משתמשים יותר ב־AI? אתם מחזקים את המונופול הבא
כאשר הומצאו רכבות הקיטור, אי שם באמצע המאה ה-19, רופאי העיניים של אותן שנים הניפו דגל אדום נגד הטכנולוגיה החדשה. העין האנושית, כך נטען, אינה יכולה להתמודד עם נופים החולפים במהירות כל כך גבוהה. כיום, רכבת מודרנית נוסעת במהירות כפולה ממהירות הרכבות של אותה תקופה, ואנו נהנים להתבונן בנופים מבעד לחלון.
בלימודי מנהל עסקים, אנחנו משתמשים בסיפור הזה כדוגמה לחששות מטכנולוגיה חדשה ולא מוכרת. יחד עם זאת, החשש של כולנו מטכנולוגיית AI, והרצון לראות פיתוח הדרגתי ומפוקח הוא מובן. מובן לא פחות הוא החשש של רשויות לתחרות ברחבי העולם מהצטברות כוח שוק משמעותי בקרב חברות AI. הקצב המהיר של התפתחות טכנולוגית AI מזכיר (אם כי יש הבדלים) את מהפכת ה-PC בשנות ה-80 ואת מהפכת האינטרנט בשנות ה-90. בשני המקרים זה נגמר בפירמה דומיננטית: מיקרוסופט בתחום מערכות הפעלה וגוגל בתחום החיפוש האינטרנטי. כמו כן, בשני המקרים רשויות לתחרות נזכרו מאוחר מידי לפקח על השוק ולעודד תחרות. כך, למשל, בנוגע לגוגל, רק לפני כשנתיים בית המשפט בארה״ב הכריז על גוגל כמונופול.
האם הסיפור של מיקרוסופט וגוגל יחזור על עצמו? האם נגלה בעוד מספר שנים שיש חברה דומיננטית השולטת ברוב השוק? בסדרה של מחקרים יחד עם עמיתים מהעולם, אנו בוחנים את הדינמיקה של תחרות בין פלטפורמות AI באמצעות מודלים מתמטיים של תורת המשחקים. ההנחה המרכזית שלנו היא שפלטפורמות AI לומדות תוך כדי עשייה; ובמיוחד תוך כדי איסוף מידע מהמשתמשים. מידע שמאפשר לפלטפורמות לשפר את היכולות שלהן. לכן, ככל שיש לפלטפורמה יותר משתמשים כיום, הפלטפורמה תוכל לשפר יותר את איכותה וכך למשוך יותר משתמשים בעתיד.
המחקרים מאבחנים שני כשלי שוק המתרחשים כאשר מרכיב הלמידה הוא משמעותי בפעילות הפלטפורמות. כשל השוק הראשון הוא שלמידה מתוך עשייה נותנת יתרון תחרותי לפלטפורמה הראשונה הפועלת בשוק כתוצאה מכמות המידע שהפלטפורמה אספה לפני שפלטפורמות אחרות נכנסו לשוק. הפלטפורמה הראשונה יכולה להשתמש במידע שצברה על משתמשים כדי לשפר את איכותה, למשוך עוד משתמשים, לצבור עוד מידע, דבר שיאפשר לה לגדול לאורך זמן. לכן, למידה מתוך עשייה נותנת יתרון לחברה ותיקה, כך שגם אם תקום חברה חדשה עם איכות בסיסית גבוהה יותר, היא תתקשה למשוך משתמשים ולבנות מומנטום לאורך זמן. כתוצאה מכך, השוק לא רק מתכנס לפלטפורמה דומיננטית שאינה בהכרח הטובה ביותר בשוק, אלא גם נשאר ללא תחרות וללא מגוון. לכן, הרווחה החברתית בשוק נפגעת.
כשל השוק השני שאנו מאבחנים מתקיים כאשר המשתמשים מעוניינים להשתמש בטכנולוגיית AI לביצוע מספר משימות. נניח לדוגמא שתי משימות (למשל, כתיבת טקסט וכתיבת קוד תוכנה) ושתי פלטפורמות, כאשר לכל אחת מהן יש יתרון התחלתי באחת המשימות. למשל, ל-ChatGPT יכול להיות יתרון בכתיבת טקסט, בעוד של-Claude יכול להיות יתרון בכתיבת קוד. ונניח ש-ChatGPT נכנסה לשוק לפני Claude. כעיקרון, המשתמשים יכולים לבחור אם לבצע את שתי המשימות באותה פלטפורמה (למשל, לכתוב טקסט וקוד בעזרת ChatGPT), מצב הנקרא בספרות הכלכלית Singlehoming. לחילופין, המשתמשים יכולים לבחור לבצע כל משימה בפלטפורמה המתמחה בכך: לכתוב טקסט בעזרת ChatGPT וקוד בעזרת Claude, מצב הנקרא בספרות הכלכלית Multihoming. המודל המתמטי מראה שאם מרכיב הלמידה מתוך עשייה הוא משמעותי, השוק הופך לאורך זמן לריכוזי ומתכנס ל-Singlehoming: משתמשים מבצעים את שתי המשימות באותה פלטפורמה.
זה קורה מכיוון שהמידע ש-ChatGPT אספה לפני כניסת Claude מאפשר לה להציע שירות עם איכות מאוד גבוהה בכתיבת טקסט (המשימה שיש ל-ChatGPT יתרון) ואיכות ״מספיק טובה״ בכתיבת קוד — מה שמקשה על Claude לגרום למשתמשים לנסות את השירות שהפלטפורמה מציעה. בכזה מצב, הריכוזיות בשוק מורידה רווחה חברתית מכיוון שמבנה השוק הרצוי למקסום רווחה חברתית כולל התמחות: כל פלטפורמה מתמחה לאורך זמן במשימה שבה יש לה יתרון יחסי, והמשתמשים יכולים לבחור ב-Multihoming וכך להנות מהמגוון ומההתמחות של כל פלטפורמה.
המחקרים שלנו לכאורה מציגים תחזית שלילית לשוק ה-AI: אם למידה מתוך עשייה היא משמעותית מספיק, התקדימים של מיקרוסופט וגוגל יחזרו על עצמם. יחד עם זאת, אנחנו סבורים שרגולציה מתאימה יכולה לאפשר לאנושות להנות מהיתרונות הגלומים בטכנולוגיות AI תוך הבאת השוק למבנה הרצוי. למשל, רגולציה המחייבת פלטפורמת AI ותיקה לחלוק את המידע שברשותה עם מתחרים חדשים יכולה לאפשר לשוק להנות מלמידה מתוך עשייה מבלי להגיע למצב של פלטפורמה דומיננטית.
לחילופין, רגולציה המחייבת פלטפורמות גדולות לאפשר למשתמשים להעביר את המידע שלהם בצורה קלה ונוחה לפלטפורמות אחרות, כפי ששוקלים לעשות באיחוד האירופי, תצמצם את יתרון המידע של הפלטפורמות הוותיקות ותקל על פלטפורמות קטנות להתחרות בשוק. כיוון נוסף של רגולציה אפשרית יכול להתמקד בהסרת חסמים המקשים על משתמשים מלהיות פעילים על מספר פלטפורמות (כלומר מלעשות multihoming), לדוגמא בגלל עלויות שימוש חודשיות גבוהות. היכולת לעשות multihoming בצורה קלה וזולה מגדילה את הנטייה של משתמשים לבצע משימות שונות בפלטפורמות AI שונות ולכן יכולה, גם היא, להביא למצב של מגוון והתמחות של כל פלטפורמה במשימה מסוימת.
קיים בימינו שיח נרחב על הצורך ברגולציה של טכנולוגיית AI, ופיתוח הדרגתי ומפוקח של הטכנולוגיה החדשה. הלקח המרכזי מהמקרים של מיקרוסופט וגוגל הוא שכדי ליישם רגולציה בשוק ה-AI, יש לפעול עכשיו, כאשר תהליך הלמידה מתוך עשייה נמצא בשלב מוקדם והשוק נמצא עדיין בשלבי התפתחות. אנחנו טוענים שדרושה רגולציה לא רק לטכנולוגיה, אלא גם למבנה השוק. רגולציה נכונה יכולה לוודא שבעוד שנים לא רבות, טכנולוגיות AI יראו לנו כחלק טבעי מההתפתחות האנושית. אולי כמו רכבות...
פרופ' ירון יחזקאל, הפקולטה לניהול, אוניברסיטת תל אביב, ופרופ' שרית מרקוביץ, הפקולטה לניהול, אוניברסיטת נורת'ווסטרן
