UI se premika iz pogovornih oken v poslovne procese, laboratorije, tovarne, logistiko in robotske sisteme. Prav ta prehod – od generiranja besedila do odločanja in delovanja v fizičnem svetu – bo ena osrednjih niti konference TechCrunch Disrupt 2026, ki bo od 13. do 15. oktobra potekala v San Franciscu.
Program interaktivnih okroglih miz nakazuje, da industrija vstopa v zahtevnejšo fazo razvoja umetne inteligence. V ospredju niso več le zmogljivejši jezikovni modeli, temveč vprašanja podatkov, zanesljivosti, varnosti, integracije v obstoječa podjetja, dostopa do kapitala in dejanske poslovne vrednosti. Za ustanovitelje, vlagatelje in tehnološke vodje bo Disrupt 2026 zato predvsem nekakšen kompas za naslednje obdobje UI: obdobje, v katerem bo pomembneje, ali sistem deluje v praksi, kot pa kako prepričljivo deluje v demonstraciji.
Fizična UI: trenutek resnice za modele, podatke in robotiko
Ena najpomembnejših tem programa je fizična umetna inteligenca. Gre za sisteme, ki ne delujejo zgolj v digitalnem okolju, temveč zaznavajo, razumejo in vplivajo na fizični svet – v robotiki, proizvodnji, gradbeništvu, energetiki, infrastrukturi, avtonomnih vozilih in zdravstvu.
Radha Basu, ustanoviteljica in izvršna direktorica podjetja iMerit, bo v razpravi o podatkovnih izzivih fizične UI poudarila področje, ki je pogosto manj vidno od samih modelov: pripravo kakovostnih podatkov. iMerit se ukvarja s podatkovnimi storitvami za sisteme umetne inteligence, zato je njena perspektiva pomembna predvsem pri vprašanju, kako modele pripraviti na nepredvidljive situacije iz resničnega okolja.
Pri fizični UI namreč ni dovolj, da model dobro odgovarja na vprašanja. Robot, avtonomni sistem ali industrijska rešitev mora pravilno obravnavati robne primere, nepopolne podatke, spremembe svetlobe, nenavadne predmete, človeško vedenje in napake senzorjev. To odpira ključno vprašanje: ali bo naslednja konkurenčna prednost v UI izhajala iz večjih modelov ali iz boljših, bolj specializiranih podatkovnih tokov?
Prav na vrzel med impresivnim prototipom in uporabnim izdelkom se bosta osredotočila Logan Farrell iz Rugged Robotics in Austin Yount iz Brick & Mortar Ventures. Njuna razprava je pomembna, ker opozarja na eno večjih težav industrije: uspešna demonstracija še ne pomeni zanesljive uporabe v delovnem okolju. Pri robotiki mora tehnologija dokazati varnost, zanesljivost, donosnost in sposobnost vključevanja v obstoječe procese. V fizičnem svetu je cena napake pogosto precej višja kot pri napačno ustvarjenem besedilu v klepetalniku.
Od generativne UI do sistemov, ki razumejo znanost in industrijo
Jack Hidary, izvršni direktor podjetja SandboxAQ, in Stacie Calad-Thomson iz Nvidie bosta razpravljala o uporabi UI v fiziki, kemiji, biologiji in matematiki. SandboxAQ se umešča na presečišče umetne inteligence in kvantnih tehnologij, Nvidia pa je ključni dobavitelj računske infrastrukture, na kateri temelji velik del današnjega razvoja UI. Ta kombinacija nakazuje širši premik: UI naj ne bi bila le orodje za ustvarjanje vsebin, temveč tudi pospeševalnik znanstvenih in industrijskih procesov.
Takšne uporabe imajo velik potencial v razvoju novih materialov, zdravil, energetskih sistemov in proizvodnih procesov. Hkrati pa prinašajo zahtevna vprašanja preverljivosti. Če UI predlaga novo molekulo, material ali proizvodni postopek, kako hitro in zanesljivo lahko človek preveri njen rezultat? Pri znanstveni UI je lahko korist ogromna, toda tudi potreba po validaciji je bistveno večja kot pri običajnih poslovnih aplikacijah.
Piotr Byrski, soustanovitelj in izvršni direktor podjetja Molecule.one, bo naslovil podobno temo z vidika avtonomnega eksperimentiranja. Razprava o sistemih, ki lahko testirajo na tisoče znanstvenih hipotez, odpira vprašanje, ali se znanstveno odkrivanje spreminja v nov tip sodelovanja med raziskovalci, algoritmi in avtomatiziranimi laboratoriji.
Agenti v podjetjih: konec pilotov ali začetek novega razočaranja?
Drugi močan poudarek programa je agentska UI. Podjetja vse manj zanimajo zgolj orodja, ki zaposlenemu pomagajo pripraviti osnutek dokumenta ali povzeti sestanek. Večje ambicije so povezane s sistemi, ki bi lahko samostojno izvajali dele delovnih procesov: obdelovali zahtevke, iskali informacije po notranjih bazah, usklajevali naloge, pripravljali poročila in sodelovali pri odločanju.
Dr. Maha Achour iz Kodamai in vlagatelj Pankaj Kedia bosta obravnavala razlog, zakaj številni projekti agentske UI obstanejo v pilotski fazi. To je eno ključnih vprašanj trenutnega trga. Tehnologija je dovolj prepričljiva za preizkuse, toda prehod v produkcijsko okolje zahteva nadzor, sledljivost, varnost, jasne odgovornosti in zanesljive rezultate.
Ankita Mehta iz Databricksa bo govorila o ločevanju dejanske vrednosti agentskih sistemov od tehnološkega navdušenja. Databricks je pomemben igralec na področju podatkovnih in analitičnih platform za podjetja, zato je njena tema posebej relevantna: agent brez dostopa do kakovostnih, urejenih in varnih podatkov bo težko postal resen poslovni sistem.
Vprašanje, ki se pri tem odpira, ni več, ali bodo podjetja uporabljala agente, ampak kje jih bodo uporabljala. Bodo inteligentni agenti predvsem dodatni sloj nad obstoječimi sistemi ali bodo sčasoma nadomestili dele današnje poslovne programske opreme?
Odprti modeli, koncentracija kapitala in novi sloji konkurence
Na tej točki se srečata tehnološka in finančna razsežnost razvoja UI. Mercedes Bent in Vanessa Larco iz sklada Premise bosta govorili o odprtoutežnih modelih, ki razvijalcem ponujajo več nadzora nad stroški, zasebnostjo, varnostjo in prilagajanjem. Odprti modeli bi lahko zmanjšali odvisnost zagonskih podjetij od majhnega števila velikih ponudnikov, vendar prinašajo tudi dodatno odgovornost: podjetje mora samo upravljati infrastrukturo, varnost, kakovost in posodobitve.
Harrison Rolfes iz PitchBooka bo medtem obravnaval koncentracijo kapitala v napredni UI. Naslov razprave, »Vstopnina 100 milijard dolarjev«, neposredno odpira dilemo, ali lahko zunaj največjih laboratorijev sploh še nastanejo globalno konkurenčni igralci na ravni temeljnih modelov.
Odgovor morda ni v neposrednem tekmovanju z največjimi modeli, temveč v specializaciji. Zagonska podjetja lahko iščejo prednost v podatkih, vertikalnih rešitvah, integraciji z delovnimi procesi, poznavanju reguliranih panog ali v aplikacijah, kjer sta zanesljivost in domensko znanje pomembnejša od same velikosti modela. Toda ostaja vprašanje: ali bo koncentracija računske moči in kapitala omejila raznolikost inovacij ali pa bo prav nasprotno spodbudila nastanek novih specializiranih slojev UI-ekosistema?
Disrupt 2026 kot pregled naslednje faze umetne inteligence
Program TechCrunch Disrupt 2026 kaže, da se razvoj UI vse bolj oddaljuje od enostavne tekme v velikosti modelov. V ospredje prihajajo kakovost podatkov, zanesljivost fizičnih sistemov, preverljivost znanstvenih rezultatov, varen prehod agentov v podjetja ter vprašanje, kdo bo imel dostop do kapitala in računske infrastrukture.
Za UI-skupnost bo najbolj zanimivo spremljati, ali bodo razprave ponudile konkretne odgovore na vprašanje, kako tehnologijo iz pilotnih projektov prenesti v okolja, kjer napake niso zgolj neprijetne, ampak drage, nevarne ali regulativno sporne. Prihodnost umetne inteligence tako ni več le vprašanje, kaj modeli zmorejo ustvariti, temveč kako zanesljivo, pregledno in odgovorno bodo lahko delovali v resničnem svetu.
