MI-re várunk?

Óriási piaci várakozás előzte meg az Nvidia negyedéves jelentését, amelynek jelentés előtti szerdai (8/23) záróára elérte a 471,16 dollárt, és azóta is a 435–494 dolláros sávban mozog. Az Nvidia megkerülhetetlen hardverszállítója a mesterségesintelligencia- (MI) modelleket tanító és felhasználó vállalatoknak, azok felhőszolgáltatóinak. 

A részvény értéke 323 százalékkal nőtt 2022. október 31. óta (szeptember 19-i záróárral számolva). P/E-mutatója 105,12, több mint négyszerese az S&P 500 átlagos P/E-értékének (23,46). Normál esetben ez jelentős túlárazottságot szokott jelenteni. A magas értéket csak részben magyarázza az értékesítési bevételek növekedése. Az Nvidia tavaly októberben még 11,93 price to sales értékkel rendelkezett, amely idén szeptember 19-re 33,30-ra emelkedett. Tehát sokkal inkább az MI-piac növekedésébe vetett hit vezérli a részvény értékének mozgását. Vajon hit, hype vagy tényleges értékek húzódnak meg a magas mutatók mögött? 

Az egyéni hatékonyság kora 

A népszerű ChatGPT (és általában az Auto-Regressive LLM modellek ága) bár nem tartozik a legélesebb kések közé az MI-algoritmusok fiókjában, mégis jelentős a szerepe abban, hogy az MI-képességeket, hatékonyságnövekedést széles rétegeknek elérhetővé tette és ezáltal felértékelte az MI-piacot.  

Naponta tucatjával jelennek meg adott feladatra specializálódott (elsősorban generatív) MI modellek, MI-megoldások, amelyek jelentősen növelik az egyéni hatékonyságot. Ezek számos területen segítik a felhasználókat a tartalomgyártástól (szöveg, kép, zene, videó) az irodai munkát támogató megoldásokon keresztül a szoftverfejlesztést támogató megoldásokig. A HolistiCRM Kft-nél már az MI tanítására is MI-t használnak. 

Ezek az egyéni hatékonyságot növelő MI-eszközök önmagukban is képesek a vállalatok hatékonyságát szignifikánsan növelni, azonban ezek még csak az első hullámai az MI által generált ipari forradalomnak. Ezek az eszközök, modellek mindenki számára hozzáférhető „közös tudás” tudásra épülnek, nem személyre szabottak, ezáltal a vállalatok számára csak rövid és középtávon nyújtanak versenyelőnyt, mint egy általános célú irodai szoftvercsomag.  

Szervezeti MI-modellek és hatékonyság 

A későbbi hullámokban várhatóan jobban elterjednek a tervezni képes, kontextust is értelmező modellek, amelyek hibrid módon használják a vállalati belső és külső adatokat. A kombinált adatokra épülő multimodális, többtípusú algoritmust és foundation modelt ötvöző megoldások jönnek majd, amelyek túl fognak mutatni az LLM-modellek képességein. A gépi tanulásban a „foundation model” egy adott feladatot általános szinten tanul meg elvégezni. Nem egy adott feladathoz vagy adatkészlethez képezik ki, hanem egy nagy, többféle feladatra és adatkészletre kiterjedő adatkészleten tanítják. Ezek a modellek tovább taníthatók specifikus feladatokra is. 

Hosszú távú versenyelőnyre azok a vállalatok tudnak majd szert tenni, akik a külső és saját adatvagyonukra építve fejlesztettnek MI-modelleket, jobb ügyfélélmény, keresztértékesítés támogatására, operatív költségek csökkentésére vagy új ügyfelek megszerzésére.  

Mit kapunk a (róm)AI-aktól?

A mesterséges intelligencia segítségével évtizedekkel rövidíthetők a gyógyszerkutatási fejlesztések, számos területen segíthetik a diagnosztikát. Olyan feladatok is megoldhatók, amelyek meghaladják az emberi és szervezeti képességeket, mint például az ajánlórendszerek, amelyek köré olyan cégek épültek, mint a Google, a Facebook (Meta), a Netflix, a Spotify vagy a TikTok. 

A mesterséges intelligenciának jó és rossz értelemben is felforgató hatása lesz számos iparágra. Elévülté teszi a robotszűrő recaptcha megoldásokat, a hangalapú és a képalapú azonosításokat, ugyanakkor segít a csalásmegelőzésben és kiberbiztonsági megoldásokban, melyek között vannak magyar alapítású éllovasok is. 

A technológia adott, a legfontosabb kérdés, hogy a döntéshozók milyen mértékben építik be az MI-megoldásokat a mindennapi folyamataikba az egyes területeken. A McKinsey kutatása szerint a megkérdezett vállalatok csupán 55 százaléka alkalmazott MI-megoldást valamely üzleti funkcióra. Ugyanakkor – a kutatás szerint – azok a vállalatok, amelyek alkalmaznak ilyen megoldásokat, elégedettek az MI által generált költségmegtakarítással és jövedelmekkel. 

Félelmek, ellentmondások és szabályozás 

Gyakran találkozhatunk félelmekkel az MI munkaerőpiacra gyakorolt hatásával kapcsolatban, miközben több érintett iparágban is a munkaerőhiány a gazdasági növekedés gátja.  

Fontos az észszerű szabályozás, de a túlkorlátozás versenyhátrányt okoz az adott régiónak vagy iparágnak, közvetve akár életeket is követelhet. A klikkcsalogató „Az MI mindenkit megöl” típusú tartalmak terjesztőinek vállalniuk kell ezt a fajta felelősséget is.  

A „foundation modelek” fejlesztésének magas az adat- és hardverinfrastruktúra-igénye. Nagy versenykorlátozó kockázat a néhány vállalatnál koncentrálódó MI-hez kötődő erőforrás (Google, Meta, Open.AI/Microsoft, Nvidia). Az ideális megoldást talán a PSD2/3 szabályozás mintájára létrejövő „AI publication” szabályozás jelentené, amely csökkentené új vállalatok belépési küszöbét, hozzáférhetővé tenne erőforrásigényes modelleket, akár egy Hugging Face jellegű portálon.  

Ha álmAInk teljesülnek

Összefoglalva, vállalati szinten magas a növekedési potenciál, mivel relatív alacsony még az MI-alkalmazások telítettsége a vállalati szférában. Jók a kezdeti eredmények és tapasztalatok az MI bevezetéssel kapcsolatban. A legfontosabb kérdés, hogy milyen gyorsan tudunk egyéni és vállalati szinten alkalmazkodni az új lehetőségekhez, és a verseny milyen kényszerítő erővel bír majd az MI adaptációra, észszerű szabályozást feltételezve.  

Rövid távon – mint általában minden hirtelen növekedés után – várható egy profitrealizáló korrekció az MI-részvények piacán, azonban hosszú távon további jelentős növekedésre lehet számítani, mert a mesterséges intelligenciában összességében nagyobb értékteremtő lehetőségek vannak, mint a szoftveriparban voltak az elmúlt évtizedekben. Ezt a várakozást tükrözhetik a magas P/E-mutatók az MI-vállalatok körében.