Mida saab generatiivsele tehisintellektile loota ilma inimese sekkumiseta?

Kokkuvõte

Generatiivne tehisintellekt (AI) – tehnoloogia, mis võimaldab masinatel luua teksti, pilte, koodi ja muud – on viimastel aastatel plahvatuslikult kasvanud. See tehisintellekt annab arusaadava ülevaate sellest, mida generatiivne tehisintellekt suudab usaldusväärselt teha ilma inimese sekkumiseta ja mida sellelt oodatakse järgmise kümnendi jooksul. Vaatleme selle kasutamist kirjutamises, kunstis, kodeerimises, klienditeeninduses, tervishoius, hariduses, logistikas ja rahanduses, tuues esile valdkonnad, kus tehisintellekt toimib autonoomselt ja kus inimese järelevalve on endiselt ülioluline. Nii edusammude kui ka piirangute illustreerimiseks on lisatud reaalse maailma näiteid. Peamised järeldused on järgmised:

• Laialdane kasutuselevõtt: 2024. aastal teatas 65% küsitletud ettevõtetest, et kasutavad regulaarselt generatiivset tehisintellekti – see on peaaegu kaks korda rohkem kui eelmisel aastal ( Tehisintellekti olukord 2024. aasta alguses | McKinsey ). Rakendused hõlmavad turundussisu loomist, klienditoe vestlusroboteid, koodi genereerimist ja palju muud.

• Praegused autonoomsed võimalused: tänapäeva genereeriv tehisintellekt saab usaldusväärselt hakkama struktureeritud ja korduvate ülesannetega minimaalse järelevalvega. Näideteks on automaatne uudiste genereerimine (nt ettevõtete tulude kokkuvõtted) ( Philana Patterson – ONA kogukonna profiil ), tootekirjelduste ja arvustuste esiletõstmiste loomine e-kaubanduse saitidel ning koodi automaatne täitmine. Nendes valdkondades täiendab tehisintellekt sageli inimtöötajaid, võttes üle rutiinse sisu loomise.

• Inimene kaasatud keerukate ülesannete puhul: keerukamate või lahtisemate ülesannete puhul – näiteks loominguline kirjutamine, detailne analüüs või meditsiiniline nõustamine – on faktilise täpsuse, eetilise hinnangu ja kvaliteedi tagamiseks tavaliselt endiselt vaja inimese järelevalvet. Paljud tehisintellekti juurutused kasutavad tänapäeval „inimene kaasatud“ mudelit, kus tehisintellekt koostab sisu mustandi ja inimesed vaatavad selle üle.

• Lähiaja täiustused: Järgmise 5–10 aasta jooksul peaks generatiivne tehisintellekt muutuma palju usaldusväärsemaks ja autonoomsemaks . Mudeli täpsuse ja kaitsemehhanismide edusammud võivad võimaldada tehisintellektil hallata suuremat osa loomingulistest ja otsustusülesannetest minimaalse inimliku sekkumisega. Näiteks ennustavad eksperdid, et 2030. aastaks tegeleb tehisintellekt enamiku klienditeeninduse suhtluste ja otsustega reaalajas ( To Reimaginize the Shift to CX, Marketers Must Do These 2 Things ) ja suure filmi saaks toota 90% ulatuses tehisintellekti loodud sisuga ( Generative AI Use Cases for Industries and Enterprises ).

• 2035. aastaks: Kümne aasta pärast eeldame, et autonoomsed tehisintellektiga agendid on paljudes valdkondades tavalised. Tehisintellekti juhendajad võiksid pakkuda personaalset haridust laias ulatuses, tehisintellekti assistendid võiksid usaldusväärselt koostada juriidilisi lepinguid või meditsiinilisi aruandeid ekspertide heakskiitmiseks ning isejuhtivad süsteemid (generatiivse simulatsiooni abil) võiksid logistikaoperatsioone otsast lõpuni läbi viia. Teatud tundlikud valdkonnad (nt kõrge riskiga meditsiinilised diagnoosid, lõplikud õiguslikud otsused) vajavad aga ohutuse ja vastutuse tagamiseks tõenäoliselt endiselt inimese otsustusvõimet.

• Eetika ja usaldusväärsusega seotud mured: tehisintellekti autonoomia kasvades kasvavad ka mured. Tänapäeva probleemide hulka kuuluvad hallutsinatsioonid (tehisintellekti poolt faktide väljamõtlemine), loodud sisu kallutatus, läbipaistvuse puudumine ja võimalik väärkasutus väärinfo levitamiseks. Tehisintellekti usaldusväärsuse tagamine järelevalveta tegutsemisel on ülimalt oluline. Edusamme tehakse – näiteks organisatsioonid investeerivad rohkem riskide maandamisse (täpsuse, küberturvalisuse ja intellektuaalomandi probleemide lahendamine) ( The State of AI: Global survey | McKinsey ) –, kuid vaja on tugevat juhtimist ja eetikaraamistikke.

• Selle töö struktuur: Alustame sissejuhatusega generatiivsesse tehisintellekti ja autonoomse vs. juhendatud kasutamise kontseptsiooni. Seejärel arutame iga suurema valdkonna (kirjutamine, kunst, kodeerimine jne) kohta, mida tehisintellekt suudab tänapäeval usaldusväärselt teha võrreldes tulevikuga. Lõpetuseks käsitleme valdkondadevahelisi väljakutseid, tulevikuprognoose ja soovitusi generatiivse tehisintellekti vastutustundlikuks rakendamiseks.

Üldiselt on generatiivne tehisintellekt juba tõestanud oma võimet toime tulla üllatavalt paljude ülesannetega ilma pideva inimese juhendamiseta. Mõistes selle praeguseid piire ja tulevast potentsiaali, saavad organisatsioonid ja avalikkus paremini valmistuda ajastuks, kus tehisintellekt ei ole lihtsalt tööriist, vaid autonoomne koostööpartner töös ja loovuses.

Sissejuhatus

Tehisintellekt on juba ammu suutnud analüüsida , kuid alles hiljuti on tehisintellekti süsteemid õppinud looma – kirjutama proosat, komponeerima pilte, programmeerima tarkvara ja palju muud. Neid generatiivseid tehisintellekti mudeleid (näiteks GPT-4 teksti jaoks või DALL·E piltide jaoks) treenitakse tohutute andmekogumite põhjal, et toota vastuseks küsimustele uudset sisu. See läbimurre on vallandanud innovatsioonilaine erinevates tööstusharudes. Siiski tekib kriitiline küsimus: mida me saame tegelikult tehisintellektile usaldada iseseisvalt, ilma et inimene selle väljundit topeltkontrolliks?

Sellele vastamiseks on oluline eristada järelevalve all ja autonoomset kasutamist:

• Inimese poolt juhendatud tehisintellekt viitab stsenaariumidele, kus tehisintellekti väljundeid vaatavad või kureerivad inimesed enne nende lõplikku vormistamist. Näiteks võib ajakirjanik artikli mustandi koostamiseks kasutada tehisintellekti kirjutamisassistenti, kuid toimetaja redigeerib ja kinnitab selle.

• Autonoomne tehisintellekt (AI ilma inimese sekkumiseta) viitab tehisintellekti süsteemidele, mis täidavad ülesandeid või toodavad sisu, mida kasutatakse otse vähese või ilma inimese sekkumiseta. Näiteks automatiseeritud vestlusrobot, mis lahendab kliendi päringu ilma inimese sekkumiseta, või uudisteväljaanne, mis avaldab automaatselt tehisintellekti loodud sporditulemuste kokkuvõtte.

Generatiivset tehisintellekti (AI) kasutatakse juba mõlemas režiimis. Aastatel 2023–2025 on selle kasutuselevõtt hüppeliselt kasvanud ja organisatsioonid katsetavad innukalt. Üks ülemaailmne uuring 2024. aastal näitas, et 65% ettevõtetest kasutab regulaarselt generatiivset tehisintellekti, mis on tõus võrreldes umbes kolmandikuga vaid aasta varem ( AI olukord 2024. aasta alguses | McKinsey ). Ka üksikisikud on omaks võtnud sellised tööriistad nagu ChatGPT – hinnanguliselt 79% spetsialistidest oli 2023. aasta keskpaigaks vähemalt mingil määral kokku puutunud generatiivse tehisintellektiga ( AI olukord 2023. aastal: Generatiivse tehisintellekti läbimurdeaasta | McKinsey ). Seda kiiret kasutuselevõttu ajendab efektiivsuse ja loovuse kasvu lubadus. Siiski on see alles „algusjärgus“ ja paljud ettevõtted alles kujundavad poliitikat, kuidas tehisintellekti vastutustundlikult kasutada ( AI olukord 2023. aastal: Generatiivse tehisintellekti läbimurdeaasta | McKinsey ).

Miks on autonoomia oluline: tehisintellekti toimimine ilma inimese järelevalveta võib avada tohutu efektiivsuse kasu – automatiseerida tüütud ülesanded täielikult –, kuid see tõstab ka usaldusväärsuse taset. Autonoomne tehisintellekti agent peab asjad õigesti tegema (või teadma oma piire), sest reaalajas ei pruugi olla inimest, kes vigu märkaks. Mõned ülesanded sobivad selleks paremini kui teised. Üldiselt toimib tehisintellekt kõige paremini autonoomselt, kui:

• Ülesandel on selge struktuur või muster (nt rutiinsete aruannete genereerimine andmete põhjal).

• Vead on väikese riskiga või kergesti talutavad (nt pildi genereerimine, mille saab ebarahuldava tulemuse korral kõrvale jätta, võrreldes meditsiinilise diagnoosiga).

• on olemas piisavalt treeningandmeid , seega tehisintellekti väljund põhineb reaalsetel näidetel (vähendades oletusi).

Seevastu ülesanded, mis on avatud , kõrge panusega või nõuavad nüansirikast otsustusvõimet, ei sobi tänapäeval üldse järelevalveta.

Järgmistes osades uurime mitmesuguseid valdkondi, et näha, mida generatiivne tehisintellekt praegu teeb ja mis saab edasi. Vaatleme konkreetseid näiteid – tehisintellekti kirjutatud uudistest ja loodud kunstiteostest kuni koodikirjutamise assistentide ja virtuaalsete klienditeenindajateni –, tuues esile, milliseid ülesandeid saab tehisintellekt otsast lõpuni täita ja millised vajavad endiselt inimese osalemist. Iga valdkonna puhul eraldame selgelt praegused võimalused (umbes 2025. aasta seisuga) realistlikest prognoosidest selle kohta, mis võiks olla usaldusväärne 2035. aastaks.

Kaardistades autonoomse tehisintellekti olevikku ja tulevikku erinevates valdkondades, on meie eesmärk pakkuda lugejatele tasakaalustatud arusaama: tehisintellekti ei tohiks üle tähtsustada kui maagiliselt eksimatut ega alahinnata selle väga reaalseid ja kasvavaid pädevusi. Sellele tuginedes arutame seejärel tehisintellekti usaldamisega kaasnevaid üldisi väljakutseid ilma järelevalveta, sealhulgas eetilisi kaalutlusi ja riskijuhtimist, enne kui esitame peamised järeldused.

Generatiivne tehisintellekt kirjutamises ja sisu loomisel

Üks esimesi valdkondi, kus genereeriv tehisintellekt laineid lõi, oli teksti genereerimine. Suured keelemudelid suudavad toota kõike alates uudistest ja turundustekstidest kuni sotsiaalmeedia postituste ja dokumentide kokkuvõteteni. Aga kui palju sellest kirjutamisest saab teha ilma inimtoimetajata?

Praegused võimalused (2025): tehisintellekt rutiinse sisu automaatse kirjutajana

Tänapäeval tegeleb generatiivne tehisintellekt usaldusväärselt mitmesuguste rutiinsete kirjutamisülesannetega minimaalse või ilma inimese sekkumiseta. Hea näide on ajakirjandus: Associated Press on aastaid kasutanud automatiseerimist, et genereerida igal kvartalil tuhandeid ettevõtete tuluaruandeid otse finantsandmevoogudest ( Philana Patterson – ONA kogukonna profiil ). Need lühikesed uudised järgivad malli (nt „Ettevõte X teatas tuludest Y, tõus Z%...“) ja tehisintellekt (kasutades loomuliku keele genereerimise tarkvara) suudab numbrid ja sõnad sisestada kiiremini kui ükski inimene. AP süsteem avaldab need aruanded automaatselt, laiendades nende ulatust dramaatiliselt (üle 3000 loo kvartalis) ilma inimestest kirjutajaid vajamata ( Automatiseeritud tululood mitmekordistuvad | The Associated Press ).

Sarnaselt on täiustatud spordiajakirjandust: tehisintellekti süsteemid saavad spordimängude statistika põhjal genereerida kokkuvõtteid. Kuna need valdkonnad on andmepõhised ja valemipõhised, on vead haruldased, kui andmed on õiged. Sellistel juhtudel näeme tõelist autonoomiat – tehisintellekt kirjutab ja sisu avaldatakse kohe.

Ettevõtted kasutavad genereerivat tehisintellekti ka tootekirjelduste, e-posti uudiskirjade ja muu turundussisu koostamiseks. Näiteks e-kaubanduse hiiglane Amazon kasutab nüüd tehisintellekti klientide toodete arvustuste kokkuvõtmiseks. Tehisintellekt skannib paljude üksikute arvustuste teksti ja loob kokkuvõtliku esiletõstetud lõigu sellest, mis inimestele toote juures meeldib või ei meeldi, mis seejärel kuvatakse tootelehel ilma käsitsi redigeerimiseta ( Amazon parandab klientide arvustuste kogemust tehisintellekti abil ). Allpool on illustratsioon sellest funktsioonist, mis on juurutatud Amazoni mobiilirakenduses, kus jaotis „Kliendid ütlevad” on täielikult tehisintellekti loodud arvustuste andmete põhjal:

( Amazon parandab klientide arvustuste kogemust tehisintellekti abil ) Tehisintellekti loodud arvustuste kokkuvõte e-kaubanduse toote lehel. Amazoni süsteem võtab kasutajate arvustuste ühised punktid (nt kasutusmugavus, jõudlus) kokku lühikeseks lõiguks, mida ostjatele kuvatakse kui „tehisintellekti loodud klientide arvustuste tekstist”.

Sellised kasutusjuhud näitavad, et kui sisu järgib ennustatavat mustrit või on koondatud olemasolevatest andmetest, saab tehisintellekt sellega sageli iseseisvalt hakkama . Teised praegused näited hõlmavad järgmist:

• Ilma- ja liiklusuudised: meediaväljaanded kasutavad tehisintellekti, et koostada andurite andmete põhjal igapäevaseid ilmateateid või liiklusteateid.

• Finantsaruanded: Ettevõtted genereerivad automaatselt lihtsaid finantskokkuvõtteid (kvartalitulemused, börsiülevaated). Alates 2014. aastast on Bloomberg ja teised uudisteväljaanded kasutanud tehisintellekti ettevõtete tulude kohta käivate uudiste kokkuvõtete kirjutamiseks – protsess, mis pärast andmete sisestamist toimib suures osas automaatselt ( AP „robotajakirjanikud” kirjutavad nüüd oma lugusid | The Verge ) ( Wyomingi reporter tabati tehisintellekti kasutamisel võltstsitaatide ja lugude loomiseks ).

• Tõlkimine ja transkriptsioon: transkriptsiooniteenused kasutavad nüüd tehisintellekti, et luua koosolekute transkriptsioone või subtiitreid ilma inimese poolt masinakirjutamata. Kuigi need keeleülesanded ei ole loomingulises mõttes generatiivsed, töötavad need autonoomselt ja suure täpsusega, et tagada selge heli.

• Mustandite genereerimine: Paljud spetsialistid kasutavad e-kirjade või dokumentide esimeste versioonide mustandite koostamiseks selliseid tööriistu nagu ChatGPT, saates need vahel vähese või olematu muudatusega, kui sisu on madala riskiga.

Keerukama proosa puhul jääb inimese järelevalve normiks ka 2025. aastal . Uudisteorganisatsioonid avaldavad harva otse tehisintellektilt pärit uurivaid või analüütilisi artikleid – toimetajad kontrollivad fakte ja täiustavad tehisintellekti kirjutatud mustandeid. Tehisintellekt suudab stiili ja struktuuri hästi jäljendada, kuid võib sisse tuua faktivigu (sageli nimetatakse neid hallutsinatsioonideks) või kohmakaid fraase, mida inimene peab märkama. Näiteks Saksa ajaleht Express tutvustas tehisintellektiga „digitaalset kolleegi“ nimega Klara, kes aitab kirjutada esialgseid uudiseid. Klara suudab tõhusalt koostada spordiuudiseid ja isegi kirjutada pealkirju, mis köidavad lugejaid, moodustades 11% Expressi artiklitest –, kuid inimtoimetajad kontrollivad siiski iga artikli täpsust ja ajakirjanduslikku terviklikkust, eriti keerukate lugude puhul ( 12 viisi, kuidas ajakirjanikud kasutavad tehisintellekti tööriistu uudistetoimetuses – Twipe ). See inimese ja tehisintellekti partnerlus on tänapäeval tavaline: tehisintellekt tegeleb teksti genereerimise raske tööga ning inimesed kureerivad ja parandavad vastavalt vajadusele.

Väljavaated aastateks 2030–2035: usaldusväärse autonoomse kirjutamise suunas

Järgmise kümnendi jooksul eeldame, et genereeriv tehisintellekt muutub palju usaldusväärsemaks kvaliteetse ja faktiliselt korrektse teksti genereerimisel, mis laiendab kirjutamisülesannete valikut, millega see suudab autonoomselt toime tulla. Seda toetavad mitmed trendid:

• Täpsus: Käimasolevad uuringud vähendavad kiiresti tehisintellekti kalduvust toota vale- või ebaolulist teavet. 2030. aastaks võiksid parema väljaõppega täiustatud keelemudelid (sh tehnikad faktide kontrollimiseks andmebaaside vastu reaalajas) saavutada peaaegu inimtasemel sisemise faktikontrolli. See tähendab, et tehisintellekt võib koostada täieliku uudisartikli koos õigete tsitaatide ja statistikaga, mis on automaatselt allikamaterjalist võetud, nõudes vähe redigeerimist.

• Valdkonnaspetsiifilised tehisintellektid: Näeme spetsialiseeritumaid generatiivseid mudeleid, mis on täpsustatud teatud valdkondade (õigus-, meditsiini- ja tehnilise kirjutamise) jaoks. 2030. aasta õigusalane tehisintellekti mudel võiks usaldusväärselt koostada tüüplepinguid või teha kokkuvõtteid kohtupraktikast – ülesanded, mis on struktuurilt küll valemipõhised, kuid nõuavad praegu juristi aega. Kui tehisintellekti treenitakse valideeritud juriidiliste dokumentidega, võivad selle mustandid olla piisavalt usaldusväärsed, et jurist heidab neile vaid kiire viimase pilgu.

• Loomulik stiil ja sidusus: Mudelid säilitavad pikkade dokumentide konteksti üha paremini, mis viib sidusama ja asjakohasema pika sisuni. 2035. aastaks on usutav, et tehisintellekt suudab iseseisvalt luua korraliku esimese mustandi mitte-ilukirjanduslikust raamatust või tehnilisest käsiraamatust, kusjuures inimestel on peamiselt nõuandev roll (eesmärkide seadmiseks või erialaste teadmiste pakkumiseks).

Kuidas see praktikas välja näeks? Rutiinne ajakirjandus võiks teatud tsüklite puhul muutuda peaaegu täielikult automatiseeritud. Võime näha uudisteagentuuri 2030. aastal laskmas tehisintellekti süsteemil kirjutada iga tuluaruande, spordiuudise või valimistulemuste värskenduse esimese versiooni, kusjuures toimetaja valib kvaliteedi tagamiseks vaid mõned näited. Eksperdid ennustavad tõepoolest, et üha suurem osa veebisisust genereeritakse masinloetava sisu abil – üks julge ennustus valdkonna analüütikutelt näitas, et 2026. aastaks võib kuni 90% veebisisust olla tehisintellekti loodud ( 2026. aastaks ületab mitte-inimeste loodud veebisisu oluliselt inimeste loodud sisu – OODAloop ), kuigi see arv on vaieldav. Isegi konservatiivsem tulemus tähendaks, et 2030. aastate keskpaigaks on enamiku tavapäraste veebiartiklitest, tootekoopiatest ja võib-olla isegi isikupärastatud uudistevoogudest loonud tehisintellekt.

Turunduses ja ettevõtte kommunikatsioonis usaldatakse genereerivale tehisintellektile tõenäoliselt tervete kampaaniate autonoomne läbiviimine. See võiks genereerida ja saata personaalseid turunduskirju, sotsiaalmeedia postitusi ja reklaamitekstide variatsioone, kohandades pidevalt sõnumit klientide reaktsioonide põhjal – seda kõike ilma inimreklaamikirjutajata. Gartneri analüütikud prognoosivad, et 2025. aastaks on vähemalt 30% suurettevõtete väljaminevatest turundussõnumitest tehisintellekti poolt sünteetiliselt genereeritud ( Generative AI Use Cases for Industries and Enterprises ) ning see protsent 2030. aastaks ainult tõuseb.

Siiski on oluline märkida, et inimese loovus ja otsustusvõime mängivad endiselt rolli, eriti kõrge riskiga sisu puhul . Aastaks 2035 võib tehisintellekt küll pressiteate või ajaveebipostitusega ise hakkama saada, kuid uuriva ajakirjanduse puhul, mis hõlmab vastutust või tundlikke teemasid, võivad meediaväljaanded endiselt nõuda inimese järelevalvet. Tulevik toob tõenäoliselt kaasa astmelise lähenemisviisi: tehisintellekt toodab autonoomselt suurema osa igapäevasest sisust, samal ajal kui inimesed keskenduvad strateegiliste või tundlike osade toimetamisele ja tootmisele. Põhimõtteliselt laieneb „rutiini” piiri tehisintellekti oskuste kasvades.

Lisaks võivad tekkida uued sisuvormid, näiteks tehisintellekti loodud interaktiivsed narratiivid või isikupärastatud aruanded . Näiteks ettevõtte aastaaruannet saab tehisintellekti abil genereerida mitmes stiilis – lühiülevaade juhtidele, narratiivne versioon töötajatele, andmerikas versioon analüütikutele – igaüks neist luuakse automaatselt samade alusandmete põhjal. Hariduses saab tehisintellekt dünaamiliselt kirjutada õpikuid, et need sobiksid erinevatele lugemistasemetele. Need rakendused võiksid olla suures osas autonoomsed, kuid tugineda kontrollitud teabele.

Kirjutamise areng näitab, et 2030. aastate keskpaigaks on tehisintellekt viljakas kirjutaja . Tõeliselt autonoomse toimimise võti on usalduse loomine oma väljundite vastu. Kui tehisintellekt suudab järjepidevalt demonstreerida faktilist täpsust, stiililist kvaliteeti ja vastavust eetilistele standarditele, väheneb vajadus rida-realt inimese poolt läbivaatamise järele. Selle valge raamatu enda osad võidakse 2035. aastaks koostada tehisintellekti uurija poolt ilma toimetajat vajamata – väljavaade, mille suhtes oleme ettevaatlikult optimistlikud, eeldusel, et on olemas vajalikud kaitsemeetmed.

Generatiivne tehisintellekt kujutavas kunstis ja disainis

Generatiivse tehisintellekti võime luua pilte ja kunstiteoseid on köitnud avalikkuse kujutlusvõimet, alates kunstivõistlusi võitnud tehisintellekti loodud maalidest kuni päris kaadritest eristamatute sügavvõltsinguvideoteni. Visuaalses valdkonnas suudavad tehisintellekti mudelid, nagu generatiivsed võistlevad võrgud (GAN) ja difusioonimudelid (nt stabiilne difusioon, Midjourney), luua tekstiülesannete põhjal originaalseid pilte. Kas tehisintellekt saab nüüd toimida autonoomse kunstniku või disainerina?

Praegused võimalused (2025): tehisintellekt kui loominguline assistent

2025. aasta seisuga on generatiivsed mudelid osavad looma nõudmisel pilte muljetavaldava täpsusega. Kasutajad saavad paluda pildi tehisintellektil joonistada „keskaegse linna päikeseloojangul Van Goghi stiilis“ ja saada sekunditega veenvalt kunstilise pildi. See on viinud tehisintellekti laialdase kasutamiseni graafilises disainis, turunduses ja meelelahutuses kontseptuaalse kunsti, prototüüpide ja mõnel juhul isegi lõplike visuaalide jaoks. Märkimisväärne on:

• Graafiline disain ja pildipangapildid: Ettevõtted genereerivad tehisintellekti abil veebisaidi graafikat, illustratsioone või pildipangafotosid, vähendades vajadust tellida iga teos kunstnikult. Paljud turundusmeeskonnad kasutavad tehisintellekti tööriistu reklaamide või tootepiltide variatsioonide loomiseks, et testida, mis tarbijatele meeldib.

• Kunst ja illustratsioon: Üksikud kunstnikud teevad tehisintellektiga koostööd ideede genereerimiseks või detailide täitmiseks. Näiteks võib illustraator kasutada tehisintellekti taustamaastiku loomiseks, mille ta seejärel oma inimese joonistatud tegelastega integreerib. Mõned koomiksiloojad on katsetanud tehisintellekti loodud paneelide või värvimisega.

• Meedia ja meelelahutus: Tehisintellekti loodud kunsti on ilmunud ajakirjade ja raamatute kaantel. Kuulus näide on 2022. aasta augusti Cosmopolitani kaan, millel oli kujutatud astronauti – väidetavalt esimene ajakirja kaanepilt, mille lõi kunstilise juhi juhendamisel tehisintellekt (OpenAI DALL·E). Kuigi see hõlmas inimese juhiseid ja valikut, oli tegelik kunstiteos masinrenderdatud.

Oluline on see, et enamik neist praegustest kasutusviisidest hõlmab endiselt inimese kureerimist ja iteratsiooni . Tehisintellekt suudab välja anda kümneid pilte ning inimene valib parima ja võimalusel seda kohendab. Selles mõttes töötab tehisintellekt autonoomselt loomisel , kuid inimesed juhivad loomingulist suunda ja teevad lõplikke valikuid. See on usaldusväärne suure hulga sisu kiireks genereerimiseks, kuid ei ole garanteeritud, et see vastab kõigile nõuetele esimesel katsel. Probleemid nagu valed detailid (nt tehisintellekti joonistamine kätega, millel on vale arv sõrme, teadaolev iseärasus) või ettenägematud tulemused tähendavad, et inimene-kunstiline juht peab tavaliselt väljundkvaliteeti jälgima.

Siiski on valdkondi, kus tehisintellekt on peaaegu täielikult autonoomne:

• Generatiivne disain: Sellistes valdkondades nagu arhitektuur ja tootekujundus saavad tehisintellekti tööriistad autonoomselt luua disainiprototüüpe, mis vastavad kindlaksmääratud piirangutele. Näiteks mööblieseme soovitud mõõtmete ja funktsioonide korral võib generatiivne algoritm väljastada mitu elujõulist disaini (mõned üsna ebatavalised) ilma inimese sekkumiseta, mis ulatub kaugemale esialgsetest spetsifikatsioonidest. Neid disainilahendusi saavad inimesed seejärel otse kasutada või täiustada. Samamoodi saab inseneriteaduses generatiivne tehisintellekt kujundada osi (näiteks lennukikomponente), mis on optimeeritud kaalu ja tugevuse osas, luues uusi kujundeid, mida inimene poleks ehk välja mõelnud.

• Videomängude ressursid: tehisintellekt suudab videomängudele automaatselt genereerida tekstuure, 3D-mudeleid või isegi terveid tasemeid. Arendajad kasutavad neid sisu loomise kiirendamiseks. Mõned indie-mängud on hakanud lisama protseduuriliselt loodud kunstiteoseid ja isegi dialoogi (keelemudelite kaudu), et luua ulatuslikke ja dünaamilisi mängumaailmu minimaalsete inimese loodud ressurssidega.

• Animatsioon ja video (tärkavad): Kuigi videote genereeriv tehisintellekt on vähem välja kujunenud kui staatilised pildid, on see arenemas. Tehisintellekt suudab juba genereerida lühikesi videoklippe või animatsioone käskude põhjal, kuigi kvaliteet on ebaühtlane. Deepfake'i tehnoloogia – mis on genereeriv – suudab luua realistlikke näovahetusi või häälekloone. Kontrollitud keskkonnas saaks stuudio tehisintellekti abil automaatselt luua taustastseeni või rahvahulga animatsiooni.

Tähelepanuväärselt ennustas Gartner, et 2030. aastaks näeme suurt kassahitti, mille sisust 90% genereerib tehisintellekt (stsenaariumist visuaalideni) ( Generative AI Use Cases for Industries and Enterprises ). 2025. aasta seisuga me veel sealmaal ei ole – tehisintellekt ei saa iseseisvalt täispikka filmi teha. Kuid selle pusle tükid arenevad: stsenaariumi genereerimine (teksti tehisintellekt), tegelaste ja stseenide genereerimine (pildi/video tehisintellekt), häälnäitlemine (tehisintellekti häälekloonid) ja montaažiabi (tehisintellekt saab juba aidata kärbete ja üleminekutega).

Väljavaated aastateks 2030–2035: tehisintellekti loodud meedia mastaapses kasvus

Tulevikku vaadates on generatiivse tehisintellekti roll kujutavas kunstis ja disainis dramaatiliselt laienemas. Me eeldame, et 2035. aastaks on tehisintellekt paljudes visuaalsetes meediakanalites peamine sisulooja

• Täielikult tehisintellekti loodud filmid ja videod: Järgmise kümne aasta jooksul on täiesti võimalik näha esimesi filme või sarju, mis on suures osas tehisintellekti poolt toodetud. Inimesed võivad anda kõrgetasemelise suuna (nt stsenaariumi ülevaate või soovitud stiili) ja tehisintellekt renderdab stseene, loob näitlejate nägusid ja animeerib kõike. Varased lühifilmide katsetused on tõenäolised mõne aasta jooksul, täispikkade filmide katsetused aga 2030. aastateks. Need tehisintellekti filmid võivad alata nišifilmidena (eksperimentaalne animatsioon jne), kuid kvaliteedi paranedes võivad neist saada peavoolufilmid. Gartneri 90% filmide ennustus 2030. aastaks ( Generative AI Use Cases for Industries and Enterprises ), kuigi ambitsioonikas, rõhutab tööstuse veendumust, et tehisintellektil põhinev sisu loomine on piisavalt keerukas, et kanda suurem osa filmitegemise koormusest.

• Disaini automatiseerimine: Sellistes valdkondades nagu mood või arhitektuur kasutatakse generatiivset tehisintellekti tõenäoliselt sadade disainikontseptsioonide autonoomseks koostamiseks selliste parameetrite põhjal nagu „maksumus, materjalid, stiil X“, jättes inimestele lõpliku disaini valimise. See muudab praeguse dünaamika pea peale: disainerite asemel, kes loovad nullist ja kasutavad ehk tehisintellekti inspiratsiooni saamiseks, võivad tulevased disainerid tegutseda pigem kuraatoritena, valides parima tehisintellekti loodud disaini ja seda ehk kohandades. 2035. aastaks võib arhitekt sisestada hoone nõuded ja saada tehisintellektilt ettepanekutena täielikud joonised (kõik konstruktsiooniliselt korrektsed, tänu sisseehitatud insenerireeglitele).

• Isikupärastatud sisu loomine: Võime näha tehisintellekte loomas visuaale iga kasutaja jaoks lennult. Kujutage ette videomängu või virtuaalreaalsuse kogemust aastal 2035, kus maastik ja tegelased kohanduvad mängija eelistustega, genereerides need reaalajas tehisintellekti poolt. Või isikupärastatud koomikseid, mis genereeritakse kasutaja päeva põhjal – autonoomne „päevapäeviku koomiks” – tehisintellekt, mis muudab teie tekstipäeviku igal õhtul automaatselt illustratsioonideks.

• Multimodaalne loovus: Generatiivsed tehisintellekti süsteemid on üha multimodaalsemad – see tähendab, et nad suudavad koos käsitleda teksti, pilte, heli jne. Neid kombineerides võiks tehisintellekt võtta lihtsa käsu, näiteks „Loo mulle toote X turunduskampaania“, ja genereerida lisaks tekstile ka sobivaid graafikaid ja võib-olla isegi lühikesi reklaamvideoklippe, mis kõik on stiililt ühtsed. Selline ühe klõpsuga sisukomplekt on tõenäoline teenus 2030. aastate alguseks.

Kas tehisintellekt asendab inimkunstnikke ? See küsimus kerkib sageli. On tõenäoline, et tehisintellekt võtab üle suure osa tootmistööst (eriti korduva või kiireloomulise kunsti puhul, mida äri vajab), kuid inimkunst jääb originaalsuse ja innovatsiooni jaoks alles. Aastaks 2035 võib autonoomne tehisintellekt usaldusväärselt joonistada pildi kuulsa kunstniku stiilis – kuid uue stiili või sügavalt kultuuriliselt resonantse kunsti loomine võib ikkagi olla inimese tugev külg (potentsiaalselt tehisintellekti kaasabil). Me näeme tulevikku, kus inimkunstnikud töötavad koos autonoomsete tehisintellekti „kaaskunstnikega“. Näiteks võidakse tellida isiklik tehisintellekt, et see pidevalt kunsti genereeriks kodus asuva digitaalse galerii jaoks, pakkudes pidevalt muutuvat loomingulist atmosfääri.

Usaldusväärsuse seisukohast on visuaalsel genereerival tehisintellektil mõnes mõttes lihtsam autonoomiat saavutada kui tekstil: pilt võib subjektiivselt olla „piisavalt hea” isegi siis, kui see pole täiuslik, samas kui tekstis esinev faktiviga on problemaatilisem. Seega näeme juba suhteliselt väikese riskiga kasutuselevõttu – kui tehisintellekti loodud disain on kole või vale, siis te lihtsalt ei kasuta seda, kuid see iseenesest ei tekita mingit kahju. See tähendab, et 2030. aastateks võivad ettevõtted olla rahul, lastes tehisintellektil disaine järelevalveta välja töötada ja kaasates inimesi ainult siis, kui on vaja midagi tõeliselt uudset või riskantset.

Kokkuvõttes eeldatakse, et 2035. aastaks on generatiivne tehisintellekt visuaalide vallas võimas sisulooja, kes tõenäoliselt vastutab märkimisväärse osa meid ümbritsevate piltide ja meediamaterjalide eest. See loob usaldusväärselt sisu meelelahutuseks, disainiks ja igapäevaseks suhtluseks. Autonoomne kunstnik on silmapiiril – kuigi arutelu selle üle, kas tehisintellekti peetakse loominguliseks või lihtsalt väga nutikaks tööriistaks, areneb edasi, kui selle väljundid muutuvad inimese loodutest eristamatuks.

Generatiivne tehisintellekt tarkvaraarenduses (kodeerimine)

Tarkvaraarendus võib tunduda väga analüütilise ülesandena, kuid sellel on ka loominguline element – ​​koodi kirjutamine on põhimõtteliselt teksti loomine struktureeritud keeles. Kaasaegne generatiivne tehisintellekt, eriti suured keelemudelid, on osutunud kodeerimises üsna osavaks. Tööriistad nagu GitHub Copilot, Amazon CodeWhisperer ja teised toimivad tehisintellekti paaride programmeerijatena, pakkudes arendajatele trükkimisel välja koodijuppe või isegi terveid funktsioone. Kui kaugele saab see autonoomse programmeerimise suunas minna?

Praegused võimalused (2025): tehisintellekt kodeerimise kaaspiloodina

2025. aastaks on tehisintellekti koodigeneraatorid muutunud paljude arendajate töövoogudes tavaliseks. Need tööriistad suudavad koodiridu automaatselt täita, genereerida malli (nagu standardfunktsioonid või testid) ja isegi kirjutada lihtsaid programme, millele on antud loomuliku keele kirjeldus. Oluline on aga see, et need töötavad arendaja järelevalve all – arendaja vaatab üle ja integreerib tehisintellekti ettepanekud.

Mõned praegused faktid ja arvud:

• 2023. aasta lõpuks oli üle poole professionaalsetest arendajatest kasutusele võtnud tehisintellektil põhinevad kodeerimisassistendid ( Copilotil kodeerimine: 2023. aasta andmed viitavad koodikvaliteedi langusele (sh 2024. aasta prognoosid) - GitClear ), mis näitab kiiret kasutuselevõttu. GitHub Copilot, üks esimesi laialdaselt kättesaadavaid tööriistu, genereeris väidetavalt keskmiselt 30–40% koodist projektides, kus seda kasutatakse ( kodeerimine pole enam MOAT. 46% GitHubi koodidest on juba... ). See tähendab, et tehisintellekt kirjutab juba märkimisväärse osa koodist, kuigi inimene juhib ja valideerib seda.

• Need tehisintellekti tööriistad on suurepärased selliste ülesannetega nagu korduva koodi kirjutamine (nt andmemudeli klassid, getter/setter meetodid), ühe programmeerimiskeele teisendamine või lihtsate algoritmide loomine, mis meenutavad treeningnäiteid. Näiteks saab arendaja kommenteerida „// funktsioon kasutajate loendi sortimiseks nime järgi“ ja tehisintellekt genereerib peaaegu koheselt sobiva sortimisfunktsiooni.

• Samuti aitavad nad vigade parandamisel ja selgitamisel : arendajad saavad veateate kleepida ja tehisintellekt võib soovitada parandust või küsida „Mida see kood teeb?“ ja saada loomulikus keeles selgituse. See on teatud mõttes autonoomne (tehisintellekt saab probleeme ise diagnoosida), kuid inimene otsustab, kas parandust rakendada.

• Oluline on märkida, et praegused tehisintellekti abilised pole eksimatud. Nad võivad soovitada ebaturvalist koodi või koodi, mis peaaegu lahendab probleemi, kuid sisaldab peeneid vigu. Seega on tänapäeval parim tava hoida inimest kursis – arendaja testib ja silub tehisintellekti kirjutatud koodi täpselt nii, nagu ta teeks inimese kirjutatud koodi. Reguleeritud tööstusharudes või kriitilise tarkvara puhul (näiteks meditsiini- või lennundussüsteemid) läbivad kõik tehisintellekti panused range kontrolli.

Tänapäeval ei ole ükski tavapärane tarkvarasüsteem täielikult tehisintellekti poolt nullist kirjutatud ilma arendaja järelevalveta. Siiski on tekkimas mõned autonoomsed või poolautonoomsed kasutusviisid:

• Automaatselt genereeritud ühiktestid: tehisintellekt saab analüüsida koodi ja luua ühikteste erinevate juhtumite jaoks. Testimisraamistik võib autonoomselt genereerida ja käivitada neid tehisintellekti kirjutatud teste vigade leidmiseks, täiendades inimeste kirjutatud teste.

• Madala koodi/koodivabad platvormid tehisintellektiga: Mõned platvormid võimaldavad mitteprogrammeerijatel kirjeldada, mida nad soovivad (nt „loo veebileht kontaktvormi ja andmebaasiga kirjete salvestamiseks”), ja süsteem genereerib koodi. Kuigi see on alles algusjärgus, vihjab see tulevikule, kus tehisintellekt võiks autonoomselt luua tarkvara standardsete kasutusjuhtude jaoks.

• Skriptimine ja liimikood: IT-automatiseerimine hõlmab sageli süsteemide ühendamiseks skriptide kirjutamist. Tehisintellekti tööriistad saavad neid väikeseid skripte sageli automaatselt genereerida. Näiteks logifaili parsimiseks ja meilisõnumi saatmiseks skripti kirjutamine – tehisintellekt saab luua toimiva skripti minimaalsete või ilma muudatusteta.

Väljavaated aastateks 2030–2035: isearenev tarkvara

Järgmise kümnendi jooksul eeldatakse, et genereeriv tehisintellekt võtab enda kanda suurema osa kodeerimiskoormusest, liikudes teatud projektiklasside puhul lähemale täielikult autonoomsele tarkvaraarendusele. Mõned prognoositavad arengud:

• Täielik funktsioonide rakendamine: 2030. aastaks eeldame, et tehisintellekt suudab rakendada lihtsaid rakenduste funktsioone otsast lõpuni. Tootejuht võib funktsiooni kirjeldada lihtsas keeles („Kasutajad peaksid saama oma parooli lähtestada e-posti lingi kaudu“) ja tehisintellekt saab genereerida vajaliku koodi (esiotsa vorm, tagaotsa loogika, andmebaasi värskendamine, e-posti saatmine) ning integreerida selle koodibaasi. Tehisintellekt toimiks sisuliselt noorema arendajana, kes suudab spetsifikatsioone järgida. Insener võib lihtsalt koodi üle vaadata ja teste käivitada. Tehisintellekti töökindluse paranedes võib koodi ülevaatamine muutuda kiireks ülevaatuseks, kui üldse.

• Autonoomne koodihooldus: Tarkvaratehnika suur osa ei ole ainult uue koodi kirjutamine, vaid ka olemasoleva koodi uuendamine – vigade parandamine, jõudluse parandamine, uute nõuetega kohanemine. Tulevased tehisintellekti arendajad on selles tõenäoliselt suurepärased. Arvestades koodibaasi ja direktiivi („meie rakendus jookseb kokku, kui liiga palju kasutajaid logib sisse samaaegselt“), võib tehisintellekt probleemi leida (näiteks samaaegsuse vea) ja selle parandada. Aastaks 2035 võivad tehisintellekti süsteemid rutiinsete hoolduspiletitega automaatselt üleöö hakkama saada, toimides tarkvarasüsteemide väsimatu hooldusmeeskonnana.

• Integratsioon ja API kasutamine: Kuna üha rohkem tarkvarasüsteeme ja API-sid on varustatud tehisintellekti poolt loetava dokumentatsiooniga, saab tehisintellekti agent iseseisvalt välja mõelda, kuidas ühendada süsteem A teenusega B, kirjutades liimikoodi. Näiteks kui ettevõte soovib, et nende sisemine personalisüsteem sünkrooniks uue palgaarvestuse API-ga, võivad nad anda tehisintellektile ülesandeks „panna need omavahel suhtlema“ ja see kirjutab integratsioonikoodi pärast mõlema süsteemi spetsifikatsioonide lugemist.

• Kvaliteet ja optimeerimine: Tulevased koodi genereerimise mudelid sisaldavad tõenäoliselt tagasisideahelaid, et kontrollida koodi toimimist (nt testide või simulatsioonide käivitamine liivakastis). See tähendab, et tehisintellekt ei saa mitte ainult koodi kirjutada, vaid ka seda testimise teel ise parandada. 2035. aastaks võime ette kujutada tehisintellekti, mis ülesande korral itereerib oma koodi seni, kuni kõik testid on edukad – protsess, mida inimene ei pruugi rida-realt jälgida. See suurendaks oluliselt usaldust autonoomselt genereeritud koodi vastu.

Võib ette kujutada stsenaariumi 2035. aastaks, kus väikese tarkvaraprojekti – näiteks ettevõtte kohandatud mobiilirakenduse – saaks suures osas arendada tehisintellekti agendi poolt, kellele antakse kõrgetasemelisi juhiseid. Inimlik „arendaja” on sellises stsenaariumis pigem projektijuht või valideerija, kes määrab nõuded ja piirangud (turvalisus, stiilijuhised) ning laseb tehisintellektil teha raske töö tegeliku kodeerimise eest.

Keerulise ja suuremahulise tarkvara (operatsioonisüsteemid, täiustatud tehisintellekti algoritmid ise jne) puhul on inimeksperdid siiski endiselt sügavalt kaasatud. Tarkvara loominguline probleemide lahendamine ja arhitektuuriline disain jäävad tõenäoliselt veel mõnda aega inimeste juhitavaks. Tehisintellekt võib küll hakkama saada paljude kodeerimisülesannetega, kuid otsustamine, mida ehitada, ja üldise struktuuri kujundamine on hoopis teine ​​väljakutse. Siiski, kuna generatiivne tehisintellekt hakkab koostööd tegema – mitu tehisintellekti agenti haldavad süsteemi erinevaid komponente –, on mõeldav, et nad võiksid teatud määral arhitektuure koos kujundada (näiteks üks tehisintellekt pakub välja süsteemi kujunduse, teine ​​kritiseerib seda ja nad itereerivad, kusjuures inimene jälgib protsessi).

Tehisintellekti peamine eeldatav kasu kodeerimisel on tootlikkuse suurenemine . Gartner ennustab, et 2028. aastaks kasutab koguni 90% tarkvaraarendajatest tehisintellektil põhinevaid koodiassistente (võrreldes alla 15%-ga 2024. aastal) ( GitHub Copilot Tops Research Report on AI Code Assistants -- Visual Studio Magazine ). See viitab sellele, et erandeid – neid, kes tehisintellekti ei kasuta – on vähe. Samuti võime teatud valdkondades näha inimarendajate puudust, mida tehisintellekt lünkade täitmisel leevendab; sisuliselt saab iga arendaja teha palju rohkem tehisintellekti abilisega, kes suudab koodi autonoomselt mustandit kirjutada.

Usaldus jääb keskseks küsimuseks. Isegi aastal 2035 peavad organisatsioonid tagama, et autonoomselt genereeritud kood on turvaline (tehisintellekt ei tohi tekitada haavatavusi) ja vastab juriidilistele/eetilistele normidele (nt tehisintellekt ei sisalda avatud lähtekoodiga teegist pärit plagiaadikoodi ilma nõuetekohase litsentsita). Me eeldame, et täiustatud tehisintellekti haldustööriistad, mis suudavad tehisintellekti kirjutatud koodi päritolu kontrollida ja jälgida, aitavad võimaldada riskivabamat autonoomset kodeerimist.

Kokkuvõttes on tõenäoline, et 2030. aastate keskpaigaks tegeleb generatiivne tehisintellekt lõviosaga rutiinsete tarkvaraülesannete kodeerimisest ja abistab oluliselt keerukamate ülesannete puhul. Tarkvaraarenduse elutsükkel on palju automatiseeritud – alates nõuetest kuni juurutamiseni –, kusjuures tehisintellekt võib potentsiaalselt genereerida ja juurutada koodimuudatusi automaatselt. Inimarendajad keskenduvad rohkem kõrgetasemelisele loogikale, kasutajakogemusele ja järelevalvele, samas kui tehisintellekti agendid lihvivad läbi rakenduse üksikasju.

Generatiivne tehisintellekt klienditeeninduses ja toes

Kui olete viimasel ajal suhelnud klienditoe veebivestlusega, on suur tõenäosus, et vähemalt osa sellest oli teisel pool tehisintellekt. Klienditeenindus on tehisintellekti automatiseerimiseks küps valdkond: see hõlmab kasutajate päringutele vastamist, millega generatiivne tehisintellekt (eriti vestlusmudelid) saab üsna hästi hakkama, ning see järgib sageli skripte või teadmusbaasi artikleid, mida tehisintellekt suudab õppida. Kui autonoomselt saab tehisintellekt klientidega hakkama?

Praegused võimalused (2025): Vestlusrobotid ja virtuaalagendid esirinnas

Tänapäeval kasutavad paljud organisatsioonid esimese kontaktpunktina tehisintellektil põhinevaid vestlusroboteid . Need ulatuvad lihtsatest reeglipõhistest robotitest („Arvelduse saamiseks vajutage 1, toe saamiseks 2…“) kuni täiustatud genereerivate tehisintellektil põhinevate vestlusrobotiteni, mis suudavad tõlgendada vabas vormis küsimusi ja vastata vestluslikult. Põhipunktid:

• Levinud küsimuste lahendamine: tehisintellektiga agendid on suurepärased korduma kippuvatele küsimustele vastamisel, teabe pakkumisel (poe lahtiolekuajad, tagasimaksepoliitika, teadaolevate probleemide tõrkeotsingu juhised) ja kasutajate juhendamisel standardprotseduuride kaudu. Näiteks saab panga tehisintellektiga vestlusrobot iseseisvalt aidata kasutajal kontrollida oma kontojääki, lähtestada parooli või selgitada, kuidas laenu taotleda, ilma inimese abita.

• Loomuliku keele mõistmine: Kaasaegsed generatiivsed mudelid võimaldavad sujuvamat ja inimlikumat suhtlust. Kliendid saavad küsimuse oma sõnadega tippida ja tehisintellekt saab tavaliselt kavatsusest aru. Ettevõtted teatavad, et tänapäeva tehisintellektiga agendid on klientidele palju rahuldustpakkuvamad kui mõne aasta tagused kohmakad robotid – ligi pooled klientidest usuvad nüüd, et tehisintellektiga agendid võivad murede lahendamisel olla empaatilised ja tõhusad ( 59 tehisintellekti klienditeeninduse statistikat 2025. aasta kohta ), mis näitab kasvavat usaldust tehisintellektil põhineva teenuse vastu.

• Mitmekanaliline tugi: tehisintellekt ei piirdu ainult vestlusega. Kõnesid hakkavad haldama häälassistendid (nagu telefoni IVR-süsteemid, mille taga on tehisintellekt) ning tehisintellekt saab klientide päringutele ka e-posti teel vastuseid koostada, mis võidakse täpseks tunnistamisel automaatselt välja saata.

• Kui inimene sekkub: Tavaliselt, kui tehisintellekt satub segadusse või küsimus on liiga keeruline, annab ta küsimuse üle inimesele. Praegused süsteemid teavad oma piire . Näiteks kui klient küsib midagi ebatavalist või näitab üles pettumust („See on juba kolmas kord, kui ma teiega ühendust võtan ja olen väga ärritunud…“), võib tehisintellekt sellest märku anda, et inimene võtaks üle. Üleandmise läve määravad ettevõtted, et tasakaalustada tõhusust klientide rahuloluga.

Paljud ettevõtted on teatanud, et märkimisväärne osa suhtlustest lahendatakse ainult tehisintellekti abil. Valdkonnauuringute kohaselt suudavad tehisintellektil põhinevad vestlusrobotid tänapäeval lahendada umbes 70–80% klientide tavapärastest päringutest ning umbes 40% ettevõtete kliendisuhtlusest eri kanalites on juba automatiseeritud või tehisintellekti abil toetatud ( 52 tehisintellektil põhinevat klienditeeninduse statistikat, mida peaksite teadma – Plivo ). IBM-i ülemaailmne tehisintellekti kasutuselevõtu indeks (2022) näitas, et 80% ettevõtetest kasutab või plaanib 2025. aastaks klienditeeninduses kasutada tehisintellektil põhinevaid vestlusroboteid.

Huvitav areng on see, et tehisintellekt ei vasta mitte ainult klientidele, vaid abistab ka inimagente reaalajas. Näiteks reaalajas vestluse või kõne ajal võib tehisintellekt kuulata ja pakkuda inimagendile koheselt vastuseid või asjakohast teavet. See hägustab autonoomia piiri – tehisintellekt ei ole kliendiga üksi, vaid on aktiivselt kaasatud ilma otsese inimliku küsimuseta. See toimib sisuliselt agendi autonoomse nõustajana.

Väljavaated aastateks 2030–2035: suuresti tehisintellektil põhinevad kliendisuhtlused

2030. aastaks eeldatakse, et suurem osa klienditeeninduse suhtlustest hõlmab tehisintellekti, kusjuures paljusid neist haldab algusest lõpuni täielikult tehisintellekt. Seda toetavad ennustused ja trendid:

• Keerukamate päringute lahendamine: Kuna tehisintellekti mudelid integreerivad laiaulatuslikke teadmisi ja parandavad arutluskäiku, suudavad nad hakkama saada keerukamate klientide päringutega. Selle asemel, et lihtsalt vastata küsimusele „Kuidas ma toote tagastan?“, võib tulevane tehisintellekt tegeleda mitmeastmeliste probleemidega, näiteks „Minu internet on maas, proovisin taaskäivitada, kas saate aidata?“, diagnoosides probleemi dialoogi kaudu, juhendades klienti täiustatud tõrkeotsingus ja broneerides tehniku ​​ainult siis, kui kõik muu ebaõnnestub – ülesanded, mis tänapäeval nõuaksid tõenäoliselt inimtugitehniku ​​abi. Tervishoiu klienditeeninduses võib tehisintellekt hakkama saada patsientide ajastamise või kindlustuspäringute otsast lõpuni.

• Lõpp-lõppu teenuse lahendus: Me võime näha tehisintellekti mitte ainult ütlemas kliendile, mida teha, vaid tegemas seda kliendi nimel taustsüsteemides. Näiteks kui klient ütleb: „Soovin oma lendu muuta järgmise esmaspäeva peale ja lisada veel ühe pagasi,“ võib tehisintellekti agent 2030. aastal otse lennufirma broneerimissüsteemiga suhelda, muudatuse teha, pagasi eest makse töödelda ja kliendile kinnituse anda – kõik autonoomselt. Tehisintellektist saab täisteenust pakkuv agent, mitte ainult teabeallikas.

• Kõikjal kohal olevad tehisintellektiga agendid: Ettevõtted hakkavad tehisintellekti tõenäoliselt juurutama kõigisse kliendi kokkupuutepunktidesse – telefoni, vestlusse, e-posti ja sotsiaalmeediasse. Paljud kliendid ei pruugi isegi aru saada, kas nad räägivad tehisintellekti või inimesega, eriti kuna tehisintellekti hääled muutuvad loomulikumaks ja vestlusvastused kontekstipõhisemaks. 2035. aastaks võib klienditeenindusega ühenduse võtmine sageli tähendada suhtlemist nutika tehisintellektiga, mis mäletab teie varasemaid suhtlusi, mõistab teie eelistusi ja kohandub teie tooniga – sisuliselt iga kliendi jaoks isikupärastatud virtuaalne agent.

• Tehisintellekti otsuste langetamine suhtluses: Lisaks küsimustele vastamisele hakkab tehisintellekt tegema otsuseid, mis praegu vajavad juhtkonna heakskiitu. Näiteks võib tänapäeval inimagent vajada juhendaja heakskiitu, et pakkuda vihasele kliendile raha tagastamist või erisoodustust. Tulevikus võidakse need otsused kindlaksmääratud piirides usaldada tehisintellektile, mis põhineb kliendi eluea väärtuse ja sentimendi analüüsi arvutamisel. Futurumi/IBM-i uuring ennustas, et 2030. aastaks teevad umbes 69% reaalajas kliendisuhtluse käigus tehtud otsustest nutikad masinad ( To Reimagine the Shift to CX, Marketers Must Do These 2 Things ) – sisuliselt otsustab tehisintellekt suhtluses parima toimimisviisi.

• 100% tehisintellekti kaasatus: igas kliendisuhtluses rolli mängima 59 tehisintellektil põhinevat klienditeeninduse statistikat 2025. aasta kohta ), olgu see siis alguses või taustal. See võib tähendada, et isegi kui kliendiga suhtleb inimene, abistab teda tehisintellekt (soovituste andmine, teabe hankimine). Teise võimalusena tõlgendatakse seda nii, et ükski kliendipäring ei jää vastuseta – kui inimesed on võrguühenduseta, on tehisintellekt alati olemas.

2035. aastaks võime avastada, et inimestest klienditeenindajad on spetsialiseerunud ainult kõige tundlikumatele või suurema kontaktiga olukordadele (nt VIP-kliendid või keerukate kaebuste lahendamine, mis nõuab inimlikku empaatiat). Regulaarseid päringuid – alates pangandusest kuni jaemüügi ja tehnilise toeni – võiks teenindada tehisintellektiga agentide meeskond, kes töötab ööpäevaringselt ja õpib pidevalt igast suhtlusest. See nihe võiks muuta klienditeeninduse järjepidevamaks ja kiiremaks, kuna tehisintellekt ei hoia inimesi ootel ja saab teoreetiliselt teha mitut ülesannet korraga, et teenindada piiramatul hulgal kliente.

Selle visiooni elluviimiseks tuleb ületada väljakutseid: tehisintellekt peab olema väga vastupidav, et tulla toime inimestest klientide ettearvamatusega. See peab suutma toime tulla slängi, viha, segaduse ja lõputu hulga erinevate suhtlusviisidega. Samuti vajab see ajakohaseid teadmisi (pole mõtet, kui tehisintellekti teave on aegunud). Investeerides tehisintellekti ja ettevõtte andmebaaside integratsiooni (tellimuste, katkestuste jms kohta reaalajas teabe saamiseks), saab neid takistusi lahendada.

Eetiliselt peavad ettevõtted otsustama, millal avaldada, et „räägite tehisintellektiga“, ja tagama õigluse (tehisintellekt ei kohtle teatud kliente kallutatud koolituse tõttu negatiivselt erinevalt). Eeldades, et neid probleeme hallatakse, on äriline argument tugev: tehisintellektil põhinev klienditeenindus võib kulusid ja ooteaegu oluliselt vähendada. Tehisintellekti turu maht klienditeeninduses peaks 2030. aastaks kasvama kümnete miljardite dollariteni ( AI in Customer Service Market Report 2025-2030: Case ) ( How Generative AI is Boosting Logistics | Ryder ), kuna organisatsioonid investeerivad nendesse võimetesse.

Kokkuvõttes võib oodata tulevikku, kus autonoomne tehisintellektil põhinev klienditeenindus on normiks . Abi saamine tähendab sageli suhtlemist nutika masinaga, mis suudab teie probleemi kiiresti lahendada. Inimesed on endiselt kursis järelevalve ja äärmuslike juhtumitega, kuid pigem tehisintellekti tööjõu juhendajatena. Tulemuseks võiks olla kiirem ja personaalsem teenindus tarbijatele – seni, kuni tehisintellekt on korralikult koolitatud ja jälgitud, et vältida mineviku "robotite infotelefonide" kogemustega kaasnevaid pettumusi.

Generatiivne tehisintellekt tervishoius ja meditsiinis

Tervishoid on valdkond, kus panused on kõrged. Idee tehisintellektist, mis meditsiinis ilma inimese järelevalveta töötab, tekitab nii elevust (tõhususe ja ulatuse osas) kui ka ettevaatlikkust (ohutuse ja empaatia tõttu). Generatiivne tehisintellekt on hakanud läbi lööma sellistes valdkondades nagu meditsiinilise pildinduse analüüs, kliiniline dokumentatsioon ja isegi ravimite avastamine. Mida see saab vastutustundlikult iseseisvalt teha?

Praegused võimekused (2025): Arstide abistamine, mitte asendamine

Praegu toimib generatiivne tehisintellekt tervishoius peamiselt võimsa abilise , mitte autonoomse otsustajana. Näiteks:

• Meditsiiniline dokumentatsioon: Üks edukamaid tehisintellekti rakendusi tervishoius on arstide abistamine paberimajandusega. Looduskeele mudelid suudavad transkribeerida patsientide visiite ja genereerida kliinilisi märkmeid või väljakirjutuste kokkuvõtteid. Ettevõtetel on nn tehisintellektiga kirjutajad, kes kuulavad läbivaatuse ajal (mikrofoni kaudu) ja koostavad automaatselt vastuvõtu märkmete mustandi, mida arst saab üle vaadata. See säästab arstide aega kirjutamise pealt. Mõned süsteemid täidavad isegi osa elektroonilistest tervisekaartidest automaatselt. Seda saab teha minimaalse sekkumisega – arst parandab lihtsalt mustandis olevad väikesed vead, mis tähendab, et märkmete kirjutamine on suures osas autonoomne.

• Radioloogia ja pildistamine: tehisintellekt, sealhulgas generatiivsed mudelid, suudab analüüsida röntgenipilte, magnetresonantstomograafiat ja kompuutertomograafiat, et tuvastada anomaaliaid (nt kasvajaid või luumurde). 2018. aastal kiitis FDA heaks tehisintellekti süsteemi diabeetilise retinopaatia (silmahaiguse) autonoomseks tuvastamiseks võrkkesta piltidel – nimelt lubati sellel teha otsus ilma spetsialisti ülevaateta selles konkreetses sõeluuringu kontekstis. See süsteem ei olnud generatiivne tehisintellekt, kuid see näitab, et regulaatorid on lubanud autonoomset tehisintellekti diagnoosimist piiratud juhtudel. Generatiivsed mudelid tulevad mängu terviklike aruannete loomiseks. Näiteks võib tehisintellekt uurida rindkere röntgenpilti ja koostada radioloogi aruande, milles öeldakse: „Ägedaid leide pole. Kopsud on puhtad. Süda on normaalse suurusega.“ Seejärel radioloog lihtsalt kinnitab ja allkirjastab. Mõnel rutiinsel juhul võivad need aruanded olla ilma muudatusteta välja antud, kui radioloog usaldab tehisintellekti ja teeb lihtsalt kiire kontrolli.

• Sümptomite kontrollijad ja virtuaalsed õed: generatiivseid tehisintellektil põhinevaid vestlusroboteid kasutatakse esmatasandi sümptomite kontrollijatena. Patsiendid saavad sisestada oma sümptomid ja saada nõu (nt „See võib olla tavaline külmetus; puhake ja jooge vedelikke, aga pöörduge arsti poole, kui ilmneb X või Y.“). Rakendused nagu Babylon Health kasutavad tehisintellekti soovituste andmiseks. Praegu on need tavaliselt informatiivsed, mitte lõplikud meditsiinilised nõuanded, ja need julgustavad tõsiste probleemide korral pöörduma arsti poole.

• Ravimite avastamine (generatiivne keemia): Generatiivsed tehisintellekti mudelid suudavad pakkuda ravimitele uusi molekulaarstruktuure. See on pigem uurimisvaldkond kui patsiendihooldus. Need tehisintellektid töötavad autonoomselt, et pakkuda välja tuhandeid soovitud omadustega kandidaatühendeid, mida inimkeemikud seejärel laboris üle vaatavad ja testivad. Ettevõtted nagu Insilico Medicine on kasutanud tehisintellekti uute ravimikandidaatide loomiseks oluliselt lühema ajaga. Kuigi see ei suhtle otseselt patsientidega, on see näide tehisintellektist, mis loob autonoomselt lahendusi (molekulide disaine), mille leidmiseks inimestel oleks kulunud palju kauem aega.

• Tervishoiutoimingud: tehisintellekt aitab haiglates optimeerida ajakava koostamist, varustuse haldamist ja muud logistikat. Näiteks võib generatiivne mudel simuleerida patsientide voogu ja soovitada ajakava kohandamist ooteaegade lühendamiseks. Kuigi need pole nii nähtavad, on need otsused, mida tehisintellekt saab teha minimaalsete käsitsi muudatustega.

Oluline on märkida , et 2025. aasta seisuga ei lase ükski haigla tehisintellektil iseseisvalt teha olulisi meditsiinilisi otsuseid ega määrata ravi ilma inimese nõusolekuta. Diagnoosimine ja ravi planeerimine jäävad kindlalt inimeste kätte, tehisintellekt annab sisendi. Usaldust, mida tehisintellekt vajab, et patsiendile täiesti autonoomselt öelda "Teil on vähk" või ravimeid välja kirjutada, pole veel olemas ja seda ei tohikski tekkida ilma ulatusliku valideerimiseta. Meditsiinitöötajad kasutavad tehisintellekti teise silmapaari või aja kokkuhoiu vahendina, kuid nad kontrollivad kriitilisi väljundeid.

Väljavaated aastateks 2030–2035: tehisintellekt arsti kolleegina (ja võib-olla ka õena või apteekrina)

Järgmisel kümnendil eeldame, et generatiivne tehisintellekt võtab autonoomselt üle rohkem rutiinseid kliinilisi ülesandeid ja laiendab tervishoiuteenuste kättesaadavust:

• Automatiseeritud esialgsed diagnoosid: 2030. aastaks suudaks tehisintellekt usaldusväärselt hakkama saada paljude levinud haigusseisundite esmase analüüsiga. Kujutage ette kliinikus olevat tehisintellekti süsteemi, mis loeb kaamera abil patsiendi sümptomeid, haiguslugu, isegi tema tooni ja näoilmeid ning annab diagnostilise soovituse ja soovitab teste – kõik enne, kui inimarst patsienti näeb. Seejärel saab arst keskenduda diagnoosi kinnitamisele ja arutamisele. Telemeditsiinis võib patsient kõigepealt vestelda tehisintellektiga, kes kitsendab probleemi (nt tõenäoline siinusinfektsioon vs midagi raskemat) ja seejärel ühendab ta vajadusel arstiga. Reguleerivad asutused võivad lubada tehisintellektil ametlikult diagnoosida teatud kergemaid haigusseisundeid ilma inimese järelevalveta, kui need osutuvad äärmiselt täpseks – näiteks võiks tehisintellekt diagnoosida lihtsa kõrvapõletiku otoskoobi pildi põhjal.

• Isiklikud tervisemonitorid: Kantavate seadmete (nutikellade, tervisesensorite) levikuga jälgib tehisintellekt patsiente pidevalt ja hoiatab neid probleemide eest iseseisvalt. Näiteks 2035. aastaks võib teie kantava seadme tehisintellekt tuvastada südamerütmihäireid ja automaatselt planeerida teile kiireloomulise virtuaalse konsultatsiooni aja või isegi kutsuda kiirabi, kui see tuvastab südameataki või insuldi tunnuseid. See ületab autonoomse otsustusõiguse – otsustada, et olukord on hädaolukord, ja tegutseda –, mis on tehisintellekti tõenäoline ja elupäästev kasutusviis.

• Ravisoovitused: Meditsiinilise kirjanduse ja patsiendiandmete põhjal treenitud generatiivne tehisintellekt võib pakkuda välja personaalseid raviplaane. 2030. aastaks saaksid tehisintellektil põhinevad kasvajakomisjonid keeruliste haiguste, näiteks vähi, puhul analüüsida patsiendi geneetilist ülesehitust ja haiguslugu ning koostada iseseisvalt soovitatava raviskeemi (keemiaravi plaan, ravimite valik). Inimarstid vaataksid selle üle, kuid aja jooksul, kui enesekindlus kasvab, võivad nad hakata aktsepteerima tehisintellekti loodud plaane, eriti tavapäraste juhtumite puhul, kohandades neid ainult vajadusel.

• Virtuaalsed õed ja kodune hooldus: tehisintellekt, mis suudab vestelda ja anda meditsiinilist juhendamist, võiks tegeleda paljude järelkontrolli ja krooniliste haiguste raviga. Näiteks kodus olevad krooniliste haigustega patsiendid saaksid edastada igapäevaseid näitajaid tehisintellektiga õendusassistendile, kes annab nõu („Teie veresuhkur on veidi kõrge, kaaluge oma õhtuse suupiste kohandamist“) ja annab inimõele teada ainult siis, kui näidud on vahemikust väljas või tekib probleeme. See tehisintellekt võiks töötada suures osas autonoomselt arsti kaugjuhtimise all.

• Meditsiiniline pildistamine ja laborianalüüs – täisautomaatsed protsessid: 2035. aastaks võib meditsiiniliste skaneeringute lugemine mõnes valdkonnas toimuda peamiselt tehisintellekti abil. Radioloogid jälgiksid tehisintellekti süsteeme ja tegeleksid keerukate juhtumitega, kuid enamiku tavalistest skaneeringutest (mis on tõepoolest tavalised) saaks tehisintellekt otse „lugeda“ ja kinnitada. Samamoodi saaks patoloogiliste slaidide analüüsimist (näiteks vähirakkude tuvastamist biopsias) teha esialgse sõeluuringu jaoks autonoomselt, mis kiirendaks laboritulemusi oluliselt.

• Ravimite avastamine ja kliinilised uuringud: tehisintellekt ei kavanda tõenäoliselt mitte ainult ravimimolekule, vaid genereerib ka sünteetilisi patsiendiandmeid uuringuteks või leiab optimaalsed uuringukandidaadid. See võib autonoomselt läbi viia virtuaalseid uuringuid (simuleerides patsientide reaktsiooni), et enne päris uuringuid valikuvõimalusi kitsendada. See võib ravimeid kiiremini turule tuua, vähendades inimeste poolt tehtavate katsete arvu.

Visioon tehisintellektiga arstist, kes asendab täielikult inimarsti, on endiselt üsna kauge ja vastuoluline. Isegi 2035. aastaks on ootus, et tehisintellekt on kolleeg , mitte inimliku puudutuse asendaja. Kompleksne diagnoosimine nõuab patsiendi konteksti mõistmiseks sageli intuitsiooni, eetikat ja vestlusi – valdkonnad, kus inimarstid silma paistavad. Sellest hoolimata võib tehisintellekt hakkama saada näiteks 80% rutiinsest töökoormusest: paberimajandus, lihtsad juhtumid, jälgimine jne, mis võimaldab inimarstidel keskenduda keerulisele 20%-le ja patsientide suhetele.

Esineb olulisi takistusi: autonoomse tehisintellekti regulatiivne heakskiit tervishoius on range (ja see on ka asjakohane). Tehisintellekti süsteemid vajavad ulatuslikku kliinilist valideerimist. Võime näha järkjärgulist heakskiitu – näiteks lubatakse tehisintellektil autonoomselt diagnoosida või ravida alaesindatud piirkondades, kus arste pole saadaval, et laiendada tervishoiuteenuste kättesaadavust (kujutage ette 2030. aastaks kauges külas asuvat „tehisintellekti kliinikut”, mis tegutseb linnaarsti perioodilise telesuhtluse abil).

Eetilised kaalutlused on olulised. Vastutus (kui autonoomne tehisintellekt eksib diagnoosi andmisel, kes vastutab?), teadlik nõusolek (patsiendid peavad teadma, kas tehisintellekt on nende ravis kaasatud) ja võrdsuse tagamine (tehisintellekt toimib hästi kõigi populatsioonide jaoks, vältides eelarvamusi) on väljakutsed, millega tuleb toime tulla. Eeldades, et need lahendatakse, võiks 2030. aastate keskpaigaks genereeriv tehisintellekt olla põimitud tervishoiuteenuste osutamise kangasse, täites palju ülesandeid, mis vabastavad inimestest teenusepakkujaid ja võivad jõuda patsientideni, kellel on praegu piiratud juurdepääs.

Kokkuvõttes on tehisintellekt 2035. aastaks tõenäoliselt tervishoius sügavalt integreeritud, kuid enamasti kapoti all või toetavas rollis. Me usaldame tehisintellektile palju iseseisvalt – skaneeringute lugemist, elutähtsate näitajate jälgimist, plaanide koostamist –, kuid kriitiliste otsuste puhul on endiselt olemas inimjärelevalve turvavõrk. Tulemuseks võiks olla tõhusam ja reageerimisvõimelisem tervishoiusüsteem, kus tehisintellekt teeb raske töö ära ja inimesed pakuvad empaatiat ja annavad lõpliku otsuse.

Generatiivne tehisintellekt hariduses

Haridus on veel üks valdkond, kus genereeriv tehisintellekt laineid lööb, alates tehisintellektil põhinevatest õpperobotitest kuni automatiseeritud hindamise ja sisu loomiseni. Õpetamine ja õppimine hõlmavad suhtlemist ja loovust, mis on genereerivate mudelite tugevused. Aga kas tehisintellekti saab usaldada õpetamisel ilma õpetaja järelevalveta?

Praegused võimalused (2025): Juhendajad ja sisugeneraatorid rihma otsas

Praegu kasutatakse tehisintellekti hariduses peamiselt täiendava tööriistana , mitte iseseisva õpetajana. Näited praegusest kasutusest:

• Tehisintellektil põhinevad juhendamisassistendid: tööriistad nagu Khan Academy „Khanmigo” (GPT-4 toega) või mitmesugused keeleõpperakendused kasutavad tehisintellekti individuaalse juhendaja või vestluspartneri simuleerimiseks. Õpilased saavad esitada küsimusi loomulikus keeles ja saada vastuseid või selgitusi. Tehisintellekt saab anda vihjeid kodutööde probleemidele, selgitada kontseptsioone erineval viisil või isegi mängida ajaloolise tegelase rolli interaktiivses ajalootunnis. Neid tehisintellektil põhinevaid juhendajaid kasutatakse aga tavaliselt järelevalve all; õpetajad või rakenduse haldajad jälgivad sageli dialooge või seavad piire sellele, mida tehisintellekt arutada võib (et vältida väärinfot või sobimatut sisu).

• Sisu loomine õpetajatele: Generatiivne tehisintellekt aitab õpetajaid, luues viktoriiniküsimusi, lugemismaterjalide kokkuvõtteid, tunnikavade konspekte jne. Õpetaja võib tehisintellektilt küsida: „Genereeri 5 harjutusülesannet ruutvõrrandite kohta koos vastustega“, säästes ettevalmistusaega. See on autonoomne sisu loomine, kuid õpetaja kontrollib tavaliselt väljundit täpsuse ja õppekavaga vastavuse osas. Seega on see pigem tööjõudu säästev seade kui täiesti iseseisev.

• Hindamine ja tagasiside: tehisintellekt suudab automaatselt hinnata valikvastustega eksameid (mis pole selles midagi uut) ja üha enam ka lühivastuste või esseede hindamist. Mõned koolisüsteemid kasutavad tehisintellekti kirjalike vastuste hindamiseks ja õpilastele tagasiside andmiseks (nt grammatilised parandused, argumendi laiendamise ettepanekud). Kuigi see ei ole iseenesest genereeriv ülesanne, saavad uued tehisintellektid isegi genereerida , tuues esile parendusvaldkondi. Õpetajad kontrollivad selles etapis sageli tehisintellekti hinnatud esseesid nüansside pärast muretsemise tõttu.

• Adaptiivsed õppesüsteemid: need on platvormid, mis kohandavad materjali raskusastet või stiili vastavalt õpilase sooritusele. Generatiivne tehisintellekt täiustab seda, luues uusi probleeme või näiteid lennult, mis on kohandatud õpilase vajadustele. Näiteks kui õpilasel on mõne kontseptsiooniga raskusi, võib tehisintellekt genereerida uue analoogia või harjutusküsimuse, mis keskendub sellele kontseptsioonile. See on mõnevõrra autonoomne, kuid haridustöötajate loodud süsteemi raames.

• Õpilaste kasutus õppimiseks: Õpilased ise kasutavad õppimiseks tööriistu nagu ChatGPT – küsides selgitusi, tõlkeid või isegi tehisintellekti abil tagasisidet essee mustandi kohta („paranda minu sissejuhatavat lõiku“). See on iseseisev ja seda saab teha ilma õpetaja teadmata. Tehisintellekt toimib sellises olukorras nõudmisel juhendaja või korrektorina. Väljakutse seisneb selles, et õpilased kasutaksid seda õppimiseks, mitte ainult vastuste saamiseks (akadeemiline terviklikkus).

On selge, et 2025. aasta seisuga on tehisintellekt hariduses võimas, kuid tavaliselt töötab see koos inimõpetajaga, kes kureerib tehisintellekti panust. See on mõistetav ettevaatusabinõu: me ei taha usaldada tehisintellektile vale teabe õpetamist või tundlike õpilastega suhtlemise vaakumis käsitlemist. Õpetajad näevad tehisintellekti juhendajaid abivalmite abilistena, kes saavad anda õpilastele rohkem harjutamist ja koheseid vastuseid rutiinsetele küsimustele, vabastades õpetajad keskenduma sügavamale mentorlusele.

Väljavaated aastateks 2030–2035: isikupärastatud tehisintellektiga juhendajad ja automatiseeritud õpetamisabilised

Järgmise kümnendi jooksul eeldame, et genereeriv tehisintellekt võimaldab isikupärasemaid ja autonoomsemaid õpikogemusi , samal ajal kui õpetajate rollid arenevad:

• Tehisintellektil põhinevad personaalõpetajad igale õpilasele: 2030. aastaks on visiooniks (mida jagavad ka sellised eksperdid nagu Sal Khan Khan Khan Academyst), et igal õpilasel oleks juurdepääs tehisintellektil põhinevale juhendajale, kes on mitmes mõttes sama tõhus kui inimene ( see tehisintellektil põhinev juhendaja võiks muuta inimesed 10 korda targemaks, ütleb selle looja ). Need tehisintellektil põhinevad juhendajad oleksid saadaval ööpäevaringselt, tunneksid õpilase õpiajalugu põhjalikult ja kohandaksid oma õpetamisstiili vastavalt. Näiteks kui õpilane on visuaalne õppija, kellel on raskusi algebralise mõistega, võib tehisintellekt dünaamiliselt luua visuaalse selgituse või interaktiivse simulatsiooni, mis teda aitaks. Kuna tehisintellekt suudab õpilase edusamme aja jooksul jälgida, saab see autonoomselt otsustada, millist teemat järgmisena üle vaadata või millal uue oskuse juurde liikuda – hallates tõhusalt selle õpilase tunnikava mikrotasandil.

• Õpetaja väiksem töökoormus rutiinsete ülesannete puhul: hindamine, töölehtede koostamine, tunnimaterjalide koostamine – need ülesanded võiks 2030. aastaks peaaegu täielikult tehisintellekti kanda jääda. Tehisintellekt võiks genereerida klassile nädala jagu kohandatud kodutöid, hinnata kõiki eelmise nädala ülesandeid (isegi avatud ülesandeid) tagasiside abil ning juhtida õpetaja tähelepanu sellele, millised õpilased millistel teemadel lisatuge vajavad. See võiks toimuda minimaalse õpetaja sekkumisega, võib-olla vaid kiire pilguga, et tehisintellekti hinded tunduksid õiglased.

• Autonoomsed adaptiivsed õppeplatvormid: Teatud ainete puhul võime näha täielikult tehisintellektil põhinevaid kursusi. Kujutage ette veebikursust ilma inimesest juhendajata, kus tehisintellekti agent tutvustab materjali, pakub näiteid, vastab küsimustele ja kohandab tempot vastavalt õpilasele. Õpilase kogemus võiks olla ainulaadne ja genereeritud reaalajas. Mõned ettevõtte koolitused ja täiskasvanute õpe võivad sellele mudelile varem üle minna, kus 2035. aastaks võiks töötaja öelda: "Ma tahan õppida Exceli edasijõudnutele mõeldud makrosid" ja tehisintellekti juhendaja õpetab talle isikupärastatud õppekava kaudu, sealhulgas harjutuste genereerimist ja lahenduste hindamist ilma inimesest juhendajata.

• Tehisintellektiga assistendid klassis: Füüsilistes või virtuaalsetes klassiruumides võiks tehisintellekt kuulata klassi arutelusid ja õpetajat lennult aidata (nt sosistada kuulari kaudu soovitusi: „Mitmed õpilased näevad selle kontseptsiooni pärast segaduses välja, tooge ehk teine ​​näide“). Samuti võiks see modereerida veebipõhiseid klassifoorumeid, vastata õpilaste otsekohesetele küsimustele („Millal on ülesande tähtaeg?“ või isegi loengu punkti selgitamine), et õpetajat ei pommitataks meilidega. 2035. aastaks võiks standardiks saada tehisintellektiga kaasõpetaja olemasolu klassis, samal ajal kui inimõpetaja keskendub kõrgema taseme juhendamisele ja motiveerivatele aspektidele.

• Globaalne juurdepääs haridusele: autonoomsed tehisintellektiga juhendajad võiksid aidata õpilasi harida piirkondades, kus on õpetajate puudus. Tehisintellektiga juhendajaga tahvelarvuti võiks olla peamine juhendaja õpilastele, kellel on muidu piiratud haridustase, hõlmates põhilisi kirjaoskuse ja matemaatika oskusi. 2035. aastaks võib see olla üks mõjukamaid kasutusviise – tehisintellekt aitab ületada lünki seal, kus inimõpetajaid pole saadaval. Siiski on ülioluline tagada tehisintellektiga hariduse kvaliteet ja kultuuriline sobivus erinevates kontekstides.

Kas tehisintellekt asendab õpetajaid? Ebatõenäoliselt mitte täielikult. Õpetamine on enamat kui lihtsalt sisu edastamine – see on mentorlus, inspiratsioon, sotsiaal-emotsionaalne tugi. Neid inimlikke elemente on tehisintellektil raske korrata. Kuid tehisintellektist võib saada teine ​​õpetaja klassis või isegi esimene õpetaja teadmiste edasiandmisel, jättes inimõpetajad keskenduma sellele, mida inimesed kõige paremini oskavad: empaatiat üles näidata, motiveerida ja edendada kriitilist mõtlemist.

On probleeme, millega tuleb tegeleda: tagada, et tehisintellekt pakuks täpset teavet (valefaktidest tulenevate hariduslike hallutsinatsioonide vältimiseks), vältida haridussisu kallutatust, säilitada õpilaste andmete privaatsust ja hoida õpilasi kaasatuna (tehisintellekt peab olema motiveeriv, mitte ainult korrektne). Tõenäoliselt näeme tehisintellektiga haridussüsteemide akrediteerimist või sertifitseerimist – sarnaselt õpikute heakskiitmisega –, et tagada nende vastavus standarditele.

Teine väljakutse on liigne lootmine: kui tehisintellektist juhendaja annab vastuseid liiga kergesti, ei pruugi õpilased õppida visadust ega probleemide lahendamist. Selle leevendamiseks võidakse tulevased tehisintellektist juhendajad kavandada nii, et nad lasevad õpilastel mõnikord pingutada (nagu inimjuhendaja) või julgustavad neid vihjete abil probleeme lahendama, mitte lahendusi jagama.

2035. aastaks võib klassiruum olla täielikult muutunud: igal õpilasel on tehisintellektiga ühendatud seade, mis juhendab teda tema enda tempos, samal ajal kui õpetaja juhib rühmategevusi ja pakub inimlikku arusaama. Haridus võiks muutuda tõhusamaks ja individuaalsemaks. Lubaduseks on, et iga õpilane saab vajalikku abi siis, kui seda vajab – tõeline „isikliku juhendaja“ kogemus laias laastus. Risk seisneb inimliku lähenemise kaotamises või tehisintellekti väärkasutamises (nagu õpilased spikerdavad tehisintellekti abil). Kuid üldiselt, kui genereerivat tehisintellekti hästi hallata, on see võimeline demokratiseerima ja täiustama õppimist, olles õpilase haridusteekonnal alati kättesaadav ja teadlik kaaslane.

Generatiivne tehisintellekt logistikas ja tarneahelas

Logistika – kaupade liigutamise ja tarneahelate haldamise kunst ja teadus – ei pruugi tunduda traditsioonilise „generatiivse” tehisintellekti valdkonnana, kuid loominguline probleemide lahendamine ja planeerimine on selles valdkonnas võtmetähtsusega. Generatiivne tehisintellekt saab aidata stsenaariumide simuleerimise, plaanide optimeerimise ja isegi robotsüsteemide juhtimisega. Logistika eesmärk on efektiivsus ja kulude kokkuhoid, mis on hästi kooskõlas tehisintellekti tugevustega andmete analüüsimisel ja lahenduste pakkumisel. Kui autonoomseks saab tehisintellekt tarneahelate ja logistikatoimingute juhtimisel saada?

Praegused võimed (2025): optimeerimine ja sujuvamaks muutmine inimjärelevalve abil

Tänapäeval rakendatakse tehisintellekti (sealhulgas mõningaid generatiivseid lähenemisviise) logistikas peamiselt otsustustoe vahendina :

• Marsruudi optimeerimine: Ettevõtted nagu UPS ja FedEx kasutavad juba tehisintellekti algoritme tarnemarsruutide optimeerimiseks – tagades, et juhid valivad kõige tõhusama marsruudi. Traditsiooniliselt olid need operatsioonide uurimise algoritmid, kuid nüüd saavad generatiivsed lähenemisviisid aidata uurida alternatiivseid marsruutimisstrateegiaid erinevates tingimustes (liiklus, ilm). Samal ajal kui tehisintellekt pakub marsruute, määravad inimdispetšerid või juhid parameetrid (nt prioriteedid) ja saavad neid vajadusel muuta.

• Laadimise ja ruumi planeerimine: Pakkivate veoautode või konteinerite jaoks saab tehisintellekt genereerida optimaalseid laadimisplaane (milline kast kuhu läheb). Generatiivne tehisintellekt võib luua mitu pakkimiskonfiguratsiooni, et maksimeerida ruumi kasutamist, sisuliselt "luues" lahendusi, mille hulgast inimesed saavad valida. Seda rõhutati uuringus, milles märgiti, et USA-s sõidavad veoautod sageli 30% tühjalt ja parem planeerimine – tehisintellekti abiga – saab seda raiskamist vähendada ( Top Generative AI Use Cases in Logistics ). Nende tehisintellekti loodud laadimisplaanide eesmärk on vähendada kütusekulusid ja heitkoguseid ning mõnes laos täidetakse neid minimaalsete käsitsi muudatustega.

• Nõudluse prognoosimine ja varude haldamine: tehisintellekti mudelid suudavad ennustada tootenõudlust ja genereerida varude täiendamise plaane. Generatiivne mudel võib simuleerida erinevaid nõudluse stsenaariume (näiteks tehisintellekt „kujutab ette” nõudluse hüppelist kasvu eelseisva pühade tõttu) ja planeerida vastavalt laoseisu. See aitab tarneahela juhtidel valmistuda. Praegu pakub tehisintellekt prognoose ja soovitusi, kuid tootmistasemete või tellimuste osas langetavad lõpliku otsuse tavaliselt inimesed.

• Riskihindamine: Globaalne tarneahel seisab silmitsi häiretega (loodusõnnetused, sadamate hilinemised, poliitilised probleemid). Tehisintellekti süsteemid kammivad nüüd läbi uudiseid ja andmeid, et tuvastada silmapiiril olevaid riske. Näiteks kasutab üks logistikaettevõte geneerilist tehisintellekti interneti skannimiseks ja riskantsete transpordikoridoride (piirkondade, kus võib tekkida probleeme näiteks saabuva orkaani või rahutuste tõttu) märgistamiseks ( Top Generative AI Use Cases in Logistics ). Selle teabe abil saavad planeerijad saadetisi automaatselt probleemsete kohtade ümber suunata. Mõnel juhul võib tehisintellekt automaatselt soovitada marsruudi või transpordiliigi muudatusi, mille inimesed seejärel heaks kiidavad.

• Lao automatiseerimine: Paljud laod on poolautomaatsed, kus komplekteerimiseks ja pakkimiseks kasutatakse roboteid. Generatiivne tehisintellekt suudab optimaalse töövoo tagamiseks dünaamiliselt ülesandeid robotitele ja inimestele jagada. Näiteks võib tehisintellekt igal hommikul tellimuste põhjal genereerida robotkomplekteerijate tööjärjekorra. See on sageli teostamisel täiesti autonoomne, kusjuures juhid jälgivad ainult KPI-sid – kui tellimuste arv ootamatult suureneb, kohandab tehisintellekt toiminguid ise.

• Sõidukipargi haldus: tehisintellekt aitab sõidukite hooldust planeerida, analüüsides mustreid ja genereerides optimaalseid hooldusgraafikuid, mis minimeerivad seisakuid. Samuti saab see saadetisi grupeerida, et vähendada reise. Tehisintellekti tarkvara saab neid otsuseid automaatselt teha, kui see vastab hooldusnõuetele.

Üldiselt seavad inimesed alates 2025. aastast eesmärgid (nt „minimeerida kulusid, kuid tagada kahepäevane tarne“) ja tehisintellekt pakub välja lahendusi või ajakavasid nende saavutamiseks. Süsteemid saavad töötada iga päev ilma sekkumiseta, kuni juhtub midagi ebatavalist. Suur osa logistikast hõlmab korduvaid otsuseid (millal peaks see saadetis lahkuma? millisest laost seda tellimust täita?), mida tehisintellekt saab õppida järjepidevalt tegema. Ettevõtted usaldavad järk-järgult tehisintellekti nende mikrootsuste tegemisel ja hoiatavad juhte ainult erandite ilmnemisel.

Väljavaated aastateks 2030–2035: isejuhtivad tarneahelad

Järgmisel kümnendil võime ette kujutada tehisintellekti juhitud logistika autonoomsemat koordineerimist

• Autonoomsed sõidukid ja droonid: Isejuhtivad veoautod ja tarnedroonid, kuigi laiemalt tehisintellekti/robotite teema, mõjutavad otseselt logistikat. Kui regulatiivsed ja tehnilised väljakutsed ületatakse, võiks 2030. aastaks olla tehisintellektil võimekus veoautosid maanteedel rutiinselt juhtida või droonid linnades viimase miili tarneid hallata. Need tehisintellektid teevad reaalajas otsuseid (marsruudi muudatused, takistuste vältimine) ilma inimestest juhtideta. Generatiivne nurk seisneb selles, kuidas need sõidukite tehisintellektid õpivad tohututest andmetest ja simulatsioonidest, "treenides" tõhusalt lugematutel stsenaariumidel. Täisautonoomne autopark võiks töötada ööpäevaringselt, kusjuures inimesed jälgiksid ainult eemalt. See eemaldab logistikatoimingutest tohutu inimteguri (juhid), suurendades dramaatiliselt autonoomiat.

• Isetervenevad tarneahelad: Generatiivset tehisintellekti kasutatakse tõenäoliselt tarneahela stsenaariumide pidevaks simuleerimiseks ja hädaolukorra plaanide koostamiseks. 2035. aastaks võib tehisintellekt automaatselt tuvastada, millal tarnija tehas on suletud (uudiste või andmevoogude kaudu), ja kohe alternatiivsetele tarnijatele, keda ta on simulatsioonis juba kontrollinud. See tähendab, et tarneahel „terveneb“ häiretest ise, tehisintellekti initsiatiivi haarates. Inimjuhtidest saavad teavet tehisintellekti tegevuse kohta, mitte aga lahenduse algatajate kohta.

• Laovarude otsast lõpuni optimeerimine: tehisintellekt suudaks autonoomselt hallata laovarusid terves ladude ja kaupluste võrgustikus. See otsustaks, millal ja kuhu laovarusid liigutada (võib-olla robotite või automatiseeritud sõidukite abil), hoides igas asukohas just nii palju laovarusid. Tehisintellekt juhib sisuliselt tarneahela juhtimistorni: näeb kõiki vooge ja teeb reaalajas kohandusi. Aastaks 2035 võib „isejuhtiva” tarneahela idee tähendada, et süsteem arvutab iga päev välja parima jaotusplaani, tellib tooteid, planeerib tehasetöid ja korraldab transpordi täiesti iseseisvalt. Inimesed jälgiksid üldist strateegiat ja tegeleksid eranditega, mis ületavad tehisintellekti praegust arusaamist.

• Generatiivne disain logistikas: Võiksime näha tehisintellekti kavandamas uusi tarneahela võrgustikke. Oletame, et ettevõte laieneb uude piirkonda; tehisintellekt suudaks andmete põhjal genereerida selle piirkonna jaoks optimaalsed lao asukohad, transpordiühendused ja varude haldamise põhimõtted – midagi, mida konsultandid ja analüütikud juba täna teevad. 2030. aastaks võivad ettevõtted tarneahela kujundamisel tugineda tehisintellekti soovitustele, usaldades, et see kaalub tegureid kiiremini ja võib-olla leiab loomingulisi lahendusi (näiteks mitte ilmselged jaotuskeskused), mida inimesed kahe silma vahele jätavad.

• Integratsioon tootmisega (Tööstus 4.0): Logistika ei ole iseseisev valdkond; see on seotud tootmisega. Tuleviku tehastel võib olla genereeriv tehisintellekt, mis planeerib tootmist, tellib tooraineid õigeaegselt ja annab seejärel logistikavõrgustikule korralduse tooteid koheselt tarnida. See integreeritud tehisintellekt võib tähendada üldiselt vähem inimplaneerimist – sujuv ahel tootmisest tarnimiseni, mida juhivad algoritmid, mis optimeerivad kulusid, kiirust ja jätkusuutlikkust. Juba 2025. aastaks on suure jõudlusega tarneahelad andmepõhised; 2035. aastaks võivad need olla suures osas tehisintellekti juhitud.

• Dünaamiline klienditeenindus logistikas: klienditeeninduse tehisintellektile tuginedes võivad tarneahela tehisintellektid suhelda otse klientidega. Näiteks kui suur klient soovib oma hulgitellimust viimasel minutil muuta, saab tehisintellekti abil loodud agent pidada läbirääkimisi teostatavate alternatiivide üle (näiteks „Piirangute tõttu saame poole tarnida kohe, poole järgmisel nädalal“), ootamata inimjuhti. See hõlmab tehisintellekti abil mõlema poole (kliendivajadus vs. tegevusvõime) mõistmist ja otsuste langetamist, mis hoiavad tegevuse sujuvana, rahuldades samal ajal kliente.

Oodatav kasu on tõhusam , vastupidavam ja reageerimisvõimelisem logistikasüsteem. Ettevõtted näevad ette tohutut kokkuhoidu – McKinsey hindas, et tehisintellektil põhinevad tarneahela optimeerimised võiksid märkimisväärselt kulusid vähendada ja teenindustaset parandada, lisades potentsiaalselt triljonite väärtuse erinevates tööstusharudes ( Tehisintellekti olukord 2023. aastal: Generatiivse tehisintellekti läbimurdeaasta | McKinsey ).

Siiski kaasnevad tehisintellektile suurema kontrolli andmisega ka riskid, näiteks kaskaadvead, kui tehisintellekti loogika on vigane (nt kurikuulus stsenaarium, kus tehisintellekti tarneahel ajab kogemata ettevõtte laoseisu modelleerimisvea tõttu otsa). Sellised kaitsemeetmed nagu „inimene kaasas suurte otsuste tegemisel” või vähemalt armatuurlauad, mis võimaldavad inimesel kiiresti otsuseid muuta, jäävad tõenäoliselt kehtima kuni 2035. aastani. Aja jooksul, kui tehisintellekti otsused osutuvad, muutuvad inimesed mugavamaks tagasi astuda.

Huvitaval kombel võib tehisintellekt efektiivsuse optimeerimise kaudu teha valikuid, mis on vastuolus inimeste eelistuste või traditsiooniliste tavadega. Näiteks võib puhas optimeerimine viia väga lahjade varudeni, mis on tõhus, kuid võib tunduda riskantne. Tarneahela spetsialistid peavad 2030. aastal oma intuitsiooni kohandama, sest tehisintellekt võib tohutul hulgal andmeid analüüsides näidata, et selle ebatavaline strateegia töötab tegelikult paremini.

Lõpuks peame arvestama, et füüsilised piirangud (infrastruktuur, füüsilised protsesside kiirused) piiravad logistika muutumise kiirust, seega seisneb revolutsioon siin pigem varade targemas planeerimises ja kasutamises kui täiesti uues füüsilises reaalsuses. Kuid isegi nende piiride sees võivad genereeriva tehisintellekti loomingulised lahendused ja pidev optimeerimine minimaalse käsitsi planeerimisega oluliselt parandada kaupade liikumist maailmas.

Kokkuvõttes võib logistika 2035. aastaks toimida nagu hästiõlitatud automatiseeritud masin: kaubad voolavad tõhusalt, marsruudid kohanduvad reaalajas häiretega, laod juhivad end robotite abil ning kogu süsteem õpib ja täiustub pidevalt andmete põhjal – kõike seda juhib genereeriv tehisintellekt, mis toimib operatsiooni ajus.

Generatiivne tehisintellekt rahanduses ja äris

Finantssektor tegeleb suuresti teabega – aruannete, analüüside ja kliendisuhtlusega –, mis teeb sellest viljaka pinnase genereerivale tehisintellektile. Pangandusest investeerimishalduse ja kindlustuseni uurivad organisatsioonid tehisintellekti automatiseerimiseks ja teadmiste genereerimiseks. Küsimus on selles, milliseid finantsülesandeid saab tehisintellekt usaldusväärselt täita ilma inimese järelevalveta, arvestades täpsuse ja usalduse olulisust selles valdkonnas?

Praegused võimalused (2025): automatiseeritud aruanded ja otsustustugi

Tänase seisuga panustab generatiivne tehisintellekt rahandusse mitmel viisil, sageli inimese järelevalve all:

• Aruannete genereerimine: Pangad ja finantsettevõtted koostavad arvukalt aruandeid – tulude kokkuvõtteid, turukommentaare, portfellianalüüse jne. Tehisintellekti kasutatakse nende koostamiseks juba praegu. Näiteks on Bloomberg välja töötanud BloombergGPT , suure finantsandmetel treenitud keelemudeli, mis aitab terminalikasutajatel täita selliseid ülesandeid nagu uudiste klassifitseerimine ja küsimuste ja vastuste funktsioon ( generatiivne tehisintellekt on tulemas finantsvaldkonda ). Kuigi selle peamine eesmärk on aidata inimestel teavet leida, näitab see tehisintellekti kasvavat rolli. Automated Insights (ettevõte, millega AP töötas) genereeris ka finantsartikleid. Paljud investeerimisuudiskirjad kasutavad tehisintellekti igapäevaste turuliikumiste või majandusnäitajate kokkuvõtte tegemiseks. Tavaliselt vaatavad inimesed need enne klientidele saatmist üle, kuid see on pigem kiire redigeerimine kui nullist kirjutamine.

• Kliendisuhtlus: Jaepanganduses käsitlevad tehisintellektil põhinevad vestlusrobotid klientide päringuid kontojääkide, tehingute või tooteteabe kohta (sulatudes klienditeeninduse valdkonda). Samuti saab tehisintellekt genereerida isikupärastatud finantsnõustamiskirju või soovitusi. Näiteks võib tehisintellekt tuvastada, et klient saaks tasudelt kokku hoida, ja koostada automaatselt sõnumi, milles soovitatakse tal vahetada kontotüüpi, mis seejärel saadetakse minimaalse inimliku sekkumisega välja. Selline isikupärastatud suhtlus on tehisintellekti praegune kasutusala finantsvaldkonnas.

• Pettuste avastamine ja hoiatused: Generatiivne tehisintellekt aitab luua narratiive või selgitusi pettusevastaste süsteemide tuvastatud anomaaliate kohta. Näiteks kui kahtlane tegevus märgistatakse, võib tehisintellekt genereerida kliendile selgitava teate („Märkasime sisselogimist uuest seadmest…“) või analüütikutele aruande. Tuvastamine on automatiseeritud (kasutades tehisintellekti/masinaõppe anomaaliate tuvastamist) ja suhtlus on üha enam automatiseeritud, kuigi lõplikud toimingud (konto blokeerimine) vajavad sageli inimlikku kontrolli.

• Finantsnõustamine (piiratud ulatuses): Mõned robo-nõustajad (automatiseeritud investeerimisplatvormid) kasutavad portfellide haldamiseks algoritme (mitte tingimata generatiivset tehisintellekti) ilma inimnõustajateta. Generatiivne tehisintellekt siseneb näiteks kommentaaride genereerimise kaudu teatud tehingute tegemise põhjuste või kliendile kohandatud portfelli tootluse kokkuvõtte genereerimise kaudu. Puhas finantsnõustamine (nagu keeruline finantsplaneerimine) on aga enamasti inim- või reeglipõhine algoritm; vabas vormis generatiivne nõustamine ilma järelevalveta on riskantne vastutuse tõttu, kui see on vale.

• Riskianalüüsid ja kindlustuslepingu sõlmimine: Kindlustusseltsid testivad tehisintellekti, et see automaatselt kirjutaks riskianalüüsi aruandeid või isegi poliisidokumentide mustandeid. Näiteks kinnisvara kohta käivate andmete põhjal võiks tehisintellekt genereerida kindlustuspoliisi mustandi või kindlustusandja aruande, milles kirjeldatakse riskitegureid. Praegu vaatavad neid väljundeid üle inimesed, sest iga viga lepingus võib olla kulukas.

• Andmeanalüüs ja ülevaated: tehisintellekt suudab läbi kammida finantsaruandeid või uudiseid ja genereerida kokkuvõtteid. Analüütikud kasutavad tööriistu, mis suudavad 100-leheküljelise aastaaruande koheselt põhipunktideks kokku võtta või tulukõne ärakirjast peamised järeldused välja tuua. Need kokkuvõtted säästavad aega ja neid saab otse otsuste tegemisel kasutada või edasi anda, kuid ettevaatlikud analüütikud kontrollivad olulised detailid üle.

Sisuliselt toimib praegune tehisintellekt finantsvaldkonnas väsimatu analüütikuna/kirjutajana , luues sisu, mida inimesed lihvivad. Täiesti autonoomne kasutus toimub enamasti täpselt määratletud valdkondades, nagu andmepõhised uudised (subjektiivset hinnangut pole vaja) või klienditeeninduse vastused. Raha puudutavate otsuste (näiteks raha liigutamine, tehingute tegemine väljaspool etteantud algoritme) otsene usaldamine tehisintellektile on haruldane suurte panuste ja regulatiivse kontrolli tõttu.

Väljavaated aastateks 2030–2035: tehisintellekti analüütikud ja autonoomsed finantstehingud

Tulevikku vaadates võiks generatiivne tehisintellekt 2035. aastaks olla sügavalt integreeritud finantstehingutesse, potentsiaalselt hakkama saades paljude ülesannetega autonoomselt:

• Tehisintellektil põhinevad finantsanalüütikud: Me võime näha tehisintellekti süsteeme, mis suudavad analüüsida ettevõtteid ja turge ning koostada soovitusi või aruandeid inimkapitali uurimisanalüütiku tasemel. Aastaks 2030 võiks tehisintellekt mõeldavalt lugeda kõiki ettevõtte finantsaruandeid, võrrelda neid valdkonna andmetega ja koostada iseseisvalt investeerimissoovituste aruande („Osta/Müü” koos põhjendusega). Mõned riskifondid kasutavad juba tehisintellekti kauplemissignaalide genereerimiseks; 2030. aastateks võivad tehisintellekti uurimisaruanded olla tavalised. Inimportfellihaldurid võivad hakata usaldama tehisintellekti loodud analüüse ühe sisendina teiste seas. Tehisintellektil on isegi potentsiaal portfelle autonoomselt hallata: investeeringuid pidevalt jälgida ja ümber tasakaalustada vastavalt eelnevalt määratletud strateegiale. Tegelikult on algoritmiline kauplemine juba suuresti automatiseeritud – genereeriv tehisintellekt võib muuta strateegiad kohanemisvõimelisemaks, genereerides ja testides ise uusi kauplemismudeleid.

• Automatiseeritud finantsplaneerimine: Tarbijatele suunatud tehisintellektil põhinevad nõustajad saaksid hakkama üksikisikute rutiinse finantsplaneerimisega. 2030. aastaks võiksite tehisintellektile öelda oma eesmärgid (maja ostmine, ülikooliks säästmine) ja see võiks genereerida teile kohandatud täieliku finantsplaani (eelarve, investeeringute jaotus, kindlustusnõuanded). Algselt võib seda üle vaadata inimene-finantsplaneerija, kuid enesekindluse kasvades võidakse sellist nõu anda otse tarbijatele koos asjakohaste vastutusest loobumisega. Peamine on tagada, et tehisintellekti nõuanded vastavad eeskirjadele ja on kliendi parimates huvides. Kui see lahendatakse, võiks tehisintellekt muuta põhilise finantsnõustamise palju kättesaadavamaks ja odavamaks.

• Tagatoa automatiseerimine: Generatiivne tehisintellekt võiks autonoomselt hallata paljusid tagatoa dokumente – laenutaotlusi, vastavusaruandeid, auditi kokkuvõtteid. Näiteks võiks tehisintellekt võtta vastu kõik tehinguandmed ja genereerida auditiaruande, mis märgib ära kõik probleemid. Aastal 2035 võivad audiitorid kulutada rohkem aega tehisintellekti poolt märgistatud erandite ülevaatamisele, selle asemel, et kõike ise läbi kammida. Samamoodi võiks tehisintellekt vastavuse osas genereerida regulaatoritele kahtlase tegevuse aruandeid (SAR-e) ilma, et analüütik neid nullist kirjutaks. Nende rutiinsete dokumentide autonoomne genereerimine, mille puhul inimese järelevalve liigub erandite alusele, võiks muutuda standardiks.

• Kindlustusnõuded ja kindlustusriski hindamine: Tehisintellekt suudaks kindlustusnõude (fototõendite jms abil) töödelda, määrata kindlaks kindlustuskaitse ja genereerida automaatselt väljamakseotsuse kirja. Võime jõuda punkti, kus lihtsad nõuded (näiteks selgete andmetega autoõnnetused) lahendab tehisintellekt täielikult minutite jooksul pärast esitamist. Uute poliiside kindlustusriski hindamine võiks olla sarnane: tehisintellekt hindab riski ja genereerib poliisi tingimused. Aastaks 2035 edastatakse ehk ainult keerulised või piiripealsed juhtumid inimestest kindlustusandjatele.

• Pettus ja turvalisus: tehisintellektil on tõenäoliselt veelgi suurem tähtsus pettuste või küberohtude avastamisel ja neile reageerimisel finantsvaldkonnas. Autonoomsed tehisintellekti agendid võivad jälgida tehinguid reaalajas ja võtta teatud kriteeriumide täitmisel kohe meetmeid (blokeerida kontosid, külmutada tehinguid) ning seejärel esitada põhjenduse. Kiirus on siin ülioluline, seega on soovitav minimaalne inimlik sekkumine. Generatiivne osa võib seisneda nende meetmete selges edastamises klientidele või regulaatoritele.

• Juhtide tugi: Kujutage ette tehisintellektil põhinevat „personaliülemat“, kes suudab juhtidele lennult äriaruandeid genereerida. Küsige endalt: „Kuidas meie Euroopa divisjon sel kvartalil hakkama sai ja millised olid peamised tegurid võrreldes eelmise aastaga?“ ja tehisintellekt koostab andmete põhjal kokkuvõtliku ja täpsete diagrammidega aruande. Selline dünaamiline ja autonoomne aruandlus ja analüüs võivad muutuda sama lihtsaks kui vestlus. 2030. aastaks võiks ärianalüütika päringute tegemine tehisintellektilt ja selle õigete vastuste usaldamine suures osas asendada staatilisi aruandeid ja võib-olla isegi mõningaid analüütiku rolle.

Üks huvitav prognoos: 2030. aastateks võib suurem osa finantssisust (uudised, aruanded jne) olla tehisintellekti loodud . Juba praegu kasutavad sellised väljaanded nagu Dow Jones ja Reuters teatud uudisteosade puhul automatiseerimist. Kui see trend jätkub ja arvestades finantsandmete plahvatuslikku kasvu, võib tehisintellekt vastutada enamiku sellest filtreerimise ja edastamise eest.

Siiski on kesksel kohal usaldus ja kontrollimine. Finantssektor on tugevalt reguleeritud ja iga autonoomselt tegutsev tehisintellekt peab vastama rangetele standarditele:

• Hallutsinatsioonide puudumise tagamine (te ei saa lasta tehisintellekti analüütikul leiutada finantsmõõdikut, mis pole reaalne – see võib turge eksitada).

• Eelarvamuste või ebaseaduslike tavade vältimine (näiteks laenuotsuste tahtmatu vähendamine kallutatud koolitusandmete tõttu).

• Auditeeritavus: regulaatorid nõuavad tõenäoliselt, et tehisintellekti otsused oleksid selgitatavad. Kui tehisintellekt lükkab laenu tagasi või teeb kauplemisotsuse, peab sellel olema põhjendus, mida saab uurida. Generatiivsed mudelid võivad olla omamoodi mustad kastid, seega oodake selgitatavate tehisintellekti tehnikate väljatöötamist, et muuta nende otsused läbipaistvaks.

Järgmised 10 aastat hõlmavad tõenäoliselt tihedat koostööd tehisintellekti ja finantsspetsialistide vahel, nihutades järk-järgult autonoomia piiri usalduse kasvades. Esimesed võidud tulevad madala riskiga automatiseerimises (näiteks aruannete genereerimine). Raskemaks muutuvad põhiotsused, näiteks krediidiotsused või investeerimisvalikud, kuid isegi seal, tehisintellekti tulemuste kasvades, võivad ettevõtted anda sellele rohkem autonoomiat. Näiteks võib tehisintellekti fondi juhtida inimene, kes sekkub ainult siis, kui tulemused kalduvad kõrvale või kui tehisintellekt annab märku ebakindlusest.

Majanduslikust seisukohast hindas McKinsey, et tehisintellekt (eriti gen AI) võiks pangandussektorile igal aastal lisada 200–340 miljardit dollarit väärtust ning avaldada sarnast suurt mõju kindlustus- ja kapitaliturgudele ( Tehisintellekti olukord 2023. aastal: Generatiivse tehisintellekti läbimurdeaasta | McKinsey ) ( Milline on Generatiivse Tehisintellekti tulevik? | McKinsey ). See toimub tõhususe ja paremate otsuste tulemuste kaudu. Selle väärtuse realiseerimiseks antakse tõenäoliselt suur osa tavapärasest finantsanalüüsist ja suhtlusest üle tehisintellekti süsteemidele.

Kokkuvõttes võiks generatiivne tehisintellekt 2035. aastaks olla nagu armee nooremanalüütikutest, nõustajatest ja ametnikest, kes töötavad kogu finantssektoris, tehes suure osa põhitööst ja osa keerukast analüüsist autonoomselt ära. Inimesed seavad endiselt eesmärke ning tegelevad kõrgetasemelise strateegia, kliendisuhete ja järelevalvega. Finantsmaailm, olles ettevaatlik, laiendab autonoomiat järk-järgult – kuid suund on selge, et üha suurem osa infotöötlusest ja isegi otsustussoovitustest tuleb tehisintellektilt. Ideaalis viib see kiirema teeninduseni (kohesed laenud, ööpäevaringne nõustamine), madalamate kuludeni ja potentsiaalselt suurema objektiivsuseni (otsused, mis põhinevad andmemustritel). Kuid usalduse säilitamine on ülioluline; üksainus kõrgetasemeline tehisintellekti viga finantsvaldkonnas võib põhjustada ülemäära suurt kahju (kujutage ette tehisintellekti käivitatud ootamatut kokkuvarisemist või tuhandetele inimestele ekslikult hüvitise andmata jätmist). Seega jäävad tõenäoliselt kaitsepiirded ja inimlikud kontrollid püsima, eriti tarbijatega suhtlemise puhul, isegi kui kontoriprotsessid muutuvad väga autonoomseks.

Väljakutsed ja eetilised kaalutlused

Kõigis neis valdkondades, kuna genereeriv tehisintellekt võtab endale üha rohkem autonoomseid kohustusi, tekib hulk ühiseid väljakutseid ja eetilisi küsimusi. Tehisintellekti usaldusväärsuse ja kasulikkuse tagamine autonoomse agendina ei ole pelgalt tehniline, vaid ka ühiskondlik ülesanne. Siin toome välja peamised probleemid ja kuidas nendega tegeletakse (või tuleb tegeleda):

Usaldusväärsus ja täpsus

Hallutsinatsioonide probleem: Generatiivsete tehisintellekti mudelid võivad anda ebaõigeid või täielikult väljamõeldud väljundeid, mis näivad enesekindlad. See on eriti ohtlik, kui ükski inimene pole vigade märkamiseks protsessis kohal. Vestlusrobot võib anda kliendile valesid juhiseid või tehisintellekti kirjutatud aruanne võib sisaldada väljamõeldud statistikat. Alates 2025. aastast peavad organisatsioonid ebatäpsust generatiivse tehisintellekti peamiseks riskiks ( Tehisintellekti olukord 2023. aastal: Generatiivse tehisintellekti läbimurdeaasta | McKinsey ) ( Tehisintellekti olukord: ülemaailmne uuring | McKinsey ). Edaspidi kasutatakse hallutsinatsioonide minimeerimiseks selliseid tehnikaid nagu faktide kontrollimine andmebaaside suhtes, mudeli arhitektuuri täiustamine ja tagasiside abil tugevdusõpe. Autonoomsed tehisintellekti süsteemid vajavad tõenäoliselt ranget testimist ja võib-olla ka ametlikku verifitseerimist kriitiliste ülesannete jaoks (näiteks koodi genereerimine, mis võib vale korral põhjustada vigu/turvaauke).

Järjepidevus: tehisintellekti süsteemid peavad aja jooksul ja eri stsenaariumides usaldusväärselt toimima. Näiteks võib tehisintellekt standardküsimuste puhul hästi hakkama saada, kuid äärmuslikel juhtudel komistada. Järjepideva jõudluse tagamiseks on vaja ulatuslikke treeningandmeid, mis hõlmavad erinevaid olukordi, ja pidevat jälgimist. Paljud organisatsioonid plaanivad hübriidlähenemisi – tehisintellekt töötab, kuid juhuslikke valimeid auditeerivad inimesed –, et hinnata pidevat täpsuse määra.

Tõrkekindlad lahendused: Kui tehisintellekt on autonoomne, on ülioluline, et see tunneks ära omaenda ebakindlust. Süsteem peaks olema loodud nii, et see „teaks, millal ta ei tea“. Näiteks kui tehisintellektiga arst pole diagnoosis kindel, peaks see andma sellest märku inimesele ülevaatamiseks, mitte andma juhusliku oletuse. Ebakindluse hindamise lisamine tehisintellekti väljunditesse (ja läviväärtuste kehtestamine automaatseks inimese poolt edastamiseks) on aktiivne arendusvaldkond.

Eelarvamus ja õiglus

Generatiivne tehisintellekt õpib ajaloolistest andmetest, mis võivad sisaldada eelarvamusi (rassilised, soolised jne). Autonoomne tehisintellekt võib neid eelarvamusi säilitada või isegi võimendada:

• Töölevõtmisel või vastuvõtul võib tehisintellekti otsustaja ebaõiglaselt diskrimineerida, kui tema treeningandmed on kallutatud.

• Klienditeeninduses võib tehisintellekt kasutajatele reageerida erinevalt, lähtudes dialektist või muudest teguritest, kui seda hoolikalt ei kontrollita.

• Loomevaldkondades võib tehisintellekt teatud kultuure või stiile alaesindada, kui treeningkomplekt on tasakaalustamata.

Selle lahendamine nõuab hoolikat andmekogumite kureerimist, eelarvamuste testimist ja võib-olla ka algoritmilisi kohandusi õigluse tagamiseks. Läbipaistvus on võtmetähtsusega: ettevõtted peavad avalikustama tehisintellekti otsustuskriteeriumid, eriti kui autonoomne tehisintellekt mõjutab kellegi võimalusi või õigusi (näiteks laenu või töökoha saamist). Reguleerivad asutused pööravad sellele juba tähelepanu; näiteks ELi tehisintellekti seadus (töötamisel 2020. aastate keskpaiga seisuga) nõuab tõenäoliselt eelarvamuste hindamist kõrge riskiga tehisintellekti süsteemide puhul.

Vastutus ja õiguslik vastutus

Kui autonoomselt toimiv tehisintellekti süsteem tekitab kahju või teeb vea, siis kes vastutab? Õigusraamistikud on järele jõudmas:

• Tehisintellekti kasutusele võtvad ettevõtted kannavad tõenäoliselt vastutust, sarnaselt töötaja tegude eest vastutamisega. Näiteks kui tehisintellekt annab halba finantsnõu, mille tulemuseks on kahju, võib ettevõte olla kohustatud kliendile hüvitist maksma.

• Käib arutelu tehisintellekti „isikuks olemise” või selle üle, kas arenenud tehisintellekti saab osaliselt vastutada, kuid see on praegu pigem teoreetiline küsimus. Praktikas langeb süü arendajatele või operaatoritele.

• Tehisintellekti rikete puhuks võivad tekkida uued kindlustustooted. Kui isejuhtiv veoauto põhjustab õnnetuse, võib tootja kindlustus selle katta, analoogselt tootevastutusega.

• Tehisintellekti otsuste dokumenteerimine ja logimine on oluline järelhindamise jaoks. Kui midagi läheb valesti, peame auditeerima tehisintellekti otsustuskäiku, et sellest õppida ja vastutus määrata. Reguleerivad asutused võivad just sel põhjusel nõuda tehisintellekti autonoomsete toimingute logimist.

Läbipaistvus ja selgitatavus

Ideaalis peaks autonoomne tehisintellekt suutma oma arutluskäiku selgitada inimesele arusaadaval viisil, eriti olulistes valdkondades (rahandus, tervishoid, õigussüsteem). Selgitatav tehisintellekt on valdkond, mis püüab avada musta kasti:

• Laenu andmisest keeldumise korral võivad määrused (nagu USA-s, ECOA) nõuda taotlejale põhjenduse esitamist. Seega peab tehisintellekt selgituseks esitama tegureid (nt „kõrge võla ja sissetuleku suhe“).

• Tehisintellektiga suhtlevad kasutajad (näiteks õpilased, kellel on tehisintellekti juhendaja, või patsiendid, kes kasutavad tehisintellektil põhinevat terviserakendust) väärivad teada, kuidas see nõuanneteni jõuab. Tehakse pingutusi, et muuta tehisintellekti arutluskäik jälgitavamaks, kas mudelite lihtsustamise või paralleelsete selgitavate mudelite abil.

• Läbipaistvus tähendab ka seda, et kasutajad peaksid teadma, millal on tegemist tehisintellektiga ja millal inimesega. Eetikajuhised (ja tõenäoliselt ka mõned seadused) kalduvad nõudma avalikustamist, kui klient räägib robotiga. See hoiab ära pettuse ja võimaldab kasutaja nõusoleku. Mõned ettevõtted märgistavad nüüd usalduse säilitamiseks selgesõnaliselt tehisintellekti kirjutatud sisu (näiteks „Selle artikli lõi tehisintellekt”).

Privaatsus ja andmekaitse

Generatiivne tehisintellekt vajab toimimiseks või õppimiseks sageli andmeid – sealhulgas potentsiaalselt tundlikke isikuandmeid. Autonoomsed toimingud peavad austama privaatsust:

• Tehisintellektil põhinev klienditeenindaja pääseb kliendi abistamiseks juurde kontoteabele; neid andmeid tuleb kaitsta ja kasutada ainult ülesande täitmiseks.

• Kui tehisintellektil põhinevatel juhendajatel on juurdepääs õpilaste profiilidele, on haridusandmete privaatsuse tagamiseks vaja arvestada seaduste, näiteks FERPA (USA-s), alusel.

• Suured mudelid võivad tahtmatult meelde jätta oma treeningandmetest üksikasju (nt meenutada treeningu ajal nähtud inimese aadressi). Sellised tehnikad nagu diferentsiaalprivaatsus ja andmete anonüümseks muutmine treeningus on olulised, et vältida isikuandmete lekkimist genereeritud väljunditest.

• Sellised regulatsioonid nagu isikuandmete kaitse üldmäärus (GDPR) annavad üksikisikutele õigused neid mõjutavate automatiseeritud otsuste üle. Inimesed saavad taotleda inimeste tehtud läbivaatamist või otsuste mittetäielikku automatiseerimist, kui need neid oluliselt mõjutavad. 2030. aastaks võivad need regulatsioonid tehisintellekti leviku tõttu muutuda, kehtestades võimaluse korral õiguse selgitustele või õigust tehisintellekti töötlemisest keelduda.

Turvalisus ja kuritarvitamine

Autonoomsed tehisintellekti süsteemid võivad olla häkkimise sihtmärgiks või neid võidakse ära kasutada pahatahtlike toimingute tegemiseks:

• Tehisintellektiga loodud sisugeneraatorit võidakse kuritarvitada ulatuslikuks desinformatsiooni loomiseks (süvavõltsinguvideod, võltsitud uudised), mis on ühiskondlik risk. Väga võimsate generatiivsete mudelite avaldamise eetika on tulihingeline vaidlus (näiteks OpenAI oli algselt ettevaatlik GPT-4 pildivõimaluste suhtes). Lahenduste hulka kuuluvad tehisintellekti loodud sisu vesimärgistamine võltsingute tuvastamiseks ja tehisintellekti kasutamine tehisintellekti vastu võitlemiseks (nagu süvavõltsingu tuvastamise algoritmid).

• Kui tehisintellekt juhib füüsilisi protsesse (droonid, autod, tööstuslik juhtimine), on selle kaitsmine küberrünnakute eest kriitilise tähtsusega. Häkitud autonoomne süsteem võib tekitada reaalset kahju. See tähendab tugevat krüpteerimist, tõrkekindlaid funktsioone ja võimalust inimese poolt süsteemi alistada või see välja lülitada, kui midagi tundub olevat ohustatud.

• Samuti on mure, et tehisintellekt läheb ettenähtud piiridest kaugemale („petturliku tehisintellekti“ stsenaarium). Kuigi praegustel tehisintellektidel puudub agentsus või kavatsus, siis kui tulevased autonoomsed süsteemid on agentiivsemad, on vaja rangeid piiranguid ja jälgimist, et tagada, et nad ei teeks näiteks volitamata tehinguid ega rikuks seadusi valesti määratletud eesmärgi tõttu.

Eetiline kasutamine ja inimmõju

Lõpuks laiemad eetilised kaalutlused:

• Töökohtade nihkumine: kui tehisintellekt suudab ülesandeid täita ilma inimese sekkumiseta, mis nende töökohtadega juhtub? Ajalooliselt automatiseerib tehnoloogia mõningaid töökohti, kuid loob teisi. Üleminek võib olla valulik töötajatele, kelle oskused on seotud automatiseeritavate ülesannetega. Ühiskond peab sellega toime tulema ümberõppe, hariduse ja võimaliku majandusliku toetuse ümbermõtestamise kaudu (mõned arvavad, et tehisintellekt võib vajada selliseid ideid nagu universaalne baaspalk, kui suur osa tööst automatiseeritakse). Juba praegu näitavad uuringud segaseid tundeid – üks uuring näitas, et kolmandik töötajatest oli mures tehisintellekti töökohtade asendamise pärast, samas kui teised näevad seda kui tüütuse eemaldamist.

• Inimoskuste vähenemine: kui tehisintellekti juhendajad õpetavad ja tehisintellekt autopiloodil sõidab ning tehisintellekt kirjutab koodi, kas inimesed kaotavad need oskused? Liigne tehisintellektile tuginemine võib halvimal juhul oskusteavet õõnestada; haridus- ja koolitusprogrammid peavad sellega kohanema, tagades, et inimesed õpivad põhitõdesid ka siis, kui tehisintellekt aitab.

• Eetilised otsused: tehisintellektil puudub inimlik moraalne otsustusvõime. Tervishoius või õigusteaduses võivad puhtalt andmepõhised otsused üksikjuhtudel olla vastuolus kaastunde või õiglusega. Võimalik, et peame tehisintellekti kodeerima eetilised raamistikud (tehisintellekti eetika uuringute valdkond, nt tehisintellekti otsuste ühildamine inimlike väärtustega). Vähemalt on soovitatav hoida inimesi eetiliselt laetud otsuste tegemisega kursis.

• Kaasatus: Tehisintellekti eeliste laialdase levitamise tagamine on eetiline eesmärk. Kui ainult suurettevõtted saavad endale lubada täiustatud tehisintellekti, võivad väiksemad ettevõtted või vaesemad piirkonnad maha jääda. Avatud lähtekoodiga algatused ja taskukohased tehisintellekti lahendused aitavad juurdepääsu demokratiseerida. Samuti tuleks liidesed kujundada nii, et igaüks saaks tehisintellekti tööriistu kasutada (erinevad keeled, ligipääsetavus puuetega inimestele jne), et me ei looks uut digitaalset lõhet „kellel on tehisintellekti assistent ja kellel mitte“.

Praegune riskide maandamine: Positiivse poole pealt on ettevõtete üldise tehisintellekti kasutuselevõtuga kaasnenud kasvav teadlikkus ja tegutsemine nende probleemide osas. 2023. aasta lõpuks tegeles peaaegu pool tehisintellekti kasutavatest ettevõtetest aktiivselt selliste riskide nagu ebatäpsus maandamisega ( Tehisintellekti olukord 2023. aastal: Generatiivse tehisintellekti läbimurdeaasta | McKinsey ) ( Tehisintellekti olukord: ülemaailmne uuring | McKinsey ) ja see arv kasvab. Tehnoloogiaettevõtted on loonud tehisintellekti eetikakomiteed; valitsused koostavad eeskirju. Peamine on eetika integreerimine tehisintellekti arendamisse algusest peale (eetika läbimõeldult), mitte hiljem reageerimine.

Kokkuvõtteks väljakutsete kohta: tehisintellektile suurema autonoomia andmine on kahe teraga mõõk. See võib tuua kaasa tõhususe ja innovatsiooni, kuid see nõuab kõrget vastutust. Lähiaastatel on tõenäoliselt oodata segu tehnoloogilistest lahendustest (tehisintellekti käitumise parandamiseks), protsessilahendustest (poliitika- ja järelevalveraamistikud) ning võib-olla ka uute standardite või sertifikaatide loomisest (tehisintellekti süsteeme võidakse auditeerida ja sertifitseerida nagu tänapäeval mootoreid või elektroonikat). Nende väljakutsetega edukalt toimetuleku määramine määrab, kui sujuvalt suudame autonoomse tehisintellekti ühiskonda integreerida viisil, mis suurendab inimeste heaolu ja usaldust.

Kokkuvõte

Generatiivne tehisintellekt on kiiresti arenenud uudsest eksperimendist murranguliseks üldotstarbeliseks tehnoloogiaks, mis puudutab meie elu iga nurka. See tehisintellekti tehisintellekti süsteemid on uurinud, kuidas 2025. aastaks kirjutavad tehisintellekti süsteemid juba artikleid, kujundavad graafikat, kodeerivad tarkvara, vestlevad klientidega, teevad kokkuvõtteid meditsiinilistest märkustest, juhendavad õpilasi, optimeerivad tarneahelaid ja koostavad finantsaruandeid. Oluline on see, et paljudes nendes ülesannetes saab tehisintellekt toimida vähese või ilma inimese sekkumiseta , eriti täpselt määratletud ja korduvate tööde puhul. Ettevõtted ja üksikisikud hakkavad usaldama tehisintellekti nende ülesannete autonoomses täitmises, saades kasu kiirusest ja ulatusest.

Aastal 2035 seisame ajastu lävel, kus tehisintellektist saab veelgi kõikjalolev koostööpartner – sageli nähtamatu digitaalne tööjõud , mis tegeleb rutiinsete toimingutega, et inimesed saaksid keskenduda erakordsele. Me eeldame, et genereeriv tehisintellekt juhib usaldusväärselt autosid ja veoautosid meie teedel, haldab ladudes inventari üleöö, vastab meie küsimustele teadlike isiklike assistentidena, annab õpilastele üle maailma individuaalset juhendamist ja aitab isegi avastada uusi ravimeetodeid – seda kõike üha minimaalsema otsese järelevalve all. Tööriista ja agendi vaheline piir hägustub, kui tehisintellekt liigub passiivselt juhiste järgimiselt lahenduste proaktiivsele genereerimisele.

Siiski tuleb teekonda selle autonoomse tehisintellekti tuleviku poole ettevaatusega läbida. Nagu me juba välja toonud, toob iga valdkond kaasa oma piirangud ja kohustused:

• Tänane reaalsuskontroll: tehisintellekt ei ole eksimatu. See paistab silma mustrite tuvastamise ja sisu loomisega, kuid sellel puudub tõeline arusaam ja terve mõistus inimlikus mõttes. Seega jääb praegu inimese järelevalve turvavõrguks. Oluline on ära tunda, millal on tehisintellekt valmis üksi lendama (ja millal mitte). Paljud tänapäeva edusammud tulenevad inimese ja tehisintellekti meeskonnamudelist ning see hübriidlähenemine on jätkuvalt väärtuslik seal, kus täielik autonoomia pole veel mõistlik.

• Homne lubadus: Tänu mudeliarhitektuuride, koolitustehnikate ja järelevalvemehhanismide arengule laienevad tehisintellekti võimalused jätkuvalt. Järgmise kümnendi teadus- ja arendustegevus võiks lahendada paljusid praeguseid probleeme (hallutsinatsioonide vähendamine, tõlgendatavuse parandamine, tehisintellekti vastavusse viimine inimlike väärtustega). Kui see nii on, võivad tehisintellekti süsteemid 2035. aastaks olla piisavalt töökindlad, et neile saaks usaldada palju suurema autonoomia. Käesolevas artiklis esitatud prognoosid – tehisintellekti õpetajatest kuni suures osas isejuhtivate ettevõteteni – võivad olla meie reaalsus või isegi ületatud uuenduste poolt, mida tänapäeval on raske ette kujutada.

• Inimese roll ja kohanemine: Selle asemel, et tehisintellekt inimesi täielikult asendada, näeme ette rollide arenemist. Iga valdkonna spetsialistid peavad tõenäoliselt tehisintellektiga töötamises osavaks saama – seda juhendama, kontrollima ja keskenduma töö aspektidele, mis nõuavad selgelt inimlikke tugevusi, nagu empaatia, strateegiline mõtlemine ja keeruliste probleemide lahendamine. Haridus ja tööjõu koolitus peaksid keskenduma neile ainulaadsetele inimlikele oskustele, aga ka tehisintellekti alase kirjaoskuse edendamisele kõigile. Poliitikakujundajad ja ettevõtete juhid peaksid planeerima tööturu üleminekuid ja tagama tugisüsteemid neile, keda automatiseerimine mõjutab.

• Eetika ja juhtimine: Võib-olla kõige olulisem on see, et selle tehnoloogilise kasvu aluseks peab olema eetilise tehisintellekti kasutamise ja juhtimise raamistik. Usaldus on omaksvõtmist soodustav valuuta – inimesed lasevad tehisintellektil autot juhtida või operatsioonis abistada ainult siis, kui nad usuvad selle ohutusse. Selle usalduse loomine hõlmab ranget testimist, läbipaistvust, sidusrühmade kaasamist (nt arstide kaasamine meditsiiniliste tehisintellektide kavandamisse, õpetajate kaasamine tehisintellekti õppevahenditesse) ja asjakohast reguleerimist. Rahvusvaheline koostöö võib olla vajalik selliste väljakutsetega toimetulekuks nagu süvavõltsingud või tehisintellekti kasutamine sõjapidamises, tagades vastutustundliku kasutamise ülemaailmsed normid.

Kokkuvõtteks võib öelda, et generatiivne tehisintellekt on võimas progressi mootor. Targalt kasutades saab see inimesi vaevast vabastada, loovust vallandada, teenuseid isikupärastada ja lünki täita (tuues ekspertiisi sinna, kus eksperte napib). Peamine on seda rakendada viisil, mis võimendab inimpotentsiaali, mitte ei marginaliseeri seda . Lühiajaliselt tähendab see inimeste kursis hoidmist tehisintellekti juhtimisega. Pikemas perspektiivis tähendab see humanistlike väärtuste kodeerimist tehisintellekti süsteemide tuuma, nii et isegi iseseisvalt tegutsedes tegutsevad nad meie ühistes huvides.

Domeen	Usaldusväärne autonoomia täna (2025)	Oodatav usaldusväärne autonoomia aastaks 2035
Kirjutamine ja sisu	- Rutiinsed uudised (sport, tulud) genereeritakse automaatselt. - Tehisintellekti poolt kokkuvõtlikult koostatud tootearvustused. - Artiklite või meilide mustandid inimese poolt redigeerimiseks. ( Philana Patterson – ONA kogukonna profiil ) ( Amazon parandab klientide arvustuste kogemust tehisintellekti abil )	- Enamik uudiseid ja turundussisu on automaatselt kirjutatud faktilise täpsusega. - Tehisintellekt loob terviklikke artikleid ja pressiteateid minimaalse järelevalvega. - Nõudmisel genereeritud isikupärastatud sisu.
Kujutav kunst ja disain	- Tehisintellekt genereerib pilte käskude põhjal (inimene valib parima). - Kontseptuaalse kunsti ja disaini variatsioonide loomine autonoomselt.	- Tehisintellekt loob täielikke video-/filmistseene ja keerukat graafikat. - Toodete/arhitektuuri generatiivne disain vastavalt spetsifikatsioonidele. - Nõudmisel loodud isikupärastatud meedia (pildid, video).
Tarkvara kodeerimine	- Tehisintellekt täiendab koodi automaatselt ja kirjutab lihtsaid funktsioone (arendajate poolt üle vaadatud). - Automatiseeritud testide genereerimine ja veaettepanekud. ( Kodeerimine Copilotis: 2023. aasta andmed viitavad koodi kvaliteedi langusele (sh 2024. aasta prognoosid) - GitClear ) ( GitHub Copilot on tehisintellekti koodiassistentide uurimisaruande tipus -- Visual Studio Magazine )	- Tehisintellekt rakendab usaldusväärselt kõiki spetsifikatsioonidest lähtuvaid funktsioone. - Autonoomne silumine ja koodihooldus teadaolevate mustrite jaoks. - Madala koodiga rakenduste loomine vähese inimliku sekkumisega.
Klienditeenindus	- Vestlusrobotid vastavad KKK-dele, lahendavad lihtsaid probleeme (keeruliste juhtumite edastamine). - Tehisintellekt tegeleb ~70% rutiinsetest päringutest mõnes kanalis. ( 59 tehisintellektil põhinevat klienditeeninduse statistikat 2025. aasta kohta ) ( 2030. aastaks on 69% klientidega suhtlemise käigus tehtud otsustest ... )	- Tehisintellekt tegeleb enamiku kliendisuhtlusega otsast lõpuni, sealhulgas keerukate päringutega. - Teenuste soodustuste (tagasimaksed, täiendused) reaalajas tehisintellekti otsuste langetamine. - Inimagendid ainult eskaleerumiste või erijuhtude korral.
Tervishoid	- Tehisintellekt koostab meditsiinilisi märkmeid; pakub välja diagnoose, mida arstid kontrollivad. - Tehisintellekt loeb mõningaid skaneeringuid (radioloogia) järelevalve all; triaažib lihtsamaid juhtumeid. ( Tehisintellektil põhinevate meditsiiniliste pildindustoodete arv võib 2035. aastaks viiekordistuda .)	- Tehisintellekt diagnoosib usaldusväärselt tavalisi haigusi ja tõlgendab enamikku meditsiinilisi pilte. - Tehisintellekt jälgib patsiente ja algatab ravi (nt ravimite meeldetuletused, hädaolukorra teated). - Virtuaalsed tehisintellektiga „õed“ tegelevad rutiinse järelkontrolliga; arstid keskenduvad keerulisele ravile.
Haridus	- Tehisintellektiga juhendajad vastavad õpilaste küsimustele, genereerivad harjutusülesandeid (õpetaja jälgib). - Tehisintellekt abistab hindamisel (õpetaja ülevaatega). ([Generatiivne tehisintellekt K-12 haridusele]	Applify uuringuaruanne]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
Logistika	- Tehisintellekt optimeerib tarnemarsruute ja pakkimist (inimesed seavad eesmärke). - Tehisintellekt märgistab tarneahela riske ja pakub välja leevendusmeetmeid. ( Generatiivse tehisintellekti peamised kasutusjuhud logistikas )	- Suures osas isejuhtivad tarned (veoautod, droonid), mida juhivad tehisintellekti juhitud kontrollerid. - Tehisintellekt suunab saadetisi autonoomselt ümber häirete korral ja kohandab varusid. - Tehisintellekti hallatav tarneahela otsast lõpuni koordineerimine (tellimine, levitamine).
Rahandus	- Tehisintellekt genereerib finantsaruandeid/uudiste kokkuvõtteid (inimese poolt läbi vaadatud). - Robo-nõustajad haldavad lihtsaid portfelle; tehisintellekti vestlus tegeleb klientide päringutega. ( Generatiivne tehisintellekt on tulemas finantsvaldkonda .)	- Tehisintellektil põhinevad analüütikud koostavad investeerimissoovitusi ja riskiaruandeid suure täpsusega. - Autonoomne kauplemine ja portfelli tasakaalustamine kindlaksmääratud limiitide piires. - Tehisintellekt kiidab standardlaenud/nõuded automaatselt heaks; eranditega tegelevad inimesed.

Viited:

1. Patterson, Philana. Automatiseeritud tululood mitmekordistuvad . The Associated Press (2015) – Kirjeldab AP tuhandete tuluaruannete automatiseeritud genereerimist ilma inimese kaasautorita ( Automatiseeritud tululood mitmekordistuvad | The Associated Press ).

2. McKinsey & Company. Tehisintellekti olukord 2024. aasta alguses: tehisintellekti kasutuselevõtt kasvab järsult ja hakkab väärtust genereerima . (2024) – Aruandes teatatakse, et 65% organisatsioonidest kasutab regulaarselt generatiivset tehisintellekti, mis on peaaegu kaks korda rohkem kui 2023. aastal ( Tehisintellekti olukord 2024. aasta alguses | McKinsey ), ning käsitletakse riskide maandamise meetmeid ( Tehisintellekti olukord: ülemaailmne uuring | McKinsey ).

3. Gartner. ChatGPT-st kaugemale: generatiivse tehisintellekti tulevik ettevõtetele . (2023) – ennustab, et 2030. aastaks võiks 90% kassahittidest olla tehisintellekti abil loodud ( Generative AI Use Cases for Industries and Enterprises ) ning toob esile generatiivse tehisintellekti kasutusjuhtumeid, näiteks ravimite disaini ( Generative AI Use Cases for Industries and Enterprises ).

4. Twipe. 12 viisi, kuidas ajakirjanikud kasutavad uudistetoimetuses tehisintellekti tööriistu . (2024) – Näide uudisteväljaandes tehisintellektist „Klara”, mis kirjutab 11% artiklitest, kusjuures inimtoimetajad vaatavad üle kogu tehisintellekti sisu ( 12 viisi, kuidas ajakirjanikud kasutavad tehisintellekti tööriistu uudistetoimetuses – Twipe ).

5. Amazon.com uudised. Amazon parandab tehisintellekti abil klientide arvustuste kogemust . (2023) – Teatab tehisintellekti loodud arvustuste kokkuvõtete lisamisest tootelehtedele, et aidata ostjaid ( Amazon parandab tehisintellekti abil klientide arvustuste kogemust ).

6. Zendesk. 59 tehisintellektil põhinevat klienditeeninduse statistikat 2025. aastaks . (2023) – näitab, et enam kui kaks kolmandikku kliendikogemuse organisatsioonidest arvab, et genereeriv tehisintellekt lisab teenindusse „soojust“ ( 59 tehisintellektil põhinevat klienditeeninduse statistikat 2025. aastaks ) ja ennustab tehisintellekti kasutamist lõpuks 100% kliendisuhtlustes ( 59 tehisintellektil põhinevat klienditeeninduse statistikat 2025. aastaks ).

7. Futurum Research & SAS. Kogemus 2030: Kliendikogemuse tulevik . (2019) – Uuring näitas, et brändid eeldavad, et 2030. aastaks langetavad ~69% kliendisuhtluse käigus tehtavatest otsustest nutikad masinad ( Klientikogemusele ülemineku ümberkujundamiseks peavad turundajad tegema neid kahte asja ).

8. Dataiku. Parimad generatiivse tehisintellekti kasutusjuhud logistikas . (2023) – Kirjeldab, kuidas GenAI optimeerib laadimist (vähendades ~30% tühja veoautoruumi) ( Parimad generatiivse tehisintellekti kasutusjuhud logistikas ) ja märgistab tarneahela riske uudiste skannimise abil.

9. Visual Studio ajakiri. GitHub Copilot on tehisintellektil põhinevate koodiassistentide uuringuaruande tipus . (2024) – Gartneri strateegilise planeerimise eeldused: 2028. aastaks kasutab 90% ettevõtte arendajatest tehisintellektil põhinevaid koodiassistente (võrreldes 14%-ga 2024. aastal) ( GitHub Copilot on tehisintellektil põhinevate koodiassistentide uuringuaruande tipus -- Visual Studio ajakiri ).

10. Bloomberg News. Tutvustame BloombergGPT-d . (2023) – Kirjeldab Bloombergi 50B-parameetrilist mudelit, mis on suunatud finantsülesannetele ja on Terminali sisse ehitatud küsimuste ja vastuste ning analüüsi toe jaoks ( generatiivne tehisintellekt on tulemas finantsvaldkonda ).

Artiklid, mida võiksite pärast seda lugeda:

🔗 Töökohad, mida tehisintellekt ei suuda asendada – ja millised töökohad tehisintellekt asendab?
Globaalne vaatenurk muutuvale tööturule, uurides, millised rollid on tehisintellekti häirete eest kaitstud ja millised on kõige suuremas ohus.

🔗 Kas tehisintellekt suudab ennustada aktsiaturgu?
Põhjalik analüüs tehisintellekti kasutamise võimaluste, piirangute ja eetiliste kaalutluste kohta aktsiaturu prognoosimisel.

🔗 Kuidas saab generatiivset tehisintellekti küberturvalisuses kasutada?
Siit saate teada, kuidas generatiivset tehisintellekti rakendatakse küberohtude vastu kaitsmiseks, alates anomaaliate tuvastamisest kuni ohtude modelleerimiseni.