Sam Altman przyznaje, że źle ocenił tempo zmian: GPT-4 nie odmienił gospodarki tak szybko, jak oczekiwano

Sam Altman najwyraźniej koryguje nie ocenę znaczenia sztucznej inteligencji, lecz harmonogram jej wpływu na gospodarkę. W wywiadzie opublikowanym 23 sierpnia 2026 roku szef OpenAI miał przyznać, że po premierze GPT-4 w 2023 roku spodziewał się znacznie szybszych zmian w firmach programistycznych i w całej gospodarce. 36

Wniosek jest istotny: sprawny model to dopiero początek. Aby jego możliwości przełożyły się na zmiany odczuwalne w całej gospodarce, potrzebne są użyteczne aplikacje, reorganizacja pracy, infrastruktura, regulacje i społeczne przyzwolenie. Wszystkie te elementy okazują się wolniejsze i bardziej konfliktowe, niż sugerował entuzjazm po premierze GPT-4.

Altman koryguje prognozę dotyczącą AI

Wypowiedź Altmana pokazuje różnicę między postępem technicznym a wdrażaniem technologii w gospodarce. Oczekiwał, że gdy GPT-4 zademonstruje nowy poziom możliwości, firmy i rynek oprogramowania szybko się zmienią. Tymczasem przełożenie wyników modelu na powszechne zakłócenia w biznesie trwa dłużej. 36

Nie oznacza to, że AI straciła znaczenie gospodarcze. Samo trenowanie coraz potężniejszych modeli nie zmienia jednak automatycznie sposobu działania przedsiębiorstw. Firmy potrzebują niezawodnych produktów, integracji z istniejącymi systemami, nowych procedur, szkoleń pracowników oraz uzasadnienia dla dodatkowych kosztów.

W tej perspektywie krótkoterminowym wąskim gardłem jest nie tyle pytanie, czy modele będą coraz lepsze, ile to, czy organizacje potrafią skutecznie z nich korzystać. Późniejsze obserwacje Altmana nadal wskazują na szybki rozwój AI i spadek kosztów jej używania, dlatego wolniejsze tempo zmian nie powinno być mylone ze spadkiem ambicji branży. 40

Dlaczego wdrażanie AI nie nadąża za możliwościami modeli

Droga od efektownej demonstracji modelu do zastosowania go w codziennej pracy jest długa. Firma może być zmuszona do przeprojektowania procesów, ustanowienia nadzoru, zabezpieczenia danych, rozwiązania problemów związanych z bezpieczeństwem oraz ustalenia, kto odpowiada za błąd popełniony przez system AI.

Kolejną barierą jest infrastruktura. Systemy AI wymagają ogromnych mocy obliczeniowych, a centra danych spotykają się ze sprzeciwem z powodu zużycia energii i wody, obciążenia sieci, wykorzystania gruntów oraz wpływu na lokalną gospodarkę. Według przywołanego przez The New York Times badania Gallupa 71 proc. dorosłych mieszkańców Stanów Zjednoczonych sprzeciwiało się budowie centrum danych AI w swojej okolicy. Ten sam materiał informował, że ponad tuzin projektów zostało zablokowanych lub opóźnionych przez lokalny opór. 18

Altman przyznał, że rozumie te obawy, i zasugerował, że centra danych można byłoby lokalizować na odległych terenach pustynnych. 23 To pokazuje praktyczne granice ekspansji AI: dostęp do prądu i układów scalonych nie wystarczy, jeśli projekt nie uzyska pozwoleń, przyłączy przesyłowych, odpowiedniej działki i poparcia mieszkańców.

Dlaczego Altman mówi o konieczności kontrolowania tempa rozwoju

W osobnej wypowiedzi Altman stwierdził, że rozwój AI może wymagać odpowiedniego „tempa”, aby społeczeństwo miało czas „zabezpieczyć się” i dostosować do nowych poziomów możliwości. Zastrzegł przy tym, że takie podejście nie powinno prowadzić do przejęcia regulacji przez największe firmy ani do zmowy między laboratoriami rozwijającymi najbardziej zaawansowane modele. 37

Nie jest to wezwanie do trwałego zatrzymania rozwoju AI. Chodzi raczej o lepsze skoordynowanie tempa wdrażania z tempem, w jakim społeczeństwo może się dostosować. Technologia może rozwijać się szybko, podczas gdy instytucje, firmy i obywatele potrzebują więcej czasu na wypracowanie zasad jej używania.

Dwa zagrożenia kryjące się za ostrzeżeniem przed „antyludzkim” scenariuszem

W przedstawianej argumentacji pojawiają się dwa przeciwstawne zagrożenia:

1. AI staje się tak potężna, że ludzie i instytucje tracą nad nią realną kontrolę.
2. Kontrola nad zaawansowaną AI skupia się w rękach zbyt małej liczby firm lub rządów.

Drugie ryzyko wpisuje się w szerszy pogląd Altmana, że AI powinna być demokratyzowana, a władza nie może zostać nadmiernie skoncentrowana. 44 Te dwa zagrożenia prowadzą jednak do różnych wniosków regulacyjnych. Silna centralna kontrola może ograniczyć część nadużyć, ale skupienie dostępu i decyzji w rękach kilku podmiotów samo w sobie stwarza niebezpieczeństwo polityczne i gospodarcze.

Dostępne materiały nie potwierdzają, że Altman bezpośrednio atakował Anthropic ani że uznał ostrożniejsze podejście tej firmy do bezpieczeństwa za z natury „antyludzkie”. Taka interpretacja byłaby wnioskiem komentatorów, a nie potwierdzonym zarzutem. Ostrożniejsza i lepiej uzasadniona teza brzmi: rozwój najbardziej zaawansowanej AI tworzy rzeczywisty kompromis między kontrolą ryzyka a koncentracją władzy.

Co pokazuje transakcja NVIDIA z Poolside

Raportowana transakcja NVIDIA z firmą Poolside pokazuje, dlaczego wolniejsze wdrażanie AI nie oznacza słabszych inwestycji. Według doniesień NVIDIA ma zapłacić 6 mld dolarów za licencję na technologie Poolside i zainwestować w startup dodatkowy 1 mld dolarów. Ponad 100 pracowników Poolside ma pracować przy rodzinie otwartych wagowo modeli Nemotron firmy NVIDIA. 1

Modele o otwartych wagach można łatwiej dostosowywać i wdrażać we własnych środowiskach niż rozwiązania całkowicie zamknięte. Ruch NVIDIA sugeruje, że rywalizacja w AI wykracza poza samo trenowanie modeli granicznych. Firmy sprzętowe i twórcy modeli inwestują także w oprogramowanie, procesy rozwoju modeli i alternatywy, które można szerzej modyfikować oraz wdrażać. 5

Lepiej odczytywać tę transakcję jako przygotowanie na dłuższy cykl wdrożeń niż jako sygnał, że NVIDIA spodziewa się załamania popytu na AI. Firmy mogą zakładać, że AI będzie stopniowo przenikać do wielu zastosowań i organizacji, zamiast liczyć na to, że jedna premiera modelu natychmiast przebuduje gospodarkę.

Najważniejszy wniosek: upowszechnianie, nie odwrót

Skorygowany harmonogram Altmana, protesty przeciwko centrom danych i inwestycja NVIDIA w Poolside składają się na bardziej złożony obraz transformacji AI, niż sugerowała pierwsza fala entuzjazmu.

Rozwój sztucznej inteligencji nadal przyspiesza, ale jej upowszechnianie ograniczają:

• trudności z tworzeniem niezawodnych aplikacji;
• reorganizacja procesów biznesowych;
• dostęp do mocy obliczeniowych, energii, wody i infrastruktury przesyłowej;
• procedury administracyjne i lokalny opór polityczny;
• pytania o bezpieczeństwo, odpowiedzialność i koncentrację władzy.

Najmocniejszy wniosek nie brzmi więc, że czołowe firmy AI uzgodniły celowe spowolnienie rozwoju. Z dostępnych informacji wynika coś bardziej zniuansowanego: inwestują agresywnie, a jednocześnie uznają, że transformacja gospodarki będzie następować przez wolniejsze, kosztowne i politycznie sporne upowszechnianie technologii. GPT-4 mógł oznaczać przełom w możliwościach modeli, ale same możliwości nigdy nie były równoznaczne z natychmiastowym wdrożeniem.