февраля 8, 2024
supply chain science and tech


00:00:00 Введение в передачу и влияние ИИ на работу белых воротничков
00:02:20 Введение в большие языковые модели (LLM)
00:03:27 Осознание Жоаннесом генеративного ИИ и GPT-4
00:05:44 LLM как универсальная шаблонизирующая машина
00:07:05 Возможности автоматизации и изменение точки зрения Жоаннеса
00:10:38 Проблемы автоматизации коммуникации с поставщиками
00:12:24 Резюме влияния LLM
00:14:11 Мирская проблематика автоматизации
00:15:59 Масштаб события уровня вымирания
00:17:48 Понимание ИИ терминологии отрасли
00:19:34 Вопрос об ИИ и его влиянии на работу
00:21:52 Система автоматического ответа и важность полной автоматизации
00:28:08 Компании, уже автоматизирующие процессы
00:30:36 Повышение эффективности и получение конкурентного преимущества с помощью ИИ
00:34:28 Готовность рынка к ИИ
00:36:27 Происхождение развития ИИ
00:38:55 Автоматизация сложных частей в снабжении
00:41:36 Общество становится богаче с автоматизацией работ
00:44:23 Будущее изучения науки снабжения
00:46:54 Переход к вопросам аудитории
00:50:12 Переосмысление технологической дорожной карты Lokad
00:52:29 Начало сессии вопросов и ответов
00:55:00 Финансовая перспектива в снабжении
00:58:46 Вопрос о ценообразовании и его влиянии на конечный результат
01:01:00 LLM для маленьких, мирских проблем и задач
01:07:17 Общий интеллект и события вымирания
01:09:49 Влияние ИИ на малые и средние предприятия
01:13:02 Преимущества автоматизации в Lokad
01:17:55 Прогнозирование событий вымирания для непринимающих автоматизацию
01:20:32 Париж как пример прогресса через автоматизацию
01:22:20 Вопрос о успешном ИИ и сотрудничестве с людьми
01:26:19 Ограничения высокого уровня человеческого интеллекта
01:28:31 Вопрос об ИИ в снабжении малых стран
01:32:25 ИИ как уравнивающий фактор для развивающихся стран
01:34:05 Простота и влияние швейной машины
01:35:31 Эволюция, а не революция
01:36:19 Заключительные мысли

Резюме

В беседе между Конором Доэрти и Жоаннесом Верморелем из Lokad Верморель предсказывает, что искусственный интеллект (ИИ) приведет к массовому вымиранию офисных работников-белых воротничков к 2030 году, гораздо раньше, чем предыдущие прогнозы. Он связывает это с успехом больших языковых моделей (LLM), которые, по его мнению, повлияют на все офисные работы, особенно в сфере снабжения. Верморель утверждает, что целью должна быть полная автоматизация рутинных работ, что приведет к значительному повышению производительности. Он предсказывает, что многие компании начнут увольнять людей с этих должностей уже через несколько месяцев. Верморель считает, что задачи, требующие высокого уровня человеческого интеллекта, такие как стратегические решения, все еще находятся за пределами возможностей LLM.

Расширенное резюме

В недавней беседе между Конором Доэрти, руководителем коммуникации в Lokad, и Жоаннесом Верморелем, генеральным директором и основателем этой же компании, они обсудили последствия искусственного интеллекта (ИИ) и оптимизации цепей поставок. Верморель выразил свою уверенность в том, что ИИ приведет к массовому вымиранию офисных работников-белых воротничков. Он сослался на предыдущие прогнозы, согласно которым ИИ уничтожит 90% офисных работ к 2050 году, но он считает, что это произойдет гораздо раньше, к 2030 году.

Переломным моментом, по мнению Вермореля, является успех больших языковых моделей (LLM), которые повлияют на все офисные работы, особенно в сфере снабжения. Верморель признал, что изначально упустил революцию LLM и осознал ее потенциал около 18 месяцев назад, когда начал работать с генеративным ИИ. Он поделился своим опытом работы с моделью GPT-4 от OpenAI и тем, как это заставило его понять потенциал этой технологии для производства. Он пояснил, что GPT-4 на порядок умнее GPT-3.5, и как только вы понимаете, как она работает, вы можете адаптировать ее для работы с GPT-3.5.

Верморель описал LLM как универсальную машину-шаблон, которая обладает невероятной мощностью и устойчивостью к шуму. Он поделился тем, что переписал всю дорожную карту Lokad более года назад, и за последние 12 месяцев они автоматизировали одну задачу за другой. Он выразил свое удивление масштабом того, что можно достичь с помощью автоматизации, и сложностью в поиске проблем, которые нельзя автоматизировать. Он поделился тем, что Lokad автоматизировал самую сложную часть - количественные решения - десять лет назад, и остальное было автоматизировано за последние 12 месяцев с помощью современных LLM.

Верморель объяснил, что автоматизация, особенно в лингвистических задачах, уже превзошла человеческое мастерство и интеллект в плане скорости и точности. Он привел пример того, как большие языковые модели (LLM) хорошо справляются с избеганием распространенных ошибок, таких как неправильная интерпретация цвета в названии продукта как фактический цвет продукта. Верморель сравнил LLM с слугой, который знаком с терминологией и жаргоном каждой отрасли, что делает его превосходящим среднего человека, который может не быть знаком с конкретными техническими терминами. Он заявил, что настоящий вопрос заключается в том, что нельзя автоматизировать, так как до сих пор все, что они пытались сделать, удалось.

Верморель не согласен с мнением о том, что искусственный интеллект будет выступать в роли второго пилота, помогая людям принимать решения. Он утверждает, что целью должна быть полностью автоматизированная работа от начала до конца для рутинных задач, что может привести к значительному повышению производительности. Он отмечает, что нерутинные задачи будут сохраняться, но многие задачи, которые кажутся нерутинными ежедневно, на самом деле являются рутинными на протяжении года. Он подтверждает, что автоматизация будет происходить очень быстро, и многие компании уже быстро движутся в сторону автоматизации.

Верморель объясняет, что предыдущие технологические революции ограничивались определенными отраслями, но большие языковые модели применимы практически ко всем работам белого воротничка, особенно к задачам внутреннего управления. Он объясняет, что рынок будет двигаться медленнее, чем внутреннее управление, так как ожидания широкой аудитории определяют темп. Он подчеркивает, что клиентам не важно, полностью ли автоматизировано выполнение производства или это делается клерками.

Верморель предсказывает, что автоматизация работ белого воротничка станет сюрпризом, но он указывает на то, что работы синего воротничка проходят подобные изменения уже последние 150 лет. Он приводит пример носильщиков в Париже, работа, которая исчезла с появлением водопровода. Он рассказывает о том, как автоматизация уже сделала некоторые задачи устаревшими, такие как сравнение черновиков контрактов построчно, задача, которую теперь выполняет Microsoft Word. Он описывает темп этих изменений как постепенный до появления LLMs, которые, по его словам, кажутся переходом на 20 лет в будущее всего за один год.

В ответ на вопрос о будущем науки о поставках, Верморель утверждает, что основы, которые он преподает в своих лекциях по цепям поставок, не будут автоматизированы. Он призывает сосредоточиться на этих фундаментальных вопросах, а не на мелочах, которые будут автоматизированы с помощью LLMs. Он подводит итог, что LLMs представляют собой событие вымирания для функций корпоративного бэк-офиса, предсказывая, что многие компании начнут увольнять людей с этих должностей. Он описывает это как дело месяцев и призывает к быстрому действию.

В ответ на вопрос о том, какие названия должностей могут устареть, Верморель перечисляет планировщика поставок и спроса, аналитика запасов и менеджера категорий. Он предлагает, что такие роли, как специалист по цепям поставок, которые включают разработку числовых рецептов и стратегическое мышление, не будут автоматизированы. Верморель объясняет, что Lokad автоматизировал не только фундаментальные решения, такие как планирование, планирование производства, закупка, производство, распределение и обновление цен, но и сопутствующие процессы, такие как управление мастер-данными, коммуникация и уведомления клиентов и поставщиков.

В ответ на вопрос о советах для молодых людей, начинающих карьеру в сфере цепей поставок, Верморель предлагает сосредоточиться на стратегическом понимании, критическом мышлении и навыках программирования. Он считает, что LLMs не заменят эти навыки, но повысят производительность. Верморель предсказывает, что решения в сфере цепей поставок, основанные на искусственном интеллекте, окажут более заметное влияние на малые компании, чем на крупные. Он объясняет, что высокая производительность этих инструментов делает автоматизацию доступной для малых компаний, позволяя им конкурировать с крупными компаниями.

Верморель поделился, что автоматизация в Lokad повысила качество и увеличила производительность. Он отмечает, что пока еще рано видеть влияние на показатели подписки и другие метрики из-за медленного цикла продаж предприятийного программного обеспечения. Он предупреждает о том, чтобы не полагаться на цифры, используя пример неудачи Kodak в адаптации к цифровой фотографии. Он предсказывает, что компании, способные автоматизировать свои процессы, будут более гибкими и надежными, а те, которые этого не сделают, не выживут. Он сравнивает это с событием вымирания.

Верморель подчеркивает важность освобождения людей от утомительных работ для улучшения цепей поставок и общего роста компании. Он считает, что это позволит людям думать стратегически и не отвлекаться на мелкие задачи. Он объясняет, что сотрудничество между людьми и машинами не такое, каким оно было задумано. Это скорее полная автоматизация задач, таких как перевод веб-сайта Lokad и временные метки видео Lokad TV, которые теперь выполняются автоматически. Он предлагает, что настоящий вопрос заключается в том, что нельзя автоматизировать.

Верморель предлагает, что задачи, требующие высокого уровня человеческого интеллекта, такие как стратегические решения и макро-вопросы для компании, все еще находятся вне возможностей LLMs. Он объясняет, что LLMs невероятно доступны и не требуют высококвалифицированного персонала или высокоскоростного интернет-соединения. Он подчеркивает, что эта технология дешева и может стать отличным уравнивающим фактором для стран с ограниченными ресурсами.

Верморель согласен с сравнением Конора и предупреждает компании не упустить эту эволюцию. Он предлагает, что компании, которые не примут эту технологию сейчас, могут не суметь догнать ее в будущем.

Полный текст

Конор Доэрти: Добро пожаловать на Lokad Live. Меня зовут Конор. Я руководитель отдела коммуникации в Lokad. И со мной в студии основатель Lokad, Жоанн Верморель. Сегодняшняя тема, возможно, самая серьезная из всех, которые мы когда-либо обсуждали в этой передаче. Откровенное, безэмоциональное обсуждение современного состояния искусственного интеллекта и снабжения и, что самое важное, что это значит для людей в этой сфере. Мы надеемся на интерактивное обсуждение, поэтому, если у вас есть вопросы, пожалуйста, задавайте их в прямом эфире, и мы постараемся ответить на все, что сможем, в отведенное время. Итак, Жоанн, давайте больше не будем откладывать главное. Почему мы здесь?

Жоанн Верморель: Я считаю, что мы сталкиваемся с чем-то, что, вероятно, будет охарактеризовано как массовое вымирание белых воротничковых сотрудников. Пять лет назад было много консультантов, проводивших исследования и говоривших, что к 2050 году искусственный интеллект уничтожит 90% рабочих мест белых воротничков. Причины и технологии, которые были названы в этих отчетах, были полностью ложными, и оказалось, что сроки также были полностью ложными. Но единственное, что было правдой, это 90%. И сроки, как я вижу сейчас, будут значительно ускорены. Это не будет 2050 год, это будет 2030 год. Все изменилось с появлением LLMs (Large Language Models). Это затронет практически все рабочие места белых воротничков в офисе, особенно те, которые связаны с снабжением. Изменение приходит очень быстро, гораздо быстрее, чем я думал 18 месяцев назад.

Конор Доэрти: Вы упоминали ранее консультантов, которые предполагали траекторию этой эволюции или вымирания, как вы выразились. Что именно произошло в прошлом году с появлением LLMs, чтобы ускорить эту эволюцию?

Жоанн Верморель: Настоящая революция произошла около трех лет назад. Я пропустил это. Я осознал, что происходит, примерно 18 месяцев назад. В то время я начал играть с генеративным искусственным интеллектом. Мы провели интервью об этом почти полтора года назад. В то время я изучал эти технологии. Генеративный искусственный интеллект существовал уже 20 лет и каждый год делал успехи. Я начал понимать, что его можно использовать для производственных целей, но это были маленькие штрихи, например, генерация нескольких иллюстраций для лекций.

Затем появились LLMs и чат-боты. Они были довольно интересными, но я думал, что это просто модный гаджет. Я не осознавал, для чего они могут быть использованы. Потом я пришел в себя, когда начал работать с GPT-4, бета-версией, немного больше года назад. Я понял, что эта технология готова к производству. Произошел огромный скачок. Я понял с GPT-4, моделью от OpenAI, как GPT-3.5, которая существовала несколько лет, должна была быть использована. Интересно, что понадобился второй прорыв, GPT-4, чтобы я понял. GPT-4 на порядок умнее, чем GPT-3.5.

Но как только вы начинаете понимать, как это работает, и это намного проще с GPT-4, потому что GPT-4 намного лучше, тогда вы можете адаптировать то, что работает, и сделать это красивым и плавным, чтобы оно работало и с GPT-3.5. Понимание заключается в том, что LLM невероятно мощен, но если вы хотите использовать его для производственных целей, для предприятий, для корпоративных целей, это не о том, чтобы иметь чат-бота. Интересно то, что у вас есть универсальная шаблонная машина. Это действительно невероятно. Она очень устойчива к шуму. Более года назад я понял, что она готова к производству. Мы упустили нечто абсолютно потрясающее 18 месяцев назад. Более года назад я полностью переписал дорожную карту Lokad. Мы безумно обновляли практически все в течение последнего года. Мы были довольно молчаливы в плане коммуникации на этот счет, но за последние 12 месяцев мы автоматизировали одну вещь за другой. Вещи, которые казались почти невозможными для автоматизации несколько лет назад, были автоматизированы.

Когда я смотрю на работу в снабжении, я вижу, что масштаб того, что может быть доставлено в полностью роботизированном виде, просто потрясающий. Сейчас даже трудно найти проблемы, которые нельзя автоматизировать. Раньше автоматизация каждой отдельной задачи была вызовом. В Lokad мы автоматизировали десять лет назад то, что было самой сложной частью, а именно количественные решения. Количественные решения, такие как определение количества единиц для закупки или производства, увеличение или уменьшение цены, были автоматизированы десять лет назад. Но то, что произошло за последние 12 месяцев, касается всего остального. Все остальное стало дешевым, очень быстрым и простым с помощью этих современных LLM.

Conor Doherty: Я не хочу перепутать порядок, потому что следующий вопрос, вероятно, будет: “Ну, какие работы исчезнут?” Но на самом деле я хочу вернуться на шаг назад. Как вы явно заявили год назад, мы сидели здесь, и вы назвали GPT-3.5 BS-художником и сравнили его с кошкой. Итак, вопрос в следующем: что именно, когда вы описываете это ощущение головокружения, заставило вас отправиться в этот путь от “это кошка” до “мы находимся в событии вымирания”?

Joannes Vermorel: Он все еще довольно глупый, но это не то, что вам нужно. Дело в том, что LLM не предназначены для ведения интеллектуальных дискуссий. Это хорошо, и GPT-4 идет довольно далеко в этом направлении. Это было довольно потрясающе. Но снова, сила заключается в тех универсальных шаблонных машинах, о которых я говорил. Давайте рассмотрим пример. Вы хотите передать заказ поставщику, и вы понимаете, что у вас нет MOQ. Вы должны отправить поставщику электронное письмо с просьбой: “Кстати, для этих продуктов, каков ваш MOQ, минимальное количество заказа? Дайте мне цифру”. Затем человек ответит, и вам просто нужно добавить это значение где-то в вашей системе, чтобы вы могли его вычислить. Это часть процесса принятия решений.

Lokad автоматизировал это. Мы делали так, что если мы знаем MOQ, мы даем вам и все остальные данные, мы даем вам правильный ответ на вопрос о том, сколько вы должны закупить. Но получение самого значения MOQ, это было как телефон, как с этим справиться? Это не сложная проблема. Вы определенно можете создать автоматизированную систему, где у вас есть шаблон электронной почты, и затем вам придется передать ответ, и передача ответа сложна, потому что поставщик может ответить чем-то, что дает вам, например, два значения MOQ. Для этого продукта это одно, для этого другого - что-то другое. Как с этим справиться? Это не фундаментально сложная проблема. Это не какой-то сложный расчет. Но это было уверенностью, что это что-то, что мешало нам роботизировать всю реализацию процесса от начала до конца.

Мы могли автоматизировать часть принятия решений, но не реализацию от начала до конца принятия решения, учитывая то, что должно произойти до этапа принятия решения и после этапа принятия решения. Теперь с LLM, где у вас есть эти универсальные шаблонные машины, если вы получаете электронное письмо, скажем, какое MOQ сообщил поставщик, и т.д., вы можете буквально автоматизировать эти вещи очень, очень быстро.

Итак, если вы попросите GPT, LLM, придумать что-то, они начнут галлюцинировать. Вот что они делают. Но если вы используете их правильно и используете их правильно, скажем, у меня есть входные данные, я хочу преобразование, и я получаю информацию из преобразованных входных данных, то вы получаете нечто невероятно надежное и готовое к производству. Это просто, и оказывается, что когда вы смотрите на то, что делают сотрудники бэк-офиса, белые воротнички, они достают маленькие кусочки информации тут и там. Это, как правило, занимает 90% их времени, немного болтовни с окружающей средой. И теперь у вас есть универсальная машина, чтобы автоматизировать все это, и это очень, очень просто и дешево.

Conor Doherty: Итак, чтобы еще раз подытожить все это до этого момента, и снова Lokad делает это уже много лет, более количественная сторона принятия решений была автоматизирована с использованием других форм искусственного интеллекта. Сегодня речь идет о более качественных межличностных элементах, которые также подвержены автоматизации с помощью LLM.

Joannes Vermorel: Да, просто представьте, что вы хотите передать свои заказы на закупку. Вычислите количество, это то, что Lokad делает уже более десяти лет. Но затем возникают все виды мелких вещей, которые должны произойти. Что, если есть два продукта, которые являются дубликатами? Итак, у вас есть два продукта, это дважды одна и та же ссылка. Как вы это видите? Ответ в прошлом был сложным. Вы могли бы создать немного машинного обучения и немного специализированной обработки естественного языка, что-то, чтобы автоматически устранить дубликаты в вашем каталоге. Да, в прошлом это обычно занимало, скажем, 50 часов программной инженерии, чтобы получить работающее решение.

Теперь с LLM, эта дедупликация, о которой я говорю, занимает буквально 20 минут работы, и затем у вас будет готовое к производству решение для удаления дубликатов. Так что вы видите, масштаб этого абсолютно поразителен. И у вас есть все эти мелкие вещи, которые были на пути, и вот почему компаниям нужно иметь всех этих людей, потому что это не такая большая проблема, которая занимает много времени. Большая проблема, такая как вычисление этого количества, уже была в какой-то степени механизирована, но это были маленькие, супер мирские проблемы, которые были на пути, проблемы с качеством данных, дублированные вещи, отсутствующая точка данных, такая как MOQ.

Какой-то поставщик опаздывает, вы хотите отправить электронное письмо, чтобы получить пересмотренное предполагаемое время прибытия, а затем получить ответ. Этого рода вещи не такие уж сложные, но раньше уже было возможно автоматизировать это, но снова каждый отдельный вопрос и микрозадача, подобная этой, стоили около 50 часов инженерной работы, чтобы решить ее, и это очень много, потому что если у вас есть, скажем, 100 таких задач, мы говорим о тысячах человеко-часов, и в результате вы получаете проект, о котором я говорил в лекциях, что стоимость управления программным продуктом нелинейна, она суперлинейна.

Так что если вы удваиваете сложность, вы склонны умножать стоимость поддержки этой вещи не на два, а на четыре. Так что, добавляя все эти вещи, вы создавали монструозное программное обеспечение, которое было очень сложно управлять, обновлять и расширять. Если у вас есть в качестве строительного блока что-то вроде LLM, где все эти вещи централизованы, то не только эти задачи могут быть решены за 20 минут, но и общая сложность вашего программного продукта растет намного медленнее, чем раньше, потому что это все равно очень, очень простой продукт, и это тот же трюк, этот LLM, который используется на каждом шаге, чтобы решить все эти маленькие несчастные случаи, которые возникают по пути.

Conor Doherty: Каков масштаб этого, когда вы говорите о событии уровня вымирания? Можете ли вы раскрыть последствия?

Joannes Vermorel: Я работал с LLM и мы автоматизировали задачи туда и сюда. Я вижу, что некоторые другие компании делают то же самое, особенно когда речь идет о лингвистических задачах, таких как перестановка информации, суммирование информации, извлечение информации из электронной почты и так далее. Невероятное в том, что мы уже превзошли человеческое мастерство, превзошли человеческий интеллект.

Когда я говорю о превосходстве над человеческим интеллектом, я имею в виду в ограниченное время. Если я дам вам входящую электронную почту и попрошу извлечь ключевую информацию за 20 секунд, то иногда вы ошибетесь, как человек. Если я дам вам тысячу писем и попрошу извлечь ключевую информацию из каждого за 20-30 секунд, то ваш процент правильных ответов может составить около 98%, и иногда вы ошибетесь.

Однако LLM не только сделает это за секунду вместо 30 секунд, но и их точность будет гораздо выше, чем у обычного человека, даже у того, кто прошел обучение. Вот почему я говорю, что мы буквально превосходим человечество.

Для многих вещей, таких как избегание ошибок новичка, LLM действительно отлично подходят. Например, если в названии продукта есть цвет, это не означает, что продукт имеет этот цвет. Возможно, это устройство для проверки, и цвет в названии не имеет никакого отношения к фактическому цвету продукта. Вот такие вещи, в которых LLM действительно отлично справляются.

Это похоже на наличие слуги, который очень хорошо знаком с терминологией и жаргоном практически каждой отрасли на Земле. Таким образом, у вас появляется нечто, что немного превосходит человека, потому что если вы возьмете случайного человека, то он не будет хорошо знаком с конкретными техническими терминами вашей отрасли, и этот человек, вероятно, в течение месяцев, а то и лет, будет делать ошибки из-за незнания и непонимания того, что этот термин вводит в заблуждение, и, например, что этот термин обозначает не цвет в данном контексте, а скорее характеристику продукта и так далее, и такие примеры продолжаются.

И в Lokad, буквально, мы механизируем множество вещей, и настоящий вопрос заключается в том, “Что мы не можем автоматизировать?” И это сложный вопрос, потому что до сих пор практически все, что мы пытались сделать, в основном работало “из коробки”. Это то, что поражает, потому что как только вы понимаете, для чего предназначены эти LLM, вы можете автоматизировать так много, так много.

Conor Doherty: Чтобы занять позицию потенциального скептика, если сравнить работу “голова” и “руками”, десятилетиями говорят о том, что роботы, машины и другие формы технологий заберут инструменты из рук механиков. Однако во многих секторах, например, в MRO, есть части мира, где есть критический дефицит техников для работы с самолетами. Это событие уровня вымирания было ошибочным. Насколько уверены вы в своих словах сегодня в контексте подобных заявлений, которые делали люди? Что делает вас таким уверенным?

Joannes Vermorel: Я имею в виду, во-первых, то, что делает меня уверенным, это то, что мы делаем это уже год, и буквально, я имею в виду, просто чтобы дать вам пример того, что мы механизировали в Lokad, это RFP, запросы на предложения. Мы получаем гигантские документы Excel, отправленные крупными компаниями с огромным количеством вопросов, например, 600 вопросов. И в начале этого года, я думаю, это было в мае или что-то в этом роде, я сказал: “Хорошо, у нас снова 600-вопросный RFP. На ответы на все это уходит целая неделя, 10 дней, полные дни. Это такая боль просматривать эти огромные документы.” Извините.

И тогда я решил: “Хорошо, я просто механизирую это и переработаю всю базу знаний, которая уже есть в Lokad, и создам автоответчик.” Знаете, автоответчик. Итак, у нас уже есть документы, у нас уже есть множество вещей, и задача машины заключалась в том, чтобы “Напишите ответ на вопрос, как это сделал бы Lokad. Используйте базу знаний, которую у нас есть. И если в базе знаний есть пробел, просто ответьте ‘fail’, и тогда мы сделаем это вручную.”

И буквально, заполнение одного RFP занимало больше недели, а автоматизация процесса RFP заняла у меня неделю. Так что буквально, к тому времени, когда я разработал роботов, у меня уже была положительная окупаемость. Знаете, к тому времени, когда я завершил автоматизацию, я восстанавливал ответы и все остальное с помощью менее 10% вопросов, где мне все еще приходилось делать это вручную и расширять базу знаний Lokad.

Но интересно было то, что когда мы отправляли наши ответы, система онлайн, у нас был процесс подачи онлайн, вы отправляете, и затем у вас есть, скажем, 600 вопросов, и у вас есть автоматический ответ, основанный на ваших ответах и отмеченных вами полях. Вот еще 100 вопросов, которые были сгенерированы. Итак, мы подали заявку. Итак, мы подумали, о, мы ответили на 600 вопросов.

Кстати, в конце концов это было более 100 страниц ответов, так что это был очень, очень длинный документ для подачи. И затем вы отправляете это, и система, управляющая процессом RFP, возвращает вам еще 100 вопросов. И снова мы использовали инструменты и в течение нескольких часов мы наконец-то закончили. И затем все RFP, которые мы делали с тех пор, вы знаете, мы просто используем этот инструмент, и это только один пример среди буквально десятков.

Conor Doherty: Однако есть компании, которые имеют совершенно отличное от вашего отношение. Они считают, что генеративный ИИ, большие языковые модели, о которых мы говорим, в основном станут своего рода сопилотом для людей, работающих в данной сфере, таких как планировщики спроса и практики поставок. Они считают, что вас не заменит ИИ, но он будет поддерживать вас, он будет сопилотом, чтобы помочь вам принимать все решения, как количественные, так и качественные, которые, как вы говорите, исчезнут. Почему это неправильно?

Joannes Vermorel: Так вот, это то, о чем я думал до своего прозрения, знаете, 18 месяцев назад. Если вы думаете так, нет, LLM будут полным дерьмом. Они будут игрушкой, и вы совершенно не понимаете сути. Вы совершенно не понимаете сути. Почему? Это то, о чем я говорю. Если вы хотите, во-первых, иметь разговорный пользовательский интерфейс, это игрушка. Это не, я имею в виду, это хорошо, чтобы у вас был GPT в качестве замены поисковой системы, ну хорошо. Но если вы хотите делать рутинную работу, то вам нужна полная автоматизация от начала до конца.

Итак, в этом случае LLM должен стать программным компонентом вашего программного обеспечения. И, как я уже сказал, вернемся к этому автоматическому автоответчику RFP. Цель не заключается в том, чтобы иметь сопилота, который беседует с нами, чтобы ответить на эти 600 вопросов RFP. Мы хотели, чтобы машина принимала документ и выводила все вопросы и заканчивала с этим, понимаете. И просто иметь список вопросов, где нужно расширить FAQ, и закончить с этим, понимаете. Речь не идет о том, чтобы иметь сопилота, с которым можно взаимодействовать и тому подобное. Это полная трата времени. Это не то, что представляет собой настоящая автоматизация.

Итак, мое мнение заключается в том, что люди, которые думают так, они не думают ясно. Они просто думают в инкрементальных терминах. Они просто думают о добавлении новой технологии, чтобы немного улучшить то, как это делается, вместо того, чтобы полностью переосмыслить, как это делается, и разблокировать улучшение производительности в 100 раз в процессе.

Conor Doherty: Какие конкретно работы, по вашему мнению, выживут после описанного вами события вымирания? Что останется, если исчезнут количественные и качественные аспекты, и все будет автоматизировано?

Joannes Vermorel: Остается все, что является строго неповторяющимся, хорошо. Но на высоком уровне, потому что, знаете ли, если вы посмотрите на сотрудника бэк-офиса, белого воротничка, то люди скажут: “О, это не повторяется. Вот, мне нужно отправить электронное письмо туда, мне нужно спросить коллегу там, мне нужно сделать много вещей, которые немного разнообразны”. Да, но в течение года все повторяется снова и снова и снова. И в прошлом, кстати, это всегда грозило. Я имею в виду, что в течение последних четырех десятилетий программная индустрия была, и я всегда был уверен, что это не вопрос “когда”, это не вопрос “если” все эти мелочи будут автоматизированы, это просто вопрос “когда”.

И в 80-х годах было несколько зим искусственного интеллекта, когда люди делали грандиозные заявления, и это не сработало с экспертными системами, с добычей данных. Итак, экспертные системы были в конце 80-х, начале 90-х годов, добыча данных была в 2000 году и т.д. Так что была серия волн, но разница в том, что сейчас это работает. Я имею в виду, это работает и буквально, Lokad прошел год пути, и мы автоматизировали вещи, о которых я не думал, что они могут быть сделаны так легко и быстро. И я видел, снова же, другие компании, которые делают это, и итоги абсолютно ошеломляющие, и это работает. И, кроме того, это работает без особого количества специализированных навыков или технической нагрузки. Эти технологии также очень просты в освоении.

Conor Doherty: Я просто хочу прояснить фразу, которую вы только что сказали. Вы сказали, что видели, как многие компании делают это. Вы предполагаете, что это уже происходит за кулисами?

Joannes Vermorel: Да, и вот почему я считаю, что временные рамки будут очень сжатыми. Вот почему я сказал, что 2030 год - это конечная цель, а не 2050 год. Несколько компаний уже движутся на максимальной скорости в этом направлении. Если вы следите за новостями, вы увидите, что некоторые компании объявляют о сокращении 5 000 человек тут и там. Это происходит очень быстро, и скорость рынка будет определяться самой быстрой компанией, а не обычной или средней компанией. Потому что, знаете ли, сэкономленные средства настолько велики, что если вы опоздаете, эта технологическая трансформация погубит вас.

И я считаю, что искусственный интеллект менее значим в технологическом достижении, чем сам Интернет. Знаете, сам Интернет - это больше. Но в плане конкурентоспособности Интернет занял примерно два десятилетия, чтобы быть настроенным. Знаете, это был медленный процесс, прокладывание кабелей, получение быстрого и надежного интернет-соединения везде, постепенное обновление всего, операционной системы, получение максимальной отдачи от электронной почты и т.д.

Так что это был медленный процесс, где даже если вы были отстающим, не было ясно, что есть немедленные повышения производительности. Так что если вы опоздали на интернет-вечеринку и вместо того, чтобы принять электронную почту в 1995 году, вы приняли ее только в 2002 году, вы опоздали на семь лет, но это было нормально. Ваши конкуренты не сократили свои затраты в 10 раз благодаря Интернету.

И, кстати, Интернет также создал много бюрократии, потому что вам понадобилось много системных администраторов. Он создал множество проблем. Так что компаниям понадобилось буквально два десятилетия, чтобы переварить и стать действительно лучше с ним. В отличие от этого, чтобы стать лучше с этим, дело в месяцах. И вы можете сократить количество рабочей силы, необходимой для многих задач, и я бы сказал, практически для каждой задачи бэк-офиса, в течение нескольких месяцев. И вот здесь это будет, я считаю, очень отличаться от предыдущего раза.

Conor Doherty: Когда вы сказали о разных отделах, вы не включаете IT, вы специально сосредоточены на деятельности, связанной с цепочкой поставок?

Joannes Vermorel: Каждому отделу нужно свое обсуждение. IT, в значительной степени, будет сложнее автоматизировать. Во-первых, потому что роботизация системного администратора создает все возможные проблемы безопасности. Это будет сложно. Это произойдет, но я подозреваю, что это займет больше времени. И большинство решений, принимаемых IT, уже достаточно сложны. Так что, я скажу, что для IT я подозреваю, что это будут экономические выгоды порядка 50%. И здесь это будет своего рода сопилот. Кстати, это то, что происходит в Lokad.

Теперь у вас есть вопрос о чем-то вроде программного обеспечения. Раньше вы тратили полчаса в Интернете, чтобы разобраться в технической документации поставщика. Теперь, с помощью ChatGPT, вы можете сделать это намного быстрее. Хорошо, это то, о чем мы говорим, это помощник-сопилот. Да, это будет IT. Но я считаю, что для других функций это может быть намного быстрее и в масштабах, которые будут намного больше.

Conor Doherty: Итак, по сути, это звучит так, что ROI от принятия технологии сейчас - это разница между фактическим получением прибыли и практически вымиранием.

Joannes Vermorel: Да, я имею в виду, именно. Я думаю, что это своего рода резкий технологический поворот. Я считаю, что это действительно ошибка думать об этом в терминах ROI, потому что ROI настолько велик, что если вы не повернете, ваши конкуренты вас уничтожат. Так что, видите ли, нужно перестать думать. Просто подумайте о том, что вы находитесь в текстильной промышленности, и кто-то только что изобрел швейную машину. Так что, у вас есть люди, которые шьют иголками, знаете ли, делают одну рубашку за три дня. И тогда у вас есть кто-то, кто изобретает швейную машину, и они делают рубашку за 5 минут. Вот такая разница в масштабе. Так что, каков ROI швейной машины? Ответ либо у вас есть швейная машина, либо вы банкрот. Вот и все.

Conor Doherty: Вы ранее приводили примеры на Lokad TV о Kodak. Вы явно упомянули Kodak. Они изобрели цифровую камеру и не приняли ее и обанкротились.

Joannes Vermorel: Да, и дело в том, что эти революции были ограничены одной отраслью. Знаете, была цифровая камера, да, многие, я имею в виду, 90% игроков на этом рынке аргентического фотооборудования просто обанкротились. Но опять же, это было что-то вроде вертикального события. Так что это было событие вымирания, но ограниченное определенной отраслью.

Теперь интересно то, что LLM применяются буквально практически ко всем работам белого воротничка, и более конкретно к работам внутреннего офиса. Потому что, видите ли, внешний офис, если вы разговариваете с кем-то, если вам нужно это личное прикосновение и так далее, даже если вы в теории можете механизировать, не ясно, что рынок готов к этому.

Например, Amazon, вернемся, скажем, к 2000 году, технически вы могли купить мебель онлайн. Но люди не были готовы. Электронная коммерция все еще, им не хватало доверия к электронной коммерции, чтобы купить диван стоимостью 3000 долларов онлайн. Это заняло десять лет. Так что, через десять лет, теперь это стало частью, я бы сказал, да, люди говорят, да, вы можете купить диван онлайн. Вы даже можете купить автомобиль онлайн. Это стало частью культуры.

Технически вы могли продавать автомобили и мебель в 2000 году онлайн. Это не была техническая проблема. Это было скорее вопросом, готовы ли люди делать это уже, или это займет время? Так что, я бы сказал, что для внешнего офиса вещи будут происходить немного медленнее, потому что даже если вы можете роботизировать, как Amazon могла бы продавать мебель в 2000 году, но этот сегмент взлетел только через десять лет.

Рынок будет двигаться, я бы сказал, медленнее, потому что вы будете двигаться в ритме ожиданий широкой аудитории. Так что это будет немного медленнее. Но для заднего офиса, абсолютно нет, нет такого ограничения. Никому не важно, насколько роботизировано ваше выполнение производства и график производства или у вас есть армия клерков, чтобы это делать. Ваши клиенты не заботятся, никому не важно, кроме внутреннего круга.

Conor Doherty: За исключением клерков, которых, по вашим словам, сделают излишними.

Joannes Vermorel: Опять же, Lokad не была той, кто изобрел LLM. Это было сделано другими людьми. Я думаю, что это было изобретено людьми, такими как OpenAI. Они вошли в это, они не знали, что делают, кстати. Это очень забавно, потому что были интервью с Сэмом Альтманом, который сейчас говорит, что если бы мы знали, мы бы не создали OpenAI как некоммерческую организацию. Мы бы не публиковали каждый отдельный трюк, который мы обнаружили по пути.

Так что, видите ли, они действительно увлеклись этой идеей LLM. Это было просто продолжение последовательности. У вас есть кусок текста, и вы продолжаете. Я думаю, что сделаю лекцию по этому поводу. Был ряд инноваций, которые сделали LLM поистине, я бы сказал, технологическим чудом нашего времени. Но главное, я считаю, что это было неожиданно даже для компаний, которые изобрели это. Архитектура Transformer происходит от Google, но Google не был тем, кто разблокировал это, это была другая компания. Так что, в конечном счете, это было немного случайностью. Очевидно, случайности случаются с людьми, которые были хорошо подготовлены. Были люди, которые действительно делали очень умные вещи, смотрели в правильном направлении. Но последствия были невероятно удивительными.

Интересно, что даже исследователи в области искусственного интеллекта, такие как, скажем, Ян Лекун в Facebook, очень скептически относятся к силе LLM. Мой личный опыт использования их заключается в том, что это настоящая вещь. Так что это очень интересно. Это было таким сюрпризом, что даже люди, которые являются пионерами в этой области, не видят значимости, которую они представляют.

Conor Doherty: Стоит отметить, что роль Lokad в этом заключается только в наблюдении. Как вы описали, мы используем обе стороны искусственного интеллекта, как количественную, так и качественную.

Joannes Vermorel: Lokad не занимается исследованиями по улучшению LMS. Это очень специализированная тема, и есть компании, которые делают это очень хорошо.

Во Франции у нас есть Mistral AI, очень сильная команда, которая этим занимается, и они теперь конкурируют с OpenAI. Так что да, хорошо, я хочу видеть много конкуренции в этой области. Но для Lokad это имеет много последствий. Мы автоматизировали сложную часть в цепи поставок, квантитативные решения: прогнозирование, заказы, распределение, ценообразование, все квантитативные вещи. Но теперь, полное выполнение этого, со всеми мелочами, которые вам нужно сделать до этого, чтобы получить недостающую информацию, есть несколько вещей, которые отсутствуют, вам нужно их найти, либо отправить электронное письмо, либо найти в Интернете и т.д., и т.д., вы знаете, много мелких задач.

Раньше мы говорили клиентам: “Ну, если у вас есть такая проблема, пожалуйста, сделайте это”. Мы могли автоматизировать это, и иногда мы это делали, но это было довольно дорого. Теперь мы можем действительно роботизировать это, и то же самое происходит после принятия решения, такое как взаимодействие с поставщиками, устранение мелких проблем и так далее, все эти маленькие, повторяющиеся вещи также могут быть роботизированы.

Из-за того, что это уже существует, мы не можем себе позволить не делать этого. Это то, что требуют от нас наши настойчивые клиенты. Потому что, опять же, когда у вас есть швейная машина, не использовать ее - это просто неприемлемо. Вы не можете просто сказать: “Вы знаете, мы просто будем притворяться, что мы никогда не слышали о швейных машинах, и мы будем продолжать шить рубашки иголками”. Нет, вы должны использовать ее.

Conor Doherty: Вы говорите об этом, это выживание на каждом уровне. Это сотрудники, это компании, это вся отрасль, рыночный сектор, все. Все, что может быть автоматизировано, будет автоматизировано.

Joannes Vermorel: Да, и, кстати, это будет сюрпризом, я думаю, для белых воротничков. Но если посмотреть на синих воротничков за последние 150 лет, они пережили одну революцию за другой. Введение электричества было массовым вымиранием. Было тысячи разных вещей, которые внезапно были автоматизированы. Еще 150 лет назад в Париже самая распространенная работа, которую выполняло почти 10% населения, - это люди, которые носили воду. Так что у 10% людей были ведра и они носили воду, и это была самая популярная работа, и она вымерла.

Очевидно, положительная сторона заключается в том, что каждый раз, когда вы устраняете эти работы, общество в целом становится богаче, потому что это означает, что люди делают более интересные и ценные вещи, и все устраивается. Вещи устраиваются так же, как это произошло за последние 150 лет во всех промышленных революциях. Просто единственное, что удивительно, это то, что это затрагивает класс людей, белых воротничковых работников, которые до сих пор были относительно защищены. Так что теперь, ну, это просто случилось здесь, но вы знаете, это произойдет снова.

Conor Doherty: Вам даже не нужно возвращаться на 150 лет назад. Я имею в виду, за последние несколько десятилетий большинство людей пережило несколько вымираний в определенных областях, например, VHS был вытеснен DVD, электронная почта сделала факс бесполезным.

Joannes Vermorel: Например, мои родители, которые начали работать в Procter & Gamble более 40 лет назад, но то, что они делали, когда они рассказывали мне как сотрудники начального уровня, например, одна из вещей, которую они делали, это было работа человека, который при согласовании контракта брал молодого сотрудника и просматривал построчно два документа, один черновик и ответ, контрпредложение вашего поставщика, партнера или кого-то еще, и просто отмечал ручкой разделы, в которых были различия. И это занимало часы.

И так они платили множество людей только для того, чтобы найти различия. А теперь, где Microsoft Word просто делает разницу между документами, или вы используете функцию отслеживания изменений, и все готово. Так что буквально уже довольно много задач, которые уже вымерли. Но это происходило, я бы сказал, постепенно. Вещи происходили с тем темпом, который был медленным. Интересная вещь с LLMs заключается в том, что это довольно большой шаг, и это шаг, где, я бы сказал, буквально, мы только что перешли на 20 лет вперед всего за один год. Вот как это чувствуется после внедрения этих технологий в производство в последний год.

Conor Doherty: Lokad часто сотрудничает с университетами, обучая людей вступать в сферу поставок. Это значит, что мы просто собираемся отказаться от всего этого? Это пустая трата времени изучать науку о поставках, потому что она исчезает?

Joannes Vermorel: Нет, я так не думаю. То, что мы преподаем, это не повседневные задачи, такие как отправка электронной почты поставщику, чтобы получить последние MOQ. Если вы посмотрите на содержание лекции, оно больше о том, как понять стоимость в долларах отсутствия товара на складе и как об этом думать.

Если вы хотите получить ответ от Chat GPT, они будут генерировать бессмыслицу. Даже если это GPT-4, мы еще не на этом уровне. То, о чем я говорю в лекциях, не является тем, что автоматизируется. Но когда я смотрю на компании поставочной цепи, процент времени, которое люди в поставочной цепи тратят на долгое и тщательное размышление о фундаментальных вопросах, таких как что означает качество обслуживания в глазах наших клиентов, очень мал.

Большая часть того, что я рассказываю в своих лекциях, это фундаментальные вопросы, которые часто обманчиво просты, такие как что означает слово “будущее”? Что означает правильно предсказывать будущее или адекватно его оценивать? Это действительно сложные вопросы, и если вы задумываетесь над этими вопросами и способны давать соответствующие ответы своей компании, то вы не на грани автоматизации. Вот почему я говорю, и я все еще придерживаюсь этой позиции, что LLM все еще невероятные болтуньи.

Так что, если вы хотите достичь этого уровня понимания, мы еще не на этом уровне. У вас будут галлюцинации и прочее. Но если вам нужно автоматически избавиться от этой рутины, то это уже решено. Вот почему я говорю, сосредоточьтесь на фундаментальных вопросах, сосредоточьтесь на вопросах, которые требуют долгого и тщательного размышления. Это не исчезнет. То, что исчезнет, это фоновый шум, бесконечные пустяки. Это будет решено с помощью Large Language Models (LLM).

Conor Doherty: Хорошо, у нас есть несколько вопросов от аудитории, и мы уже идем 50 минут. Многие из этих вопросов фактически касаются того, о чем я бы хотел закончить. Поэтому, прежде чем перейти к вопросам аудитории, я бы хотел, если это возможно, дать краткое резюме на уровне руководителя для тех, кто пропустил первые несколько минут. И я думаю, что важно, ваш призыв к действию для всех сегментов, ну, так сказать, людей, работающих в задней комнате, генеральных директоров, во всех секторах.

Joannes Vermorel: Краткий ответ - LLM, Large Language Models, представляют собой событие вымирания для корпоративных функций заднего офиса, которые работают только для белых воротничковых работ, где у вас есть люди, которые просто получают данные, преобразуют, перетасовывают и выводят их. Знаете, и посмотрите на вашу организацию на всех уровнях. У вас буквально армии людей, которые делают именно это. Они берут некоторые электронные письма и, возможно, 20 разных небольших разнородных источников данных, они немного обрабатывают и перемещают эту информацию на один шаг.

Сообщение заключается в том, что все это уже можно автоматизировать. И довольно много компаний уже полным ходом этим занимаются. Вы уже можете видеть в новостях, что они не только находятся в производстве, но они уже начали увольнять людей с этих должностей. И я не говорю о нескольких людях тут и там. Я говорю о крупных компаниях, делающих объявления типа: у нас было 6000 человек, чтобы делать это, теперь у нас 50. И был огромный сокращение. И они продолжают двигаться полным ходом, и я ожидаю, что эти вещи только усилятся.

Опять же, задние офисные работы, это будет целью. Поставочная цепь - одна из таких функций. Я подозреваю, что есть еще полдюжины других вещей, которые будут. Бухгалтерия, вероятно, также будет сильно затронута, потому что в бухгалтерии у вас есть умное, очень умное высокоуровневое мышление, которое определяет, как вы хотите организовать свою бухгалтерскую структуру и тому подобное. Но у вас также есть рутина. Кто-то присылает мне PDF, мне нужно извлечь полдюжины соответствующей информации, чтобы сгенерировать бухгалтерскую запись, соответствующую этому PDF-документу. Хорошо, это сделано. Это можно полностью автоматизировать.

Так что все это исчезнет очень быстро. И для некоторых компаний это уже не будущее, это уже настоящее. И мы говорим о месяцах. Итак, краткое резюме - событие вымирания, это дело месяцев. Да, вам нужно действовать быстро. И, кстати, Lokad, когда я осознал это, я потратил первые три месяца 2023 года, просто переосмысливая всю технологическую дорожную карту Lokad, потому что все, что я представлял раньше, было утрачено.

Так что для нас это был довольно резкий поворот. Я имею в виду, внутри Lokad, и мы автоматизировали довольно много вещей. И буквально мы были так заняты этим, что не так много об этом говорили. Но это было моим ежедневным расписанием уже год.

Conor Doherty: Прежде чем мы перейдем к вопросам аудитории, стоит отметить, что традиционно мы много говорили о вероятностном прогнозировании, стохастической оптимизации и всем этом. Об этом даже не было речи в этом разговоре, потому что это уже урегулировано. Это было передовым опытом уже много лет. Так что эти количественные решения, стоит отметить, запасы, заказы на закупку, распределение, ценообразование, по крайней мере, что касается Lokad, это было решено лет десять назад. Это уже было сделано. Люди по крайней мере отчасти или окружающим образом осведомлены об этом. Суть сегодняшнего дня в том, что вы говорите обо всем остальном, что осталось.

Joannes Vermorel: Да, именно так. Рутинные, шумные, окружающие мелочи, все эти тысячи мелких несчастных случаев, которые не требовали 10 лет в цепи поставок. Подумайте только о том, чтобы задать случайный вопрос партнеру, перевозчику, поставщику и так далее. И, кстати, компании регулярно нанимали сотни людей с одним месяцем обучения. Эти люди могли работать. Но подумайте о чем-то, что требует менее шести месяцев обучения, скорее всего, это то, что может автоматизировать LLM.

Знаете, если это то, где кто-то понимает это всего за несколько месяцев, хорошо, это можно автоматизировать. Если это занимает десять лет, навыки и преданность и терпение, нет. Но простые вещи, которые, вероятно, будут более стратегическими в любом случае, это различие. Да.

Conor Doherty: Хорошо. Я рекомендую выпить глоток воды, потому что есть несколько вопросов, которые нужно пройти. Так что всем большое спасибо за ваши вопросы. Наш продюсер собрал вопросы. У меня нет доступа к чату YouTube, поэтому я не знаю, сколько вопросов было задано, но все, что было похоже, было объединено. На вопросы, на которые мы сегодня не ответим, мы предоставим более подробные ответы либо в следующем видео, либо на LinkedIn.

Первый вопрос от Константина. Он спрашивает: “Какие должности могут устареть? Видите ли вы будущее для ролей прогнозирования и планирования?”

Joannes Vermorel: Должности, такие как планировщик поставок и спроса, аналитик запасов, менеджеры категорий, все это, я бы сказал, исчезло. Это буквально уже исчезло. Люди, которые смотрят, могут не согласиться, но вы просто сообщаете. Например, прогнозирование, Lokad автоматизировал это почти десять лет назад. То, что не было автоматизировано, обычно были маленькие случайные данные, такие как дублирующиеся продукты или определение, какой продукт является потомком другого продукта. Например, этот продукт - это просто четвертое поколение устройства, а это пятое поколение. Так что это просто то же самое, немного лучше. Это то, что LLM определенно может автоматизировать. Так что все это полностью автоматизируемо и исчезло.

То, что нельзя автоматизировать, это что-то вроде ученого в области цепей поставок, где вы создаете числовые рецепты, которые автоматизируют все, что нельзя автоматизировать. Вы можете автоматизировать работу, но вы не можете автоматизировать создание числовых рецептов, и вы не можете автоматизировать стратегическое мышление, которое позволяет превратить все в доллары ошибки, доллары прибыли. Вам нужно иметь финансовую перспективу, которую LLM не может обеспечить. Но все эти мирские управленческие работы, где много повторяющихся вещей, уже исчезли. И для прогнозирования это то же самое. Это было позицией Lokad последнее десятилетие. Так что здесь нет ничего нового.

Конор Доэрти: Я уверен, что все будут удовлетворены этим ответом. Переходим к следующему. Спасибо. Переходим к следующему вопросу от Шерара. “Джоаннес, не могли бы вы подробнее рассказать о преимуществах искусственного интеллекта и цепочки поставок на примерах в реальном времени?”

Джоаннес Верморель: Сначала давайте определим понятие “в реальном времени”. В цепочке поставок мы не говорим о реальном времени в том же смысле, что и поддержание полета самолета, что требует времени реакции в миллисекундах. В цепочке поставок, даже если вы хотите дать указания водителю грузовика, чтобы он управлял движением, минутная задержка не так уж плоха. В реальном времени в цепочке поставок может быть робот внутри склада, выполняющий автоматическую сборку. Большинство проблем в цепочке поставок не являются проблемами в реальном времени. Большинство проблем могут позволить себе часовую задержку. Очень мало вопросов в цепочке поставок требуют ответа менее чем за час.

Итак, снова, с LLM вы хотите получить информацию, выполнить поиск в Интернете, получить результаты, вернуть их. Вы хотите узнать адрес поставщика и автоматически получить его. Это очень просто сделать с помощью некоторой логики, которая делает это автоматически. Это легко. Мы говорим о всех основных решениях, всем, что было связано с планированием, планированием производства, распределением, ценообразованием, обновлением. И то, что мы добавили, это все то, что окружает это, где есть управление мастер-данными, взаимодействие с сетью, уведомление клиентов о задержках, уведомление поставщиков о проблемах и так далее, все это теперь может быть автоматизировано. Это не суперумное, но это второй уровень, который также может быть автоматизирован.

Конор Доэрти: Но суть в том, что для этого не требуется латеральное мышление. Если это просто, термин, который вы использовали, был шаблонизация, если это просто “Ищите этот тип”, это почти булево. Если это, то.

Джоаннес Верморель: Да, и главное отличие между, скажем, экспертными системами 90-х годов заключается в том, что когда я говорю, что LLM - это универсальные машинки для шаблонизации, устойчивые к шуму, это означает, что не имеет значения, если электронное письмо плохо сформулировано. Это не имеет значения. Я имею в виду, что это даже не имеет значения, если письмо написано на русском или японском языке. Эти вещи могут прочитать практически любой язык. Если только кто-то не отправит вам сообщение, написанное на редком языке, например, на зулусском диалекте. Если оно написано на любом языке, на котором говорит хотя бы 100 миллионов человек по всему миру, то все готово. И я бы сказал, что 100 миллионов - это много. Любой язык, на котором говорит хотя бы 10 миллионов человек по всему миру, подходит.

Конор Доэрти: Следующий вопрос от Тамита. “Не является ли само ценообразование представителем воспринимаемого влияния на конечный результат, особенно ценообразование Chat GPT по сравнению с Gurobi или CPLEX?”

Джоаннес Верморель: Gurobi и CPLEX - это математические решатели, поэтому они даже не относятся к одному классу продуктов. Они совершенно разные инструменты и даже отдаленно не решают одни и те же задачи. Они являются математическими решателями. Итак, Gurobi и CPLEX, для аудитории, это вы формулируете проблему в виде списка ограничений и целевой функции, и это дает вам ответ. Это математический компонент.

И я не уверен, была ли эпизод уже опубликована, но мы только что сняли одну о стохастической оптимизации. Нет, скоро будет. Главное заключение заключается в том, что причина, по которой Gurobi и CPLEX не являются подходящими для цепочки поставок, заключается в том, что они не учитывают стохастичность. Мы обсудим это в другом эпизоде, но это совершенно другой класс инструментов. LLM - это шаблонизация текста и выполнение всевозможных преобразований текста, извлечение информации, быстрый анализ текстовых данных. И когда я говорю текст, я имею в виду обычный текст, последовательность букв, цифр и символов. Так что это совершенно разные проблемы. И они даже отдаленно не решают одни и те же задачи.

Конор Доэрти: Как и в моей предыдущей попытке поставить флаг, многие до сих пор не полностью понимают влияние искусственного интеллекта. Это событие уровня вымирания для почти всех профессий, кроме тех, которые находятся на очень высоком уровне.

Жоанн Верморель: Причина в том, что, например, Gurobi и CPLEX - это нечто незначительное. Я имею в виду, эти вещи существуют уже около четырех десятилетий, и проблема в том, что, опять же, мы обсудим это в другой серии, они не решают, они не учитывают фронтальный стохастический аспект. Так что это не стартовая позиция. И даже если бы они это сделали, вам все равно нужен был бы кто-то вроде ученого по цепям поставок, чтобы использовать их. Так что это не быстрая победа. Это не то, что может произойти за несколько часов. LLM, для такого рода, знаете, мелкой проблемы, маленьких телефонов, это те вещи, где вы можете получить решения буквально за несколько минут.

Конор Доэрти: Может ли увеличение числа судебных дел о выплатах авторских вознаграждений от лиц, чьи данные способствовали обучению LLM, потенциально затруднить прогресс и принятие технологии путем увеличения цен?

Жоанн Верморель: Забудьте об этом. Некоторые компании показывают, что они могут иметь LLM, которые близки по производительности к Open AI, используя корпус, который намного меньше, например, просто Википедию. Так что ответ - нет. Мы не говорим о общем искусственном интеллекте для изображений, которые могут нарушать интеллектуальную собственность Disney или кого-то еще. Мы говорим о вещах, которые являются супер мирскими, например, вот кусок текста, скажите мне, кто отправил электронную почту, какой минимальный заказ, дает ли эта персона определенный ответ или неопределенный ответ, или уверена ли эта персона в точности данного ответа. Это те вещи, на которые вы можете получить ответ из электронной почты автоматически. Об этом мы говорим. Так что это будет полностью незначительной проблемой.

Даже если людям придется переобучать свои LLM, потому что им придется отказаться от 3% базы данных ввода, это нормально. Это то, что доказала французская компания Mistral, что вы можете переобучить LLM производственного уровня, скажем, уровня Open AI, всего за несколько сотен тысяч евро. Так что это уже сделано. Возвращаться назад нет смысла. Есть работа вокруг этих вещей, которая, в лучшем случае, будет небольшим шумом, но это уже сделанное дело, что ничего не изменит.

Конор Доэрти: И в конечном счете, вы используете его как машину-шаблонизатор. Опять же, вы говорите ему точно то, что вы хотите найти, и даете ему ввод вроде “Найдите в этом письме информацию”.

Жоанн Верморель: И снова, мы говорим о задачах внутреннего управления. Мы не говорим о том, чтобы написать следующую книгу о Гарри Поттере и быть поданым в суд адвокатами Дж. К. Роулинг, потому что ваш материал просто галлюцинирует близкую копию Гарри Поттера. Об этом мы не говорим. Мы говорим о просто представьте себе такие электронные письма, просто представьте последние 100 электронных писем, которые вы написали, и сколько изобретательности, оригинальности и абсолютного, я бы сказал, интеллекта на уровне человека в них содержится. И шансы на это не так уж и велики. Я имею в виду, даже если я посмотрю на то, что я пишу ежедневно, большая часть этого не такая уж и необычная. И это то, что автоматизируется очень быстро.

Конор Доэрти: Стоит только добавить небольшой комментарий, что если было впечатление, что речь идет о самом Chat GPT, нет, мы говорим о LLM как технологии самой по себе, а не конкретно о взаимодействии с ним в Интернете.

Жоанн Верморель: И более конкретно, LLM как программный компонент. Просто как у вас есть реляционная база данных, у вас есть подсистемы в вашем программном обеспечении, у вас есть подсистемы транзакционной базы данных, веб-сервер и т. д., и здесь у вас есть одна, которая является LLM, и это просто один из способов выполнения определенных шагов в вашей программе. Не думайте о LLM как о чем-то, что поставляется с интерфейсом чата. Почти все, что я автоматизировал в последний год, не имеет интерфейса. Это буквально скрипт, который просто выполняет что-то от начала до конца, без пользовательского интерфейса. Это элемент общей структуры, другими словами.

Конор Доэрти: Джеймс спрашивает, какой совет вы бы дали молодому человеку, стремящемуся заняться логистикой, в том, как развивать свои навыки и как лучше продавать этот навык в контексте описанного вами события вымирания?

Жоанн Верморель: LLM-ы заставляют вас повысить свой уровень стратегического понимания. Овладение глупыми рецептами, такими как ABC-анализ и прочими, не имеет смысла. Вооружитесь последними инструментами, которых пока не хватает GPT-4, такими как способность проводить глубокий анализ. Долго и упорно размышляйте над проблемами, и вы придете к выводам, которые в большинстве случаев будут верными. Умейте синтезировать проблему так, чтобы он был лучше, чем то, что производит GPT-4. Это очень ценные навыки, которые останутся востребованными, когда вы будете использовать свои интеллектуальные способности на более высоком уровне, который превосходит возможности машины.

И я считаю, что такие навыки мы все еще не сможем автоматизировать. Даже если вы посмотрите на критически настроенные голоса в исследовательском сообществе, например, на то, что говорит Ян Лекун. Он говорит, что LLM-ы не являются ответом на общий интеллект, и в этом я согласен с Яном Лекуном. Где я не согласен, так это в том, что я считаю, что нам не нужен общий интеллект, чтобы столкнуться с вымиранием рабочих мест в офисе. Нам просто нужны LLM-ы, и LLM-ы - это более низкий уровень интеллекта, но это вполне достаточно, чтобы заменить 90% рабочей силы, и это будет довольно радикально. А что касается оставшихся 10%, то мы увидим.

Так что для молодого человека, который выбирает эту карьеру, я бы посоветовал, например, посетить мои лекции. Вы увидите, что большая часть из них не сводится к тривиальным вещам, это не о скучных деталях, это о фундаментальных вопросах, таких как “С какими фундаментальными проблемами мы пытаемся справиться?” У меня есть целая глава о персонах, это сложно, какие проблемы мы пытаемся решить для этой цепочки поставок, и ответы различаются в зависимости от отрасли. Это сложно.

Какие парадигмы программирования являются актуальными? Потому что, как я уже сказал, LLM-ы могут автоматизировать множество вещей, но числовые алгоритмы они не пишут сами. Да, LLM-ы могут помочь, но им не хватает высокоуровневого суждения, чтобы определить адекватность. Даже если код написан с помощью машины, вам все равно нужно, в значительной степени, и я думаю, что это останется, суждение на уровне человека, чтобы понять, насколько он действительно адекватен.

Вот здесь LLM-ы будут усилителем, но они не заменят навыки программирования. Если у вас есть навыки программирования, ваши навыки станут еще более ценными, потому что теперь вы будете еще более продуктивны с использованием технологий LLM. Так что мое внимание сосредоточено на фундаментальных вопросах, критическом мышлении, анализе на стратегическом уровне, а также на таких сложных темах, как парадигмы программирования и даже соответствующие математические инструменты. Например, для того чтобы правильно рассуждать о вероятностных прогнозах, вам нужно иметь качественное понимание этих математических инструментов, и это также не исчезнет. GPT-4 не автоматизирует это.

Конор Доэрти: Лайонел спрашивает, как искусственный интеллект, управляемый цепочкой поставок, влияет на малые и средние предприятия по сравнению с крупными или крупными корпорациями?

Жоанн Верморель: Я считаю, что эффект будет еще более заметным для малых компаний. Почему? Потому что крупные компании могут позволить себе иметь большие специализированные бюрократии, а малые компании - нет. Малые компании знали, что они не могут конкурировать с крупными компаниями, потому что у них не может быть отдела из 200 человек и 10 разных специализаций и тому подобного.

Но интересно то, что производительность с использованием таких инструментов настолько высока, что внедрение автоматизации становится доступным даже для малых компаний. Кстати, Lokad - это компания с 60 сотрудниками, и я автоматизировал множество вещей во всех направлениях, и это можно сделать очень быстро.

Интересно то, что для выполнения задач не требуется команда из 20 программистов. Если вы делаете все правильно, то за несколько часов можно достичь поразительных результатов.

Мое мнение заключается в том, что средние компании, может быть не очень маленькие, но скажем, компании с оборотом от 50 миллионов долларов и выше, смогут механизировать процессы с невероятной скоростью и соперничать с крупными компаниями, потому что единственным ограничением будет доступ к LLM, и у вас будет доступ к тем же самым LLM, что и у Samsung или Apple, или любой другой гигант.

У вас есть доступ к тем же инструментам. Так что, если говорить о аналитике, да, у Apple, вероятно, есть гораздо более талантливые аналитики спроса, чем у вас, но у них есть доступ к тем же самым LLM, что и у вас. Так что это своего рода великий уравнитель в возможностях автоматизации.

Conor Doherty: Следующий вопрос от Ника: как использование LLM, как одного из пионерских методов в Lokad, повлияло на показатели эффективности вашего бизнеса, такие как отток клиентов, новые подписки и удовлетворенность клиентов?

Joannes Vermorel: В целом, я бы сказал, что мы находимся на стадии промышленного производства около 12 месяцев. То, что мы автоматизировали сейчас, имеет качество, превосходящее возможности человека. Вы буквально можете видеть, что мы автоматизировали. Это делается лучше, чем раньше, и очень часто с использованием в 100 раз меньшего количества рабочей силы.

Для тех, кто не знаком, в Lokad, как поставщике корпоративного программного обеспечения, мы говорим о длительных циклах продаж. Я бы хотел заключать сделки с клиентами за три недели, но, к сожалению, это процесс, занимающий около трех лет. Извините, с 18-месячным процессом подготовки предложений, который сводит меня с ума. Это с использованием ИИ, и это с использованием ИИ для подготовки предложений. Так что, я имею в виду, это медленно. Но опять же, поэтому я говорю, что то, что касается продаж и прочего, это медленно, но отзывы наших клиентов были невероятно положительными.

Это могут быть простые вещи, например, автоматическое создание отчета для двухчасового обсуждения с клиентом. Отчет очень хорошо организован и содержит все ключевые моменты обсуждения. У нас есть собственная внутренняя технология по созданию этих высококачественных меморандумов после встречи. Она работает отлично, и мы получили очень положительные отзывы от наших клиентов по этому поводу.

Мое впечатление заключается в том, что задачи, которые мы автоматизировали, выполняются лучше, чем раньше, и как минимум мы достигли повышения производительности в 20 раз. Это абсолютно потрясающе.

Что касается показателей подписки и других метрик, пока рано говорить. Как поставщику корпоративного программного обеспечения, мои циклы продаж невероятно медленные. Мы обсудим это через несколько лет.

Я считаю, что неправильно ориентироваться на цифры. Цифры приходят слишком поздно. Просто подумайте о Kodak. К тому времени, когда цифровая фотография стала чем-то, она была ничем. Если Kodak был бы человеком, который падает с высоты и говорит, что пока все идет хорошо, нет, вы падаете, вы ударитесь о землю сильно. Вы не правы.

К тому времени, когда люди увидят цифры, компании будут иметь роботизированные армии. Мое предсказание состоит в том, что будут компании, двигающиеся вперед в этом направлении, и я вижу, что эти компании станут Amazon следующего десятилетия.

Таким образом, в итоге они движутся на полной скорости, и если я посмотрю вперед на пять лет, я уже вижу, что эти компании смогут превзойти всех своих конкурентов с ценами, с которыми их конкуренты просто не смогут соперничать. И в терминах гибкости проблема заключается в том, что при наличии армии людей, если у вас есть собственная организация, я говорю о большой компании, у вас есть сотни людей, которые занимаются планированием, S&OP, прогнозированием и всем этим, вы медленны.

Вы - большая бюрократическая организация. По определению, если у вас есть, скажем, 200 человек, вы не можете быть гибкими. Просто у вас слишком много людей. Если вы сможете сократить это до 20 человек, тогда вы сможете быть как тигр, знаете, супергибкими, супербыстрыми. И снова, это означает, что эти компании будут сильно превосходить других по стоимости, они будут сильно превосходить других по гибкости, это многое, это действительно многое.

Вне человеческого интеллекта они будут превосходить по качеству исполнения. В программной индустрии есть поговорка, что все, что зависит от ручного вмешательства, ненадежно. Вы не можете достичь надежности, если вмешивается человек.

Так что, то, что я вижу, это то, что даже в терминах качества исполнения, надежность будет зашкаливать по сравнению с ручными процессами. Так что это означает, что, знаете, гибкость, стоимость, надежность, производительность, я имею в виду, это снова то, почему я говорю о вымирании. Компании, которые сделают это, выживут, те, кто не сделает, исчезнут, знаете, в течение десятилетия.

Так что это будет медленно развиваться, потому что, опять же, есть некоторая инерция. Во Франции, например, я общался с многими розничными компаниями, и я помню живо, что это было до того, как я начал Lokad. Я говорил им, и это было в 2004 году, я был студентом, я вернулся из США, где провел два года, и я говорил розничным компаниям во Франции, и я говорил им: “Amazon уничтожит вас”. И люди говорили мне: “О, электронная коммерция - это всего лишь тренд. Это просто, знаете, у них 0,1% рыночной доли, нам все равно, это ничто”.

И для меня это уже было записано. Вопросов не было, это было просто вопросом времени. Это уже было записано. Либо как розничная компания, вы поворачиваете на электронную коммерцию, если вы этого не делаете, то Amazon и их конкуренты просто уничтожат вас. И это произошло, кстати. Я видел, как несколько таких компаний обанкротились. Это заняло десятилетие, но это произошло. И это произойдет с многими другими компаниями.

И то, что делает это очень интересным для LLM, это то, что это не связано с отраслями. Некоторые отрасли будут более затронуты, но в целом все, что имеет эти функции поддержки внутренних служб, будет сильно затронуто.

Conor Doherty: Важно также добавить к тому, что вы сказали, в примере Lokad, что функции, которые вы описали, которые были автоматизированы с помощью LLM, превышают все остальное, что было сделано с помощью искусственного интеллекта. Так что снова это не просто, “О, у нас есть несколько вещей”. Речь идет о высококвалифицированной рабочей силе, где все скучные, однообразные вещи, как количественные, так и качественные, насколько это возможно, были автоматизированы, тем самым освобождая всю эту умную работу для решения реальных проблем. Так что, если у вас есть компания, которая делает это, в отличие от той, где этого не делают, это дарвинизм, в основном.

Joannes Vermorel: Именно так. Красота этого заключается в том, что здесь действует Шумпетеровское разрушение. Это в интересах компаний стать богаче. Например, если бы в Париже до сих пор 10% населения занимались доставкой воды, Париж был бы очень бедным городом.

Париж стал городом первого мира только потому, что, по нашим современным стандартам, мы не занимаем 10% населения глупыми вещами. Именно освобождая людей от невероятно скучных работ, мы можем позволить себе заниматься искусством, быть творческими, быть изобретательными.

В компаниях, работающих с цепями поставок, если все постоянно занимаются тушением пожаров, решением мелких проблем, песчинок в механизме, которые сбивают все с толку, но не в грандиозных, эпических масштабах, а просто глупо, и это просто поглощает всю энергию.

Подумайте о том, что все эти мелочи, это то, что поглощает всю энергию, и тогда нет возможности даже думать, потому что этого слишком много. Я считаю, что это действительно будет что-то, что будет способствовать улучшению цепи поставок, потому что внезапно люди смогут думать стратегически, не запутываться в миллиарде мелких отвлечений, которые не заслуживают их внимания.

Давайте иметь миллион полу-глупых помощников, потому что это то, что LLM-ы и есть, миллион полу-глупых помощников, которые занимаются этими вещами, которые не заслуживают человеческого интеллекта.

Conor Doherty: Последние два вопроса. Этот вопрос от Лионеля. Какие примеры успешного сотрудничества ИИ и человека в операциях цепи поставок мы можем изучить?

Joannes Vermorel: Не думайте в категориях сотрудничества. Это ошибка. Не будет никакого общего сопилота.

В конце концов, всегда есть люди и машины. Да, есть форма сотрудничества, но она не выглядит так, как вы себе представляете. Это не сопилот. Когда я автоматизировал автоответчик RFP, как выглядело сотрудничество? Я сел за свой стол, потратил неделю на написание этого автоответчика, и теперь у меня есть автоответчик.

Каждый раз, когда поступает RFP, мы запускаем машину, получаем ответы. Вот как выглядит сотрудничество. И когда OpenAI выпускает, например, GPT-4 Turbo или какие-то новые модели, я делаю небольшое обновление в своем коде, чтобы воспользоваться последними новинками, и мы снова в бизнесе.

Это сотрудничество, но в том смысле, что я пишу некоторый код, и когда что-то меняется, я немного изменяю свой код. Вот о таком сотрудничестве идет речь. Это не так, что я веду диалог с машиной. Я не веду диалог с GPT или чем-то подобным. Так это не работает. Так не играют в эту игру.

Так что не думайте о LLM-ах как о чем-то сотрудничающем. Большинство вещей, которые мы автоматизируем, мы полностью автоматизируем, и после этого никто больше не участвует. Это просто сделано.

Для примера, веб-сайт Lokad полностью переводится автоматически, и красота этого, вы можете посмотреть онлайн, красота этого заключается в том, что мы переводим не английский, мы переводим HTML напрямую. Это как взять исходный HTML и перевести его, и мы сэкономили 90% усилий, потому что внезапно мы можем все итерировать, и LLM-ы достаточно умны, чтобы знать, какой HTML не следует трогать, потому что это тег, и что является фактическим английским, которое нужно перевести. Прекрасно.

Так что это уже сделано. Для аудитории все страницы, которые у нас есть для видео Lokad TV, где у нас были временные метки, раньше мы делали это вручную, теперь это делается автоматически. Я сделал, теперь это делается автоматически.

Так что, вот там, где вы хотите взять одну часовую дискуссию, создать временные метки автоматически, сделано. Я могу упомянуть вещи, которые более сложны, потому что наибольшую пользу мы получаем от задач внутреннего управления в Lokad, так что это не то, что видит клиент, но это такие сложные вещи.

Точка в том, что мне займет слишком много времени, чтобы просто объяснить, почему нам это вообще нужно, но суть в том, что примеры продолжаются и продолжаются. Обычно мы стараемся автоматизировать это в течение дня. Вот как это выглядит. И да, есть немного манипуляций с подсказками, но вопрос опять же в том, что нельзя автоматизировать? Сейчас это более сложный вопрос, чем отвечать на вопрос, что можно автоматизировать.

Conor Doherty: Интересно, что вы поднимаете этот вопрос, потому что, когда вы привели пример суммирования дискуссии, и это больше относится к тому, что вы только что сказали, насколько далеко мы можем зайти? Я имею в виду, в офисе, сейчас обсуждается, как мы можем делать сводки дискуссий, скажем, с клиентами или с потенциальными клиентами, и на основе того, что было обсуждено, автоматически искать информацию на веб-сайте, вставлять соответствующие ссылки в соответствующие части материалов, просто, что мы не можем сделать? Ну, оказывается, мы можем. Мы работаем над этим. Но вот, что нельзя сделать? Сложно составить список того, что нельзя сделать с помощью LLM.

Joannes Vermorel: Прямо сейчас все, что является действительно высоким уровнем, я просто придумываю слова, потому что нам не хватает слов, но я бы сказал, что это высокий уровень человеческого интеллекта или более высокие формы интеллекта, вещи, где вам нужно долго и упорно думать, потенциально часами, чтобы получить ответ, не то, где вы можете иметь инстинктивный ответ, LLMs тоже могут это сделать.

Но что-то, снова, эм, что должно быть, эм, просто подумайте о очень сложных вопросах, таких как, что означает качество обслуживания для наших клиентов? Это очень сложный вопрос. Какими должны быть наши приоритетные целевые сегменты? Макро-вопросы для компании, это те вопросы, на которые вы можете буквально потратить недели, чтобы получить ответ, и в этом LLMs все еще не справляются.

Если у вас есть вопрос, на который столь важно потратить недели, чтобы получить ответ, высокий уровень человеческого интеллекта даст вам лучший ответ, чем GPT-4. Но если это вопрос, на который у вас есть всего 60 секунд времени для размышления, то ответ, который вы получите от человека, не будет очень хорошим. Тикает часы. Если вы даете мне 60 секунд, чтобы дать ответ на что-либо, это не будет хороший ответ.

Conor Doherty: Возможно, это так, но не каждые 60 секунд каждый час семь или восемь часов в день, 300 дней в году, 50 лет. В этом разница.

Joannes Vermorel: В этом разница. Конечно, если я отдохну 30 минут, то да. Но LLM не устает. Вы можете запустить его и буквально автоматизировать миллионы операций в день, и это даже несложно.

Conor Doherty: Это последний вопрос от Лионеля. Как маленькие страны могут использовать ИИ в управлении цепями поставок, чтобы преодолеть свои уникальные географические и экономические проблемы, и каковы последствия для местных рынков труда?

Joannes Vermorel: Красота в том, что LLMs чрезвычайно доступны. Требования к пропускной способности для использования LLMs ничтожны. Вы можете буквально отправлять килобайты данных, и это работает. LLMs работают на расстоянии, поэтому если вы находитесь в бедной стране, достаточно иметь приемлемое низкоскоростное интернет-соединение, и все будет хорошо.

Для этого не требуется высокоскоростное подключение. Так что все в порядке. Не требуется высококвалифицированный персонал. В этом и красота. Проектирование подсказок, вероятно, из всех почти инженерных навыков, которые мне пришлось освоить за последние два десятилетия, самое простое. Это буквально то, что вы освоите за несколько часов.

Вот почему теперь дети делают всю свою домашнюю работу с помощью Chat GPT. Я имею в виду, это легко, как для детей. И вот где я говорю, что принятие этой технологии будет происходить быстро, потому что это не то, о чем говорят, “У меня есть степень в проектировании подсказок”. О чем ты говоришь? Это то, что если вы немного поработаете над этим, чтобы разобраться в нем, вы разберетесь в нем буквально за несколько дней. Это несложно, я имею в виду, владение Excel сложнее, чем владение проектированием подсказок.

Итак, если вы находитесь в бедной, удаленной стране, это супер доступно. Кстати, я вам говорил, что эта технология дешевая? Она дешевая, как грязь. Просто подумайте, чтобы понять, посмотрите на наш веб-сайт, он гигантский. Речь идет о тысяче страниц, тысяче веб-страниц. Так что, если бы мы решили распечатать его, это, вероятно, было бы около 3000 страниц формата A4. Эти ЧаВо огромны, больше чем это.

Итак, речь идет о большом, толстом веб-сайте. Мы переводим его на семь языков. Стоимость одного пакета от английского на все эти языки, и снова речь идет о 3000 страницах текста, если мы сохраняем его, составляет 150 долларов с OpenAI. Это то, что я плачу. И, кстати, стоимость выполнения этой работы с фрилансерами, которых мы раньше использовали, составляла около 50 000 долларов за каждый язык.

Так что стоимость снизилась с того, что было практически нулевым, четвертью миллиона или более четвертью миллиона, чтобы получить перевод, до 150 долларов. И, кстати, стоимость будет еще ниже, потому что OpenAI недавно снизила цены. И у нас есть, кстати, мы делаем это, мы даже не используем GPT-4, мы все еще используем GPT-3.5. И с Mistral нам следует попробовать, но Mistral еще дешевле.

Так что, вероятно, через три года перевод этих огромных 3000 страниц будет стоить около 50 долларов. Так что красота в том, что я думаю, для развитых стран это огромная возможность, это огромный уравнитель. Просто подумайте, что за несколько долларов, а не копеек, вы можете играть с теми же инструментами, что и у крупных игроков, и вы находитесь на том же уровне, что и люди, у которых есть миллионы, как у Apple. Вы играете с теми же инструментами.

Так что это будет невероятный уравнитель. И если вы умны и у вас есть страсть, вы будете учиться по ходу дела. И это снова не очень сложно. Это, вероятно, одна из самых невероятно доступных революций. И я считаю, что даже бедные страны теперь имеют возможность использовать LLM, даже с плохими интернет-соединениями, достаточными для этого. Вам не нужен даже широкополосный доступ. Если у вас есть надежное соединение с пропускной способностью 20 килобайт в обе стороны в секунду, вы в порядке.

Conor Doherty: Я думаю, мы говорили более полутора часов. Итак, если я могу только подытожить все это, Скайнет?

Joannes Vermorel: Нет, не Скайнет. Это было мое неправильное ожидание 18 месяцев назад. Я говорил, что это такое глупое, что это ничто. Нет, это универсальная шаблонная машина, и это изменит все. Это швейная машина для белых воротничков, то, что швейные машины сделали для текстильной промышленности.

Красота в том, что это простота. Даже на тот момент швейная машина была на порядки проще, чем часы. По стандартам 19 века это была несложная машина. Уже были машины, которые были на порядки сложнее. Тем не менее, она была обманчиво простой и всего за одну ночь увеличила скорость работы текстильной промышленности в 100 раз. Если вы думаете, что швейные машины не были революцией, потому что вдруг у вас нет производителя ткани от начала до конца, вы упускаете суть. С помощью швейной машины вы все равно можете делать одежду в 100 раз быстрее.

У нас нет Скайнета. GPT-4 не заменит высококачественное стратегическое мышление. Но все рутинные дела, да, заменит. Это эволюция. Мое сообщение аудитории: не упустите поезд. Многие компании уже сели на поезд. Некоторые люди, к моему стыду, сделали это раньше. Но на поезде много людей, и результаты настолько быстрые, что если вы не действуете сейчас, вы не сможете догнать через четыре года. Разрыв будет настолько велик, что это будет похоже на эффект Кодака, где вы будете обречены, даже если изначально не были такой плохой компанией.

Конор Доэрти: Ладно, у меня больше нет вопросов, Йоаннес. Большое спасибо за ваше время и большое спасибо за просмотр. Увидимся в следующий раз.

Вернуться к Lokad TV ›

PREVIOUS EPISODES

Безумие RFP - Ep 154 Безумие RFP - Ep 154
Роль дефицита в управлении цепями поставок Роль дефицита в управлении цепями поставок
Риски в управлении цепями поставок Риски в управлении цепями поставок