Metoda prób i błędów: pośpiech i ryzyko związane z ChatemGPT

Popularność ChatGPT zachęciła zarówno duże firmy technologiczne, jak i start‑upy do zaangażowania się w tworzenie konkurencyjnych algorytmów. Konsekwencją tej przedwczesnej rywalizacji może być zalew niedoskonałych produktów, który tylko utrudni wykorzystanie rozwiązań AI w biznesie.

W ciągu ostatnich kilku miesięcy miliony ludzi zaczęły intensywnie korzystać z algorytmu ChatGPT, mimo że technologia, jak przyznają sami jej twórcy, została wydana w wersji beta. Od tego czasu różne firmy technologiczne, zarówno duże, jak i małe, wypuściły na rynek wiele intrygujących produktów zwierających rozwiązania sztucznej inteligencji, które są co najmniej niedoskonałe.

Niestety, tak wygląda dziś praktyka w dziedzinie technologii: wypuszczanie wadliwych produktów zaprojektowanych już na starcie do poprawy w miarę ich użytkowania przez konsumentów. To podejście, znane jako model MVP (minimum viable product), niepokoi niektórych ekspertów. Twierdzą oni, że potencjalne ryzyko związane z wykorzystaniem nowego narzędzia AI, które może tworzyć treści prawie tak dobrze, jak człowiek, jest zbyt duże, aby wystawić na ich działanie użytkowników, nie dając im jednocześnie żadnego wsparcia. – To narzędzie jest po prostu zbyt potężne – ocenia Chat GPT Chris Cantarella, globalny lider sektora praktyk oprogramowania w Korn Ferry. Już teraz firmy wielu branż polegają na jego niedoskonałych wynikach, podejmując kluczowe decyzje dotyczące zatrudnienia, marketingu i działań operacyjnych.

Model MVP nie jest nowością. Od lat firmy testują produkty przed wprowadzeniem ich na rynek, zazwyczaj za zamkniętymi drzwiami, w grupach fokusowych lub w testach beta. Pod koniec lat 90. XX wieku firmy technologiczne zaczęły propagować ideę, że w przypadku oprogramowania lepsze jest wrogiem dobrego, dając tym samym przyzwolenie na wypuszczanie produktów na rynek i naprawianie problemów w późniejszym czasie. Jak zauważa Cantarella, firmy technologiczne na przełomie tysiącleci ryzykowały utratę finansowania przez czekanie na wprowadzenie produktów tradycyjną metodą kaskadową, gdzie wymagania odbiorców definiowano na starcie projektu i bazowano na tym do jego końca. Dlatego podejście minimum viable product było lepsze niż brak produktu w ogóle. –To był sposób na wywołanie zainteresowania produktem i angażowało klientów – mówi Cantarella.

Jest to nadal prawda, ale teraz, w miejsce studium wykonalności produktu poprzez jego testowanie w małej grupie ekspertów, firmy udostępniają nowe narzędzia AI coraz większej rzeszy użytkowników. Według ostatnich danych z ChatGPT codziennie korzysta ponad 25 milionów osób, a kolejne miliony testują różne inne nowe produkty. Nawet twórcy najnowszych czatbotów AI zdają sobie sprawę, że technologia może dostarczać w odpowiedzi na zapytania błędne, nieścisłe, tendencyjne lub mylące informacje. A to rodzi nowe ryzyko.

Opublikowane dzięki uprzejmości firmy Korn Ferry.