A Gartner 2024-es technológiai hype-ciklusa – amely a technológiai innovációk várakozási dinamikáját öt szakaszban írja le – azt mutatja, hogy a generatív MI túljutott a túlzott elvárások csúcsán. Ugyanakkor az azzal kapcsolatos hype továbbra is tart (lásd a lenti ábrát), és még mindig rendelkezik azzal a potenciállal, hogy átalakító technológiává váljon, amely forradalmasíthatja a tartalomkeresést, -készítést, az emberi munka automatizálását, valamint a vásárlói és munkavállalói élményt (Jaffri 2024). Bár a Gartner hype-ciklusa a technológiai várakozások dinamikáját mutatja be, a technológiai adaptáció S-görbéje (diffúziós modell) szorosan kapcsolódik hozzá, hiszen együtt tárják fel az innovációk fejlődési és elterjedési folyamatait (Shi & Herniman 2023). Míg a hype-ciklus elsősorban az elvárások és a társadalmi figyelem alakulását követi nyomon, addig az S-görbe a technológiai érettséget ábrázolja és a tényleges adaptáció ütemét, vagyis azt, hogy a technológia hogyan válik a szélesebb közönség számára is elterjedtté és produktívvá (Dedehayir & Steinert 2016, 2). A két modell közötti kapcsolat kulcsfontosságú: a hype-ciklus túlzott várakozásainak csúcsa és a kiábrándulási gödre egyfajta előfutára annak a lassú, majd egyre gyorsuló adaptációnak, amely az S-görbe korai szakaszait jellemzi.
A generatív MI jelenleg a hype-ciklus (Gartner 2024) kiábrándulási szakaszában és az S-görbe korai adaptálói fázisában helyezkedik el, ahol a gyakorlati alkalmazások még szórványosak, de a technológia értéke már jelentősen körvonalazódik. A várakozások konszolidációjával és a bizonyított produktivitási előnyökkel a technológia az S-görbe meredek növekedési szakaszába léphet, elősegítve a többségi elfogadást és annak társadalmi-gazdasági hatásait. Ma már alig telik el nap kisebb-nagyobb technikai áttörések nélkül olyan területeken, mint az MI-chipek, a nagy nyelvi modellek vagy a videógenerálás; egyik ígéretes MI startup cég bejelentését követi a másik. Ugyanakkor a 2000-es évek eleji dotcom lufi kipukkanása óta (Goodnight & Green 2010) a befektetők sokkal körültekintőbben közelítenek a feltörekvő technológiákhoz – nem véletlenül, hiszen a legtöbb ilyen innováció nem bizonyult időtállónak (Maheshwari 2024). A generatív MI körüli lelkesedés a vállalati szférát is lázba hozta, de ha a felszín alá nézünk, kiderül, hogy a gyakorlati eredmények meglehetősen szerények. A legtöbb cég kis csapatokkal kísérletezik, proof-of-concept projekteket indít, míg a nagyobb vállalatok tanácsadók hadát vonják be az első generációs alkalmazások fejlesztéséhez. Ezeknek a kísérleti projekteknek viszont csak nagyon kis része jut el a tényleges gyártásig, így felvetődik a kérdés, hogy a generatív MI iránti lelkesedés csupán egy újabb hype vagy valódi érték áll a növekedés mögött (Maheshwari 2024).
A generatív MI körüli jelenlegi fellendülés és a 2000-es évek eleji dotcom lufi közötti különbséget jól érzékelteti a Cisco és az NVIDIA példája (Hodges 2024). Míg a dotcom korszakot a spekuláció hajtotta, és a Cisco árfolyam-nyereség hányadosa (Price-to-Earnings, P/E ratio) a reális értéket meghaladva 132-szeres csúcsot ért el a korábbi 37-szeres ötéves átlaghoz képest, addig a jelenlegi MI-fellendülés stabilabb alapokon nyugszik. Az NVIDIA esetében a P/E mutató a 2019-2023-as 40-szeres átlaghoz képest jelenleg 39-szeres, ami a befektetők körültekintőbb megközelítésére utal (Coatue 2024). Ez a kiegyensúlyozottság arra enged következtetni, hogy az MI-boom kevésbé épül felfújt várakozásokra, sokkal inkább a technológia gyakorlati alkalmazásaira és kézzelfogható előnyeire helyezi a hangsúlyt (lásd az alábbi ábrát).
A Gartner (Gartner 2024) előrejelzése szerint 2025 végéig a generatív MI projektek közel 30%-a megreked a proof-of-concept fázis után, elsősorban a gyenge adatminőség, a magas költségek és a tisztázatlan üzleti érték miatt (Aaron 2024). A technológia hosszú távú sikerének záloga tehát a felhasználási területek célzott priorizálása és a kockázatok hatékony kezelése. Noha a korai alkalmazók már jelentős üzleti előnyöket – például bevételnövekedést és költségcsökkentést – realizáltak, a generatív MI valódi potenciálja csak a hype-ciklus kiábrándulási szakaszának átlépésével válhat fenntarthatóvá.
Felhasznált irodalom:
1. Coatue. 2024. ‘8th Annual East Meets West (EMW) Conference’. https://www.coatue.com/blog/company-update/coatues-2024-emw-conference – ^ Vissza
2. Dedehayir, Ozgur, and Martin Steinert. 2016. ‘The Hype Cycle Model: A Review and Future Directions’. Technological Forecasting and Social Change 108 (July): 28–41. doi:10.1016/j.techfore.2016.04.005 – ^ Vissza
3. Gartner. 2024. ‘Hype Cycle for Artificial Intelligence, 2024’. https://www.gartner.com/en/documents/5505695 – ^ Vissza
4. Goodnight, G. Thomas, and Sandy Green. 2010. ‘Rhetoric, Risk, and Markets: The Dot-Com Bubble’. Quarterly Journal of Speech 96 (2): 115–40. doi:10.1080/00335631003796669 – ^ Vissza
5. Hodges, Paul. 2024. ‘Stock Market Bubbles Follow the Same Pattern, as Nvidia and Cisco Confirm’. https://www.icis.com/chemicals-and-the-economy/2024/06/stock-market-bubbles-follow-the-same-pattern-as-nvidia-and-cisco-confirm/ – ^ Vissza
6. Jaffri, Afraz. 2024. ‘Explore Beyond GenAI on the 2024 Hype Cycle for Artificial Intelligence’. Gartner. https://www.gartner.com/en/articles/hype-cycle-for-artificial-intelligence – ^ Vissza
7. Maheshwari, Archit. 2024. ‘Is GenAI Hype Dying? – Why Now Is the Best Time to Build’. Artefact. https://www.artefact.com/blog/is-genai-hype-dying-why-now-is-the-best-time-to-build/ – ^ Vissza
8. Shi, Yuwei, and John Herniman. 2023. ‘The Role of Expectation in Innovation Evolution: Exploring Hype Cycles’. Technovation 119 (102459): 1–10. doi:10.1016/j.technovation.2022.102459 – ^ Vissza
9. Tan, Aaron. 2024. ‘Nearly a Third of GenAI Projects to Be Dropped after PoC’. https://www.computerweekly.com/news/366599232/Nearly-a-third-of-GenAI-projects-to-be-dropped-after-PoC – ^ Vissza
