AI-industrin står inför en betydande omvandling. Från att ha fokuserat på att utveckla superintelligenta system som skulle kunna jämföras med gudar, börjar nu företagen inse vikten av att skapa konkreta produkter som faktiskt löser problem och skapar värde för användarna. Detta skifte är välkommet och nödvändigt för AI-teknikens fortsatta framgång och samhällsnytta.
När ChatGPT lanserades för allmänheten i slutet av 2022 skapade det en enorm hype kring AI:s möjligheter. Plötsligt verkade det som att AI kunde lösa alla tänkbara problem. Detta ledde till att många AI-företag tappade fotfästet och överskattade hur snabbt tekniken skulle kunna omvandlas till användbara produkter.
Företag som OpenAI och Anthropic satsade allt på att bygga allt kraftfullare språkmodeller, utan att lägga tillräckligt med fokus på hur dessa modeller faktiskt skulle implementeras i användbara applikationer. Samtidigt försökte Google och Microsoft i panik trycka in AI i alla sina befintliga produkter, ofta utan att tänka igenom om och hur AI faktiskt förbättrade användarupplevelsen.
Båda dessa extrema angreppssätt visade sig problematiska. Att bara fokusera på modellerna utan att tänka på produkterna ledde till att många tidiga användare av AI-systemen var oseriösa aktörer som ville utnyttja tekniken för tveksamma syften. Att forcera in AI överallt skapade irritation hos användare och ledde till pinsamma misstag när ogenomtänkta AI-funktioner släpptes för tidigt.
För att AI verkligen ska kunna skapa värde i konsumentprodukter finns det fem huvudsakliga utmaningar som behöver lösas:
Även om kostnaderna för att köra AI-modeller har sjunkit dramatiskt det senaste året är det fortfarande en begränsande faktor i många tillämpningar. Särskilt för applikationer som kräver att AI-assistenten håller koll på långa konversationshistoriker eller stora mängder data blir kostnaderna snabbt höga.
Visserligen hävdar vissa att AI snart kommer bli "för billigt för att mäta", men det återstår att se. Dessutom kan kostnadssänkningar ofta direkt översättas till förbättrad prestanda genom att man kan köra modellerna fler gånger för att öka träffsäkerheten.
För att AI ska kunna användas i konsumentprodukter måste den uppnå en tillförlitlighet som närmar sig traditionell mjukvara. Användare förväntar sig att produkter fungerar konsekvent och förutsägbart. En AI-resebyrå som bokar fel destination 10% av gångerna kommer inte att överleva länge.
Detta är en fundamental utmaning eftersom AI-system baserade på maskininlärning är statistiska till sin natur. Att uppnå perfekt tillförlitlighet är extremt svårt. Det är fortfarande en öppen forskningsfråga om det går att bygga deterministiska system baserat på stokastiska komponenter som språkmodeller.
För att AI-assistenter ska bli verkligt användbara behöver de ofta tillgång till känsliga personuppgifter som e-post, dokument och skärmdumpar. Detta väcker naturligtvis oro kring integritet och dataskydd.
Företagens integritetspolicyer är ofta vaga kring exakt hur användardata används för att träna AI-modeller. Det är också oklart i vilken utsträckning data som skickas till AI-assistenter lagras eller analyseras. Tekniska lösningar som lokal bearbetning på enheten kan hjälpa till viss del, men räcker inte för att helt eliminera integritetsriskerna.
Det finns flera säkerhetsutmaningar kopplade till AI i konsumentprodukter:
Medan oavsiktliga fel troligen går att åtgärda över tid, och missbruk till viss del måste hanteras utanför själva AI-systemen, verkar företagen ha ägnat minst uppmärksamhet åt rena säkerhetshål. Potentiellt katastrofala attacker som AI-maskar som sprider sig mellan användare är åtminstone teoretiskt möjliga.
Att designa bra användargränssnitt för AI-assistenter är en stor utmaning. Systemen måste kunna hantera fel och oväntade situationer utan att irritera användaren med för många avbrott. Detta är särskilt svårt i röststyrda gränssnitt där interaktionsmöjligheterna är begränsade.
Samtidigt ligger en stor del av AI:s potential just i naturliga gränssnitt som kan integreras sömlöst i vår vardag. En AI-assistent som smidigt kan aktiveras via smarta glasögon för att exempelvis översätta en skylt skulle kunna revolutionera hur vi interagerar med tekniken.
Trots alla utmaningar finns det skäl till optimism. AI-företagen verkar ha insett behovet av att fokusera mer på konkreta produkter och användarupplevelser:
Det är dock viktigt att ha realistiska förväntningar på takten i utvecklingen. Även om AI-kapaciteten fortsätter förbättras snabbt, kommer det ta tid att lösa de grundläggande utmaningarna och integrera AI i existerande produkter och arbetsflöden. Vi bör räkna med en tidsskala på decennier snarare än år innan AI:s fulla potential realiseras i konsumentprodukter.
Skiftet från att försöka skapa artificiella gudar till att bygga användbara produkter är välkommet och nödvändigt för AI-industrins mognad. Det återstår dock många utmaningar att lösa innan AI kan leva upp till sitt löfte om att revolutionera hur vi interagerar med teknik i vardagen.
För att lyckas behöver AI-företagen fortsätta fokusera på konkret värdeskapande för användarna, snarare än att jaga abstrakta mål om superintelligens. De behöver också ta användarnas oro kring tillförlitlighet, integritet och säkerhet på största allvar.
Genom att bygga förtroende steg för steg och leverera produkter som verkligen förbättrar människors liv kan AI-industrin realisera teknikens enorma potential - inte över en natt, men successivt under de kommande åren och decennierna.
För mer läsning om utvecklingen av AI-produkter rekommenderas Benedict Evans analyser om vikten av att bygga skräddarsydd mjukvara baserat på generella språkmodeller.
Läs även: https://www.techhubben.se/blogs/pcie-5-0-nasta-generations-anslutningsstandard