ესეი: AI მანია კომპანიების გადაწყვეტილებებს ანადგურებს

რას ამბობს ესე

2026 წლის 18 ივლისს ბლოგ Ludicity-ზე გამოქვეყნდა ესე, რომლის მიხედვითაც მსხვილმა ორგანიზაციებმა ხელოვნურ ინტელექტთან დაკავშირებით გონივრული გადაწყვეტილებების მიღების უნარი დაკარგეს. ავტორი, რომელიც საკონსულტაციო კომპანიაში გაყიდვებსა და კლიენტური პროექტების ტექნიკურ ნაწილს ხელმძღვანელობს, ამბობს, რომ ტექსტი ეყრდნობა დაახლოებით 300 საუბარს პროფესიონალებთან — პატარა სერვისული ბიზნესებიდან Fortune 500-ის ხელმძღვანელებამდე. ესე იწყება Mitchell Hashimoto-ს (HashiCorp, Ghostty) გაფრთხილებით, რომ მთელი კომპანიები “მძიმე AI ფსიქოზის” ქვეშ იმყოფებიან და მათთან რაციონალური საუბარი შეუძლებელია.

წარმატების 0% — ავტორის მონაცემებით

მთავარი მტკიცება მკაცრია: ყველა AI პროექტი, რომელსაც ავტორის გუნდი წელიწადნახევრის განმავლობაში აკვირდებოდა, ჩავარდა — წარმატების მაჩვენებელი 0%-ია, მათ შორის იმ პროექტებშიც, რომლებშიც კომპანია უშუალოდ არ მონაწილეობდა. ყველაზე გავრცელებული მარცხის მიზეზებია შიდა ჩატბოტები, რომლებსაც თითქმის არავინ იყენებს — თანამშრომლები იშვიათად მიმართავენ ხელსაწყოებს, რომლებიც ცუდად დოკუმენტირებულ შიდა ცოდნაზეა აგებული — და კლიენტებისთვის განკუთვნილი ბოტები. ავტორი აღწერს Mitsubishi-ს ხმოვან ასისტენტს, რომელმაც მანქანის გაფუჭების შემდეგ უკუკავშირის დაპირება მისცა; ექვსი თვის შემდეგ ზარი არ მოსულა.

ავტორის თქმით, საჯარო განცხადებებსა და რეალობას შორის სხვაობა სტრუქტურულია. გულახდილი თანამშრომლები რისკავს სამსახურის დაკარგვით ან შემცირების სიაში მოხვედრით, ხოლო დირექტორთა საბჭოები, ხელმძღვანელები, მომწოდებლები და კონსულტანტები სარგებელს იღებენ წარმატების გაზვიადებით. ზოგიერთი საჯარო კომპანია, წერს ის, აცხადებს “AI-ით მიღწეულ პროდუქტიულობის ზრდას” მას შემდეგ, რაც რეალურად მხოლოდ Copilot-ის ლიცენზიები იყიდა.

ლოიალობის გამოცდა და “AI-ით რეცხვა”

მეორე ნაწილი აღწერს, რომ 500-ზე მეტი თანამშრომლის მქონე კომპანიებში კარიერული წინსვლა სულ უფრო მეტად AI-ის რწმენის საჯარო აღიარებაზეა დამოკიდებული. ესე მოჰყავს ხელმძღვანელი, რომელმაც 2 მილიარდ დოლარზე მეტი შემოსავლის მქონე კომპანიისთვის AI-ზე ორიენტირებული სტრატეგია შეადგინა, თავად კი AI ხელსაწყო არასოდეს გამოუყენებია. აღწერილია “AI-ით რეცხვაც”: ინჟინრები სამუშაოს ისე ასრულებენ, როგორც ადრე, და შედეგს მოდელს მიაწერენ, ხოლო გუნდებს “ტოკენების ლიდერბორდით” აფასებენ, სადაც AI-ზე მეტი დახარჯვა უკეთესად ითვლება.

ავტორი ასევე იხსენებს გაყიდვების ეპიზოდს Snowflake-ის Cortex ჩატბოტთან დაკავშირებით. Snowflake-ის თანამშრომლებმა მისი სიზუსტე იდეალურ კონფიგურაციაში დაახლოებით 92%-ად შეაფასეს — დემონსტრაციისთვის მისაღები, აღნიშნავს ის, მაგრამ არა ფინანსური დირექტორისთვის, რომელსაც ყველა რიცხვი ზუსტი სჭირდება. დემონსტრაციის ნახვის შემდეგ კლიენტებს დაუყოვნებლივ ყიდვა სურდათ; გუნდმა გარიგებაზე უარი თქვა.

რატომ არის ეს მნიშვნელოვანი

ესე მდგომარეობას ნაკლებად თავად AI-ს, უფრო მეტად კი წახალისების სისტემას მიაწერს: ხელმძღვანელებს ეშინიათ კლიენტების მტკიცებების გაპროტესტებისა და კონტრაქტის დაკარგვის, დირექტორთა საბჭოს წევრებს — სკეპტიკოსად მოჩვენების, ხოლო თანამშრომლებს ისეთი მეტრიკებით აფასებენ, რომელთა გაყალბებაც ადვილია. ტექსტი სრულდება რჩევებით მათთვის, ვინც ასეთ ორგანიზაციებში მუშაობს — უპირატესობა მიანიჭეთ პირისპირ საუბრებს, გამოიყენეთ ანონიმური გამოკითხვები, ჩართეთ ხელსაწყოების რეალური მომხმარებლები და საჯაროდ ნუ გააპროტესტებთ AI-ის შესახებ ყველაზე ზოგად მტკიცებებს.