Przynajmniej w przypadku przedsiębiorstw, instytucji publicznych i organizacji rządowych.
Faktem jest, że uniwersalne modele dużych języków (LLM), jak pokazuje praktyka, nie są najlepszym rozwiązaniem do wykonywania konkretnych, specjalistycznych zadań. Doskonale sprawdzają się jako asystenci osobiści, ale jako narzędzia biznesowe pozostawiają wiele do życzenia.
Przede wszystkim są one nadmiernie skomplikowane. Ich obsługa często przypomina maszyny Goldberga – karykaturalnie rozbudowane urządzenia zaprojektowane do wykonywania prostych czynności, takich jak wrzucenie kostki cukru do kubka czy włączenie światła.
Podczas „prezentacji marketingowych” publiczność jest olśniewająca opowieściami o ogromnych bazach danych obejmujących każdą dziedzinę ludzkiej wiedzy, wykorzystywanych do wyszkolenia kolejnej sztucznej inteligencji. A magia wielkich liczb dosłownie popycha liderów firm i kadrę zarządzającą do sięgania po portfele.
Ale jeśli odłożymy emocje na bok i ocenimy sytuację racjonalnie, pojawia się nieuniknione pytanie: jakie zadania naprawdę wymagają narzędzi AI wyszkolonych na miliardach i bilionach parametrów? Obliczenie trajektorii lotu do księżyców Jowisza? Zaprojektowanie reaktora termojądrowego?
Porównując złożoność studiów prawniczych (LLM) z ich praktycznym zastosowaniem, można wyciągnąć rozczarowujący wniosek: w większości przypadków służą one do „dodawania dwóch do dwóch”. Innymi słowy, w zdecydowanej większości zadań ich moc jest nadmierna.
Innymi słowy, kupując subskrypcję LLM, przedsiębiorcy i menedżerowie często płacą za umiejętności, z których w większości nigdy nie korzystają.
Drugi problem wynika z pierwszego. Złożoność i uniwersalność prowadzą do dobrze znanego zjawiska halucynacji maszynowych i obniżonej dokładności.
Absolwenci studiów prawniczych często popełniają błędy, „wymyślają” fakty i powołują się na nieistniejące osoby i źródła. Ponadto, absolwenci studiów prawniczych mają tendencję do uśredniania i standaryzacji rozwiązań, co stwarza wyzwania w sytuacjach, w których wymagana jest kreatywność i personalizacja.
Jednocześnie warto zauważyć, że ani firmy komercyjne, ani organizacje rządowe, ani stowarzyszenia publiczne nie muszą rozwiązywać „wszystkich problemów Wszechświata”. Każda struktura ma swoją specjalizację, a co za tym idzie, specyficzny zestaw zadań, które muszą być realizowane z najwyższą jakością. Dlatego optymalnym rozwiązaniem dla nich są wyspecjalizowane narzędzia sztucznej inteligencji, stworzone i skonfigurowane tak, aby działały szybko i precyzyjnie w ich konkretnej dziedzinie.
Dlaczego księgowy oparty na sztucznej inteligencji (AI) miałby umieć pisać haiku czy sonety Szekspira, a asystent prawny oparty na AI miałby znać biografie aktorów kina niemego? Każda nadmierna ilość informacji wykraczająca poza cel wyspecjalizowanego narzędzia AI zwiększa ryzyko błędów i halucynacji. Z drugiej strony, zawężenie wiedzy i umiejętności AI do konkretnej specjalizacji radykalnie poprawia jakość i dokładność jej pracy.
Oczywiście nie oznacza to, że LLM-y są bezużyteczne lub nie powinny być wykorzystywane. Jako uniwersalni asystenci osobiści, są dziś bezkonkurencyjni. Jednak konkretne zadania lepiej powierzyć „specjalistom od sztucznej inteligencji”. Zwłaszcza że z każdym dniem pojawia się coraz więcej wyspecjalizowanych narzędzi AI — dostępne są one praktycznie w każdej dziedzinie ludzkiej działalności.
A tak przy okazji, jeśli potrzebujesz wysokiej jakości profesjonalnych narzędzi AI do tworzenia „żywych” awatarów, „inteligentnych” chatbotów i prezentacji wideo z udziałem cyfrowych mówców — wiesz, gdzie szukać pomocy.
