Венчурные капиталисты столкнулись с проблемами при автоматизации услуг с помощью ИИ

Венчурные капиталисты активно инвестируют в стратегию автоматизации традиционных сервисных компаний с помощью искусственного интеллекта, однако появляются признаки того, что этот процесс может быть сложнее, чем предполагалось изначально.

Компания General Catalyst выделила 1,5 миллиарда долларов (~120 млрд рублей) на так называемую «стратегию создания», которая предполагает инкубацию ИИ-компаний в конкретных отраслях с последующим приобретением ими устоявшихся сервисных фирм. Стратегия уже реализуется в семи отраслях — от юридических услуг до IT-менеджмента.

«Глобальный объем рынка услуг составляет 16 триллионов долларов в год, в то время как программное обеспечение — всего 1 триллион», — отмечает Марк Бхаргава из General Catalyst.

В качестве примера успешной реализации стратегии приводится компания Titan MSP, которая с помощью ИИ автоматизировала 38% типичных задач управляемых сервис-провайдеров. Аналогичный подход применяется в юридическом секторе компанией Eudia, которая перешла на фиксированную оплату услуг вместо почасового биллинга.

Однако исследование, проведенное Stanford Social Media Lab и BetterUp Labs, выявило серьезную проблему — так называемый ««workslop»» (AI-генераций, которая выглядит качественно, но не имеет реальной ценности). 40% сотрудников сообщают о возросшей нагрузке из-за необходимости исправлять ошибки ИИ, тратя на это в среднем по два часа на каждый случай.

«Для организации с 10 000 сотрудников это приводит к потерям производительности на сумму более 9 миллионов долларов (~720 млн рублей) в год», — подсчитали авторы исследования.

Бхаргава оспаривает мнение о переоцененности ИИ, утверждая, что сложности внедрения лишь подтверждают правильность подхода General Catalyst: «Если бы все компании Fortune 100 могли просто нанять консалтинговую фирму, подключиться к OpenAI и трансформировать бизнес, наша теория была бы менее устойчивой. Но реальность такова, что трансформировать компанию с помощью ИИ действительно сложно».

Эксперты отмечают, что если компании будут сокращать персонал в соответствии с логикой эффективности ИИ, у них останется меньше людей для исправления ошибок, генерируемых искусственным интеллектом. Если же сохранить текущую численность персонала для обработки проблемного AI-вывода, маржинальность может не достичь ожидаемых показателей.