Nyheterna om generativ AI har duggat tätt under de senaste två åren. Men kommer den att hålla vad den lovar? Är vi inne i en generativ AI-hype?

Ny teknik följer ofta en förutsägbar cykel. Det här är inte första gången jag har observerat hype-cykeln för ny teknik.

Jag deltog i en Borland/Inprise-konferensen i Denver, Colorado 2000. En av talarna, Scott McNealy från Sun Microsystems, såg framför sig en framtid där Java skulle vara allestädes närvarande. Spola fram till idag, och även om Java (och även äldre språk som COBOL) har varit till stor hjälp och fortfarande används, är det inte längre i framkant när det gäller programmeringsspråk. Det har aldrig levererat så mycket som utlovats.

Detta fenomen kan förklaras med Gartners Hype Cycle, en modell som beskriver nya teknikers införande, mognad och sociala tillämpning. Cykeln består av fem faser:

- Teknikens utlösande faktor
- De uppblåsta förväntningarnas topp
- Desillusionens dal
- Upplysningens sluttning
- Produktivitetsplatån

Vad är Generativ AI?

Generativ AI är en form av artificiell intelligens som kan, baserat på en så kallad prompt, utföra specifika uppgifter som att generera nytt material som är statistiskt härlett från den indata som användaren matar in. Både in- och utdata kan bestå av text och bilder eller till och med video. I grunden bygger de generativa AI modellerna på en så kallad stor språkmodell. Modellen tränas på stora mängder data, ofta både text och bilder, från webben och från andra källor. En källa till träningsdata är ofta Common Crawl, ett arkiv med 250 miljarder webbsidor.

Den generativa AI-tekniken är banbrytande eftersom den kan styras med naturligt språk och kan användas i virtuella assistenter för att analysera och bearbeta nya data. Generativ artificiell intelligens är en kombination av flera AI-system, inkl. djupinlärning, förstärkningsinlärning m.fl. Användningen av generativ AI har accelererat enormt under de senaste två åren.

Generativ AI: Att rida på vågen i hype-cykeln

Från och med augusti 2023 positionerar Gartner Generative AI i fasen “De uppblåsta förväntningarnas topp“. Detta skede kännetecknas av stor entusiasm och uppblåsta förväntningar på teknikens potential (Pure AI). Trots betydande investeringar och lovande framsteg förutspår vissa experter att generativ AI kan komma att hamna i “Trough of Disillusionment” inom 2-5 år. Denna fas inträffar när den initiala entusiasmen avtar i takt med att tidiga implementeringar inte lyckas leverera på överdrivna löften.

Verklighetskollen: AI:s nuvarande kapacitet

Generativ AI är visserligen banbrytande, men underlevererar för närvarande inom flera områden. Företagen börjar inse att AI inte kan lösa alla problem. Här är några nyktra sanningar om AI:s kapacitet:

Ersättning av jobb: Det är osannolikt att AI kommer att ta över de flesta jobb inom en snar framtid. Det kan automatisera specifika uppgifter men kommer inte att ersätta mänskliga roller helt och hållet.
Kodskrivning: AI kan hjälpa till med att skriva kod, men såvitt vi sett så här långt det uppskattas att det bara kan bidra till 10-30% av processen. Mänsklig inblandning är fortfarande helt avgörande för att nå målen och skapa hög kodkvalité.
Marknadsföringskopior: AI-verktyg kan generera innehåll, men saknar den nyanserade förståelse som krävs för att konsekvent skapa övertygande och kontextuellt lämpligt marknadsföringsmaterial. Om du inte redigerar innehållet ordentligt kommer det att bli fel, eller så kommer användarna att känna igen vissa ord, t.ex. Delve. Medicinska forskare började plötsligt använda ordet fyra gånger oftare efter att ChatGPT hade införts. Det finns många ställen där AI-genererad text inte är tillåten. Det betyder inte att AI inte kan användas för professionella marknadsföringstexter; det kan det, men de måste faktakontrolleras och skrivas om i stor utsträckning. Det kan spara tid men knappast ersätta människor.
Artificiell allmän intelligens (AGI): Drömmen om AGI, en AI med människoliknande resonemang och förståelse, är fortfarande avlägsen. Nuvarande AI-modeller, inklusive stora språkmodeller (LLM), är utmärkta på mönsterigenkänning men saknar autentiska inlärnings- eller resonemangsförmågor.

Finansbubbla?

Det snabba inflödet av finansiering till generativa AI-företag har väckt farhågor om en potentiell bubbla. Detta är också typiskt för all ny teknik och en del av vad som förväntas baserat på hype-cykeln för generativ AI. Riskkapitalister och investerare plöjer ner miljarder i AI-startups i hopp om att kunna dra nytta av nästa stora tekniska genombrott. Historien har dock visat att sådana frenetiska investeringar ofta leder till uppblåsta värderingar och orealistiska förväntningar. Precis som vid tidigare teknikbubblor finns det en risk att många av dessa investeringar inte kommer att ge den förväntade avkastningen, vilket kan leda till betydande finansiella förluster och marknadskorrigeringar.

Värdet av AI: Förstärkning, inte ersättning av människor

Trots dessa begränsningar och trots att det finns en hype kring generativ AI har AI fortfarande ett betydande värde när det används för att förstärka mänskliga förmågor snarare än att ersätta dem. Här är några praktiska tillämpningar av AI som visar på dess potential:

Kompletterande verktyg: Företag har lyckats bra med att använda generativ AI som ett kompletterande verktyg. Det kan hantera repetitiva uppgifter, ge datadrivna insikter och hjälpa till i beslutsprocesser.
Strategisk användning: AI bör användas på ett genomtänkt och strategiskt sätt. Företag kan förbättra produktiviteten och innovationen genom att fokusera på områden där AI kan ge tydliga fördelar.
Integration av arbetsflöden: AI håller på att bli en integrerad del av arbetsflöden och kompletterar annan teknik. Det kan effektivisera processer, minska den manuella arbetsbelastningen och förbättra effektiviteten inom olika områden.

Med detta i åtanke kommer generativ AI med största sannolikhet att ge enorma produktivitetsvinster och ekonomiskt värde. Men som med alla hypade teknologier är det klokt att vara mer ödmjuk inför förutsägelserna.

Framtiden för AI

Utvecklingen av AI, och i synnerhet generativ AI, illustrerar den cykliska karaktären hos teknisk utveckling. Hype-cykeln för generativ AI ser inte annorlunda ut än tidigare hype-cykler. Så även om AI kanske inte uppfyller alla förväntningar omedelbart, är dess potential att förbättra och komplettera mänskliga insatser obestridlig. Genom att dämpa förväntningarna och strategiskt integrera AI i våra arbetsflöden kan vi utnyttja dess kraft för att driva framsteg och innovation.

Navigera i hype-cykeln för generativ AI

När vi navigerar genom hype-cykeln är det viktigt att vara realistisk när det gäller AI:s kapacitet och samtidigt vara öppen för dess transformativa möjligheter. Genom att göra det kan vi se till att AI blir en värdefull allierad i vår strävan efter tekniska framsteg. I likhet med andra samtida tekniker som BlockChain, Virtual Reality och 3D-printing, som också sannolikt kommer att underleverera jämfört med hypen, kommer Generative AI att vara till hjälp men inte att hålla vad som utlovas.

Eftersom de allmänna principerna för ny teknik inte är något nytt kan det vara värt att studera Gartners Hype Cycle. Även om vi bör följa utvecklingen av hype-cykeln för Generative AI tror jag att vi kan se att den inte kommer att leverera så mycket som utlovats. Det finns gott om möjligheter att använda den nya tekniken för många olika tillämpningar. Hype-cykeln för Generative AI indikerar att den befinner sig i fasen “Peak of Inflated Expectations”, vilket inte betyder att tekniken är värdelös; den kanske inte blir så allmänt förekommande som utlovats.

Gislen Software och generativ AI

Även om vi är realistiska när det gäller hype-cykeln för Generative AI använder vi tekniken så mycket som möjligt och rekommenderar den till våra kunder. Bara för att det finns en hype betyder det inte att den inte är värdefull. Precis som alla andra tekniker kan den leverera bra värde men sällan lösa alla problem. Kontakta oss för att diskutera hur vi kan hjälpa dig med AI eller annan mjukvaruutveckling.

Generativ AI – Är förväntningarna överdrivna?