Článek
V posledních letech jsme svědky nebývalého šílenství kolem umělé inteligence. Každá firma se snaží do svých produktů nacpat nějakou formu této technologie, investoři házejí miliardy do startupů a technologičtí giganti přesvědčují svět, že změní úplně všechno. Co když je tohle všechno jen další bublina, která je odsouzena k prasknutí?
Vysoké náklady, nejisté výnosy
Provoz moderních AI systémů je extrémně nákladný. Trénování velkých jazykových modelů vyžaduje obrovské množství práce a výpočetního výkonu a stojí stovky milionů dolarů, ale to je jen začátek. Každý dotaz na tyto systémy zatěžuje infrastrukturu, přičemž náklady se liší podle velikosti modelu a použité technologie.
Vedení OpenAI přiznává, že některé prémiové tarify jsou pro firmu finančně ztrátové a náklady převyšují příjmy. Situaci zatím zachraňuje fakt, že většina uživatelů své limity nevyužívá naplno. Pokud by se však intenzita používání výrazně zvýšila, ekonomika služby by se rychle dostala do problémů.
Google, Microsoft, Meta a další technologičtí giganti investují desítky miliard do infrastruktury a výzkumu umělé inteligence. Tyto investice jsou zatím financovány z jiných, ziskových částí jejich byznysu, ale akcionáři nebudou věčně tolerovat, když AI divize spalují miliardy bez jasného návratu investic.
Zde narážíme na zásadní problém současného AI byznysu. Bezplatné verze nástrojů chatbotů jsou často natolik kvalitní, že většina běžných uživatelů nemá důvod upgradovat na placenou verzi. ChatGPT zdarma dokáže vyřešit 90% úkolů, které běžný člověk potřebuje. Proč by pak platil za premium?
Tento model funguje u služeb jako Spotify nebo Netflix, kde premium verze nabízí skutečnou přidanou hodnotu, ale u AI je rozdíl mezi bezplatnou a premium verzí často marginální pro běžného uživatele. Firmy se snaží vyřešit tento problém různými způsoby: omezují počet dotazů v základní verzi, zpomalují odezvu pro bezplatné uživatele nebo rezervují nejnovější modely pouze pro platící zákazníky. Tyto strategie však mají své limity. Příliš agresivní omezení odradí uživatele úplně, zatímco mírná omezení je nedonutí platit.
Nesmyslná integrace umělé inteligence
Současný trend je integrovat AI do každého produktu, bez ohledu na to, zda to dává smysl. Vidíme chytré algoritmy v kuchyňských spotřebičích, autech, dokonce i v toaletách, ale kolik lidí tohle skutečně chce?
Tento přístup připomíná počátky internetu, kdy se chytré funkce přidávaly do všeho možného. Většina těchto produktů skončila jako zajímavosti bez reálné hodnoty pro spotřebitele. Podobně dnes vidíme firmy, které přidávají funkce pouze proto, aby mohly říct, že jejich produkt obsahuje umělou inteligenci. Problém je, že integrace těchto technologií zvyšuje náklady na vývoj i provoz produktu, ale často nepřináší žádnou hodnotu.
Ponaučení z minulosti
Historie technologických bublin nás učí, že mají typický průběh. Nejprve přichází vzrušení z nové technologie, kdy se AI prezentuje jako revoluční řešení všech problémů. Následují masivní investice, kdy proudí miliardy do startupů a výzkumů bez jasných plánů návratnosti a přehnaná očekávání veřejnosti, kdy se strojové učení prezentuje jako univerzální lék na všechny problémy světa, od klimatických změn po společenské nerovnosti. V další fázi realita dohoní hype a ekonomická udržitelnost se stává palčivým problémem. Konečně přichází stabilizace trhu, kdy bublina praskne a slabší hráči zmizí.
Dotcom bublina na přelomu tisíciletí ukázala podobný vzorec a nabízí poučné paralely se současnou situací. V letech 1995-2000 se investoři doslova předháněli v tom, kdo více investuje do internetových startupů. Stačilo přidat ,,.com" na konec názvu firmy a hodnota vzrostla o stovky procent. Firmy jako Pets.com nebo Webvan získaly miliardy dolarů investic, přestože nikdy nevygenerovaly zisk a často ani rozumný obrat.
Pets.com je ukázkovým příkladem této éry. Společnost prodávající krmivo pro domácí mazlíčky online získala vyšší desítky milionů dolarů investic a utratila 2 miliony dolarů jen za každých 30 vteřin reklamy během Super Bowlu. Firma zkrachovala během 268 dní a stala se symbolem absurdity dotcom éry.
Podobně Webvan sliboval revoluci v doručování potravin a získal přes miliardu dolarů. Místo postupného růstu a testování modelu firma okamžitě budovala nákladná distribuční centra v desítkách měst. Když se ukázalo, že zákazníci nejsou ochotni platit za online nákupy potravin, celý model se zhroutil.
Internet byl skutečně revoluční technologie, ale většina internetových firem té doby neměla udržitelný byznys model. Investoři věřili, že rychlý růst uživatelů automaticky povede k ziskovosti - klasická chyba, kterou vidíme i dnes u mnoha startupů zabývajících se umělou inteligencí. Až po prasknutí bubliny v roce 2000, kdy NASDAQ ztratil 75% své hodnoty, vznikly skutečně úspěšné internetové firmy jako Google, Amazon (který přežil) nebo Facebook s jasnou cestou k ziskovosti.
Kde se umělá inteligence skutečně vyplatí?
Existují oblasti, kde tyto AI technologie přinášejí jasnou měřitelnou hodnotu. V B2B (Business-to-Business) aplikacích jsou firmy ochotné platit za inteligentní nástroje, které jim prokazatelně šetří čas nebo peníze. Automatizace zákaznického servisu, analýza dat či optimalizace procesů představují oblasti s jasným návratem investic. Specializované nástroje pro lékařskou diagnostiku, vědecký výzkum nebo finanční analýzu mohou skutečně změnit celé obory, přičemž uživatelé těchto nástrojů jsou ochotni platit vysoké ceny za skutečnou expertizu. Infrastrukturní služby nabízející chytré algoritmy jako službu ostatním firmám mají jasný byznys model založený na objemu využití.
Několik indikátorů naznačuje, že bublina kolem strojového učení možná již dosáhla svého vrcholu. Pozorujeme klesající nadšení investorů, kdy startupy vstupující do tohoto odvětví v pozdní fázi narážejí na stále větší obtíže při získávání financování. Rostoucí tlak na ziskovost znamená, že akcionáři začínají požadovat jasné plány návratnosti investic místo nekonečných slibů o budoucím potenciálu. Některé projekty v oblasti umělé inteligence byly zrušeny nebo výrazně omezeny, což ukazuje na selhání ambiciózních plánů. Regulační tlaky ze strany vlád přinášejí firmám větší omezení a náklady na dodržování předpisů. Současně vidíme technickou stagnaci, kdy pokrok v kvalitě modelů se zpomaluje při exponenciálně rostoucích nákladech na jejich vývoj a provoz.
LLM nejsou skutečná inteligence
Velké jazykové modely (LLM – Large Language Models) jako ChatGPT nebo Claude jsou v podstatě velmi sofistikované nástroje pro predikci textu. Dokáží skvěle napodobovat lidskou řeč a zdají se inteligentní, ale ve skutečnosti jen analyzují statistické vzorce v obrovských množstvích textových dat.
LLM mají vnitřní limity. Nemají skutečné porozumění světu, nemohou se skutečně učit z nových zkušeností bez kompletního přetrénování a jejich znalosti jsou omezeny na data, na kterých byly trénovány. Tyto modely dosáhly skvělých výsledků, ale jejich architektura má jasně definované hranice.
Pokud bychom chtěli dosáhnout skutečné umělé inteligence - systému, který by dokázal skutečně myslet, učit se adaptivně a rozumět světu podobně jako lidský mozek - museli bychom se pravděpodobně vydat cestou pokročilých neuronových sítí inspirovaných biologickými procesy. To by však znamenalo úplně jiný přístup k výzkumu, jiné technologie a pravděpodobně i řádově vyšší náklady na vývoj.
Současná generace LLM tak představuje určitý technologický slepý konec. Můžeme je dále optimalizovat, zvětšovat nebo ladit, ale zásadní průlom k skutečné inteligenci vyžaduje fundamentálně jiný přístup. To je další důvod, proč současný boom může být neudržitelný - staví na technologii, která má jasně viditelný strop svých možností.
Co přijde po prasknutí bubliny?
Pokud bublina kolem umělé inteligence skutečně praskne, neznamená to konec této technologie. Historie ukazuje, že po prasknutí takových bublin často následuje období ,,normalizace". V této fázi slabší hráči zmizí z trhu, zatímco zbylé firmy se zaměří na skutečně ziskové aplikace. Ceny služeb založených na strojovém učení klesnou na udržitelnou úroveň a technologie dozraje, čímž se stane běžnou součástí našich životů bez přehnaného očekávání.
Internet po dotcom krachu nezmizel, ale naopak, stal se ještě důležitější. Podobně umělá inteligence pravděpodobně přežije prasknutí vlastní bubliny a stane se běžnou, užitečnou technologií.
Neznamená to, že umělá inteligence je špatná technologie. Znamená to, že trh očekává od strojového učení víc, než dokáže v současnosti realisticky nabídnout. Ty společnosti, které najdou skutečně ziskový model umělé inteligence a dokáží je škálovat udržitelně, přežijí a budou prosperovat.
