Обзор отчета «Цикл ажиотажа в области генеративного ИИ, 2025»

Время на прочтение: 5 мин

Gartner опубликовал результаты ежегодного отчета «Цикл ажиотажа в области генеративного искусственного интеллекта». Отчет показывает результат внедрения технологий и приложений, а также их потенциальную значимость для решения реальных бизнес-задач и использования новых возможностей.

Согласно отчету, уже к 2028 году более 95% предприятий будут использовать API или модели генеративного ИИ (GenAI) и/или развернут приложения на базе GenAI в производственных средах.

ИТ-руководители вынуждены ориентироваться во множестве популярных технологий с высокими ожиданиями, чтобы соответствовать организационной стратегии.

«Цикл ажиотажа вокруг генеративного ИИ» фокусируется на четырех важных технологических областях. Их понимание помогает лидерам в области ИИ определить конкретные технологии, достойные стратегических инвестиций.

Область № 1: модели GenAI. Большие языковые модели (LLM), предварительно обученные на данных, остаются основой GenAI и самой зрелой технологией моделирования на пике популярности. Эти универсальные базовые модели могут быть адаптированы для разных сценариев использования и обладают значительными возможностями, чем объясняется их популярность.

Генеративный ИИ повышает эффективность, стимулирует инновации, улучшает качество обслуживания и стимулирует трансформационные изменения в различных отраслях. Организации внедряют передовые стратегии и методы ИИ для решения сложных задач и оптимизации деятельности. LLM с открытым исходным кодом, предметно-ориентированные модели GenAI и большие модели рассуждений, быстро превращаются в жизнеспособные решения для организаций.

Область № 2: разработка ИИ. По мере того, как организации готовятся к масштабированию программ GenAI, способность создавать, управлять и настраивать приложения на базе GenAI становится критически важной. Разработка моделей ИИ включает в себя растущую экосистему инструментов и методов GenAI, позволяющую организациям гарантировать, что приложения на базе GenAI поддерживают более широкую стратегию организации. Эти инструменты предлагают эффективные фреймворки, уменьшают количество галлюцинаций, предотвращают дезинформацию и обеспечивают соблюдение нормативных требований. Инженерия ИИ также включает в себя группу инструментов и методов, направленных на обеспечение безопасного и эффективного использования ИИ.

Область № 3: агенты ИИ. Виртуальные помощники, например ChatGPT, используют LLM для предоставления функциональности, которая находится вне рамок традиционной технологии разговорного ИИ.

В долгосрочной перспективе организации планируют использовать агентов ИИ для автоматизации сложных многоэтапных процессов в больших масштабах, чтобы повысить производительность, снизить эксплуатационные расходы и улучшить качество обслуживания клиентов.

Агентный ИИ, интерес к которому стремительно растёт, автономно или полуавтономно использует методы ИИ для восприятия, принятия решений, выполнения действий и достижения целей в цифровой или физической среде. Переход от пассивных чат-ботов к агентному ИИ знаменует собой фундаментальное изменение того, как организации взаимодействуют с системами ИИ и извлекают бизнес-ценность.

К 2028 году 33% корпоративных программных приложений будут включать агентный ИИ, по сравнению с менее чем 1% в 2024 году, при этом не менее 15% повседневных рабочих решений будут приниматься автономно с помощью ИИ-агентов.

Однако эксперты Gartner отмечают, что агенты ИИ не являются универсальным решением и доступны в различных формах и размерах. Организациям следует тщательно продумать, какие типы решений будут приниматься агентами ИИ и выбрать технологию, наиболее подходящую для их организации и сферы применения.

Существует шесть типов агентов ИИ: рефлекторные, целевые, обучающиеся, утилитарные, иерархические и коллаборативные. Каждый тип подходит для различных сценариев и областей применения. Агенты ИИ подходят для различных ситуаций, которые требуют автоматизации, принятия решений и интеллектуального взаимодействия с окружающей средой. Они могут функционировать с разной степенью участия человека и без него. Несколько агентов могут решать сложные задачи, которые не могут выполнить отдельные агенты, что приводит к более адаптируемым, масштабируемым и надежным решениям. Они используют методы ИИ для восприятия, навигации и адаптации к окружающей среде. К ним относятся оптимизация, обработка естественного языка и представление знаний. Агенты действуют автономно и проактивно в окружающей среде, часто обучаясь и адаптируясь в процессе работы.

Организациям, которые ищут ориентированных на планирование, рассуждения и обработку данных агентов ИИ, можно рассмотреть варианты, использующие большие языковые модели для управления выполнением задач и процессов. Агенты ИИ на основе LLM могут стать полезной и доступной альтернативой более распространённым типам агентов ИИ.

Область № 4: инфраструктура и методы реализации. Развитие GenAI зависит от сочетания новых технологий и устоявшихся основополагающих практик в области ИИ. Инновации предлагают решения практических задач. Например, самообучение, которое сокращает потребность в больших объёмах размеченных обучающих данных. В настоящее время самообучение используется в основном в таких областях, как автономное вождение и медицинская диагностика, но всё больше отраслей начинают экспериментировать с этой технологией.

Специализированная инфраструктура также привлекает внимание благодаря своей роли в обучении моделей и процессе вывода. Специализированные ИИ-чипы и инструменты могут помочь повысить эффективность и снизить сопутствующие затраты.

Чтобы выявить возможности GenAI, некоторые организации создают постоянные программы повышения грамотности в области ИИ для роста осведомленности, углубления знаний и создания динамичного, итеративного процесса сбора идей и вариантов использования на методичной основе.

План внедрения ИИ должен учитывать три ключевых элемента:

— амбиции в области возможностей ИИ. Это отражает тип бизнес-преимуществ, которые компания получит от ИИ. Амбиции в области возможностей определяют, где сотрудники будут использовать ИИ (например, для внутренних операций или взаимодействия с клиентами) и как (например, для оптимизации повседневной деятельности или создания революционных возможностей);

— развертывание ИИ отражает доступные технологические возможности для внедрения ИИ, которые могут как расширить, так и ограничить возможности, которые можно реализовать. Организации могут внедрять ИИ на основе общедоступных готовых моделей, обученных на общедоступных данных; использовать общедоступную модель и данные, адаптированные к собственным данным компании; или разработать собственный алгоритм, обученный на данных компании. Чем больше требуется настроек, тем выше инвестиционные затраты и время на развертывание, однако более глубокая настройка также открывает революционные возможности;

-учитывать риск ИИ. Риски, связанные с ИИ, могут проявляться во многих формах, включая ненадёжные или непрозрачные результаты, риски, связанные с интеллектуальной собственностью, вопросы конфиденциальности данных и киберугрозы. Кроме того, возникают нормативные риски, связанные с правилами и ограничениями, которые различные юрисдикции могут накладывать на ИИ, в том числе связанные с авторским правом. Организации необходимо определить свои проблемные области в зависимости от уровня автоматизации и прозрачности.

Один из ключевых выводов отчета заключается в том, что, несмотря на то, что GenAI сам по себе по-прежнему занимает важное место среди технологий, по мере того, как его ограничения становятся всё более очевидными, внимание переключается на то, что делает GenAI полезным, например, на более качественные данные, более интеллектуальные рабочие процессы и более эффективное управление.

По данным Gartner, в 2024 году предприятия потратили в среднем 1,9 миллиона долларов на инициативы в области GenAI, однако менее 30% руководителей удовлетворено окупаемостью инвестиций. Организации испытывают трудности с выявлением высокоприбыльных вариантов использования, одновременно сталкиваясь с нехваткой квалифицированных специалистов и проблемами ИИ, такими как галлюцинации, предвзятость и несоблюдение требований.

Сфера управления данными переживает беспрецедентную трансформацию. В условиях, когда генеративный ИИ меняет подход организаций к работе с ними, а ускоренное внедрение облачных технологий стимулирует инновации, руководители в области данных и аналитики сталкиваются как с огромными возможностями, так и со сложными задачами.

Gartner обнаружила, что только 43% организаций заявляют о готовности своих данных к внедрению ИИ. Низкое качество данных и разрозненная инфраструктура могут нивелировать результаты. Примечательно, что наличие данных в большом количестве недостаточно. Данные должны быть надёжными, удобными для использования и безопасными. В противном случае компании сталкиваются с реальными рисками, такими как невыполнение поставленных задач, принятие неверных решений и проблемы с соблюдением требований. По этой причине инфраструктура данных должна стать приоритетом.

Многие команды пока не обладают навыками или правилами для управления GenAI после его внедрения. Менее половины организаций имеют формальные политики для отслеживания доступа, использования и подотчётности.

В то же время Gartner отмечает несколько новых идей, которые набирают популярность. Синтетические данные становятся всё более ценными, особенно в таких областях, как здравоохранение и финансы, где доступ к реальным данным затруднен. Эмоциональный ИИ используется в системах поддержки клиентов и здравоохранения, несмотря на то что пользователи по-прежнему обеспокоены его точностью и объективностью. По мере того, как GenAI становится всё более распространённым явлением, внимание переключается на экосистему, которая обеспечивает его работу.

Отчёты Gartner показывают, что будущее корпоративного ИИ будет зависеть от того, насколько хорошо организации смогут перестроить его фундамент.