Stvaranje obilja inteligencije

Infrastruktura za umjetnu inteligenciju nije vrijedna zato što je velika. Vrijedna je zbog onoga što omogućuje: sposobniju inteligenciju dostupnu većem broju ljudi uz niže troškove.

Tako ja razmišljam o obilju. Ono je ugrađeno i u našu misiju — osigurati da opća umjetna inteligencija koristi cijelom čovječanstvu — i u gospodarski pokretač našeg poslovanja.

Kada trošak korisne inteligencije padne, više poslova postaje vrijedno obavljanja. Kada modeli postanu sposobniji, taj rad stvara veću vrijednost. Kako primjena raste, dobivamo prihode, povratne informacije iz stvarnog svijeta i bolji uvid u potražnju kako bismo nastavili ulagati u sljedeću generaciju istraživanja i infrastrukture.

Bolja inteligencija potiče širu primjenu. Šira primjena omogućuje veća ulaganja. Veća ulaganja poboljšavaju inteligenciju i učinkovitost. To je ciklus koji gradimo.

Naša nedavna objava cijena pokazuje koliko brzo taj ciklus donosi koristi korisnicima. Jučer smo snizili cijenu modela GPT‑5.6 Luna za 80 posto, a modela GPT‑5.6 Terra za 20 posto. Luna sada stoji 0,20 USD za milijun ulaznih tokena i 1,20 USD za milijun izlaznih tokena, dok Terra stoji 2 USD, odnosno 12 USD.

Za GPT‑5.6 Sol Brzi način rada pruža do 2,5 puta veću brzinu od standardne obrade po dvostrukoj cijeni, bez promjene razine inteligencije.

To nisu samo izmjene cjenika. One proširuju raspon poslova koje je praktično obavljati i korisnicima pružaju veću fleksibilnost u usklađivanju inteligencije, brzine, pouzdanosti i troškova.

Pravo pitanje nije koji model pripada kojem zadatku. Pitanje je koliko inteligencije zahtijeva željeni rezultat, koliko je brzo potrebna i koliko bi trebala stajati da bi se taj rezultat ostvario. Ta se ravnoteža može promijeniti nekoliko puta unutar istog radnog procesa.

Korisnici ne kupuju tokene radi samih tokena. Žele riješen problem s podrškom, objavljen softver, pregledan ugovor ili odgovor na znanstveno pitanje. Pravo je mjerilo trošak uspješnog ishoda, uključujući vrijeme, ponovne pokušaje, nadzor i pogreške potrebne da bi se do njega došlo.

Snažniji model koji posao obavi točno i učinkovito u konačnici može biti ekonomičniji od jeftinijeg modela koji zahtijeva ponovljene pokušaje ili opsežnu ljudsku intervenciju. S druge strane, jeftiniji model može znatno proširiti dostupnost ako zadovoljava isti standard kvalitete. Prilika je u primjeni najveće moguće količine korisne inteligencije po odgovarajućoj cijeni.

Za pružanje te vrijednosti nije dovoljno izgraditi dodatne podatkovne centre. Svaka jedinica računalnih resursa mora postati produktivnija.

Naš nedavni inženjerski rad pokazuje kako to izgleda. U suradnji s našim tehničkim timovima GPT‑5.6 Sol pomogao je optimizirati produkcijski softver kojim se pružaju naši modeli, čime su ukupni troškovi pružanja smanjeni za 20 posto. Pomogao je i poboljšati spekulativno dekodiranje, povećavši učinkovitost generiranja tokena za više od 15 posto.

Jednako je važno to što učinkovitost ne određuje samo model. Važan je i sustav koji ga okružuje. Bolje usmjeravanje omogućuje produktivnu upotrebu hardvera. Pametnije upravljanje kontekstom sprječava agente da ponavljaju posao. Napredniji alati i bolji dizajn proizvoda smanjuju broj koraka potrebnih za dovršavanje zadatka.

U nedavnoj analizi referentnih testova poboljšanja zadržanog rasuđivanja i upravljanja kontekstom povećala su rezultat modela GPT‑5.6 Sol na javnom skupu zadataka ARC-AGI-3 s 13,3 na 38,3 posto, uz šest puta manje izlaznih tokena. Model se nije promijenio. Promijenio se sustav koji ga okružuje.

Te se prednosti međusobno umnožavaju. Sposobniji modeli pomažu našim timovima otkriti nove načine povećanja učinkovitosti. Ta povećanja učinkovitosti smanjuju trošak pružanja usluga korisnicima i proširuju opseg poslova koje možemo podržati istom infrastrukturom. To pak čini sljedeću generaciju inteligencije dostupnijom.

Prednost razvoja infrastrukture, modela, platforme i proizvoda nije samo u tome što sudjelujemo u svakom sloju. Prednost je u tome što svaki sloj poboljšava sve ostale.

Upotreba proizvoda u stvarnom svijetu pokazuje nam gdje korisnici pronalaze vrijednost, a gdje nailaze na prepreke. Te povratne informacije pomažu usmjeriti naša istraživanja. Napredak u istraživanju poboljšava naše proizvode i smanjuje troškove njihova pružanja. Potražnja za proizvodima ChatGPT, ChatGPT Work i Codex te API-jem pomaže nam donositi bolje odluke o tome gdje povećati kapacitete.

Važan je opseg tog učenja. Naši modeli sada dosežu više od milijardu aktivnih korisnika i više od dva milijuna tvrtki. Kako raste povjerenje ljudi u tehnologiju, tako se njome koriste sve intenzivnije. Šest mjeseci nakon registracije korisnici svakodnevno šalju oko 50 posto više poruka i upotrebljavaju ChatGPT za otprilike dvostruko više vrsta poslova. ChatGPT Work mijenja značenje rada temeljenog na znanju: nadilazi odgovaranje na pitanja i izvršava složene poslove u više koraka — od „pitanja” do „djelovanja”. U cijelom OpenAI-ju rad s pomoću agenata kroz Codex sada čini 99,8 % tjednih izlaznih tokena, a među timovima koji su agentske alate učinili ključnim dijelom svojeg načina rada nalazi se i tim za financije.

Sličan obrazac postoji i unutar organizacija. Tvrtka može početi s jednim timom ili jednim radnim procesom. Kako se poboljšavaju kvaliteta i ekonomičnost, primjena se širi na različite funkcije, a umjetna inteligencija postaje dijelom poslovanja.

Time nastaje vrijedna povratna sprega između potražnje, poboljšanja proizvoda, učinkovitosti i planiranja infrastrukture. To ne zahtijeva da posjedujemo svu imovinu ni da sami izrađujemo svaku komponentu. Ovisno o tome što najbolje služi korisniku i što je ekonomski najisplativije, možemo biti vlasnici, surađivati s partnerima ili kupovati. Ključno je koordinirati sustav i učiti iz svih njegovih dijelova.

Infrastrukturu za umjetnu inteligenciju potrebno je planirati godinama prije nego što postane potrebna, dok se modeli, proizvodi i potražnja korisnika razvijaju mnogo brže. Zbog te neusklađenosti disciplina je ključna.

Odluke o ulaganjima temeljimo na dokazima: rastu broja korisnika i radnih opterećenja, obvezama poslovnih korisnika, potrošnji API-ja, iskorištenosti, prihodima te napretku sposobnosti i učinkovitosti modela. Tehničke i komercijalne prekretnice pomažu odrediti kada projekti prelaze u sljedeću fazu. Dugoročna partnerstva objedinjuju financiranje, infrastrukturu i operativno znanje potrebne za pružanje usluga u velikom opsegu.

Prihodi od proizvoda, privatni kapital i komercijalna partnerstva imaju različite uloge u podupiranju tog rasta. Cilj nije izgraditi što više infrastrukture. Cilj je osigurati odgovarajući kapacitet u pravo vrijeme i u skladu s vjerodostojnom potražnjom.

Za mene su ključna pitanja jednostavna: Koliko brzo novi kapacitet počinje donositi rezultate? Koliko se učinkovito iskorištava? Koju potražnju korisnika podržava? Koliko brzo tehnički napredak može smanjiti trošak pružanja korisne inteligencije?

Ta pitanja povezuju dugoročnu ambiciju s operativnom disciplinom.

Još smo na početku. Sposobniji sustavi dovršavat će dulje projekte, koordinirati rad različitih alata i obavljati veći dio posla od ideje do gotovog rezultata. Pojedinci i mala poduzeća dobit će mogućnosti koje su nekoć bile dostupne samo mnogo većim organizacijama. Velika poduzeća šire će primjenjivati inteligenciju u svojem poslovanju.

Naš cilj nije samo više računalnih resursa, veći modeli ili niže cijene tokena. Cilj je učiniti korisnu inteligenciju dostupnijom.

To je smisao obilja: inteligencija koja postaje sve sposobnija, pristupačnija i vrjednija ljudima koji se njome koriste. Napredak ćemo mjeriti količinom korisnog rada koji omogućuje, učinkovitošću kojom ga pružamo i dostupnošću njegovih prednosti.