Компании вкладывают средства в искусственный интеллект, словно это волшебное решение, но данные показывают неудобную реальность: на каждый потраченный доллар лишь 18 центов приносят реальную ценность. Остальное уходит на исправление ошибок, подпитку бесполезных данных или выполнение задач, которые никто не просил. В Amazon сотрудники прибегали к ИИ, чтобы оправдать свою работу тривиальными проектами, раздувая расходы без ощутимой выгоды. В конечном итоге граждане оплачивают счёт, не видя улучшений в услугах.
Скрытая стоимость автоматизации ненужного 💸
С технической точки зрения проблема не в ИИ, а в его внедрении без должного обоснования. Языковые модели, такие как GPT, или системы компьютерного зрения требуют чистых данных и чётких целей. Если компания обучает алгоритм выявлять закономерности во внутренних письмах, которые не приносят никакой пользы, результатом становится модель, потребляющая ресурсы GPU, электроэнергию и часы обслуживания. Каждое исправление ошибки стоит больше, чем экономится. Ключ в том, чтобы определить метрики окупаемости до запуска любого проекта машинного обучения.
ИИ, который использовали для оправдания утреннего кофе ☕
В Amazon некоторые команды создали ИИ-ассистентов для таких задач, как организация плейлистов в офисе или напоминание о днях рождения коллег. Результат: расходы на серверы AWS превысили зарплату человека-ассистента. Тем временем клиенты продолжали ждать задержанные посылки. Мораль проста: если ваш начальник просит вас о проекте с ИИ, убедитесь, что это не просто способ создать видимость работы, пока он пьёт очередной кофе.