Марк Цукерберг стверджує, що ШІ скоро замінить інженерів середнього рівня

№1. Цукерберг: ШІ замінить інженерів середнього рівня

Марк Цукерберг у розмові з Джо Роганом заявив, що ШІ зможе самостійно писати код, тому компаніям буде потрібно менше інженерів середнього рівня. Натомість розробники зосередяться на творчих і стратегічних завданнях. Інші великі компанії, як-от Google, уже використовують ШІ для автоматизації програмування. Спочатку впровадження таких технологій буде дорогим, але з часом стане вигіднішим.

🔹 Що це означає для бізнесу?
ШІ не замінить усіх розробників, але значно зменшить їх кількість. Багато компаній, які використовують ERP, CRM та інші платформи, зможуть автоматизувати інтеграції, скоротивши витрати. Однак фахівці все ще будуть потрібні для контролю, стратегічного планування та налаштування рішень.

№2. Salesforce запускає Agentforce для роздрібної торгівлі

Новий продукт Salesforce допоможе рітейлерам автоматизувати процеси за допомогою ШІ. Серед функцій: управління замовленнями, рекомендації на основі вподобань клієнтів та створення програм лояльності. Це покращить персоналізацію та ефективність продажів.

🔹 Що це означає для бізнесу?
Великі бренди давно використовують подібні рішення, але тепер і менші компанії отримають доступ до ШІ-інструментів для оптимізації операцій.

№3. Дослідження виявило серйозні вразливості у VPN-системах

Група Top10VPN знайшла вразливості в тунельних протоколах VPN (IP6IP6, GRE6, 4in6, 6in4), які впливають на 4+ млн пристроїв, включаючи маршрутизатори, сервери та вузли CDN. Серед постраждалих – великі компанії, зокрема Meta та Tencent.

🔹 Що це означає для бізнесу?
Хакери можуть отримати несанкціонований доступ до корпоративних мереж. Захиститися допоможе використання надійніших протоколів, таких як IPsec або WireGuard.

№4. IBM: ШІ стане ключовим драйвером бізнесу вже у 2025 році

Дослідження IBM показує, що 81% керівників роздрібної торгівлі вже використовують ШІ, а інвестиції в цю сферу зростуть на 52%. Очікується, що 45% працівників потребуватимуть перепідготовки у сфері ШІ протягом трьох років.

🔹 Що це означає для бізнесу?
IBM просуває ШІ як обов’язковий інструмент для конкурентоспроможності. Варто оцінювати такі прогнози критично, адже їхня мета — стимулювати корпоративні інвестиції в ШІ-рішення IBM.

№5. Microsoft Surface 2024 доступний за рекордно низькою ціною
Gizmodo повідомляє про знижку на Microsoft Surface 2024 – його можна придбати за $1,240 (-$460 від початкової ціни). Ноутбук оснащений Snapdragon X Elite (12 ядер), 1 ТБ пам’яті та функціями Windows 11 Copilot+. Він отримав високі оцінки за швидкість і дизайн.

🔹 Що це означає для бізнесу?
Потужний ноутбук із ШІ-функціями став доступнішим, що може бути вигідним вибором для фахівців.

Авторка: Дар’я Бровченко

85 % користувачів ChatGPT на мобільних пристроях – чоловіки

Завдяки ChatGPT від OpenAI, загальні витрати на ШІ-застосунки досягли 1,42 мільярда доларів у 2024 році, за даними аналітичної компанії Appfigures. Це збільшення на 274% порівняно з 2023 роком (коли додаток був випущений у травні того року). Серед десятків тисяч конкурентів — деякі з яких ліцензують технології OpenAI — ChatGPT настільки домінує, що стабільно заробляє більше, ніж всі інші топові додатки для асистентів ШІ разом узяті.

Успіх цих додатків є також вигідним для Apple та Google, які отримують близько 30% доходу від покупок у додатках. Загалом мобільні ШІ-застосунки складають ринок на 2 мільярди доларів, згідно з даними Appfigures.

ChatGPT було завантажено 353 мільйони разів на сьогоднішній день, але демографічні характеристики користувачів додатку не зовсім рівномірні. Більше половини користувачів ChatGPT на мобільних пристроях — це люди віком до 25 років, що свідчить про те, що молодь, ймовірно, більш відкрита до експериментів з новими технологіями (або ж ці користувачі просто хочуть допомогу з домашніми завданнями — за даними Pew Research Center, чверть підлітків у США використовували ChatGPT для навчання, і ця цифра подвоїлася з 2023 року).

Проте, користувачі віком від 50 до 64 років складають другу за величиною демографічну групу, з 20,2% від усіх користувачів.

Гендерний розрив серед користувачів ChatGPT ще більш помітний. За оцінками Appfigures, серед користувачів усіх вікових груп чоловіки складають 84,5% від загальної кількості.

Хоча жінки займають важливі позиції в індустрії ШІ, звіт Pew за 2022 рік показує, що жінки схильні бути більш скептичними щодо ШІ, ніж чоловіки. За даними опитування Axios, 53% жінок, які брали участь у дослідженні, заявили, що не дозволять своїм дітям використовувати ШІ взагалі, порівняно з 26% чоловіків. Тим часом, за оцінками McKinsey, жінки мають більший ризик втратити роботу через автоматизацію, ніж їхні чоловічі колеги, що може спричинити ще більше спротиву.

Жінки також можуть бути менш ентузіазмованими щодо масового прийняття споживчих продуктів ШІ, оскільки вони особливо вразливі до найгірших наслідків цієї технології, таких як сексуально відверті дипфейки.

ChatGPT домінує на ринку витрат на ШІ-застосунки, але з появою DeepSeek, безкоштовної альтернативи з відкритим кодом, додаток OpenAI може зіштовхнутися з незначними труднощами. DeepSeek вже змістив OpenAI з першої позиції в App Store, але підтримати свою популярність може бути складно для китайського додатку.

Авторка: Дар’я Бровченко

93% ІТ-лідерів бачать цінність у ШІ-агентах, але стикаються з труднощами впровадження

Штучний інтелект поступово перетворюється з теми для обговорень на реальний робочий інструмент. У 2025 році ситуація має суттєво змінитися — за даними дослідження компанії Mulesoft (дочірньої компанії Salesforce, що спеціалізується на інтеграції та автоматизації), 93% ІТ-керівників у корпоративному секторі вже впровадили або планують впровадити ШІ-агентів упродовж найближчих двох років.

Однак, компанії продовжують стикатися з труднощами реалізації: у 2024 році 29% підприємств не змогли вкластися в заплановані терміни впровадження, а 80% назвали інтеграцію даних однією з найбільших проблем при використанні ШІ.

«Проблеми з інтеграцією заважають компаніям повною мірою реалізувати потенціал ШІ-агентів у створенні необмеженого цифрового робочого середовища»

— зазначив старший віцепрезидент та генеральний менеджер Mulesoft Ендрю Комсток у коментарі для VentureBeat.

ШІ-агенти набирають обертів, але інтеграційні проблеми залишаються

Згідно з 10-м щорічним звітом MuleSoft Connectivity Benchmark, опитування серед 1050 ІТ-керівників показало, що середньостатистична організація використовує 897 застосунків. Кількість впроваджених ШІ-моделей за рік зросла вдвічі — з 9 у 2024 році до 18 у 2025-му. А ті компанії, які вже використовують агентів, мають у середньому 22 ШІ-моделі, що значно більше, ніж у тих, хто їх ще не впровадив (15).

Втім, лише 29% застосунків між собою інтегровані, а 95% респондентів повідомили, що стикаються з труднощами в об’єднанні даних із різних систем. Це суттєво впливає на точність та ефективність агентів.

ШІ-агенти мають доступ до структурованих і неструктурованих даних із різних джерел: ERP-систем, CRM-платформ, інструментів для управління персоналом (HCM), електронної пошти, PDF-документів, корпоративних месенджерів тощо. Без якісної інтеграції вони не можуть ефективно аналізувати запити користувачів і приймати рішення.

Одним із ключових інструментів для подолання цієї проблеми є API (інтерфейси прикладного програмування), які забезпечують взаємодію між застосунками. За словами Комстока, правильно налаштовані API дозволяють агентам безпосередньо працювати з наявними системами компанії, уникаючи необхідності повної перебудови бізнес-процесів.

Витрати на IT зростають, але інтеграційні процеси залишаються трудомісткими

Згідно з дослідженням, у 2025 році ІТ-департаменти очікують зростання кількості проєктів на 18%, а витрати на ІТ-спеціалістів у 2024 році складуть у середньому 16,9 млн доларів, що більш ніж удвічі перевищує показники 2023 року.

Попри це, 40% часу ІТ-команд досі витрачається на розробку, проєктування та тестування нових інтеграцій між системами.

«Це надто високий показник для такої трудомісткої роботи»

— наголосив Комсток.

«Кожна ІТ-команда має більше завдань, ніж ресурсів для їх виконання, що призводить до затримок і неефективності. Ми віримо, що ШІ-агенти можуть вирішити цю проблему».

Учасники дослідження також переконані, що впровадження штучного інтелекту допоможе підвищити продуктивність розробників. 93% опитаних ІТ-керівників прогнозують, що упродовж найближчих трьох років ШІ значно прискорить їхню роботу.

Компанії поступово переходять від простих агентів до так званих «суперагентів», які здатні не просто виконувати окремі команди, а досягати складних цілей та виконувати багаторівневі завдання, характерні для людей.

Як компанії вже використовують ШІ-агентів

PenFed Credit Union — третій за величиною федеральний кредитний союз у США — успішно впровадив ШІ-агентів для автоматизації підтримки клієнтів. Менш ніж за 8 тижнів організація запустила два нових канали підтримки: чат з живими агентами та чат-боти на платформі Agentforce. Усе це зробив один інженер.

Завдяки використанню Mulesoft для об'єднання даних в єдину платформу, співробітники PenFed отримали 360-градусний огляд даних клієнтів, що дозволило швидше обробляти запити. Як результат:

• 20% запитів вирішуються на першому контакті завдяки ШІ-чатботам.

• Чат-активність зросла на 223% за рік.

• Кількість членів кредитного союзу збільшилася на 31%.

Ще один приклад — Adecco, одна з найбільших рекрутингових компаній, яка обробляє 300 млн заявок на роботу щорічно. Через велику кількість запитів значна частина кандидатів залишалася без відповіді.

За допомогою Agentforce, MuleSoft та Salesforce Data Cloud компанія централізувала понад 40 різних систем, що дозволяє:

• Автоматично аналізувати резюме та створювати шорт-листи кандидатів.

• Автоматично інформувати кандидатів про статус їхніх заявок.

• Оптимізувати розміщення вакансій на основі ефективності різних платформ.

Комсток зазначив, що подібні рішення можуть застосовуватися і в інших сферах: наприклад, ШІ-агент може знаходити заміну працівнику, який захворів, або надавати технічну підтримку без участі людини.

Висновки: ШІ стає реальністю для бізнесу

Компанії, що впроваджують ШІ-агентів, отримують ефект «прискореного зворотного зв’язку» — кожне нове покоління агентів працює ефективніше, ніж попереднє. Це стане ключовою конкурентною перевагою у майбутньому.

Водночас, ШІ не замінює людей, а стає доповненням до їхньої роботи, дозволяючи виконувати більше завдань швидше та ефективніше.

«Це вже не теоретичні роздуми — компанії реально впроваджують ШІ-агентів і отримують відчутні результати»

— підсумував Комсток.

Авторка: Дар’я Бровченко

Новий підхід до навчання може допомогти ШІ-агентам працювати краще в непередбачуваних умовах

Якщо домашнього робота навчити виконувати завдання в умовах фабрики, він може погано впоратися з прибиранням у кухні чи винесенням сміття, оскільки реальне середовище суттєво відрізняється від тренувального.

Щоб уникнути цього, інженери зазвичай намагаються максимально наблизити віртуальне навчальне середовище до реальних умов, у яких працюватиме ШІ.

Однак дослідники з Массачусетського технологічного інституту та інших установ виявили, що в деяких випадках навчання в кардинально іншому середовищі дає кращі результати.

Їхні експерименти показали, що тренування ШІ-агента у світі з меншою кількістю випадкових факторів (так званого «шуму») може зробити його ефективнішим, ніж навчання безпосередньо в хаотичному середовищі, в якому його потім тестуватимуть.

Цей ефект вони назвали «ефектом тренування в приміщенні» (indoor training effect).

Ефект тренування в приміщенні

«Якщо людина вчиться грати в теніс у залі без вітру, їй легше освоїти різні удари. А потім, граючи на відкритому корті, вона матиме більше шансів добре зіграти, ніж якби одразу почала навчання в умовах сильного вітру»

— пояснює Серена Боно, дослідниця Media Lab.

Вчені дослідили цей феномен, тренуючи ШІ-агентів у змінених версіях класичних ігор Atari, зокрема Pac-Man. Вони виявили, що «ефект тренування в приміщенні» повторювався у різних іграх та їхніх модифікаціях.

Ці результати можуть відкрити нові підходи до навчання штучного інтелекту, які не обмежуються простим відтворенням реального середовища.

«Це зовсім новий спосіб поглянути на проблему. Замість того щоб намагатися ідеально відтворити реальні умови

Чому ШІ-агенти погано адаптуються до нових умов?

Основна проблема полягає в тому, як саме навчають ШІ-агентів. Один із популярних методів — навчання з підкріпленням (reinforcement learning), коли агент пробує різні дії в середовищі та отримує винагороду за правильні рішення.

Дослідники вирішили перевірити, як впливає на навчання так звана функція переходу — механізм, що визначає, як змінюється ситуація після кожної дії ШІ-агента. Наприклад, у грі Pac-Man ця функція контролює, з якою ймовірністю привиди будуть рухатися вгору, вниз, вліво чи вправо.

У звичайних умовах навчання ця функція залишається незмінною під час тренування та тестування. Але вчені експериментально додали випадковість у поведінку привидів, щоб зробити середовище менш передбачуваним.

Очікувано, якщо агент навчався в такому хаотичному середовищі, його продуктивність падала.

Проте несподіваним відкриттям стало те, що ШІ-агенти, які спочатку навчалися у спокійному, передбачуваному середовищі, а потім переходили до хаотичного, працювали краще, ніж ті, які одразу навчалися у хаосі.

Це суперечить стандартному підходу, коли тренувальне середовище намагаються зробити максимально схожим на реальне.

«Зазвичай вважається, що для досягнення найкращих результатів потрібно максимально точно відтворити реальні умови під час тренування. Ми перевірили цю гіпотезу десятки разів, бо самі не могли в це повірити»

 — зазначає Мадан.

Як саме працює «ефект тренування в приміщенні»?

Дослідники виявили, що ефективність навчання залежить від того, як ШІ-агенти досліджують середовище.

• Якщо вони вивчають одні й ті ж області, то агент, навчений у «спокійному» середовищі, працює краще, оскільки йому легше зрозуміти правила без впливу випадкових факторів.

• Якщо ж їхні маршрути дослідження суттєво різняться, агент, навчений у хаотичному середовищі, може мати перевагу, оскільки звикає до нестандартних ситуацій.

«Це схоже на гру в теніс: якщо я навчуся грати лише правою рукою у спокійному середовищі, але в складних умовах доведеться використовувати й ліву, то мені буде важче адаптуватися» 

— пояснює Боно.

Перспективи дослідження

У майбутньому вчені планують перевірити «ефект тренування в приміщенні» у складніших сценаріях навчання штучного інтелекту. Вони також хочуть розробити спеціальні середовища для тренування, які дозволять максимально використати цей ефект, допомагаючи ШІ-агентам краще адаптуватися до реального світу.

Авторка: Дар’я Бровченко

OpenAI запускає ChatGPT для урядових установ

OpenAI представила спеціалізовану версію ChatGPT для урядових організацій США.

OpenAI нещодавно анонсувала запуск "ChatGPT Gov" — версії свого штучного інтелекту, розробленої спеціально для потреб урядових установ США.

Нова пропозиція має на меті зробити моделі штучного інтелекту OpenAI доступнішими для федеральних, державних та місцевих органів влади. Урядові агентства тепер можуть використовувати ChatGPT Gov через платформи Microsoft Azure Cloud або Azure Government Cloud за допомогою сервісу Azure OpenAI.

Ця інфраструктура допомагає урядовим установам задовольнити вимоги щодо безпеки, конфіденційності та відповідності стандартам, зазначають в OpenAI. Версія для урядів має функції, подібні до ChatGPT Enterprise, зокрема доступ до найбільш просунутого мовного моделі OpenAI — GPT-4.

Компанія також повідомляє, що активно працює над отриманням сертифікацій FedRAMP для ChatGPT Enterprise та вивчає можливості розширення доступу до ChatGPT Gov для регіонів Azure, які працюють з секретною інформацією.

Згідно з даними OpenAI, ChatGPT вже має значну присутність серед урядових установ, з понад 90 000 користувачів у 3 500 агентствах США. Серед поточних користувачів — Лабораторія досліджень Повітряних сил США, Національна лабораторія Лос-Аламоса, та численні агентства штату Пенсільванія.

Авторка: Дар’я Бровченко

Сучасні моделі ШІ погано розуміють історію світу

Моделі штучного інтелекту (ШІ), які використовуються сьогодні, не надають точної інформації про світову історію, згідно з новим звітом австрійського науково-дослідного інституту Complexity Science Hub (CSH).

У рамках експерименту було поставлено питання, на які моделі ШІ — GPT-4 від OpenAI, Llama від Meta та Gemini від Google — мали дати відповідь "так" чи "ні". Лише 46% відповідей були правильними. Наприклад, GPT-4 відповів "так" на питання, чи мала Давній Єгипет постійну армію, ймовірно, через те, що модель ШІ зробила висновки, базуючись на даних з інших імперій, таких як Персія.

"Якщо вам говорять A і B 100 разів, а C лише один, а потім вас запитують про C, ви, можливо, просто запам'ятаєте A та B і спробуєте зробити висновки з цього",

— пояснила дослідниця Марія дель Ріо-Чанона в інтерв'ю для Techcrunch.

За словами дослідників, моделі ШІ мають більше труднощів у наданні точної інформації про деякі регіони, зокрема про Субсахарську Африку.

Авторка: Дар’я Бровченко

Чому прогрес в ШІ навряд чи сповільниться

За останнє десятиліття системи штучного інтелекту (ШІ) розвивалися з неймовірною швидкістю. Від перемоги над легендарним гравцем у складну гру Go у 2016 році до здатності ШІ тепер розпізнавати зображення та мову краще за людей і успішно проходити тести, включаючи екзамени в бізнес-школах і питання на співбесідах в Amazon.

Минулого тижня, під час слухань Сенатського комітету з юстиції США щодо регулювання ШІ, сенатор Річард Блюментал з Коннектикуту описав реакцію своїх виборців на останні досягнення ШІ.

"Слово, яке використовують найбільше, — це страшно"

— зазначив він.

Підкомітет з питань конфіденційності, технологій та права, що контролює це засідання, почув свідчення трьох експертів, які наголосили на темпі прогресу в ШІ. Один із свідків, Даріо Амодеї, генеральний директор відомої компанії з розробки ШІ Anthropic, заявив, що

"найважливіше, що потрібно розуміти про ШІ, це наскільки швидко він розвивається".

Часто вважається, що науковий і технологічний прогрес є фундаментально непередбачуваним і залежить від спалахів прозорих ідей, які стають зрозумілими лише заднім числом. Проте прогрес у можливостях систем ШІ передбачувано залежить від трьох основних факторів — обчислювальної потужності, даних і алгоритмів. Багато з досягнень останніх 70 років стали можливими завдяки використанню більшої обчислювальної потужності, більшій кількості даних і алгоритмічним вдосконаленням, що дозволяють зменшити потребу в обчисленнях або даних для досягнення тих самих результатів. Розуміння того, як ці три фактори сприяли прогресу в ШІ раніше, є ключовим для розуміння, чому більшість фахівців вважають, що прогрес не сповільниться найближчим часом.

Обчислювальна потужність

Першу штучну нейронну мережу, Perceptron Mark I, розробили в 1957 році. Вона могла навчитися визначати, чи була картка позначена з лівого чи правого боку. Мережа мала 1000 штучних нейронів, і для її навчання було потрібно близько 700 000 операцій. Більше ніж через 65 років OpenAI випустила велику мовну модель GPT-4, для навчання якої знадобилося оцінено 21 септильйон операцій.

Збільшення обчислювальної потужності дозволяє системам ШІ обробляти більші обсяги даних, що означає, що система має більше прикладів для навчання. Це також дозволяє моделювати зв'язки між змінними з більшою точністю, що дає можливість робити точніші та більш детальні висновки.

З 1965 року закон Мура — спостереження, що кількість транзисторів в інтегральній схемі подвоюється приблизно кожні два роки — означає, що ціна на обчислювальні ресурси постійно зменшується. Хоча це і збільшило обсяг обчислювальних ресурсів, використовуваних для навчання систем ШІ, дослідники зосереджувалися більше на розробці нових методів створення систем ШІ, а не на тому, скільки обчислень вони використовують для навчання цих систем.

Це змінилося близько 2010 року.

"Люди зрозуміли, що якщо ви будете тренувати більші моделі, то насправді не отримаєте зменшення результатів"

— каже Хайме Севілья, директор Epoch, дослідницької організації.

З того часу розробники витрачають все більше коштів на навчання моделей більших масштабів. Для навчання систем ШІ необхідні дорогі спеціалізовані чіпи. Розробники ШІ або будують власну інфраструктуру для обчислень, або оплачують доступ до обчислювальних потужностей хмарних провайдерів. Сем Альтман, генеральний директор OpenAI, заявив, що навчання GPT-4 обійшлося більше ніж у 100 мільйонів доларів. Це зростання витрат у поєднанні зі зниженням ціни на обчислення, що зумовлене законом Мура, призвело до того, що моделі ШІ стали тренуватися на величезних обсягах обчислювальних потужностей.

Дані

Системи ШІ працюють, створюючи моделі взаємозв'язків між змінними у навчальних даних. Чим більша кількість даних, тим більше інформації має система для створення точної моделі зв'язків між змінними, що покращує її продуктивність. Наприклад, мовна модель, якій подають більше текстів, матиме більше прикладів речень, у яких слово "run" йде після "home".

Перше дослідження про Perceptron Mark I свідчить, що вона була навчена всього на шести даних точках. Для порівняння, модель LLaMa, розроблена дослідниками Meta, була навчена на близько одному мільярді точок даних, що є збільшенням в понад 160 мільйонів разів.

Алгоритми

Алгоритми визначають, як саме системи ШІ використовують обчислювальну потужність для моделювання зв'язків між змінними. Протягом останніх років дослідники знаходили способи досягати більшого з меншими затратами. Як зазначено в дослідженні Epoch,

"кожні дев'ять місяців введення кращих алгоритмів дозволяє подвоїти обсяги обчислювальних ресурсів".

Наступний етап прогресу ШІ передбачає значне збільшення обчислювальних потужностей, які використовуються для тренування моделей. Це зростання обумовлене зниженням вартості цих потужностей. Однак, коли витрати на збільшення потужностей стануть не виправданими, прогрес може сповільнитися. Інші дослідники вважають, що інновації в ШІ триватимуть завдяки новим методам використання даних та потужностей.

Прогрес у ШІ ймовірно триватиме на високій швидкості кілька років. Це викликає занепокоєння щодо того, що через два-три роки доступ до наукових знань може стати доступним не лише експертам, що збільшить ризики у таких сферах, як кібербезпека, ядерна технологія, хімія та біологія.

Авторка: Дар’я Бровченко