Jah, see kõlab provokatiivselt, aga:

  • Mudelite võimekus on juba rohkem kui aasta paranenud üsna vähe.
  • Üldotstarbeliste tippmudelite turg on jagunenud peamiselt OpenAI ja Anthropic’u vahel, kõik teised võitlevad niši pärast.
  • DeepSeeki, Moonshoti ja teiste odavad open-weight mudelid on enamiku ülesannete jaoks piisavalt head ning igapäevases kasutuses on nende erinevust OpenAI ja Anthropicu mudelitest raske märgata.

See meenutab päris palju nutitelefonide turgu, mis pole viimase viie aastaga kuigi palju arenenud. Kui vahetad oma viis aastat vana tipptelefoni tänase mudeli vastu, saad peamiselt kriimudeta ekraani, parema aku ja võib-olla parema kaamera. OK, kui ostad iPhone’i, saad lõpuks ka USB-C pesa… Ja igapäevaste tegevuste puhul, nagu Facebooki kerimine ja Instagrami postitamine, ei ole 400- ja 1000-eurose telefoni vahel märgatavat kvaliteedivahet. Erinevused tulevad välja peamiselt mõnes spetsiifilises kasutusjuhus ja ettevõtetele mõeldud turvavõimekuses.

Miks ma nutitelefonidega võrdlen? Odavate open-weight mudelite tulek ei ole tippmudelite turuväärtust vähendanud. Odava ja tippmudeli hinnavahe on piisavalt väike, et kriitiliste ülesannete puhul tahavad kõik kasutada parimat mudelit. Keegi ei taha kaotada seepärast, et otsustas miljoni tokeni pealt paar senti kokku hoida. Kui teadmustöötaja maksab ettevõttele 10–20 tuhat eurot kuus, kas annad talle kehvema tipptelefoni, et säästa 20 eurot kuus? Ei. Sa annad oma töötajatele kõik mõistlikud eelised.

Kuidas AI kasulikkus siis ikkagi kasvab?

Näeme praegu agentsete lahenduste laialdast kasutuselevõttu, kus AI ei vasta lihtsalt ühele promptile, vaid AI-agentide töövood kasutavad eesmärgi saavutamiseks mitut oskust. See tähendab pikemaid töövooge, kordusi, automaatset kvaliteedi- ja vastavuskontrolli jne. AI-agent kasutab mitut tööriista ja jätkab, kuni ülesanne on tehtud.

Paljud teenusepakkujad ehitavad juba oma põhiteenustesse AI-ga suhtlemiseks mõeldud liideseid, näiteks MCP servereid. See tähendab, et nad ei konkureeri enam ainult hea kasutajaliidese, vaid ka AI-agentidele sobiva andmesalvestuse ja ligipääsu pärast. Nii nagu tööandjad peavad tegema oma ettevõtte inimestele atraktiivseks töökohaks, peavad rakenduste arendajad tegema oma rakendused atraktiivseks AI-agentidele.

Ning järjest rohkem kasutatakse asünkroonseid agente. Annad AI-agendile ülesande ja saad vastuse viie minuti, viie tunni või mõnikord alles järgmisel päeval, sõltuvalt ülesande keerukusest. See on tegelikult päris suur muutus kasutajate ootustes.

Aasta tagasi oli täiesti normaalne, et sellised ülesanded töötasid ettevõtte taustasüsteemides kasutaja eest peidus ja kasutajale näidati ainult töötlemise tulemust. Nüüd harjuvad kasutajad ise sellega, et panevad AI ülesande käima, teevad vahepeal midagi muud ja tulevad hiljem tulemuse juurde tagasi. Pikalt töötavad agendid võimaldavad teha teistsuguseid ülesandeid. Agent saab uurida, proovida erinevaid variante, kasutada mitut tööriista, kontrollida oma tulemust ja uuesti proovida. Kasutajate oskused peavad arenema ülesande ise tegemiselt nõuete, eesmärkide ja testikriteeriumide määramisele.

Aga aga aga…

Turg areneb kiiresti. Nii OpenAI kui ka Anthropic kasutavad AI-agente AI-mudelite taga oleva tehnoloogia arendamiseks. Äkki hakkavad mudelid nüüd jälle kiiresti paremaks minema? Kahtlen.

Tehnoloogia võimaldab inimestel teha ülesandeid kiiremini ja ühtlasema kvaliteediga. See tähendab, et nad saavad uusi mudeliversioone välja anda kiiremini ja ühtlasema kvaliteediga. Kasutajakogemus läheb sellest hoolimata paremaks, sest AI-teenuseid kasutavad rakendused muutuvad paremaks. Kui AI-rakendused võtavad kasutusele agendid, tööriistad, mälu, integratsioonid, pikalt töötavad ülesanded ja kvaliteedikontrolli, muutuvad nad märgatavalt paremaks isegi siis, kui LLM-mudelid ise märgatavalt paremaks ei lähe.