Streszczenie: Duże modele językowe (LLM) stanowią przełom w dziedzinie nauki o danych, oferując zdolność generowania tekstu i obrazów w odpowiedzi na różnorodne zapytania. Pomimo wysokich kosztów ich opracowania, stały się one powszechnie dostępne, umożliwiając użytkownikom szybkie i tanie wykonywanie zadań, które wcześniej wymagały interwencji człowieka.
Pojawiają się jednak obawy, że LLM mogą zastąpić zawody wymagające specjalistycznej wiedzy, zwłaszcza te związane z pracą z tekstem lub kodem. W praktyce skuteczne wdrożenie LLM w organizacjach okazuje się bardziej skomplikowane, niż się powszechnie uważa. Technologie te muszą jeszcze udowodnić swoją zdolność do wykonywania złożonych zadań na poziomie porównywalnym z wysoko wykwalifikowanymi pracownikami.
Zastosowania LLM w firmach obejmują m.in. podsumowywanie treści, tworzenie raportów, ekstrakcję informacji z dokumentów oraz generowanie syntetycznych danych. Mimo to, większość organizacji nadal znajduje się na etapie testowania tych technologii, eksperymentując z ich wykorzystaniem w obszarach takich jak interakcje z klientami, zarządzanie wiedzą czy inżynieria oprogramowania.
Nawet jeśli organizacje wdrożą potężniejsze modele LLM, raczej nie będą mogły przestać polegać na ludziach.
Duże modele językowe (large language model; LLM) są innowacją, która zmieniła paradygmat w nauce o danych. Rozszerzają możliwości modeli uczenia maszynowego (machine learning model; MLM) o możliwość generowania tekstu i obrazów w odpowiedzi na szeroki wachlarz promptów. Chociaż stworzenie takich narzędzi jest drogie i skomplikowane, stały się łatwo dostępne. Wielu użytkowników może z nich korzystać szybko i tanio, zlecając im niektóre zadania, które wcześniej mogli wykonywać jedynie ludzie.
W związku z tym pojawiają się obawy o to, że wiele zawodów – w szczególności te wymagające dużej wiedzy, które polegają na pracy z tekstem lub kodem – może zostać zastąpionych lub znacznie ograniczonych przez technologię. W rzeczywistości jednak efektywne wykorzystanie LLM‑ów w organizacjach jest znacznie bardziej skomplikowane, niż się powszechnie uważa, a technologie te jeszcze muszą udowodnić, że są w stanie w zadowalający sposób wykonywać te wszystkie zadania, które obecnie powierza się wysoko wykwalifikowanym pracownikom.
Materiał dostępny tylko dla subskrybentów
Dołącz do subskrybentów MIT Sloan Management Review Polska Premium!
Kup subskrypcję
