Πόσο αξίζει μια εφαρμογή που χρειάστηκε εκατοντάδες μηχανικούς λογισμικού, χρόνια έρευνας και εκατομμύρια ευρώ για να δημιουργηθεί, όταν κάποιος μπορεί πλέον να κατασκευάσει μια παρόμοια μέσα σε λίγες ημέρες; Γιατί να επενδύσει μια εταιρεία στην ανάπτυξη του επόμενου μεγάλου προϊόντος όταν γνωρίζει ότι κάποιος άλλος θα μπορεί να αναπαράγει σημαντικό μέρος του χωρίς να έχει αναλάβει το αρχικό κόστος και το επιχειρηματικό ρίσκο;
Στις αρχές Οκτωβρίου, ο προγραμματιστής Μπράντον Τόμας προκάλεσε έντονες συζητήσεις στην τεχνολογική κοινότητα, παρουσιάζοντας μια σειρά εφαρμογών ανοιχτού κώδικα που επιχειρούν να αναπαραγάγουν δημοφιλή προϊόντα της Adobe, όπως το Photoshop, το Illustrator, το Premiere Pro, το Lightroom και το Acrobat ενώ συνέχισε και σε εφαρμογές του Microsoft Office, όπως το Word, το Excel και το PowerPoint.
Με τη βοήθεια εργαλείων τεχνητής νοημοσύνης κατάφερε να αναπτύξει σε εξαιρετικά σύντομο χρονικό διάστημα εφαρμογές που υπό διαφορετικές συνθήκες θα απαιτούσαν ολόκληρη ομάδα προγραμματιστών και πολύ χρόνο. Βέβαια, οι συγκεκριμένες δημιουργίες απέχουν ακόμη σημαντικά από την πληρότητα, τη σταθερότητα και την αξιοπιστία των αυθεντικών προϊόντων. Δεν αποδείχθηκε ότι ένας άνθρωπος μπορεί ήδη να αντικαταστήσει το Photoshop αλλά κάτι εξίσου ενδιαφέρον: το εμπόδιο για να επιχειρήσει κάτι τέτοιο έχει μειωθεί εντυπωσιακά.
Όσοι ασχολούμαστε με τον προγραμματισμό θυμόμαστε, στα πρώτα μας βήματα υπήρχε η επιθυμία να δημιουργήσουμε τη δική μας εκδοχή μιας γνωστής εφαρμογής. Ένα Facebook, ένα Instagram ή ένα ηλεκτρονικό κατάστημα, όχι επειδή πιστεύαμε ότι θα ανταγωνιστούμε τις εταιρείες που βρίσκονταν πίσω από αυτά, αλλά επειδή θέλαμε να δοκιμάσουμε τις δυνατότητές μας. Να καταλάβουμε πώς λειτουργεί κάτι που χρησιμοποιούμε καθημερινά και να αποκτήσουμε την αίσθηση ότι μπορούμε και εμείς να δημιουργήσουμε κάτι αντίστοιχο, έστω και αν είναι μόνο ένα μέρος του.
Οι περισσότερες από αυτές τις προσπάθειες ήταν περισσότερο οπτικές απομιμήσεις, παρά ολοκληρωμένα προϊόντα. Μπορούσαμε να αντιγράψουμε την εμφάνιση μιας πλατφόρμας, να υλοποιήσουμε μερικές βασικές λειτουργίες, όμως απουσίαζαν οι πολύπλοκοι μηχανισμοί που καθιστούσαν το αυθεντικό προϊόν πραγματικά χρήσιμο σε μεγάλη κλίμακα.
Η τεχνητή νοημοσύνη αρχίζει να αλλάζει αυτή τη σχέση. Δεν περιορίζεται πλέον στη δημιουργία ενός γραφικού περιβάλλοντος, καθώς μπορεί να υλοποιεί λειτουργίες, να εκτελεί δοκιμές και να επιχειρεί τη διόρθωση των δικών της σφαλμάτων.
Η απόσταση από ένα εντυπωσιακό πρωτότυπο μέχρι ένα ολοκληρωμένο επαγγελματικό προϊόν παραμένει μεγάλη. Ωστόσο αρχίζει να μικραίνει. Έτσι κάτι που για δεκαετίες αποτελούσε κυρίως εκπαιδευτική άσκηση μπορεί να εξελιχθεί σε επιχειρηματική στρατηγική.
Άρα, αν η αντιγραφή γίνεται ολοένα φθηνότερη, ποιος θα πληρώσει την ανακάλυψη;
Έστω ότι μια μικρή εταιρεία αναπτύσσει μια καινοτόμο εφαρμογή για την εκπαίδευση. Επενδύει χρόνια στη μελέτη των αναγκών των μαθητών, συνεργάζεται με εκπαιδευτικούς, δοκιμάζει διαφορετικές προσεγγίσεις, αποτυγχάνει, επανασχεδιάζει και τελικά καταφέρνει να δημιουργήσει ένα προϊόν που λύνει ένα πραγματικό πρόβλημα. Το μεγαλύτερο επίτευγμά της δεν είναι απαραίτητα ο κώδικας. Είναι ότι κατάφερε να ανακαλύψει τι χρειάζονται οι χρήστες, ποια προβλήματα αξίζει να επιλυθούν και πώς μια πραγματική ανάγκη μπορεί να μετατραπεί σε λειτουργική λύση.
Ένας ανταγωνιστής, δεν χρειάζεται να ανακαλύψει από την αρχή το πρόβλημα, ούτε να πειραματιστεί με όλες τις προσεγγίσεις που αποδείχθηκαν ανεπαρκείς. Μπορεί απλώς να παρατηρήσει το τελικό προϊόν, να μελετήσει τις λειτουργίες του και να αναπαράγει σημαντικό μέρος τους.
Δηλαδή ο πρώτος πληρώνει για να ανακαλύψει τι αξίζει να κατασκευαστεί, ενώ ο δεύτερος πληρώνει κυρίως για να το κατασκευάσει ξανά. Αυτό δεν σημαίνει ότι η ανάπτυξη ανταγωνιστικών προϊόντων αποτελεί κάτι αρνητικό. Ο ανταγωνισμός έχει συμβάλει καθοριστικά στην τεχνολογική πρόοδο, ενώ η δημιουργία εφαρμογών με παρόμοιες λειτουργίες δεν συνιστά αυτομάτως παράνομη αντιγραφή. Ωστόσο, όταν το κόστος αναπαραγωγής μειώνεται πολύ ταχύτερα από το κόστος της ανακάλυψης, αλλάζει η ισορροπία των κινήτρων.
Μια μεγάλη εταιρεία, όπως η Adobe ή η Microsoft, διαθέτει αναγνωρισιμότητα, πόρους, πελατειακή βάση, δεδομένα, συνεργασίες και ισχυρά οικοσυστήματα που δύσκολα αντιγράφονται, όμως μια μικρή νεοφυής επιχείρηση, ενδέχεται να αποδειχθεί πολύ πιο ευάλωτη. Το παράδοξο είναι ότι η τεχνητή νοημοσύνη, ενώ μπορεί να οδηγήσει σε πρωτοφανή αύξηση της παραγωγής λογισμικού, ίσως ταυτόχρονα αποδυναμώσει ορισμένα από τα οικονομικά κίνητρα που χρηματοδοτούν την πρωτογενή καινοτομία.
Ίσως αυτός ο ανταγωνισμός υποχρεώσει τις μεγάλες εταιρείες να δημιουργήσουν καλύτερα, φθηνότερα και περισσότερο ευέλικτα προϊόντα, καθώς αν ένας χρήστης μπορεί να αποκτήσει μια αξιόπιστη εναλλακτική εφαρμογή δωρεάν ή με πολύ μικρότερο κόστος, τι ακριβώς θα δικαιολογεί μια υψηλή μηνιαία συνδρομή;
Και αν το επόμενο βήμα δεν είναι απλώς να επιλέγουμε ανάμεσα σε περισσότερα προϊόντα, αλλά να δημιουργούμε το δικό μας όταν το χρειαζόμαστε;
Για δεκαετίες η αγορά λογισμικού λειτουργούσε με μια συγκεκριμένη λογική: οι εταιρείες κατασκεύαζαν προϊόντα για όσο το δυνατόν περισσότερους ανθρώπους και οι χρήστες προσπαθούσαν να προσαρμόσουν τις ανάγκες τους στις δυνατότητες αυτών των προϊόντων. Τι θα συμβεί εάν αυτή η σχέση αντιστραφεί; Μέχρι σήμερα η ανάπτυξη μιας εξατομικευμένης λύσης συχνά δεν ήταν οικονομικά συμφέρουσα. Στο μέλλον ίσως αποδειχθεί ευκολότερο να δημιουργήσεις μια εφαρμογή παρά να χρησιμοποιήσεις μια ήδη υπάρχουσα. Να περάσουμε δηλαδή από το λογισμικό που κατασκευάζεται για πολλούς ανθρώπους στο λογισμικό που κατασκευάζεται για έναν και μόνο άνθρωπο.
Ακόμη και αν η εξατομικευμένη ανάπτυξη δεν αντικαταστήσει τις μεγάλες εμπορικές πλατφόρμες μπορεί να αλλάξει τις προσδοκίες των χρηστών καθώς ενδέχεται να πάψουν να θεωρούν αυτονόητο ότι πρέπει να προσαρμόζονται στα προϊόντα που τους προσφέρονται.
Ένα σημαντικό μέρος της αξίας του λογισμικού προέρχεται από τη δυσκολία της κατασκευής του. Όσο απαιτητικότερη είναι η υλοποίηση τόσο μεγαλύτερο και το εμπόδιο εισόδου για έναν ανταγωνιστή. Σήμερα αυτό το εμπόδιο αρχίζει να υποχωρεί. Αυτό όμως δεν σημαίνει απαραίτητα ότι η καινοτομία χάνει την αξία της. Σημαίνει ότι η αγορά ενδέχεται να αναγκαστεί να επαναπροσδιορίσει πού ακριβώς βρίσκεται αυτή η αξία.
Ένα προϊόν δεν είναι απλώς το άθροισμα των λειτουργιών του. Είναι οι αποφάσεις που οδήγησαν στη δημιουργία του το πρόβλημα που επιλύει η εμπειρία που προσφέρει η συνεχής εξέλιξή του και η σχέση εμπιστοσύνης που έχει αναπτύξει με τους ανθρώπους που το χρησιμοποιούν.
Η τεχνητή νοημοσύνη μπορεί να μειώσει εντυπωσιακά το κόστος της υλοποίησης. Δεν μπορεί, όμως, να εγγυηθεί ότι μια ιδέα έχει πραγματική αξία μόνο και μόνο επειδή μετατράπηκε γρήγορα σε εφαρμογή. Άλλωστε, το γεγονός ότι μπορούμε να κατασκευάσουμε ένα αντίγραφο του Photoshop δεν σημαίνει ότι μπορούμε να συλλάβουμε την ιδέα του επόμενου Photoshop.
*Ο Γεράσιμος Τζιβράς είναι προγραμματιστής, καθηγητής στην Τριτοβάθμια Εκπαίδευση και υποψήφιος διδάκτορας του Τμήματος Πληροφορικής και Τηλεπικοινωνιών του Πανεπιστημίου Πελοποννήσου, με αντικείμενο τις Προσαρμοστικές Διεπαφές Χρήστη. Η ερευνητική του εργασία επικεντρώνεται στη μοντελοποίηση της προβλεπτικής συμπεριφοράς χρηστών και στον δυναμικό επανασχεδιασμό διεπαφών με τη βοήθεια τεχνητής νοημοσύνης με στόχο τη δημιουργία πιο προσωποποιημένων και λειτουργικών εμπειριών χρήσης.
