REXFLOW

Робототехника не повторит траекторию языковых моделей в ближайшее время: по мнению Амульи Вишванат, семь лет возглавлявшей продуктовый маркетинг робототехнических платформ NVIDIA, а сейчас работающей в венчурном фонде, отрасль находится в «эпохе Lego».

Базовые блоки — актуаторы, роботизированные кисти, программное обеспечение и стандарты безопасности — всё ещё пересобираются, и ждать единой foundation-модели, которая мгновенно выведет роботов на уровень прорыва ChatGPT, преждевременно.

Что означает момент ChatGPT для технологий

Когда в конце 2022 года ChatGPT стал доступен каждому, языковые модели за считанные недели превратились из лабораторной экзотики в массовый инструмент. Порог входа обнулился: не нужны интеграции с физическим миром, дорогое «железо» или перестройка процессов — достаточно браузера.

Робототехника устроена иначе. Чтобы робот выполнил полезную работу, должны одновременно сойтись механика, электроника, алгоритмы восприятия, безопасность и экономика внедрения. Сбой в любом звене обнуляет ценность всей цепочки. Именно поэтому прямые аналогии с чат-ботами здесь не работают, хотя соблазн провести их велик.

Почему языковые модели масштабируются быстрее

Программный продукт тиражируется почти бесплатно: одна обученная модель обслуживает миллионы пользователей. Физический робот нужно произвести, доставить, установить, обслуживать и застраховать. Каждый экземпляр — это затраты, логистика и риски.

Кроме того, данные для обучения LLM уже существовали в интернете в виде триллионов текстов. Для роботов сопоставимого корпуса «физического опыта» нет — его ещё предстоит собрать, и это одна из главных причин, по которой общая робототехническая модель пока не сложилась.

Эпоха Lego: из каких блоков собирается робототехника

Тезис Вишванат об «эпохе Lego» описывает стадию, на которой отрасль не стандартизировала строительные блоки. Каждый разработчик собирает собственный стек: свои актуаторы, свои захватные устройства, свой софт и свои протоколы безопасности.

Отдельные компоненты при этом развиваются быстро:

Проблема в том, что эти блоки пока не «слипаются» в единую платформу, как слиплись трансформеры, масштабирование данных и API в мире языковых моделей. Пока блоки пересобираются, ни один из них не даёт скачка, сравнимого с эффектом ChatGPT.

Роль foundation-моделей в физическом мире

Ожидание «момента ChatGPT» для роботов опирается на веру в одну универсальную модель, которая научит машину действовать в любой среде. Вишванат считает эту позицию противоречащей текущей реальности: универсальность в физическом мире требует не только алгоритма, но и зрелой инфраструктуры вокруг него.

Языковой модели достаточно текста. Роботу нужны датчики, механика, сертификация и интеграция с производственными линиями или складами. Это делает путь к прорыву длиннее и капиталоёмче, чем в софтверной индустрии.

Чему бизнес может научиться у робототехники уже сегодня

Пока роботы проходят свою «эпоху Lego», компаниям не нужно ждать физической автоматизации, чтобы получать выгоду от ИИ. Мягкая автоматизация — там, где ИИ работает с текстом, диалогами и данными, — уже прошла свой момент ChatGPT и доступна бизнесу любого размера.

Чат-боты для бизнеса как готовая технология

Чат-боты для бизнеса — это тот случай, когда языковые модели уже сегодня решают прикладные задачи: обрабатывают обращения клиентов, квалифицируют лиды, отвечают на типовые вопросы и разгружают поддержку. В отличие от роботов, они не требуют «железа», перестройки офиса или сертификации — внедрение занимает недели, а не годы.

В маркетинге для малого бизнеса чат-боты закрывают первичный контакт с клиентом в мессенджерах и на сайте: бот квалифицирует запрос, собирает контакты и передаёт «горячего» клиента менеджеру. Это не эксперимент, а отработанная практика с предсказуемым эффектом и минимальным порогом входа.

Системы автоматизации бизнес-процессов: софт не ждёт роботов

Если робототехника ждёт стандартизации «железа», то системы автоматизации бизнес-процессов уже стандартизированы: CRM, таск-трекеры, конструкторы сценариев и ИИ-агенты стыкуются через готовые интеграции. Автоматизация бизнес-процессов компании сегодня начинается не с покупки манипулятора, а с карты процессов: какие рутинные операции съедают часы сотрудников и какие из них можно передать связке «правила + ИИ».

Типичные кандидаты на первый шаг:

Каждый из этих сценариев реализуется существующими инструментами и не зависит от того, когда роботы получат свою foundation-модель.

Сравнение траекторий софта и железа

Разрыв между двумя ветками автоматизации удобно оценить по четырём параметрам:

Из этого сравнения следует практический вывод: стратегия автоматизации должна строиться от зрелого к незрелому. Сначала — диалоговые и процессные инструменты, затем — аналитика, и только потом, когда блоки робототехники «слипнутся», физическая автоматизация. Подробнее — в разделе [Сравнение траекторий софта и железа](#сравнение-траекторий-софта-и-железа).

Что изменится, когда блоки соберутся

Когда отрасль стандартизирует актуаторы, захваты, софт и безопасность, эффект будет похож на момент, когда API-экономика открыла разработчикам доступ к зрелым моделям. Появятся платформы, где робот конфигурируется, а не проектируется с нуля. Тогда автоматизация выйдет в физические операции: склады, производства, логистику.

Но до этого момента компании, вкладывающиеся исключительно в ожидание роботизации, рискуют годами не получать отдачи от ИИ. Те, кто уже выстроил диалоговую автоматизацию, к этому моменту будут иметь данные, обученные команды и готовую инфраструктуру — и внедрят физическую автоматизацию быстрее конкурентов.

Практический план на переходный период

Пока робототехника собирает свои «Lego-блоки», рациональная стратегия для компании выглядит так:

1. Провести аудит рутинных процессов и выбрать 2–3 сценария с максимальной трудоёмкостью.

2. Внедрить диалоговую автоматизацию: бота в мессенджерах и на сайте для первичной обработки обращений.

3. Связать бота с CRM и таск-трекером, чтобы заявки не терялись между каналами.

4. Накапливать данные о запросах клиентов — они пригодятся и для дообучения моделей, и для планирования будущей автоматизации.

Такой план не требует ставок на неопределённое будущее робототехники и при этом не закрывает дверь к нему. Пошаговое описание — в разделе [Практический план на переходный период](#практический-план-на-переходный-период).

Вывод

Момент ChatGPT случился в языковых моделях потому, что все блоки — архитектура, данные, интерфейс, инфраструктура — сложились одновременно. В робототехнике, как объясняет экс-руководитель робототехнического маркетинга NVIDIA Амулья Вишванат, эти блоки ещё пересобираются: актуаторы, кисти, софт и стандарты безопасности не образуют единой платформы. Прорыв придёт, но позже, чем ждут оптимисты.

Для бизнеса вывод простой: не ставить стратегию на паузу в ожидании роботов. Диалоговые инструменты и процессная автоматизация уже зрелы, дёшевы во внедрении и дают измеримый результат сегодня — итоги подводятся в разделе [Вывод](#вывод). Компании, которые начнут с них, встретят физическую автоматизацию во всеоружии: с данными, процессами и командами, уже говорящими на языке ИИ.

Источник: https://techcrunch.com/video/a-nvidia-insider-turned-vc-on-why-robotics-hasnt-hit-its-chatgpt-moment-yet