Как нейробизнес в России выживает без ChatGPT

Александр Стрельников, руководитель направления GenAI компании Axenix
Чат-бот с генеративным искусственным интеллектом ChаtGPT вышел на рынок всего два года назад, став самым быстрорастущим онлайн-сервисом в мире. В его основе лежала модель GPT-3. С появлением модели GPT-4 началось активное внедрение нейросетей в бизнес-процессы. В 2024 году компания Open AI выпустила две новые генеративные модели — GPT-4o и o1. Однако в России использовать продукты Open AI для бизнес-задач практически невозможно — в конце 2022 года компания ограничила доступ российских пользователей к своим сервисам.

Как развиваются зарубежные нейросети

Основная потребность бизнеса в нейросетях заключается в автоматизации рутинных задач и повышении общей эффективности. Например, эти модели способны предобрабатывать информацию и взаимодействовать с данными в ERP-системах, выполняя определенные локальные функции.

Для этих задач вполне достаточно модели GPT-4 — новая «промежуточная» версия 4o не добавила ощутимой бизнес-ценности. Это просто еще один шаг в сторону более глобальной цели, а именно к AGI — общему искусственному интеллекту. Чтобы его создать, необходимы эти дополнительные эксперименты — моделям важно научиться решать более сложные технические, математические, физические задачи.

До четвертой версии GPT основная цель Open AI заключалась в том, чтобы повысить достоверность и точность ответов модели. В новой версии разработчики пошли дальше: теперь они учат нейросеть справляться с более сложными задачами, в частности, выстраивать логические взаимосвязи, буквально — рассуждать. Однако такой функционал для бизнеса пока избыточен.

Для бизнес-целей полезен другой вектор развития нейросетей — создание полноценных ИИ-агентов. Так, компания Anthropic, ближайший конкурент Open AI, в октябре объявила о выходе новой версии генеративной модели Claude 3.5 Sonnet, которая в бета-версии может напрямую взаимодействовать с компьютером — управлять мышкой, видеть экран, вводить текст, открывать разные программы и сайты. На основе этой модели или того же GPT-4 в ближайшем будущем получится создать полноценного ИИ-агента, а не просто помощника.

Почему это можно назвать прорывом в развитии нейросетей для бизнеса? Сейчас компании автоматизируют локальные задачи и отдельные функции в бизнес-процессах. Одна система преобразовывает формат, другая — редактирует текст, третья — принимает входящие данные и т.д. Соединить эти функции в единую систему практически невозможно.

Автономный ИИ-агент может значительно расширить области автоматизации, охватывая одновременно больше функций или весь бизнес-процесс. Например, такому агенту поступают данные. Он способен их самостоятельно проанализировать, выявить ошибки, сравнить с имеющейся информацией, скорректировать и преобразовать в нужный формат, передать в другие системы. В результате автоматизируется весь бизнес-процесс, а не его отдельные части.

Можно прогнозировать, что следующие версии моделей, похожие на ИИ-агентов, появятся к середине следующего года. Через год-два после тестирования техническим сообществом эти технологии будут активно применяться в бизнесе для оптимизации тех или иных бизнес-процессов.

Что мешает применению нейросетей в бизнесе

Если говорить глобально, то есть основная проблемная область — достоверность. В сети можно найти много примеров того, как та или иная нейросеть выдумывает отдельные факты или неверно отвечает даже на простые вопросы. Это эффект галлюцинирования. В случае с бизнес-процессами это может быть критичным, поэтому выводы нейросети должен проверять человек, а это ведет скорее к увеличению трудозатрат.

Чем сложнее задача и чем больше переменных в ней, тем выше риск, что нейросеть допустит ошибку. В GPT-4o это частично решается способностью рассуждать: модель транслирует этапы решения задачи — человек может выявить ошибку на одном из них, указать на нее и попросить исправить.

Однако из-за таких рисков нейросети пока применяются преимущественно на простых процессах, связанных с аналитикой или обработкой данных. Либо в качестве «второго пилота», работу которого человек корректирует либо отклоняет. Например, так устроен Copilot, ИИ-помощник программиста от GitHub.

Нейросети в России

Несмотря на то, что многие россияне находят способы получить аккаунт и использовать ChatGPT для личных нужд, широкого распространения в корпоративной среде он не получил. Невозможно выстраивать бизнес на решениях, доступ к которым в текущих реалиях может быть отрезан в один момент.

Здесь же можно отметить риски информационной безопасности, актуальные не только для России. Например, использовать тот же ChatGPT запретили сотрудникам Apple, Samsung и многим другим компаниям — из-за опасения утечки данных.

Крупный бизнес в целом не очень любит отдавать информацию сторонним сервисам или провайдерам, предпочитает выстраивать инфраструктуру on-premise. Поэтому рассчитывать, что корпоративный сектор будет массово использовать российские клауд решения YandexGPT или GigaChat (от Сбера), вряд ли стоит. А самостоятельно разрабатывать такие модели — слишком затратный процесс как с точки зрения ресурсов, так и с точки зрения экспертизы.

Поэтому бизнес чаще самостоятельно дорабатывает Open Source решения или обращается к ИТ-компаниям, которые это уже сделали и «упаковали» открытые нейросети в работающий продукт. В этом случае готовое решение кастомизируется под задачи и бизнес-процессы конкретной организации.

Проектов с открытым исходным кодом, связанных с нейросетями, достаточно много. Все они находятся на разных стадиях зрелости — какие-то можно с минимальными доработками встроить в бизнес уже сейчас, какие-то нуждаются в значительной доработке. Для выбора можно использовать репозитории со списком нейросетей, где указана их актуальная функциональность.

Стоит отметить, что самостоятельная разработка решений на основе открытых моделей — довольно трудоемкий процесс. Если ChatGPT внедряется за 1-2 месяца, то доработка и внедрение open source модели может занять в 2-3 раза больше времени. Чтобы добиться такой точности, как у GPT-4, российским разработчикам приходится прикладывать значительные усилия.

Что нас ждет в обозримом будущем

Стоп-факторов в контексте развития нейросетей в мире достаточно много — это и вопросы энергопотребления, и регуляторные требования, которые активно формируются в разных странах.

Несмотря на это, можно ожидать, что на горизонте трех лет ChatGPT и подобные продукты будут широко интегрированы в бизнес. Более того, они научатся выполнять более сложные задачи — брать на себя не отдельные функции, а исполнять весь бизнес-процесс.

Российские специалисты активно перенимают опыт мировой ИИ-отрасли. Невозможность использовать решения мировых лидеров и ограниченный доступ к графическим процессорам, необходимым для разработки ИИ, создают и сложности, и возможности. Российским компаниям приходится прилагать больше усилий, чтобы создавать работающие решения сопоставимого уровня. И затраченные усилия уже начинают давать свои плоды.