Artificiell intelligens (AI) har länge varit ett hett ämne inom teknikvärlden, med stora löften om revolutionerande förändringar. Men nu verkar branschen gå in i en ny fas där fokus skiftar från storslagna visioner till mer jordnära produktutveckling. Detta skifte kan visa sig avgörande för AI:s framtida framgångar och genomslag på marknaden.
Under de senaste åren har ledande AI-företag som OpenAI och Anthropic främst fokuserat på att utveckla allt kraftfullare språkmodeller och AI-system. Målet har varit att skapa något som liknar artificiell generell intelligens (AGI) - AI-system med mänsklig eller övermänsklig intelligens inom alla områden. Detta har lett till imponerande demonstrationer av AI:s förmågor, men relativt få konkreta produkter för slutanvändare.
Nu ser vi tecken på att dessa företag börjar ändra kurs. OpenAI, som länge profilerat sig som ett forskningslabb, tycks allt mer likna ett vanligt produktföretag. Detta skifte var en av de bakomliggande orsakerna till den uppmärksammade ledningskrisen på OpenAI förra året. Anthropic har också börjat inse behovet av att utveckla användbara produkter snarare än att enbart fokusera på AGI-forskning.
Att gå från imponerande demonstrationer till pålitliga produkter är dock inte en enkel uppgift. AI-företagen står inför flera stora utmaningar:
Att köra avancerade språkmodeller är fortfarande dyrt, vilket begränsar vilka typer av applikationer som är ekonomiskt hållbara. Även om kostnaderna sjunker snabbt är det oklart när AI verkligen blir "för billig för att mäta", som vissa hävdar. I många fall översätts lägre kostnader direkt till högre prestanda genom att man kan köra fler iterationer, så kostnadsoptimering lär förbli en viktig fråga.
AI-system baserade på maskininlärning är i grunden stokastiska, vilket gör det svårt att uppnå den nivå av tillförlitlighet som användare förväntar sig av mjukvara. En AI-reseassistent som bokar fel destination 10% av gångerna kommer inte att bli framgångsrik. Att bygga deterministiska system av stokastiska komponenter är en stor utmaning.
För att skapa användbara AI-assistenter behöver företagen tillgång till användardata som e-post och dokument. Detta väcker frågor om dataskydd och integritet. Företagens integritetspolicyer är ofta vaga kring hur användardata används för att träna AI-modeller. Apple verkar ta en mer försiktig approach här, vilket kan tvinga konkurrenter att följa efter.
AI-system kan misslyckas på oväntade sätt eller utnyttjas för skadliga syften. Särskilt sårbarheter som kan utnyttjas för att attackera användare, som prompt injection, är ett område där företagen behöver lägga mer fokus.
Att designa användarvänliga gränssnitt för AI-assistenter, särskilt röststyrda sådana, är en stor utmaning. Systemet måste kunna hantera fel och oväntade situationer utan att irritera användaren.
Trots alla utmaningar finns det anledning till optimism. Skiftet mot produktfokus är ett viktigt steg för att AI ska kunna leverera verkligt värde till användare. Men vi bör vara realistiska kring tidshorisonten - att integrera AI i existerande produkter och arbetsflöden, och lära människor att använda tekniken produktivt, kommer sannolikt att ta årtionden snarare än månader.
AI-bolagen har insett att de måste anpassa tekniken till användarnas förväntningar, inte tvärtom. Det kommer att kräva mycket arbete för att överbrygga gapet mellan imponerande demonstrationer och pålitliga produkter. Men i slutändan kan detta skifte leda till att AI verkligen börjar leverera på sina löften om att förbättra våra liv och vårt arbete på meningsfulla sätt.
För den som vill fördjupa sig mer i ämnet rekommenderas Benedict Evans analyser av hur AI kan paketeras som produkter.
