Профессор Уортонской школы бизнеса при Пенсильванском университете Итан Моллик (Ethan Mollick) опубликовал тезисы о том, что архитектура современных моделей ИИ, ориентированных на код, сужает их применимость в задачах, не связанных с программированием. Выводы основаны на анализе работы систем типа Codex от OpenAI.
Итан Моллик, один из ведущих исследователей влияния искусственного интеллекта на бизнес-процессы, утверждает, что подход, при котором модели обучаются преимущественно на программном коде, ограничивает их эффективность в других областях. По его словам, такие системы, как Codex, демонстрируют высокую точность при генерации кода, но сталкиваются с трудностями при решении задач, требующих обобщенных знаний — например, в аналитике, управлении проектами или креативных профессиях.
Моллик отмечает, что архитектура, заточенная под синтаксис языков программирования, формирует у моделей специфический стиль мышления. «Они оптимизированы для структурированных, детерминированных задач, где есть однозначный правильный ответ, — пишет он. — В реальном мире бизнес-задачи редко сводятся к таким условиям». Исследователь подчеркивает, что попытки адаптировать подобные модели для работы с неструктурированными данными часто приводят к снижению качества результатов.
В качестве примера Моллик приводит ситуации, когда модели генерируют правдоподобный, но нерелевантный код для бизнес-анализа или предлагают решения, не учитывающие контекст конкретной отрасли. Он предполагает, что дальнейшее развитие ИИ для широкого применения потребует пересмотра подходов к обучению моделей — в частности, расширения наборов данных за пределы программирования и включения более разнообразных источников знаний.
В дискуссии на платформе X тезисы Моллика поддержал генеральный директор Box Аарон Леви (Aaron Levie), отметивший, что «узкая специализация моделей — это вызов для компаний, стремящихся интегрировать ИИ в нетехнические процессы».
Источники: X-пост Итана Моллика, 21 июня 2026 года; публикация на платформе Digg.