би бити генерисана вештачком интелигенцијом . Већ сада, медији попут Дау Џонса и Ројтерса користе аутоматизацију за одређене делове вести. Ако се тај тренд настави, и с обзиром на експлозију финансијских података, вештачка интелигенција би могла бити одговорна за филтрирање и комуникацију већине тога.

Међутим, поверење и верификација биће кључни. Финансијска индустрија је строго регулисана и свака вештачка интелигенција која функционише аутономно мораће да испуњава строге стандарде:

• Осигуравање да нема халуцинација (не можете дозволити аналитичару вештачке интелигенције да измисли финансијску метрику која није стварна – то би могло да завара тржишта).

• Избегавање пристрасности или незаконитих пракси (као што је ненамерно превазилажење одлука о кредитирању због пристрасних података о обуци).

• Ревизибилност: регулатори ће вероватно захтевати да одлуке вештачке интелигенције буду објашњиве. Ако вештачка интелигенција одбије кредит или донесе трговинску одлуку, мора постојати образложење које се може испитати. Генеративни модели могу бити помало црна кутија, па очекујте развој објашњивих техника вештачке интелигенције како би њихове одлуке биле транспарентне.

Наредних 10 година ће вероватно укључивати блиску сарадњу између вештачке интелигенције и финансијских стручњака, постепено померајући границу аутономије како поверење буде расло. Први успеси ће доћи у аутоматизацији ниског ризика (као што је генерисање извештаја). Теже ће бити кључне процене попут кредитних одлука или инвестиционих избора, али чак и ту, како се вештачка интелигенција буде развијала, фирме би јој могле дати већу аутономију. На пример, можда ће фонд вештачке интелигенције радити са људским надзорником који интервенише само ако учинак одступа или ако вештачка интелигенција означи неизвесност.

Економски гледано, McKinsey је ​​проценио да би вештачка интелигенција (посебно генерисана вештачка интелигенција) могла да дода вредност банкарству од 200 до 340 милијарди долара годишње и да има сличан велики утицај на тржишта осигурања и капитала ( Стање вештачке интелигенције 2023: Година пробоја генеративне вештачке интелигенције | McKinsey ) ( Каква је будућност генеративне вештачке интелигенције? | McKinsey ). То се постиже ефикасношћу и бољим исходима доношења одлука. Да би се та вредност остварила, велики део рутинске финансијске анализе и комуникације ће вероватно бити пребачен на системе вештачке интелигенције.

Укратко, до 2035. године генеративна вештачка интелигенција би могла бити попут војске млађих аналитичара, саветника и службеника који раде у финансијском сектору, обављајући велики део основног посла и неке софистициране анализе аутономно. Људи ће и даље постављати циљеве и бавити се стратегијом на високом нивоу, односима са клијентима и надзором. Финансијски свет, будући опрезан, постепено ће проширивати аутономију – али је правац јасан да ће све више обраде информација, па чак и препорука за доношење одлука, долазити од вештачке интелигенције. Идеално, ово доводи до брже услуге (тренутни кредити, савети доступни 24 сата дневно), нижих трошкова и потенцијално веће објективности (одлуке засноване на обрасцима података). Али одржавање поверења биће кључно; једна грешка вештачке интелигенције високог профила у финансијама могла би проузроковати огромну штету (замислите крах изазван вештачком интелигенцијом или погрешно ускраћену корист хиљадама људи). Стога, заштитне ограде и људске провере вероватно ће опстати, посебно за акције које се суочавају са потрошачима, чак и када процеси у позадини постану веома аутономни.

Изазови и етичка разматрања

У свим овим доменима, како генеративна вештачка интелигенција преузима све више аутономних одговорности, јавља се низ заједничких изазова и етичких питања. Осигуравање да је вештачка интелигенција поуздан и користан аутономни агент није само технички, већ друштвени задатак. Овде наводимо кључне проблеме и како се они решавају (или ће морати да се реше):

Поузданост и тачност

Проблем халуцинација: Модели генеративне вештачке интелигенције могу произвести нетачне или потпуно измишљене резултате који делују поуздано. Ово је посебно опасно када ниједан човек није укључен да би уочио грешке. Четбот може дати клијенту погрешна упутства или извештај који је написала вештачка интелигенција може да садржи измишљену статистику. Од 2025. године, организације препознају нетачност као највећи ризик генеративне вештачке интелигенције као што је „ Стање вештачке интелигенције у 2023. години: Година пробоја генеративне вештачке интелигенције | McKinsey “ ( Стање вештачке интелигенције: Глобално истраживање | McKinsey ). У будућности, технике попут провере чињеница у базама података, побољшања архитектуре модела и учења појачањем са повратним информацијама се примењују како би се минимизирале халуцинације. Аутономни системи вештачке интелигенције ће вероватно захтевати ригорозно тестирање и можда формалну верификацију за критичне задатке (као што је генерисање кода који би могао да уведе грешке/безбедносне пропусте ако је погрешан).

Конзистентност: Системи вештачке интелигенције морају поуздано да функционишу током времена и у различитим сценаријима. На пример, вештачка интелигенција може добро да се снађе са стандардним питањима, али да се спотакне у граничним случајевима. Обезбеђивање конзистентних перформанси захтеваће опсежне податке за обуку који покривају различите ситуације и континуирано праћење. Многе организације планирају да имају хибридне приступе – вештачка интелигенција функционише, али случајне узорке ревидирају људи – како би се проценила континуирана стопа тачности.

Заштита од кварова: Када је вештачка интелигенција аутономна, кључно је да препозна сопствену несигурност. Систем треба да буде дизајниран да „зна када не зна“. На пример, ако лекар са вештачком интелигенцијом није сигуран у дијагнозу, требало би да је означи за људски преглед, уместо да даје насумичну претпоставку. Уградња процене несигурности у излазе вештачке интелигенције (и постављање прагова за аутоматско људско предају) је активно подручје развоја.

Пристрасност и правичност

Генеративна вештачка интелигенција учи из историјских података који могу садржати предрасуде (расне, родне итд.). Аутономна вештачка интелигенција може да овековечи или чак појача те предрасуде:

• Приликом запошљавања или пријема, доносилац одлука у вези са вештачком интелигенцијом могао би неправедно дискриминисати ако су његови подаци о обуци били пристрасни.

• У корисничкој служби, вештачка интелигенција може другачије реаговати на кориснике на основу дијалекта или других фактора, осим ако се пажљиво не провери.

• У креативним областима, вештачка интелигенција може недовољно представљати одређене културе или стилове ако је скуп за обуку био неуравнотежен.

Решавање овог проблема захтева пажљиво курирање скупова података, тестирање пристрасности и можда алгоритамска прилагођавања како би се осигурала праведност. Транспарентност је кључна: компаније ће морати да открију критеријуме за одлучивање о вештачкој интелигенцији, посебно ако аутономна вештачка интелигенција утиче на нечије могућности или права (као што је добијање кредита или посла). Регулатори већ обраћају пажњу; нпр. Закон ЕУ о вештачкој интелигенцији (у припреми од средине 2020-их) вероватно ће захтевати процене пристрасности за системе вештачке интелигенције високог ризика.

Одговорност и правна одговорност

Када систем вештачке интелигенције који ради аутономно проузрокује штету или направи грешку, ко је одговоран? Правни оквири сустижу корак:

• Компаније које примењују вештачку интелигенцију вероватно ће сносити одговорност, слично као што су одговорне за поступке запосленог. На пример, ако вештачка интелигенција да лош финансијски савет који резултира губитком, фирма ће можда морати да надокнади штету клијенту.

• Постоји дебата о „личности“ вештачке интелигенције или о томе да ли напредна вештачка интелигенција може бити делимично одговорна, али то је сада више теоретска тема. Практично, кривица ће се сводити на програмере или оператере.

• Могу се појавити нови производи осигурања за кварове вештачке интелигенције. Ако камион који се сам вози изазове несрећу, осигурање произвођача би је могло покрити, аналогно одговорности за производ.

• Документација и евидентирање одлука вештачке интелигенције биће важни за пост-мортем анализе. Ако нешто крене наопако, морамо да ревидирамо ток одлука вештачке интелигенције како бисмо из тога учили и доделили одговорност. Регулатори могу да захтевају евидентирање аутономних акција вештачке интелигенције управо из тог разлога.

Транспарентност и објашњивост

Аутономна вештачка интелигенција би идеално требало да буде у стању да објасни своје резоновање на начин који је разумљив људима, посебно у последичним областима (финансије, здравство, правосуђе). Објашњива вештачка интелигенција је област која тежи да отвори црну кутију:

• За одбијање кредита од стране вештачке интелигенције, прописи (као у САД, ECOA) могу захтевати да се подносиоцу захтева наведе разлог. Стога вештачка интелигенција мора да наведе факторе (нпр. „висок однос дуга и прихода“) као објашњење.

• Корисници који интерагују са вештачком интелигенцијом (као што су студенти са тутором који користи вештачку интелигенцију или пацијенти са здравственом апликацијом заснованом на вештачкој интелигенцији) заслужују да знају како она долази до савета. Улажу се напори да се резоновање вештачке интелигенције учини пративнијим, било поједностављивањем модела или паралелним објашњавајућим моделима.

• Транспарентност такође значи да корисници треба да знају када имају посла са вештачком интелигенцијом, а када са човеком. Етичке смернице (и вероватно неки закони) теже ка томе да захтевају откривање ако купац разговара са ботом. Ово спречава обману и омогућава сагласност корисника. Неке компаније сада експлицитно означавају садржај написан од стране вештачке интелигенције (као што је „Овај чланак је генерисана помоћу вештачке интелигенције“) како би одржале поверење.

Приватност и заштита података

Генеративној вештачкој интелигенцији често су потребни подаци – укључујући потенцијално осетљиве личне податке – да би функционисала или учила. Аутономне операције морају поштовати приватност:

• Агент за корисничку подршку са вештачком интелигенцијом ће приступити информацијама о налогу како би помогао кориснику; ти подаци морају бити заштићени и користити се само за тај задатак.

• Ако тутори са вештачком интелигенцијом имају приступ профилима ученика, постоје разматрања према законима попут FERPA (у САД) како би се осигурала приватност образовних података.

• Велики модели могу ненамерно запамтити специфичне податке из својих података за обуку (нпр. регургитацију адресе особе виђене током обуке). Технике попут диференцијалне приватности и анонимизације података у обуци су важне како би се спречило цурење личних података у генерисаним излазима.

• Прописи попут GDPR-а дају појединцима права над аутоматизованим одлукама које се на њих односе. Људи могу захтевати људски преглед или одлуке да се не аутоматизују искључиво ако значајно утичу на њих. До 2030. године, ови прописи би могли да се развијају како вештачка интелигенција постаје све распрострањенија, могуће увођењем права на објашњење или искључивање из обраде података коју врши вештачка интелигенција.

Безбедност и злоупотреба

Аутономни системи вештачке интелигенције могу бити мете хаковања или могу бити искоришћени за злонамерне радње:

• Генератор садржаја са вештачком интелигенцијом могао би се злоупотребити за креирање дезинформација у великим размерама (дипфејк видео снимци, лажни вести), што представља друштвени ризик. Етика објављивања веома моћних генеративних модела је предмет жестоких дебата (на пример, OpenAI је у почетку био опрезан са могућностима слика GPT-4). Решења укључују додавање воденог жига на садржај генерисан вештачком интелигенцијом како би се помогло у откривању лажних садржаја и коришћење вештачке интелигенције за борбу против вештачке интелигенције (као што су алгоритми за детекцију дипфејкова).

• Ако вештачка интелигенција контролише физичке процесе (дронове, аутомобиле, индустријску контролу), њена заштита од сајбер напада је кључна. Хаковани аутономни систем може проузроковати штету у стварном свету. То значи робусно шифровање, заштитне мере од кварова и могућност људског заокретања или искључивања ако се чини да је нешто угрожено.

• Такође постоји забринутост да вештачка интелигенција превазилази предвиђене границе (сценарио „лажне вештачке интелигенције“). Док тренутне вештачке интелигенције немају агенцију или намеру, ако будући аутономни системи буду агентивнији, потребна су строга ограничења и праћење како би се осигурало да, рецимо, не извршавају неовлашћене трговине или крше законе због погрешно дефинисаног циља.

Етичка употреба и утицај на људе

Коначно, шира етичка разматрања:

• Премештање радних места: Ако вештачка интелигенција може да обавља задатке без људске интервенције, шта се дешава са тим пословима? Историјски гледано, технологија аутоматизује неке послове, али ствара друге. Транзиција може бити болна за раднике чије су вештине у задацима који постају аутоматизовани. Друштво ће морати да управља овим кроз преквалификацију, образовање и могуће преиспитивање економске подршке (неки сугеришу да би вештачка интелигенција могла да захтева идеје попут универзалног основног дохотка ако се велики део посла аутоматизује). Већ анкете показују помешана осећања – једна студија је открила да је трећина радника забринута због тога што ће вештачка интелигенција заменити послове, док други виде да је то као уклањање мукотрпног посла.

• Ерозија људских вештина: Ако тутори вештачке интелигенције предају, аутопилоти возе, а вештачка интелигенција пише код, да ли ће људи изгубити ове вештине? Прекомерно ослањање на вештачку интелигенцију могло би у најгорем случају да угрози стручност; то је нешто чему ће се програми образовања и обуке морати прилагодити, осигуравајући да људи и даље уче основе чак и ако вештачка интелигенција помаже.

• Етичко доношење одлука: Вештачкој интелигенцији недостаје људски морални суд. У здравству или праву, одлуке засноване искључиво на подацима могу бити у сукобу са саосећањем или правдом у појединачним случајевима. Можда ћемо морати да кодирамо етичке оквире у вештачку интелигенцију (област истраживања етике вештачке интелигенције, нпр. усклађивање одлука вештачке интелигенције са људским вредностима). У најмању руку, препоручљиво је да људи буду обавештени о етички обојеним одлукама.

• Инклузивност: Осигуравање да су предности вештачке интелигенције широко распрострањене је етички циљ. Ако само велике компаније могу да приуште напредну вештачку интелигенцију, мања предузећа или сиромашнији региони би могли да заостану. Напори отвореног кода и приступачна решења вештачке интелигенције могу помоћи у демократизацији приступа. Такође, интерфејси треба да буду дизајнирани тако да свако може да користи алате вештачке интелигенције (различити језици, приступачност за особе са инвалидитетом итд.), како не бисмо створили нови дигитални јаз „ко има асистента вештачке интелигенције, а ко нема“.

Тренутно ублажавање ризика: Са позитивне стране, како компаније уводе генерацију вештачке интелигенције, расте свест и предузимају се мере по овом питању. До краја 2023. године, скоро половина компанија које користе вештачку интелигенцију активно је радила на ублажавању ризика попут нетачности ( Стање вештачке интелигенције у 2023. години: Година пробоја генеративне вештачке интелигенције | McKinsey ) ( Стање вештачке интелигенције: Глобално истраживање | McKinsey ), и тај број расте. Технолошке фирме су основале етичке одборе за вештачку интелигенцију; владе израђују прописе. Кључ је у томе да се етика укључи у развој вештачке интелигенције од самог почетка („Етика по дизајну“), уместо да се реагује касније.

У закључку о изазовима: давање веће аутономије вештачкој интелигенцији је мач са две оштрице. Може донети ефикасност и иновације, али захтева високу меру одговорности. У наредним годинама ће се вероватно појавити мешавина технолошких решења (за побољшање понашања вештачке интелигенције), процесних решења (оквири политике и надзора) и можда нових стандарда или сертификата (системи вештачке интелигенције могу бити ревидирани и сертификовани као што су то данас мотори или електроника). Успешно савладавање ових изазова одредиће колико глатко можемо интегрисати аутономну вештачку интелигенцију у друштво на начин који повећава људско благостање и поверење.

Закључак

Генеративна вештачка интелигенција се брзо развила од новог експеримента до трансформативне технологије опште намене која дотиче сваки кутак наших живота. Ова бела књига је истражила како ће до 2025. године системи вештачке интелигенције већ писати чланке, дизајнирати графику, кодирати софтвер, ћаскати са купцима, сумирати медицинске белешке, подучавати студенте, оптимизовати ланце снабдевања и писати финансијске извештаје. Важно је напоменути да у многим од ових задатака вештачка интелигенција може да функционише уз мало или без људске интервенције , посебно за добро дефинисане, понављајуће послове. Компаније и појединци почињу да верују вештачкој интелигенцији да ће ове задатке обављати аутономно, остварујући предности у брзини и обиму.

Гледајући унапред ка 2035. години, налазимо се на ивици ере у којој ће вештачка интелигенција бити још свеприсутнији сарадник – често невидљива дигитална радна снага која се бави рутинским пословима како би се људи могли фокусирати на изузетно. Очекујемо да ће генеративна вештачка интелигенција поуздано возити аутомобиле и камионе на нашим путевима, управљати залихама у складиштима преко ноћи, одговарати на наша питања као стручни лични асистенти, пружати индивидуалну наставу студентима широм света, па чак и помоћи у откривању нових лекова у медицини – све уз све минимални директан надзор. Граница између алата и агента ће се замаглити како се вештачка интелигенција буде премештала са пасивног праћења инструкција на проактивно генерисање решења.

Међутим, путовање ка овој аутономној будућности вештачке интелигенције мора се водити пажљиво. Као што смо навели, свака област доноси свој скуп ограничења и одговорности:

• Данашња провера реалности: Вештачка интелигенција није непогрешива. Одлична је у препознавању образаца и генерисању садржаја, али јој недостаје право разумевање и здрав разум у људском смислу. Стога, за сада, људски надзор остаје сигурносна мрежа. Препознавање где је вештачка интелигенција спремна да лети самостално (а где није) је кључно. Многи успеси данас долазе из тимског модела људи и вештачке интелигенције , а овај хибридни приступ ће наставити да буде вредан тамо где пуна аутономија још увек није разумна.

• Обећање сутрашњице: Са напретком у архитектурама модела, техникама обуке и механизмима надзора, могућности вештачке интелигенције ће се наставити ширити. Следећа деценија истраживања и развоја могла би да реши многе тренутне проблеме (смањење халуцинација, побољшање интерпретабилности, усклађивање вештачке интелигенције са људским вредностима). Ако је тако, системи вештачке интелигенције до 2035. године могли би бити довољно робусни да им се повери далеко већа аутономија. Пројекције у овом раду – од наставника вештачке интелигенције до углавном самосталних предузећа – могле би бити наша стварност, или чак надмашене иновацијама које је данас тешко замислити.

• Људска улога и адаптација: Уместо да вештачка интелигенција потпуно замени људе, предвиђамо еволуцију улога. Професионалци у свакој области ће вероватно морати да постану вешти у раду са вештачком интелигенцијом – водећи је, верификујући је и фокусирајући се на аспекте рада који захтевају изразито људске снаге попут емпатије, стратешког размишљања и решавања сложених проблема. Образовање и обука радне снаге требало би да се окрену како би се нагласиле ове јединствено људске вештине, као и писменост свих у области вештачке интелигенције. Доносиоци политика и пословни лидери требало би да планирају транзиције на тржишту рада и обезбеде системе подршке за оне који су погођени аутоматизацијом.

• Етика и управљање: Можда најкритичније, оквир етичке употребе и управљања вештачком интелигенцијом мора да подржи овај технолошки раст. Поверење је валута усвајања – људи ће дозволити вештачкој интелигенцији да вози аутомобил или помаже у операцијама само ако верују да је безбедна. Изградња тог поверења подразумева ригорозна испитивања, транспарентност, ангажовање заинтересованих страна (нпр. укључивање лекара у дизајнирање медицинских вештачких интелигенција, наставника у образовне алате за вештачку интелигенцију) и одговарајућу регулативу. Међународна сарадња може бити неопходна за решавање изазова попут дипфејкова или вештачке интелигенције у ратовању, осигуравајући глобалне норме за одговорну употребу.

Закључно, генеративна вештачка интелигенција представља моћан мотор напретка. Када се мудро користи, може ослободити људе мукотрпног рада, откључати креативност, персонализовати услуге и попунити празнине (доносећи стручност тамо где стручњаци недостају). Кључ је у њеној примени на начин који повећава људски потенцијал, а не маргинализује га . У кратком року, то значи да људи морају бити у току како би водили вештачку интелигенцију. Дугорочно, то значи кодирање хуманистичких вредности у језгро система вештачке интелигенције тако да чак и када делују независно, делују у нашем колективном најбољем интересу.

Домен	Поуздана аутономија данас (2025)	Очекује се поуздана аутономија до 2035. године
Писање и садржај	- Аутоматски генерисане рутинске вести (спорт, зарада). - Рецензије производа сумиране помоћу вештачке интелигенције. - Нацрти чланака или имејлова за људско уређивање. ( Филана Патерсон – профил заједнице ONA ) ( Амазон побољшава искуство са рецензијама купаца помоћу вештачке интелигенције )	- Већина вести и маркетиншког садржаја се аутоматски пише са чињеничном тачношћу. - Вештачка интелигенција производи комплетне чланке и саопштења за штампу уз минималан надзор. - Високо персонализован садржај генерисан на захтев.
Визуелне уметности и дизајн	- Вештачка интелигенција генерише слике из упутстава (човек бира најбоље). - Концепт уметност и варијације дизајна креиране аутономно.	- Вештачка интелигенција производи комплетне видео/филмске сцене и сложену графику. - Генеративни дизајн производа/архитектуре који испуњавају спецификације. - Персонализовани медији (слике, видео) креирани на захтев.
Софтверско кодирање	- Вештачка интелигенција аутоматски довршава код и пише једноставне функције (прегледано од стране програмера). - Аутоматизовано генерисање тестова и предлози грешака. ( Кодирање на Copilot-у: Подаци из 2023. указују на смањење притиска на квалитет кода (укључујући пројекције за 2024.) - GitClear ) ( GitHub Copilot на врху истраживачког извештаја о AI асистентима за кодирање -- Visual Studio Magazine )	- Вештачка интелигенција поуздано имплементира све функције из спецификација. - Аутономно дебаговање и одржавање кода за познате обрасце. - Креирање апликација са мало кода и мало људског уноса.
Корисничка служба	- Четботови одговарају на често постављана питања, решавају једноставне проблеме (предају сложене случајеве). - Вештачка интелигенција обрађује ~70% рутинских упита на неким каналима. ( 59 статистика корисничке службе за 2025. годину ) ( До 2030. године, 69% одлука током интеракција са купцима биће... )	- Вештачка интелигенција обрађује већину интеракција са купцима од почетка до краја, укључујући сложене упите. - Доношење одлука у реалном времену помоћу вештачке интелигенције за уступке услуга (повраћај новца, надоградње). - Људски агенти само за ескалације или посебне случајеве.
Здравствена заштита	- Вештачка интелигенција израђује медицинске белешке; предлаже дијагнозе које лекари верификују. - Вештачка интелигенција чита неке скенирања (радиологију) уз надзор; врши тријажу једноставних случајева. ( Производи за медицинско снимање помоћу вештачке интелигенције могли би се упетостручити до 2035. године )	- Вештачка интелигенција поуздано дијагностикује уобичајене болести и тумачи већину медицинских слика. - Вештачка интелигенција прати пацијенте и покреће негу (нпр. подсетнике за лекове, упозорења у хитним случајевима). - Виртуелне „медицинске сестре“ са виртуелном виталном интелигенцијом обављају рутинско праћење; лекари се фокусирају на сложену негу.
Образовање	- Тутори са вештачком интелигенцијом одговарају на питања ученика, генеришу задатке за вежбање (наставник прати). - Вештачка интелигенција помаже у оцењивању (уз преглед наставника). ([Генеративна вештачка интелигенција за образовање од предшколског до 12. разреда]	Истраживачки извештај компаније Applify]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
Логистика	- Вештачка интелигенција оптимизује руте испоруке и паковање (људи постављају циљеве). - Вештачка интелигенција указује на ризике у ланцу снабдевања и предлаже мере за ублажавање. ( Најбољи генеративни случајеви употребе вештачке интелигенције у логистици )	- Углавном аутономне испоруке (камиони, дронови) које надгледају контролори са вештачком интелигенцијом. - Вештачка интелигенција аутономно преусмерава пошиљке око поремећаја и прилагођава залихе. - Координација ланца снабдевања од почетка до краја (наручивање, дистрибуција) којом управља вештачка интелигенција.
Финансије	- Вештачка интелигенција генерише финансијске извештаје/сажетке вести (прегледају људи). - Робо-саветници управљају једноставним портфолијима; чет помоћу вештачке интелигенције обрађује упите купаца. ( Генеративна вештачка интелигенција долази у финансије )	- Аналитичари вештачке интелигенције производе инвестиционе препоруке и извештаје о ризицима са високом тачношћу. - Аутономно трговање и ребалансирање портфолија у оквиру постављених ограничења. - вештачка интелигенција аутоматски одобрава стандардне кредите/потраживања; људи обрађују изузетке.

Референце:

1. Патерсон, Филана. Аутоматизоване приче о заради се множе . Асошијејтед прес (2015) – Описује АП-ово аутоматизовано генерисање хиљада извештаја о заради без људског писца ( Аутоматизоване приче о заради се множе | Асошијејтед прес ).

2. McKinsey & Company. Стање вештачке интелигенције почетком 2024: Усвајање генерације вештачке интелигенције расте и почиње да генерише вредност . (2024) – Извештава да 65% организација редовно користи генеративну вештачку интелигенцију, што је скоро двоструко више него 2023. ( Стање вештачке интелигенције почетком 2024. | McKinsey ), и разматра напоре за ублажавање ризика ( Стање вештачке интелигенције: Глобално истраживање | McKinsey ).

3. Гартнер. Више од ChatGPT-а: Будућност генеративне вештачке интелигенције за предузећа . (2023) – Предвиђа да би до 2030. године 90% блокбастер филмова могло бити генерисано вештачком интелигенцијом ( Случајеви употребе генеративне вештачке интелигенције за индустрије и предузећа ) и истиче случајеве употребе генеративне вештачке интелигенције попут дизајна лекова ( Случајеви употребе генеративне вештачке интелигенције за индустрије и предузећа ).

4. Twipe. 12 начина на које новинари користе алате вештачке интелигенције у редакцији . (2024) – Пример „Кларине“ вештачке интелигенције у новинској кући која пише 11% чланака, док људски уредници прегледају сав садржај вештачке интелигенције ( 12 начина на које новинари користе алате вештачке интелигенције у редакцији - Twipe ).

5. Вести са Amazon.com. Amazon побољшава искуство са рецензијама купаца помоћу вештачке интелигенције . (2023) – Најављује резимее рецензија генерисаних помоћу вештачке интелигенције на страницама производа како би помогао купцима ( Amazon побољшава искуство са рецензијама купаца помоћу вештачке интелигенције ).

6. Zendesk. 59 Статистика корисничке службе са вештачком интелигенцијом за 2025. годину . (2023) – Указује да више од две трећине CX организација сматра да ће генеративна вештачка интелигенција додати „топлину“ услузи ( 59 Статистика корисничке службе са вештачком интелигенцијом за 2025. годину ) и предвиђа да ће вештачка интелигенција на крају бити присутна у 100% интеракција са купцима ( 59 Статистика корисничке службе са вештачком интелигенцијом за 2025. годину ).

7. Futurum Research & SAS. Искуство 2030: Будућност корисничког искуства . (2019) – Анкета је показала да брендови очекују да ће ~69% одлука током ангажовања купаца бити донето помоћу паметних машина до 2030. године ( Да би поново осмислили прелазак на корисничко искуство, маркетиншки стручњаци морају да ураде ове 2 ствари ).

8. Датаику. Најбољи случајеви употребе генеративне вештачке интелигенције у логистици . (2023) – Описује како ГенАИ оптимизује утовар (смањење ~30% празног простора у камионима) ( Најбољи случајеви употребе генеративне вештачке интелигенције у логистици ) и означава ризике у ланцу снабдевања скенирањем вести.

9. Часопис Visual Studio. GitHub Copilot на врху истраживачког извештаја о AI асистентима за код . (2024) – Гартнерове претпоставке стратешког планирања: до 2028. године, 90% програмера у предузећима ће користити AI асистенте за код (у односу на 14% у 2024. години) ( GitHub Copilot на врху истраживачког извештаја о AI асистентима за код -- Часопис Visual Studio ).

10. Блумберг вести. Представљамо БлумбергГПТ . (2023) – Детаљи о Блумберговом моделу са 50 бита параметара намењеном финансијским задацима, уграђеном у терминал за питања и одговоре и подршку анализи ( Генеративна вештачка интелигенција долази у финансије ).

Чланци које бисте можда желели да прочитате након овог:

🔗 Послови које вештачка интелигенција не може да замени – и које послове ће вештачка интелигенција заменити?
Глобални поглед на еволуирајући пејзаж послова, испитујући које су улоге безбедне од поремећаја вештачке интелигенције, а које су највише угрожене.

🔗 Може ли вештачка интелигенција предвидети берзу?
Дубински увид у могућности, ограничења и етичка разматрања коришћења вештачке интелигенције за предвиђање кретања на берзи.

🔗 Како се генеративна вештачка интелигенција може користити у сајбер безбедности?
Сазнајте како се генеративна вештачка интелигенција примењује за одбрану од сајбер претњи, од откривања аномалија до моделирања претњи.