Появление цифровых двойников позволяет компаниям обходить реальных людей для увеличения прибыли

Крупные компании отказываются от традиционных опросов и обращаются к ИИ-генерируемым репликам реальных людей, что обеспечивает более быстрые выводы, но также вызывает опасения по поводу занятости и конфиденциальности данных.

Вирусный ролик в TikTok может сделать бренд знаменитым за часы, но многие компании по-прежнему полагаются на двенадцатинедельные циклы исследований.

К моменту получения результатов данные часто устаревают.

Часто существует задержка между получением обратной связи и пониманием того, что она означает. Из-за этого крупные компании могут испытывать трудности с быстрым реагированием, когда тренды меняются быстро.

Многие компании считают, что цифровые двойники являются решением.

Это цифровые копии реальных вещей, систем или даже людей. Компании используют их для проверки идей и просмотра того, что может произойти, прежде чем делать это в реальной жизни.

Крупные банки и фармацевтические компании уже используют эту технологию для прогнозирования того, как люди отреагируют на важные события или недавно выпущенные товары.

Тестирование происходит за секунды, а не недели

Технология в настоящее время набирает обороты в высокотехнологичных отраслях.

Исследователи в Глазговском университете создали цифрового двойника систему, которая использует машинное обучение для проверки компьютерных сетей.

Их новый метод позволяет измерить эффективность работы сети всего за 4,78 секунды. Старым методам для выполнения той же задачи требовалось около 33 часов.

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

Та же потребность в быстром получении информации меняет подход к потребительским исследованиям.

Стартап под названием Brox создал 60 000 цифровых копий реальных людей.

Это не просто приблизительные оценки, а детализированные профили, основанные на обширных интервью, причем некоторые из них занимают до 300 страниц материалов об одном человеке.

Вместо того чтобы полагаться преимущественно на традиционные статистические модели, компании теперь могут за часы, а не месяцы, запускать множество симуляций.

Хэмиш Броклбанк, управляющий компанией Brox, объяснил разницу.

«Вы можете создать 10 000 по-настоящему синтетических цифровых двойников [с помощью LLM], но ответы все равно будут нормализованы в очень узкое распределение, что нереалистично, когда вы на самом деле опрашиваете реальных людей», — сказал он.

Поскольку у Brox эти двойники уже готовы, крупная фармацевтическая компания может задавать вопросы цифровому «народу» и получать надежные результаты за часы, полностью пропуская этап поиска реальных людей для интервью.

Автоматизация нацелена на работников с высокой оплатой

Быстрый переход к автоматизации имеет и недостатки.

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

Согласно его исследованиям, работодатели более склонны заменять людей с высокой заработной платой.

Исследование также показало значительное влияние на неравенство в доходах.

На автоматизацию пришлось 52% роста разрыва в доходах в период с 1980 по 2016 год.

Ацемоглу отметил, что чем выше зарплата работника, тем больше у корпораций стимулов автоматизировать эту должность.

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

Согласно исследованию, усилия по снижению зарплат стерли от 60% до 90% прироста производительности, который должна была обеспечить автоматизация, что привело к тому, что он описал как относительно слабый рост производительности.

Проблема конфиденциальности также становится все более актуальной.

Команда из Института сетей IMDEA обнаружила, что известные системы ИИ, включая ChatGPT, Claude и Perplexity AI, используют методы отслеживания, разработанные Google и TikTok.

Эти трекеры могут собирать информацию о том, о чем говорят пользователи, например о названиях чатов и веб-адресах.

Цифровые двойники создаются на основе очень личной информации, такой как детские воспоминания, поведение и отношения.

В сочетании с отслеживанием со стороны третьих лиц эти технологии могут собирать и обрабатывать огромные объемы конфиденциальных данных.

Ожидается, что индустрия ИИ-симуляций и цифровых двойников достигнет $21.33 млрд к 2030 году.