Godina je započela probojom iz Kine sa Deepseekom, što je ozbiljno narušilo ambicije SAD-a da dominiraju tržištem velikih jezičkih modela (LLM). Ono što je Deepseek pokazao svijetu, osim što je izazvao veliki zastoj u vrednovanju američkih tehnoloških giganata AI na finansijskom tržištu, je da je Kina, koju su SAD pokušale potkopati samo dopuštajući izvoz manje moćnog hardvera za AI ubrzanje, bila u stanju proizvesti model koji bi mogao nadmašiti američke LLM-ove koji su imali koristi od najmoćnijih Nvidia čipova.
Njegov značaj prevazilazi geopolitiku: Deepseekov R1 model je pokazao da svakako nije potrebno bacati ogromne količine računarskih resursa i trošiti ogromnu količinu novca na hardver za ubrzanje AI da bi se postigli dobri rezultati. Finansijski rezultati hiperskalera pokazuju da je trend ulaganje velikih sredstava u gigavatne centre podataka, za koje predviđaju da će biti potrebni za podršku najmoćnijem hardveru za ubrzanje AI.
Ali za sve ostale, uključujući korporativne IT, takva infrastruktura je svakako pretjerana, pogotovo zato što su manji modeli umjetne inteligencije u stanju kombinirati stručnost javnih LLM-a sa fokusiranijom obukom kako bi postigli rezultate koji mogu nadmašiti glavne igrače kada se koriste u poslovnom kontekstu.
Agentska umjetna inteligencija postala je najnapredniji tehnološki trend 2025. Korporativni IT i poslovni lideri moraju se nositi s posljedicama pomame među dobavljačima tehnologije za preduzeća kako bi prodali proizvode sa AI-om.
Postoje brojni izvještaji koji pokazuju da AI donosi nizak povrat ulaganja (ROI); većina projekata ne uspijeva proći pilot fazu, a još više AI je ugrađeno u korporativne IT sisteme. To je značilo da iako je korporativna AI strategija možda bila zasnovana na standardizaciji na nekoliko AI motora, svaki komad poslovnog softvera se prodaje sa samostalnim AI mogućnostima.
S obzirom na loš ROI koji se postiže većinom korporativnih AI projekata, industrija se okrenula ka agentskoj AI kako bi spojila tačke između korporativnih AI sistema koji su pričvršćeni na komercijalni poslovni softver. Cilj je povećati efikasnost omogućavanjem različitih AI sistema da djeluju kao specijalisti AI radnici koji su podešeni za rukovanje određenim dijelovima poslovnog toka.
Postavlja se pitanje šta se dešava sa delovima toka posla koje treba da uradi čovek. Upravo ovom interfejsu između radnika i AI sistema sada se posvećuje velika pažnja. Ako se AI prodaje radi poboljšanja efikasnosti, onda će se u nekom trenutku poslovi ljudi promijeniti i neki će možda otkriti da su višak u odnosu na zahtjeve. Oni koji ostanu zaposleni imat će agente AI kao saradnike.
Poslovni lideri razmišljaju o tome kako uskladiti ljudski rad sa zadacima koje mogu lako postići AI agenti. Umjesto da budu samo digitalni alati, vode se rasprave koje gledaju na tretiranje AI agenta kao resursa koji se vremenom poboljšava i stječe iskustvo kroz obuku ili mašinsko učenje. Doći će do društvenih posljedica kako agentska umjetna inteligencija bude prelazila hype na nešto što može obaviti koristan posao u organizaciji.
Ovo je 10 najboljih priča o AI u 2025. godini za Computer Weekly.
1. Vibe kodiranje: Pitanje hrane ili hrane za pile
Ako se pravilno koriste, modeli velikih jezika (LLM) obećavaju da će revolucionirati razvoj softvera – ali se ne uklapaju lako u neke korporativne slučajeve upotrebe IT-a, s hirovicama prirodnog jezika koje postavljaju neke izazove. Većina programa je napisana na programskim jezicima sličnim engleskom koji su deterministički, što znači da programer efikasno govori računaru šta tačno treba da uradi. Međutim, korištenje prirodnog jezika u kodiranju vibracija može dovesti do problema kada pokušavate nešto nedvosmisleno opisati.
2. DeepSeek-R1: Izazovi budžetiranja za lokalnu implementaciju
Dostupnost DeepSeek-R1 LLM pokazuje da je moguće primijeniti AI na skromnom hardveru. Matthew Carrigan, inženjer mašinskog učenja u Hugging Face-u, predložio je da bi sistem za pokretanje AI zaključivanja zasnovan na DeepSeeku mogao biti izgrađen pomoću dva AMD Epyc serverska procesora i 768 GB brze memorije. Sistem koji je demonstrirao u seriji tvitova mogao bi se sastaviti za oko 6.000 dolara.
3. Ada Lovelace: korištenje tržišnih sila za profesionalizaciju AI osiguranja
Institut Ada Lovelace istražuje kako se „tržišne snage“ mogu koristiti za pokretanje profesionalizacije osiguranja umjetne inteligencije u kontekstu šireg političkog pomaka ka deregulaciji. Preporučuje se da okviri za regulaciju AI treba da prave razliku između AI sistema općenito i onih koji se koriste za uže kontekste, u smislu praktičnih tehničkih i pravnih kompetencija potrebnih za osiguranje svake vrste sistema, kao i standarda koji bi se trebali primijeniti na svaki.
4. Velika laž vještačke inteligencije
Kompanije koje promovišu umjetnu inteligenciju ne spominju da je često poduprta ne kodom, već ljudima koji označavaju podatke i gledaju neugodan sadržaj – AI ne bi mogla postojati bez jeftine radne snage koja je u velikoj mjeri angažirana na globalnom jugu. Zatim tu je „oblak“, koji ima veći ugljični otisak od avio-industrije i definitivno je fizički, što se manifestira u centrima podataka koji gutaju vodu i rudarstvu na ekološki izazovnim lokacijama.
5. Intervju: Razvijanje CIO strategije za umjetnu inteligenciju
Razgovaramo sa Chrisom Loakeom, CIO grupe u Hiscoxu, o uvođenju Microsoft Copilot-a i kako uspjeti s projektima umjetne inteligencije. Za Loakea, strategija umjetne inteligencije je poput North Star, koja općenito predviđa poslovanje s AI-om.
„Vjerujemo da je AI generacijska tehnologija koja će podržati mnoge, mnoge stvari“, kaže on.
6. Zašto bismo svi trebali biti zabrinuti zbog AI balona
Fraza “ne vjerujte u hype” nikada nije bila prikladnija – sve su više upozorenja o investicijskom balonu umjetne inteligencije koji bi mogao utjecati na sve ako pukne. Na primjer, Thinking Machines Lab, AI startup, nedavno je prikupio 2 milijarde dolara sredstava na osnovu vrijednosti od 10 milijardi dolara – kompanija nema proizvoda, nula kupaca i nula prihoda. Jedina stvar koju je javno obznanio svojim investitorima je životopis njegovog osnivača, Mire Muratija, bivšeg direktora tehnologije u OpenAI-u.
7. Početak rada s agentskom umjetnom inteligencijom
Saznajemo kako organizacije mogu podići automatizaciju na viši nivo koristeći agentsku umjetnu inteligenciju. Analitičarska firma Forrester koristi termin „orkestracija procesa“ da opiše sledeći nivo automatizacije poslovnih procesa, koristeći agentsku veštačku inteligenciju u toku rada za rešavanje nejasnoća daleko lakše od programskih skripti koje se koriste u RPA.
8. Haos u poslovima s umjetnom inteligencijom: Podcast za otpremanje kompjuterskih sedmičnih zastoja
Ometanje poslova AI bilo je među vrućim temama na Gartner simpozijumu u Barseloni. Razgovaramo s Helen Poitevin iz Gartnera o haosu u poslu s umjetnom inteligencijom, a Poitevin je izjavio da će zaposleni vidjeti da će određeni zadaci koje obavljaju početi nestajati. Ona preporučuje IT i poslovnim liderima da zauzmu pristup koji je na prvom mestu za ljude u dizajniranju sistema veštačke inteligencije koje ljudi žele da koriste kako bi efikasnije obavljali svoj posao.
9. Procjena rizika od AI u IT preduzeću
Razgovaramo sa stručnjacima za sigurnost o tome kako IT odjeli i sigurnosni lideri mogu osigurati da bezbedno i bezbedno pokreću sisteme veštačke inteligencije. Ako razmišljate o AI modelu kao o novom zaposleniku koji je upravo došao u kompaniju, da li im dajete pristup svemu? Ne, nećeš. Vjerujete im postepeno s vremenom dok pokazuju povjerenje i sposobnost da obavljaju zadatke.
10. Zašto je budućnost rada agentska
Organizacije počinju da razmatraju gde se veštačka inteligencija uklapa u poslovne tokove. IT lideri mogu pripremiti svoje organizacije za tokove posla koji mogu biti podijeljeni između internog osoblja, eksternih izvođača i AI agenata prikupljanjem znanja korištenjem strukturiranih ontologija podataka kako bi stručnost bila mašinski čitljiva.