Comment l'IA verticale peut-elle percer ?

Pour être honnête, après avoir lu cet article, j'ai le sentiment profond que le domaine de l'IA traverse un processus de "démystification", le mythe de Manus n'est que le début, la vraie question est la suivante : lorsque l'agent général de l'IA est en difficulté, comment trouver sa propre voie pour sortir de l'IA verticale ? Cela me rappelle une conversation avec un entrepreneur en IA médicale qui a dit : "Dans le domaine médical, nous n'avons pas besoin que l'IA soit capable d'écrire des poèmes et des peintures, nous avons juste besoin qu'elle soit capable d'identifier avec précision les nodules pulmonaires". Cette phrase brise le mystère - la façon de briser l'IA verticale réside précisément dans le mot "retenue".

L'IA verticale "labours profonds en scène" est le roi de la route

Le succès d'OpenEvidence en dit long. Il ne s'agit pas d'un outil d'intelligence générale à grande échelle, mais d'un outil de niche pour la recherche de preuves médicales. On dit qu'ils ont passé trois ans à construire le graphe de connaissances médicales, en passant au peigne fin la littérature des plus grandes revues médicales du monde. Le résultat de ce travail approfondi est que lorsqu'un médecin est confronté à un cas difficile dans sa clinique, OpenEvidence peut lui donner des conseils basés sur les dernières données médicales en quelques secondes, et chaque conseil est étiqueté avec sa source. C'est bien mieux que ces IA générales qui ne parlent que de généralités !

J'ai également remarqué un cas intéressant récemment. Il existe une start-up spécialisée dans l'IA pour l'examen des documents juridiques, qui ne s'appelle même pas "agent", mais "assistant intelligent". Les fondateurs m'ont dit que leur plus grande avancée n'est pas la technologie, mais le fait qu'ils ont décomposé le flux de travail des avocats en 187 actions standard, et que l'IA n'a besoin de fournir de l'aide que pour 23 d'entre elles. Cela semble modéré, n'est-ce pas ? Mais c'est cette retenue qui a permis à leur produit d'être adopté par plus de 50 cabinets d'avocats dans les six mois qui ont suivi son lancement.

Quel type d'architecture technologique est nécessaire pour l'IA verticale ?

En matière de technologie, j'ai constaté que les IA verticales qui réussissent font toutes la même chose : adapter l'intelligence incertaine à certains flux de travail. C'est comme si l'on mettait des "rênes" à l'IA - en préservant sa créativité, mais sans la laisser s'exprimer librement. Par exemple, dans le domaine du contrôle des risques financiers, l'IA n'est pas complètement autonome dans la prise de décision, mais dans le processus d'approbation prédéfini, seuls les liens spécifiques d'identification des risques jouent un rôle. Ce modèle "flux de travail + IA" peut être le choix le plus pragmatique pour le domaine vertical.

Mais pour être honnête, les cadres technologiques actuels sont encore trop orientés vers l'ingénierie. J'ai vu trop de projets empiler LangGraph, AutoGen et d'autres frameworks, mais même la logique commerciale la plus élémentaire n'est pas maîtrisée. Ce dont l'IA verticale a vraiment besoin, c'est d'une couche intermédiaire plus proche des scénarios d'entreprise, qui comprenne la terminologie industrielle et s'adapte aux habitudes de travail. Cela me rappelle le système MES de l'industrie manufacturière, qui n'est pas l'exemple de réussite "verticale" du système ERP général ?

Les barrières de données constituent la plus grande douve.

Un investisseur m'a dit que lorsqu'ils examinent des projets d'IA verticale, la première chose qu'ils demandent est la source des données. L'IA générale peut gagner grâce à la taille du modèle, mais l'IA verticale doit s'appuyer sur la profondeur des données. Les projets qui s'épuisent vraiment disposent souvent de canaux d'accès aux données uniques - soit une coopération industrielle, soit une accumulation historique, soit même un peu d'étiquetage manuel. Ces barrières de données peuvent être beaucoup plus fortes que les barrières techniques.

Prenons l'exemple de l'IA dans l'éducation : j'ai appris qu'une entreprise avait passé deux ans à collecter 100 000 exemplaires de livres de questions erronées d'élèves et à créer une "bibliothèque de modèles d'erreurs" exclusive. Son IA ne nécessite pas de grandes capacités de raisonnement, mais peut identifier avec précision les 37 types d'erreurs que les élèves commettent souvent, et faire des suggestions ciblées. C'est dans ce type de précision basée sur les données que réside la valeur de l'IA verticale.

En fin de compte, la percée de l'IA verticale ne réside pas dans la recherche d'une "plus grande intelligence", mais dans la recherche d'une "meilleure compréhension". Alors que l'IA générale est toujours prisonnière de l'illusion de la "toute-puissance", l'IA verticale s'est enracinée dans une scène spécifique. Peut-être est-ce là le véritable atterrissage de l'IA, tel qu'il devrait être : non pas dans les hauteurs du "corps intelligent", mais dans les profondeurs de l'industrie, chez les "vieux experts". Qu'en pensez-vous ?