Рост цифровых двойников позволяет компаниям обходиться без реальных людей для увеличения прибыли

Крупные компании отходят от традиционных опросов и переходят к созданию ИИ-генерируемых копий реальных людей, что позволяет получать быстрые инсайты, но также вызывает опасения по поводу занятости и конфиденциальности данных.

Вирусное видео на TikTok может сделать бренд знаменитым за несколько часов, но многие компании все еще полагаются на двенадцатинедельные циклы исследований.

К тому времени, как результаты поступают, данные часто устаревают.

Между получением обратной связи и пониманием её значения часто есть задержка. Из-за этого крупные компании могут испытывать трудности с быстрым реагированием, когда тренды меняются быстро.

Многие компании считают, что цифровые двойники — это решение.

Это цифровые копии реальных объектов, систем или даже людей. Компании используют их для тестирования идей и предсказания возможных сценариев до их реализации в реальности.

Крупные банки и фармацевтические компании уже используют эту технологию для прогнозирования реакции людей на важные события или недавно выпущенные товары.

Тестирование происходит за секунды вместо недель

Технология в настоящее время набирает обороты в высокотехнологичных компаниях.

Исследователи из Глазгоского университета создали систему цифровых двойников, которая использует машинное обучение для проверки компьютерных сетей.

Их новый метод может измерить эффективность работы сети всего за 4,78 секунды. Старые методы занимали около 33 часов для выполнения той же задачи.

Благодаря такой скорости инженеры могут тестировать гораздо больше сценариев, особенно по мере усложнения сетей.

Та же потребность в быстрой информации меняет и потребительские исследования.

Стартап Brox создал 60 000 цифровых копий реальных людей.

Это не просто оценки, а очень подробные профили, основанные на обширных интервью, некоторые из которых содержат до 300 страниц материала о человеке.

Вместо того чтобы полагаться в основном на традиционные статистические модели, компании теперь могут запускать множество симуляций за несколько часов, а не месяцев.

Хамиш Броклбэнк, руководитель Brox, объяснил разницу.

«Вы можете создать 10 000 действительно синтетических цифровых двойников [с помощью LLM], но ответы все равно будут сходиться к очень узкому распределению, что не является реалистичным, когда вы спрашиваете реальных людей», — сказал он.

Поскольку у Brox уже есть эти двойники, крупная фармацевтическая компания может задавать цифровой аудитории вопросы и получать надежные результаты за несколько часов, пропуская весь этап поиска реальных людей для интервью.

Автоматизация ориентирована на работников с более высокой оплатой труда

Быстрый переход к автоматизации имеет свои недостатки.

По словам экономиста MIT Дарона Аджемоглу, многие компании используют автоматизацию в первую очередь для экономии денег, а не для повышения эффективности.

По его исследованиям, работодатели более склонны заменять людей с более высокой оплатой.

Исследование также показало значительный эффект на неравенство доходов.

Автоматизация составляла 52% роста разрыва в доходах между 1980 и 2016 годами.

Аджемоглу отметил, что чем выше оплата труда работника, тем больше стимулов у компаний автоматизировать именно эту позицию.

Он также утверждал, что такой фокус на сокращении затрат на рабочую силу снизил многие потенциальные преимущества автоматизации.

По данным исследования, попытки снизить заработную плату уничтожили от 60% до 90% предполагаемых приростов производительности, что привело к так называемому относительно слабому росту производительности.

Конфиденциальность также становится важной проблемой.

Команда из Института IMDEA Networks обнаружила, что известные системы ИИ, такие как ChatGPT, Claude и Perplexity AI, используют трекинговые технологии, разработанные Google и TikTok.

Эти трекеры могут собирать информацию о темах разговоров пользователей, такие как названия чатов и веб-адреса.

Цифровые двойники формируются с использованием очень личной информации, такой как детские воспоминания, поведение и отношения.

В сочетании с трекингом третьих сторон эти технологии могут собирать и обрабатывать огромные объемы чувствительных данных.

Ожидается, что индустрия ИИ-симуляций и цифровых двойников достигнет 21,33 миллиарда долларов к 2030 году.

По мере того как компании используют все более реалистичные виртуальные версии вместо реальных людей, растут опасения по поводу потери рабочих мест и конфиденциальности.

Еще одна проблема — насколько реалистичными могут выглядеть эти системы.

Цифровые двойники и инструменты ИИ могут казаться настолько реальными, что некоторые люди могут даже подумать, что они действительно сознательны или «живы».

Если вы читаете это, вы уже на шаг впереди. Оставайтесь с нашим информационным бюллетенем.