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

Автор: Frank, PANews

Зі зростанням AI від демонстраційних технологій до практичного застосування, впровадження AI продовжує швидко прискорюватися, 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 AI для споживачів», фокусувались на реальних шляхах впровадження споживчих AI-продуктів. 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, застосунки для виходу на культурний ринок, екосистему відкритого AI та практики музичного створення.

З погляду учасників, основні питання споживчого AI не стали простішими через технологічні оновлення. Після проривів у моделях, 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 з виходом нових версій моделей.

З погляду Фен Вень, для споживчого AI важливіше ідея продукту та оцінка сценаріїв. Як керівник відкритої платформи моделей, він наголошує на важливості базових можливостей моделей, дизайну продуктів, пов’язаних із токенами, та цілісного досвіду для розробників. Але з точки зору підприємця, продукт слід проектувати, виходячи з «рівня інтелекту моделей 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 моделей, а мають сміливо думати про цільових користувачів, конкретні сценарії та проблеми, які потрібно вирішити. Виробники моделей будуть постійно пропонувати дешевші, швидші та більш вигідні можливості, тоді як застосунки мають чітко відповідати на питання «чому саме цей сценарій».

Levy додав із застосовної сторони ще один джерело бар’єрів. Він вважає, що технологічні зміни швидкі, але дані та розуміння сценаріїв залишаються стабільними. Багато хто раніше вважав, що єдиний спосіб створити данібар’єр — це тонке налаштування моделей, але з розвитком контекстного інжинірингу та підказок, дані та структури, що накопичуються у контексті застосунків, також змінюють поведінку моделей. Особливо це стосується високовіртуальних, культурно або персоналізовано орієнтованих даних, які не обов’язково потрапляють у загальні ваги моделей, і саме це може стати диференціатором для споживчого AI, що протистоїть швидким оновленням моделей.

Anita більш обережно ставиться до ідеї, що AI знижує поріг входу у підприємництво. Вона вважає, що AI дійсно полегшує створення демонстраційних зразків, прототипів і швидкий запуск первинних продуктів, але справжні труднощі підприємництва залишаються: залучення клієнтів, формування спільноти, комерційна реалізація та побудова людських зв’язків поза програмуванням. Вона підкреслює, що концепція «суперіндивідуума» та «одинокорпоративної компанії» популярна, але для успішного запуску потрібні більш комплексні навички, а не лише виклик великих моделей.

Від восьмикласної системи до музики: глибше розуміння користувача — бар’єр для споживчого AI

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

Практика FateTell є яскравим прикладом. Levy розповідає, що FateTell — це застосунок для іноземних користувачів, що поєднує AI з китайською астрологією/базовими даними про долю, і вже має користувачів у понад 90 країнах. Спочатку команда уникала орієнтації на чисту ефективність, натомість 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 тривалий час. Раніше було важко викликати довіру у цьому сценарії, але з покращенням можливостей моделей, таких як DeepSeekR1, стало очевидним, що «великі моделі здатні робити складні висновки та пояснення». Бар’єр для FateTell — не лише можливості моделей, а й те, як перекладати та транслювати китайські культурні концепції, такі як тяньганьдічжі, Іцзін, бацзи, для іноземних користувачів, а також як через мову, візуальні та інтерактивні засоби донести їхню привабливість.

Гао Цзяфенг із точки зору музичного творця піднімає схожу проблему: AI не повинен 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 важливо, щоб процес створення був частиною досвіду, а не лише кінцевим продуктом.

Він порівнює це з футболом: навіть якщо звичайна людина ніколи не перевершить Мессі або Роналду, вона все одно буде грати через любов до гри. Аналогічно і в музиці. Гао Цзяфенг розробляє MusicAIGameBoy — музичну ігрову приставку, яка за допомогою AI, як великої, так і малої моделей, генерує музичний код і через гейміфікацію 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 інтерактивного процесу музичного створення користувачам.

Зростання агентів змінює логіку навчання користувачів

У споживчому AI навчання користувачів 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, 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 та впровадження продукту. Anita розповідає, що Sentient зосереджена на відкритій AI-екосистемі та інфраструктурі, а також організовує хакатони, грантові програми для залучення розробників. Вона підкреслює, що перед запуском продукту потрібно чітко визначити цільову аудиторію: хто ці користувачі, де вони з’являються і якими каналами можна здобути довіру. Для інструментів розробників хакатони та співпраця в екосистемі — ефективні входи; для споживчих продуктів — важливі KOL, KOC і контент у соцмережах.

За швидким зниженням вартості AIGC-компонентів, стартапи можуть створювати трейлери, візуальні матеріали та поширювальний контент дешевше, швидше залучаючи перших користувачів. Гао Цзяфенг також вважає, що дизайн продукту має бути максимально орієнтованим на користувача, щоб він міг природно вчитися через взаємодію та розваги, а не через довгі інструкції. Такий підхід «навчання під час використання» може бути ефективнішим за традиційні навчальні матеріали для споживчого AI.

Виробництво у реальному світі: персоналізація та емоційна цінність зростають

У найближчі три-п’ять років учасники одностайні, що ринок споживчого AI ще на ранніх стадіях 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. Частина продуктів орієнтується на людину, підвищуючи ефективність або емоційну цінність. Інша частина — на агентів, що забезпечують зв’язок AI із фізичним світом через інфраструктуру, інструменти та середовища. Але незалежно від форми, кінцева мета — зосередженість на людині, щоб більше часу приділяти спілкуванню, родині, реальному світу і багатшому життю.

Levy вважає, що прогнозування на три-п’ять років у AI — дуже складне, і навіть на три-п’ять місяців передбачити важко. 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 схожими для всіх, AI має шанс пропонувати більш конкретні та нішеві рішення. Водночас, зростання безробіття і невизначеність можуть посилити потребу у психологічному супроводі та емоційних сервісах.

Anita підсумовує цю зміну як «технічне рівноправ’я». Вона вважає, що у майбутньому межі між гуманітарними, технічними і мистецькими сферами розмиються. Навіть дрібний торговець зможе за допомогою AI створювати рекламу, таргетувати повідомлення і покращувати бізнес. Вартість AI-інструментів не обов’язково має робити кожного топ-програмістом, але допомагати людям у різних сферах отримувати кращі інструменти. Водночас, страх втрати роботи і самотність підсилюють попит на емоційні цінності, іграшки з AI, пристрої для спілкування та сенсорні продукти 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, емоційний зв’язок через IP, бренди і конкретних персонажів стане ще важливішим. Люди цінують не ідеальні твори, а ті, що мають недосконалості, тепло і здатні викликати емоційний резонанс.

Хоча учасники не дали єдиного визначення споживчого AI, обговорення з платформ, культурних застосунків, відкритої екосистеми та музичного створення вказують на один тренд: коли можливості моделей продовжують зростати, конкуренція у споживчому AI зводиться не лише до того, хто викликав більш потужну модель, а до здатності краще 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 пристрої та нові продукти, що зосереджені на культурі і творчості. Моделі будуть продовжувати розвиватися, але справжніми, що залишаться, стануть ті, що здатні задовольнити людські потреби, бути зрозумілими і встановлювати зв’язки з людьми.