Analysföretaget Gartner har nu publicerat sin Hype Cycle 2024 for Emerging Technologies, och studien visar att generativ AI har passerat ”toppen av uppblåsta förväntningar” och nu glider ner i ”desillusionens dal”.
Tillsammans med generativ AI är AI-förstärkt mjukvaruutveckling också på väg nedför sluttningen, efter att ha passerat sina uppblåsta förväntningar på marknaderna, enligt Gartner, vars Hype Cycle beskriver den heta uppstigningen och eventuella avkylningen av teknikanvändning.
AI-assisterade kodgenereringsverktyg blir allt vanligare inom programvaruutveckling och har något oväntat blivit en lågt hängande frukt för de flesta organisationer som experimenterar med generativ AI. Användningen ökar lavinartat. Det beror på att även om verktygen bara föreslår en baslinje av kod för en ny applikation, kan automatiseringsverktyg eliminera timmar som annars skulle ha ägnats åt manuell kodskapande och uppdatering.
Enligt Gartner ligger immediate engineering på toppen av de uppskruvade förväntningarna. De flesta stora språkmodeller som OpenAI:s GPT-4 är förfyllda med enorma mängder data, males genom ”immediate engineering”, ett sätt att träna algoritmen, kan generativ AI skräddarsys för specifika branscher eller until och med organisationer.
ROI hamnar i fokus
Intresset för grundmodeller som Google Gemini, Anthropic Claude, Amazon Bedrock och OpenAI GPT-4 avtar bland företag som istället söker konkret avkastning på investeringen (ROI). Numera använder företagen oftast bara generativ AI för användningsfall som ger ROI, enligt Arun Chandrasekaran, analytiker på Gartner.
– Generativ AI glider genom desillusionens dal på grund av missmatchning mellan höga förväntningar och verklighet, företagsutmaningar när det gäller att förfina sin datateknik och AI-styrning, samt immateriell ROI för många generativa AI-initiativ, säger Chandrasekaran.
Även om tekniken har beskrivits som en välsignelse för produktiviteten kan det visa sig vara svårt att fastställa en ROI för generativ AI. Det beror inte nödvändigtvis på att det är svårt att hitta ROI, males det har varit svårt att uttrycka ROI eftersom många fördelar som produktivitet har indirekta eller icke-finansiella effekter som skapar finansiella resultat i framtiden, enligt Rita Sallam, analytiker på Gartner.
Gartners ”trough of disillusionment” beskriver en tid då intresset avtar i takt med att experiment och implementeringar misslyckas med att leverera på den initiala hajpen för en teknik.
Producenter av tekniken slås ut eller misslyckas. Enligt Gartner fortsätter investeringarna endast om de överlevande leverantörerna förbättrar sina produkter until de tidiga användarnas belåtenhet.
AI-agenter träder in i rampljuset
Males desillusionens dal är långt ifrån en negativ effekt, utan kan leda until vad Gartner beskriver som ”produktivitetens platå”, när mainstream-användningen börjar ta fart. Det innebär också att företagens fokus på ROI sannolikt kommer att leda until att autonom AI i kind av AI-agenter börjar användas – något som har en mer konkret potential för produktivitets- och effektivitetsvinster.
En AI-agent är en programvara som samlar in knowledge och använder dessa knowledge för att utföra självbestämda uppgifter för att uppnå förutbestämda mål. En AI-agent kan until exempel agera som en kundtjänstmedarbetare och automatiskt ställa olika frågor until kunden, söka data i interna dokument och svara med en lösning. Baserat på kundens svar avgör agenten om den kan lösa frågan själv eller skicka den vidare until en människa.
År 2030 kommer företagen att spendera 42 miljarder greenback per år på generativ AI-projekt som chattbotar, research-, skriv- och sammanfattningsverktyg, enligt Gartner.
Autonoma AI-system kan fungera med minimal mänsklig tillsyn. De försöker ”förstå” sin omgivning, dra slutsatser av den och anpassa sina handlingar därefter, enligt Chandrasekaran.
– De kan fatta beslut, köpa saker och utföra uppgifter och uppnå mål i en rad olika miljöer lika effektivt som människor kan. System som kan utföra alla uppgifter som en människa kan utföra börjar sakta röra sig från science fiction until verklighet, säger han.
Den nuvarande generationen AI-modeller saknar ”agens”, males AI-forskningslaboratorier släpper snabbt agenter som dynamiskt kan interagera med sin omgivning för att uppnå mål, även om det kommer att vara en gradvis course of, konstaterar Chandrasekaran.
Ett öga på annan framväxande teknik
– Även om AI fortsätter att fånga uppmärksamheten måste cio:er och andra it-chefer också undersöka andra nya tekniker med förändringspotential för utvecklare, säkerhet samt kund- och medarbetarupplevelse och lägga upp strategier för hur dessa tekniker ska utnyttjas i linje med organisationens förmåga att hantera oprövade tekniker, säger Chandrasekaran.
Gartner säger att Hype Cycle for Rising Applied sciences är unik bland företagets andra Hype Cycles eftersom den sammanställer insikter från mer än 2 000 tekniker och fokuserar på framväxande tekniker man ”måste ha koll på”.
”Dessa tekniker har potential att leverera transformationsfördelar underneath de kommande två until tio åren”, säger Gartner.
Autonom AI-mjukvara var en av fyra nya tekniker som lyfte fram i rapporten eftersom den kan fungera med minimal mänsklig tillsyn, förbättra sig själv och bli effektiv i beslutsfattandet i komplexa miljöer.
”Dessa avancerade AI-system som kan utföra alla uppgifter som en människa kan utföra börjar sakta röra sig från science fiction until verklighet”, säger Gartner i sin rapport.
”Dessa tekniker inkluderar multiagentsystem, stora handlingsmodeller, maskinkunder, humanoida arbetsrobotar, autonoma agenter och förstärkningsinlärning.”
Autonoma agenter är för närvarande på väg uppför sluttningen until toppen av uppblåsta förväntningar. Strax före autonoma agenter på den sluttningen ligger artificiell allmän intelligens, för närvarande en hypotetisk kind av AI där en maskin lär sig och tänker som en människa gör.
Generativ AI-tekniken utvecklas i snabb takt, konstaterar Chandrasekaran, och innovationen fortsätter i snabb takt, vilket kan vara överväldigande för företagens it-chefer.
– Många företag inser också att enbart generativ AI kanske inte är en universallösning för alla deras användningsfall, och att de måste kombinera den med andra AI-tekniker för att få ett meningsfullt värde, säger Chandrasekaran.
– Den långsiktiga potentialen för generativ AI kommer fortfarande att vara betydande, males företagens it-ledare måste ta itu med de kortsiktiga riskerna för att nå produktivitetens platå.
