Як штучний інтелект змінює лікування передчасно народжених немовлят у лікарнях
У відділенні інтенсивної терапії новонароджених Стенфордської клініки вже застосовують інноваційну технологію – штучний інтелект допомагає складати індивідуальні розчини внутрішньовенного харчування для передчасно народжених немовлят. Цей AI-модель не схожий на популярні ChatGPT, Claude чи Gemini, адже створений виключно для вузької, спеціалізованої задачі – забезпечення найкращого догляду за крихітними пацієнтами.
TPN2.0 — штучний інтелект у харчуванні немовлят
Компанія Takeoff41, що виникла як дочірній проєкт Стенфордської медицини, у січні розпочала клінічні випробування продукту TPN2.0. Цей інструмент використовує штучний інтелект для розробки рецептів повного парентерального харчування – внутрішньовенного живлення для немовлят, які не можуть їсти природним шляхом. Складання таких формул завжди було складним процесом, адже потрібно врахувати унікальні потреби кожної дитини, а помилки можуть мати критичні наслідки.
Створена модель навчалася на понад 140 000 замовленнях харчування для більш ніж 9 000 пацієнтів із двох лікарень. У сліпих тестах рекомендації AI отримали вищу оцінку від лікарів у порівнянні зі стандартною практикою. Водночас у науковому дослідженні, опублікованому в журналі The Lancet Digital Health, спеціалізована клінічна модель перевершила загальні великі мовні моделі в прогнозуванні ускладнень у новонароджених. У цьому напрямку фахівці віддають перевагу саме вузькоспеціалізованим системам, бо вони менш ризиковані і точніші.
Чому знання — це лише початок: роль контексту у роботі AI
Поширена думка, що якщо великий мовний інтелект добре здає тести, він готовий вирішувати реальні проблеми, не завжди відповідає дійсності. Джо Фонгпріча, співзасновник Takeoff41, пояснює: успіх у вузькоспеціалізованих сферах залежить від глибокого розуміння контексту, а не лише від обсягу знань. Моделі повинні бути скроєні під конкретні завдання, з якими стикаються фахівці щодня.
Цю ж проблему відображають і дослідження на прикладі 34 000 малих підприємств, які стверджували, що їхні AI-системи працюють, хоча дані підтверджували інше. Загальні моделі можуть дати прийнятні відповіді на більшість запитів, але «прийнятний» не означає «надійний». Особливо це важливо там, де помилка може мати серйозні наслідки — у медицині, фінансах чи юридичних питаннях.
Професор Стенфорду Німа Ахаєпур підкреслює, що загального AI недостатньо, коли мова йде про рішення, від яких залежить життя чи безпека. У таких випадках потрібні системи, створені, перевірені і налаштовані для конкретної сфери, що забезпечує відповідальне впровадження технологій.
Потрібні вузькоспеціалізовані AI — ринок це підтверджує
Дослідження MIT GenAI Divide показало: фірми, які купують спеціалізовані AI-інструменти, приблизно вдвічі частіше успішно їх впроваджують у порівнянні з командами, що намагаються створити універсальні моделі самотужки. Прогноз Gartner каже, що до 2027 року більше половини генеративних AI-моделей у бізнесі буде орієнтовано на конкретні сфери застосування, тоді як у 2024 році таких було менше 1%.
Арінасрі Чепарті, провідний аналітик Gartner, наголошує, що вертикальні моделі дають кращу продуктивність, знижують витрати, підвищують надійність і відповідають встановленим бізнес-вимогам краще за універсальні системи. Окрім цього, на ринку вже з’являються великі відкриті моделі штучного інтелекту, доступні будь-кому, наприклад, Kimi K3 від Moonshot AI або Inkling від Thinking Machines. Це означає, що різницю у конкурентоспроможності робитиме не розмір моделі, а її спеціалізація.
Як обрати AI для малого бізнесу: фокус на ризики та завдання
Якщо у вас невелика компанія з кількістю співробітників до 50, важливо розуміти, що не вся AI-технологія підходить для складних задач, подібно до того, як ви не керуєте відділенням інтенсивної терапії. Головним критерієм вибору повинна бути вартість помилки чи невдачі. Ось кілька порад:
- Помилки з низькими витратами, наприклад, у чернетках текстів, ідеях чи нотатках, можна виправити пізніше — тут підійде будь-який загальний AI.
- Завдання, де помилка критична — як пайрол, контракти або документи по клієнтських фінансах, потребують спеціалізовані інструменти з сертифікованою точністю.
- Вимагайте від продавців доказів коректності — дані навчання, учасників тестування, стандарти оцінки та реальні результати. Демонстрація може бути красивою, але довіру дає лише валідація моделі.
Німа Ахаєпур додає, що справжні бізнес-лідери, які досягнуть переваг із AI, не будуть орієнтуватися на найбільші моделі, а глибоко розбиратимуться у своїх процесах, створюватимуть AI для конкретних викликів і постійно відстежуватимуть реальний вплив.
У Новонароджених Стенфорда не було найвідомішої моделі, але вони отримали саме ту, що потрібна. Так само мають робити підприємства, щоб залишатися на крок попереду та дбати про своє майбутнє.
