RedactorВ интервью Дваркешу Пателю генеральный директор Microsoft Сатя Наделла подверг критике гонку за достижением вех AGI, назвав её «бессмысленным хакерством бенчмарков». Он отметил, что такие рубежи не отражают действительный прогресс и чаще становятся информационным поводом. Наделла пояснил, что под вехами подразумеваются метрики и демонстрации, которые некоторые компании по ИИ используют нецелесообразно. Это включает в себя тестовые рекорды, которые модели настраивают под себя, а также эффектные ролики без реальной основы. Вместо этого он предлагает оценивать прогресс по влиянию на экономику: росту производительности, снижению затрат и стабильности систем в реальных процессах. В рамках новой стратегии Microsoft будет использовать мульти-модельный подход и представила Fairwater — новый тип ИИ-площадок, которые обеспечивают быструю интеграцию и измеримый эффект.
Вопрос-ответ
Как Наделла оценивает современные вехи в области AGI и чем они отличаются от реального прогресса?
Наделла критикует гонку за техническими вехами как бессмысленное хакерство бенчмарков, которое не отражает реального влияния на экономику и повседневную работу. Он считает, что такие метрики часто сводятся к тестовым рекордам или эффектным роликам без устойчивого эффекта. Реальный прогресс следует измерять по влиянию на производительность, снижение затрат и стабильность систем в реальных процессах.
Что представляет собой новый подход Microsoft к оценке ИИ-проектов?
Microsoft предлагает мульти-модельный подход и вводит концепцию Fairwater — новые типы ИИ-площадок, которые позволяют быструю интеграцию моделей и измеримый эффект. Цель — переход от спекулятивных метрик к практическим бизнес-выгодам: рост производительности, экономия и устойчивость решений на реальных данных и процессах.
Как Fairwater может повлиять на внедрение ИИ в организациях?
Fairwater ориентирован на быструю интеграцию разных моделей в существующие цепочки разработки и эксплуатации, что сокращает время вывода решений на рынок и обеспечивает измеримый эффект. Это помогает организациям тестировать и применять несколько моделей в рамках одной платформы, отслеживая реальный экономический показатель: производительность, затраты, стабильность.
Какие шаги стоит предпринять компаниям, чтобы перейти от хайпа к устойчивым результатам в ИИ?
1) Сформулировать реальные бизнес-метрики воздействия ИИ (например, производительность, стоимость владения, время отклика). 2) Выбрать мульти-модельную инфраструктуру (как Fairwater) для гибкости и скорости интеграции. 3) Внедрять пилоты в реальных рабочих процессах, проводить A/B тестирование и мониторинг после развёртывания. 4) Фокусироваться на прозрачной демонстрации экономических выгод и устойчивости систем, минимизируя зависимость от громких, но ненадежных метрик.
