Jak sztuczna inteligencja zmienia nasz świat?

Rynek AI w 2025 roku dynamicznie się rozwija i jest zupełnie inny niż kilka lat temu. Możemy wyróżnić trzy główne segmenty, które wyraźnie się ukształtowały:

• Pre-gen AI – czyli klasyczna sztuczna inteligencja rozwijana przed 2022 rokiem, bazująca na tradycyjnych modelach i algorytmach.
• Enterprise AI – dynamicznie rozwijająca się część rynku, która obejmuje rozwiązania chmurowe, AI w centrach danych oraz AI na urządzeniach końcowych. Dziś sztuczna inteligencja działa na naszych laptopach i smartfonach, nie tylko w potężnych serwerowniach.
• Rynek treningowy – zdominowany przez największych graczy, gdzie powstają zamknięte, ogromne modele, które choć imponujące, nie zawsze przekładają się bezpośrednio na potrzeby i doświadczenia klientów końcowych.

Podczas Dell Technologies Forum sztuczna inteligencja była głównym obszarem dyskusji na temat przyszłość rozwoju technologii.

Agenci AI i przełomowe zmiany

Dotychczas najpopularniejszą formą kontaktu z AI były chatboty przekazujące informacje lub instrukcje. Dziś oczekujemy systemów, które reagują na potrzeby i kontekst. Gdy mówimy „jest mi zimno”, sztuczna inteligencja powinna automatycznie podnieść temperaturę w domu.

Jednym z tematów 2025 roku są Agenci AI oraz Agentic AI – modele, które nie tylko informują, co należy zrobić, ale także robią to za nas.
Wojciech Janusz, EMEA Data Science & AI Horizontal Lead - Dell Technologies

Agentic AI to zbiór wielu wyspecjalizowanych agentów, które współpracują ze sobą, realizując wspólny cel. Na przykład: pierwszy agent może odpowiadać za temperaturę, drugi za zarządzanie energią, a kolejny za kontrolę zużycia wody. Razem tworzą zintegrowany system, który inteligentnie zarządza całym domem.

Nowym, przełomowym elementem w rozwoju AI jest zdolność do rozumowania (reasoning). Dzisiejsze modele nie tylko przechowują informacje, ale potrafią aktywnie je przeszukiwać i analizować, aby precyzyjnie odpowiadać nawet na złożone pytania.

Modele multimodalne

W przeszłości sztuczna inteligencja często ograniczała się do przetwarzania tekstu. Obecnie rozwijane są modele multimodalne, które potrafią interpretować nie tylko tekst, lecz także obrazy, wideo i mowę. To fundamentalna zmiana, która otwiera drogę do całkowicie nowych zastosowań i sposobów interakcji z technologią.

Prawdziwy przełom to jednak MCP – Model Communication Protocol. To standard umożliwiający AI komunikację z usługami zewnętrznymi i innymi modelami. W przeszłości, aby model nauczył się obsługiwać nowe API, trzeba było go ponownie trenować. Dziś wystarczy, że model potrafi korzystać z MCP – może samodzielnie „dogadać się" z usługą, np. umówić spotkanie, zapisać je w kalendarzu, wysłać zaproszenia.
Wojciech Janusz, EMEA Data Science & AI Horizontal Lead - Dell Technologies

Wydajność sprzętowa i koszt działania AI

Równolegle z rozwojem modeli sztucznej inteligencji postępuje także ewolucja sprzętu. Dzisiejsze systemy działają szybciej, są bardziej energooszczędne, a koszty ich obsługi dramatycznie maleją. Jeszcze niedawno milion zapytań do GPT kosztował około 60 dolarów, dziś to już tylko kilka centów.

Co więcej, wydajność AI w przeliczeniu na jednego wata rośnie, a zapotrzebowanie na prąd nie rośnie w takim tempie jak wydajność systemów.

Największe wyzwanie: halucynacje modeli

Pomimo postępu, największym wyzwaniem nadal pozostaje halucynowanie, czyli generowanie fałszywych informacji przez AI.

W przeszłości modele nie były korygowane za błędne odpowiedzi. Dziś natomiast oczekujemy, że w sytuacjach wątpliwych potrafią przyznać: „nie wiem”.
Wojciech Janusz, EMEA Data Science & AI Horizontal Lead - Dell Technologies

AI nie ma zastępować człowieka, lecz wspierać go. Głównym celem jest przejęcie przez sztuczną inteligencję powtarzalnych, nudnych zadań, które pozwolą ludziom skoncentrować się na bardziej kreatywnych, strategicznych i wartościowych aspektach ich pracy.

Podczas Forum nie zabrakło też rozmów o bezpieczeństwie w dobie sztucznej inteligencji. Eksperci Dell Technologies podkreślali, że rozwój AI wymaga nowego podejścia do ochrony danych i cyberodporności organizacji. Wraz ze wzrostem liczby modeli i agentów AI rośnie znaczenie infrastruktury, która potrafi nie tylko przetwarzać dane, ale też skutecznie je chronić – od urządzeń końcowych po centra danych i chmurę.