Sokan hisznek abban, hogy a mesterséges intelligenciára (MI) fókuszáló vállalkozásoké a jövő, és ugyanolyan hatékonysággal fognak működni, mint a sikeres szoftvercégek. Az Andreessen Horowitz, vagy újabb nevén az a16z befektetőtársaság két partnere, Martin Casado és Matt Bornstein azonban úgy látja, ez nem egészen állja meg a helyét, és egyelőre még nem is úgy teljesítenek ezek a vállalkozások, ahogy sokan várják.

A két befektetési szakember három tényezőt említ, ami miatt jelenleg nem teljesítenek úgy az MI-ben érdekelt cégek, mint a hagyományos szoftvervállalatok, amelyek on-premise vagy felhős (SaaS – Software as a Service) modellben értékesítenek.

1. Alacsonyabb a bruttó árrésük, mert komoly felhős infrastruktúra kell hozzájuk, valamint nagy a munkaerőigényük. Jellemzően 50-60 százalék között mozog a bruttó eredményhányaduk, miközben a szoftver- és SaaS-cégeknél a referenciaérték 60-80 százalék között mozog. Ezt azonban egy ideig elfedi az, hogy a vállalkozások korai szakaszában a magántőke alapvetően a nagy növekedést várja el.

2. Az MI-megoldások nem skálázhatók túl jól.

3. Ezek a vállalkozások meglehetősen védtelenek az MI-modellek korlátozott kommoditizációja és az adathálózati effektus miatt (ez utóbbin azt értik a szerzők, hogy az MI-s cégeknek hatalmas adathalmazokra van szükségük a munkájukhoz, amiket nehéz és költséges felépíteni).

Mindezzel együtt a szerzőpáros állítása az, hogy az MI éppen úgy létre fog hozni egy új üzleti modellt, ahogy a SaaS is újat teremtett a hagyományos dobozos szoftverértékesítéshez képest.

Óriási felhős számítási kapacitás kell hozzá

A szoftvergyártásra és a SaaS-ra is igaz, hogy egyszer kell legyártani, és – elvileg – végtelenszer lehet eladni. Ráadásul nagy védelmet biztosít a fejlesztő vállalatok számára, hogy birtokolják a termékeik mögött álló szellemi értéket, azaz a kódot. Így simán képesek hozni a 60-80 százalékos vagy akár magasabb bruttó eredményhányadot.

A szolgáltatási szektor ezzel szemben mindig egyedi terméket "gyárt le", egyedileg összerakott csapatokkal, és az eredményből legfeljebb tapasztalatok hasznosíthatók újra, hiszen a "végtermék" lényegében az ügyfélnél marad. Így érthető, hogy a szektor alacsonyabb eredményhányadot, 30-50 százalékot tud csak felmutatni.

Az MI viszont valahol a kettő között van. Egyrészt vannak MI szoftverek – ezek többé-kevésbé úgy is működnek, mint a normál szoftverek: eladhatók, integrálhatók más rendszerekkel, támogatást kell adni hozzájuk stb. Csakhogy nem ez a lényegük, hanem a bennük lévő adatmodellek. A lényegi munkát (képfelismerés, természetes nyelvi feldolgozás stb.) ugyanis ezek a modellek végzik. Az adatmodellek azonban ügyfélspecifikusak, azaz minden egyes értékesítésnél elég sokat kell befektetni (munkaerő, pénz stb.) egy-egy modell testre szabásába – akárcsak a szolgáltatásoknál.

A modelleket tanítani kell megfelelő adatállományon. Ezekhez az MI-cégek jellemzően felhős szolgáltatásokat vesznek igénybe, amikért egy-egy projekten belül alaphangon is több százezer dollárt fizetnek (és ez csak az igénybe vett felhős tárolási és számítási kapacitás költsége). Ráadásul ezek a költségek elhúzódóan jelentkeznek, hiszen a tanítás nem egyszeri alkalom, hanem folyamat, mivel az adatok az idővel változnak – ezt a jelenséget nevezik a szerzők data driftnek.

És akkor még ott van az algoritmus futtatásának számításigénye, ami jóval magasabb, mint mondjuk egy adatbázis-lekérdezésé. Ezen a problémán enyhíthet valamelyest – de megoldani nem tudja –, ha szélesebb körben elterjednek az MI-feldolgozásra optimalizált processzorok – vélik a szerzők.

Nagy a munkaerőigénye is

Van egy másik probléma is a költségoldalon, ami szintén az MI tanításával függ össze. A tanításhoz nagy adatkészletek kellenek, amiket viszont nagyon gyakran kézzel kell tisztítani és elemeit címkézni. Ez hosszadalmas és drága folyamat – és addig tart, amíg az adott mesterséges algoritmust tanítani kell (lásd fentebb a data drift problémáját).

Ha már működik az MI, akkor sem automatizálja az adott munkafolyamatot, hanem legfeljebb segíti az ember munkáját. A közösségi oldalak moderálását például rábízzák az MI-re, de a végső döntéseket az ember hozza. Még inkább igaz ez az orvosi rendszerekre. Bár az emberi beavatkozás mértéke csökkenhet az MI fejlődésével, de a szerzőpáros szerint soha nem iktatható ki teljes mértékben, már csak a bizalom megteremtése miatt sem.

Összegzésként elmondható, hogy a felhős kapacitásigény és az emberi munka igénye összefügg: ha az egyik csökken, a másik óhatatlanul nő, de nincs olyan helyzet, hogy akár egyik költségtényező is a nullához tudjon közelíteni.

Martin Casado és Matt Bornstein eredeti cikke egy kattintásnyira olvasható.