Заміна Microsoft Office і Google Docs від OpenAI, скорочення у Scale AI та інші новини ШІ

У дайджесті новин від High Bar Journal запрошені експерти розповідають, що у їх галузі варто уваги. Сьогодні новини на ринку ШІ коментує Сергій Бриль, AI and Analytics Executive Leader.

Про нові продукти OpenAI, скорочення спеціалістів з маркування даних й вплив ШІ на роботу програмістів,  — читайте у матеріалі. 

OpenAI планує запуск ChatGPT-агентів, які дозволять створювати презентації та таблиці

Як швидко продукт стане загрозою для Google та Microsoft, й що їм робити?

Плани OpenAI додати нативне редагування Excel та PowerPoint напряму в ChatGPT пропоную розглядати не як функціональне оновлення, а як сигнал про стратегічний вектор. Питання в тому, чому OpenAI взагалі заходить у цей сегмент.

Думаю, компанія вже бачить себе платформою, а не кінцевим продуктом. Вона не має наміру конкурувати в короткостроковій перспективі в сегментах, де надає можливість користуватися своїм API (Cursor, Notion тощо) і де вже побудувала стійку залежність від своїх розробок.

Натомість OpenAI системно розвиває власну AI OS — середовище, в якому можна вирішувати дедалі більше щоденних завдань: від написання тексту до створення презентацій і звітів. А які функції найпопулярніші в корпоративному секторі? Таблички та слайди!

Так ChatGPT стає точкою входу у щоденну роботу, і це — реальна загроза бізнес-моделям Google і Microsoft, де користувач живе всередині екосистеми. Навіть якщо OpenAI не витіснить Office, вона змінить звички і відтягне увагу, а згодом — і монетизацію.

Google і Microsoft варто змінити парадигму роботи з їх продуктами з ШІ як надбудови на ШІ як точку входу. OpenAI поки виграє у гнучкості: це одночасно і платформа для вузьких рішень, і спроба створити новий спосіб роботи зі звичними завданнями.

За даними інституту досліджень штучного інтелекту METR, досвідчені розробники витрачають більше часу на виконання реальних кодинг-завдань з ШІ, ніж без нього

Прискорення роботи за допомогою ШІ — це ілюзія?

Дослідження METR демонструє парадокс: досвідчені розробники стали більш повільними, хоча були переконані в протилежному. Це ще раз показує, що наше сприйняття ефективності не завжди узгоджується з реальністю.

Водночас важливе інше: ШІ робить процес програмування менш ментально обтяжливим. І це вже не про швидкість, а про витривалість, мотивацію, задоволення від роботи. Можливо, саме в цьому полягає й цінність, і ризик ШІ сьогодні.

Як і з будь-яким інструментом, з часом ми навчимося ефективніше формулювати запити, краще розуміти сильні та слабкі сторони моделей, будувати гібридні сценарії взаємодії. Але те, що використання ШІ не підвищує ефективність автоматично, варто враховувати і розробникам, і бізнесу.

Цінно дослідити:

• Як впливає «полегшений» стиль роботи з ШІ на продуктивність у довгостроковій перспективі? Можливо, повільніша, але комфортніша розробка буде результативнішою, за короткі інтенсивні сплески, які ведуть до вигорання.

  
  

• Як ШІ впливає на розвиток ключових компетенцій? Інше дослідження показує, що використання ШІ може знизити активність мозку й призвести до «когнитивного боргу». Якщо ми регулярно передаємо ШІ інтелектуальну роботу — чи не ризикуємо ми знизити власну когнітивну здатність?

Scale AI скоротив 14% персоналу, здебільшого — тих, хто займався data-labeling 

Компанії, що спеціалізуються на маркуванні даних, втрачають клієнтів? 

Бум у сфері ШІ відзначається й на ринку маркування даних (data labeling). Основні тренди:

1. Стратегічна переорієнтація

У випадку Scale AI ймовірним тригером став аудит після стратегічного партнерства з Meta. Штат, сформований для масштабування B2B-продажів, став надмірним після того, як Meta посіла місце ключового партнера. Ймовірно, до скорочення призвів перехід з моделі мультиклієнтського сервісу на модель глибокої інтеграції з одним великим партнером.

2. Втрата нейтральності щодо конкурентів

Meta — конкурент для багатьох великих гравців у сфері ШІ. Її стратегічна участь у Scale AI, схоже, зробила компанію неприйнятною для співпраці для колишніх партнерів, як-от OpenAI або Google, що призвело до розірвання контрактів. Це типовий ефект після стратегічного поглинання чи інвестицій.

3. Автоматизація й зміна підходів до маркування

Ринок переходить від ручного маркування до:

•AI-assisted labeling — автоматичного попереднього маркування з ручною валідацією,

•Synthetic data — генеративно створених даних,

•Self-supervised learning — тренування моделей на «сирих» неструктурованих даних.

Ці підходи різко знижують попит на низькооплачувану ручну працю — основну частину масштабованих labeling-операцій —, проте призводять до попиту наспеціалістів, котрі можуть побудувати ці системи.

При щорічному рості галузі на 25-29% варто очікувати на трансформацію ринку: від масової ручної праці — до висококваліфікованої діяльності з проєктування, контролю та оптимізації пайплайнів даних. Це означає одночасне скорочення менш кваліфікованих ролей і появу нових посад у сфері data engineering, MLOps та quality assurance.