Після безперервних ітерацій великих моделей конкуренція продуктів спрямовується на сценарії та досвід

Автор: Frank, PANews

Зі зростанням AI від демонстрації технологій до практичного застосування, впровадження AI-продуктів постійно прискорюється, щоб задовольнити зростаючі потреби споживачів. У той же час, з постійним покращенням можливостей великих моделей, здається, що AI вже увійшов у еру «коли кожен може створювати прототип продукту».

Під час AI-тижня muShanghai, у рамках панельної дискусії «Інноваційна практика та пошук шляхів розвитку екосистеми споживчого AI», фокусувались на реальних шляхах впровадження AI-продуктів для споживачів. Участь у дискусії взяли керівник продукту відкритої платформи MiniMax Фен Вень, CEO FateTell Levy, керівник APAC Sentient Anita, а також електронний музикант і незалежний розробник Гао Цзяфенг, які представляли різні сфери: відкриту платформу моделей, застосування для виходу за межі культури, екосистему відкритого AI та практику музичного створення.

З погляду учасників, основні питання споживчого AI не стали простішими через технологічний прогрес. Після прориву можливостей моделей, справжні бар’єри змістилися у сфери розуміння сценаріїв, організації даних, освіти користувачів, емоційної цінності та побудови відкритої екосистеми.

AI не зменшив складність запуску бізнесу, справжні бар’єри залишаються у сценаріях застосування

Загальна суперечність у галузі AI полягає в тому, що: зростання потужності моделей нібито знижує поріг входу у підприємництво, але багато продуктів все одно важко знайти довгострокові сценарії застосування. Застосунки, які здавалися цілком реальними сьогодні, можуть швидко втратити актуальність із виходом нових версій моделей.

З погляду Фен Вень, для споживчого AI важливіше ідея продукту та оцінка сценаріїв. Як постачальник відкритої платформи великих моделей, MiniMax робить акцент на можливостях базових моделей, дизайні продуктів, пов’язаних із токенами, а також на цілісному досвіді розробника. Але з точки зору підприємця, продукт слід проектувати з урахуванням «рівня інтелекту через шість місяців».

Він вважає, що за умови, коли закони масштабування моделей ще діють і їх можливості продовжують зростати, підприємці не повинні обмежуватися швидкістю, вартістю або межами поточних можливостей моделей, а мають сміливо думати про цільових користувачів, конкретні сценарії та проблеми, які потрібно вирішити. Виробники моделей будуть постійно пропонувати дешевші, швидші та більш ефективні можливості, тоді як застосунки мають чітко відповідати на питання «чому саме цей сценарій».

Levy додав ще один аспект бар’єрів із застосункового рівня. Він вважає, що технологічні зміни швидкі, але дані та розуміння сценаріїв, що відповідають цим змінам, не зникнуть швидко. Раніше багато вважали, що єдиний спосіб створити бар’єр даних — це тонке налаштування моделей, але з розвитком контекстного інжинірингу та підказок, дані та структури, що акумулюються у процесі управління контекстом, також можуть змінювати поведінку моделей. Особливо це стосується високовертких, культурно або персоналізовано орієнтованих даних, які не обов’язково потрапляють у загальні ваги моделей, і саме це може стати диференціатором для споживчого AI, що дозволить протистояти частим оновленням моделей.

Anita більш обережно ставиться до ідеї «зниження порогу входу у підприємництво завдяки AI». Вона вважає, що AI дійсно полегшує створення демонстраційних зразків, прототипів і швидкий запуск первинних продуктів, але справжні труднощі підприємництва не зникли і навіть можуть посилитися: як залучити клієнтів, як побудувати стійку спільноту, як реалізувати комерційний запуск, як налагодити людські зв’язки поза програмуванням. Вона зазначає, що концепція «суперіндивідуума» та «одиноких компаній» зараз популярна, але для успішного запуску потрібні більш комплексні навички, а не лише виклик великих моделей.

Зі зміною підходів від «чорних ящиків» до музики: розуміння користувача — ключ до споживчого AI

Зі зростанням технологічних можливостей цінність споживчого AI все ж зводиться до людських потреб.

Практика FateTell є яскравим прикладом. Levy розповідає, що FateTell — це застосунок для закордонних користувачів, що поєднує AI з китайською астрологією та чотиризначною датою народження, і вже має користувачів у понад 90 країнах. Спершу команда уникала орієнтації на чисто ефективні інструменти і зосередилася на духовних та емоційних цінностях.

На його думку, розуміння власної долі, пошук пояснень і заспокоєння — це глибинні психологічні потреби, що існують між культурами і з часом. Раніше було важко викликати довіру до таких сценаріїв через обмежені можливості моделей, але з розвитком моделей типу DeepSeekR1, що здатні робити складні логічні висновки та пояснення, з’явилася можливість допомогти користувачам і інвесторам зрозуміти, що «великі моделі можуть робити складні висновки та пояснення». Бар’єром для FateTell є не лише можливості моделей, а й питання перекладу та трансляції китайських культурних понять — таких як тяньганьдічжі, Іцзин, бацзи — для іноземних користувачів, а також через мову, візуальні образи та інтерактивність передавати їхню привабливість.

Гао Цзяфенг із позиції музичного творця піднімає схожі питання: AI не має лише видавати результат, а й зберігати процес. Він зазначає, що інструменти на кшталт Suno роблять генерацію музики дуже простою, але при цьому пропускають процес створення, що позбавляє користувачів залученості та відчуття приналежності. Для музикантів і звичайних користувачів створення — це не лише отримання «готової пісні», а й сам процес, що є частиною досвіду.

Він порівнює це з футболом: навіть якщо звичайна людина ніколи не перевершить Мессі або Роналду, вона все одно буде грати з любові до цього. Аналогічно і в музиці. Гао Цзяфенг розробляє MusicAIGameBoy (музичний AI-ігровий пристрій), який за допомогою моделей AI або малих моделей керує музичним кодом і, поєднуючи з ігровим інтерфейсом, дозволяє навіть тим, хто не знає музики, брати участь у створенні під час гри. Для нього справжній сценарій — не просто «автоматичне створення пісні», а повернення інтерактивності у процес музичного створення.

Після появи агентів змінюється логіка навчання користувачів

У споживчому AI користувацьке навчання часто визначає, чи буде продукт дійсно використовуватися.

Фен Вень зазначає, що у відкритій платформі MiniMax частина користувачів має базові навички розробки, але все одно стикається з труднощами через документацію API, параметри, коди помилок і використання токенів. Тому платформа пропонує тестову платформу моделей, керівництва для розробників, демонстраційні кейси та відеоуроки, щоб швидше пройти шлях від розуміння до виклику.

З розвитком агентів змінюється і спосіб навчання користувачів. Раніше потрібно було читати документацію, розуміти інтерфейси та виправляти помилки. Тепер багато користувачів отримують допомогу безпосередньо від агентів, які читають документацію, шукають рішення, обирають відповідні моделі та автоматично коригують шлях. Виробники моделей мають забезпечити якісні моделі, документацію та платформу, а спільноти, розробники і різні продукти разом знижують поріг входу.

Для Sentient відкритий екосистемний підхід є частиною навчання користувачів і впровадження продукту. Anita розповідає, що Sentient зосереджена на відкритій AI-екосистемі та інфраструктурі, залучаючи розробників через хакатони, гранти та інші ініціативи. Вона підкреслює, що перед запуском продукту потрібно чітко визначити цільову аудиторію: хто ці користувачі, де вони з’являються і через які канали їм довіряють. Для інструментів розробника хакатони та екосистемна співпраця — ефективні входи; для споживчих продуктів — важливі KOL, KOC і контент у соцмережах.

На тлі швидкого зниження вартості AIGC, стартапи можуть створювати трейлери, візуальні матеріали та поширювальний контент із меншими затратами, швидше залучаючи перших користувачів. Гао Цзяфенг також вважає, що дизайн продукту має бути максимально орієнтованим на користувача, щоб він міг природно вчитися під час взаємодії та розваг, а не через великі інструкції. Такий підхід «навчання під час використання» може бути більш ефективним, ніж традиційні навчальні матеріали для споживчого AI.

Фізичний світ, персоналізація та емоційна цінність у майбутньому

Протягом трьох-п’яти років учасники загалом вважають, що ринок споживчого AI ще перебуває на ранніх етапах проникнення, але форми продуктів зазнають суттєвих змін.

Фен Вень прогнозує, що за три-п’ять років важливий перелом станеться у сфері розумних пристроїв, роботів і тілесного інтелекту. Після покращення моделей AI перестане існувати лише у софтверних інтерфейсах — вона проникне у фізичний світ, виконуючи більше взаємодій і завдань. Деякі продукти орієнтуватимуться на людину, підвищуючи ефективність або емоційну цінність. Інші — створюватимуть середовище, інструменти та інфраструктуру для агентів, що з’єднують AI із фізичним світом. Але незалежно від форми, кінцева мета — зосередитися на людині, щоб більше часу приділяти спілкуванню, родині, реальному світу та багатшому життю.

Levy вважає, що прогнозування на три-п’ять років у AI вже дуже складне, а навіть на три-п’ять місяців — з високою невизначеністю. Хоча передові користувачі вже глибоко використовують інструменти на кшталт ClaudeCode, більшість звичайних користувачів ще на початкових етапах проникнення AI. У найближчі роки AI ще більше задовольнятиме дрібні, персоналізовані потреби. У порівнянні з епохою мобільного інтернету, коли сервіси були схожі для всіх, AI має шанс пропонувати більш конкретні та нішеві рішення для кожної людини. Водночас, зростання безробіття та невизначеності може посилити потребу у психологічному супроводі та емоційній підтримці.

Anita підсумовує цю зміну як «технічне рівноправ’я». Вона вважає, що у майбутньому межі між гуманітарними, технічними, мистецькими та науковими сферами розмиються. Навіть дрібний торговець зможе за допомогою AI створювати рекламу, таргетувати повідомлення і покращувати свій бізнес. Цінність AI не обов’язково у тому, щоб зробити кожного програмістом світового рівня, а у тому, щоб допомогти людям у різних сферах отримати кращі інструменти. Водночас, страх перед безробіттям і самотністю підсилює попит на емоційну цінність, а гаджети, AI-поводирі, пристрої для спілкування та багатосенсорні інтерфейси отримають більше шансів.

Гао Цзяфенг з точки зору культурних трансформацій вважає, що у майбутньому контент, такий як музика, фільми, відео, буде переформатовано, і навіть питання, чи залишається «пісня» найменшою одиницею музичного споживання, стане відкритим. Концепції, як роздільні доріжки або треки, можуть бути ще більш атомізовані. Але разом із цим, важливішими стануть емоційний зв’язок і бренди, що їх несуть, — люди цінуватимуть не ідеальні твори, а ті, що мають недосконалості, тепло і здатність викликати емоції.

Хоча учасники не дали єдиного визначення для споживчого AI, обговорення з різних сфер — платформ моделей, культурних застосувань, відкритої екосистеми та музичного створення — спільно вказують на один тренд: коли можливості моделей продовжують зростати, конкуренція у споживчому AI вже не зводиться до «хто викликав найпотужнішу модель», а до здатності розуміти конкретних користувачів, реальні сценарії та емоційні потреби.

Майбутня екосистема споживчого AI, ймовірно, включатиме більш потужну відкриту інфраструктуру, нижчий поріг входу для розробників, більш персоналізовані сервіси, більш емоційно орієнтовані гаджети та нові продукти, що зосереджені на культурі і творчості. Моделі будуть продовжувати розвиватися, але справжніми залишаться ті продукти, які зможуть бути потрібними, зрозумілими і здатними встановлювати зв’язки з людьми.