Google DeepMind: bez zaufania użytkowników AI nie pójdzie dalej
- Tulsee Doshi z Google DeepMind publicznie postawiła tezę, że zaufanie użytkowników zadecyduje o tym, czy AI przejdzie do kolejnej fazy rozwoju.
- Google aktywnie integruje nowe modele DeepMind na wszystkich poziomach swoich produktów i usług.
- Bez rozwiązania problemu zaufania nawet najlepsze modele mogą nie trafić do szerokiego użytku.
Google DeepMind stawia zaufanie ponad benchmarki
Tulsee Doshi, szefowa produktu w Google DeepMind, powiedziała wprost: kolejna faza AI stoi lub upada na zaufaniu użytkowników — nie na kolejnych rekordach w testach. To rzadko spotykana szczerość ze strony kogoś głęboko w strukturach Google.
Doshi nie mówi o zaufaniu abstrakcyjnie. Chodzi o konkretny problem: ludzie nie wiedzą, kiedy AI się myli, kiedy zmyśla i kiedy działa w ich interesie, a kiedy w interesie platformy. Ten brak przejrzystości blokuje adopcję bardziej złożonych zastosowań — agentów, automatyzacji, decyzji biznesowych.
Google integruje DeepMind wszędzie — i to widać
Google w ostatnich miesiącach wrzucił modele DeepMind do praktycznie każdego produktu: Search, Workspace, Android, Cloud. Gemini 1.5 i nowsze wersje napędzają już funkcje w Dokumentach, Gmailu i Google Meet. To nie jest pilotaż — to masowe wdrożenie.
Skala tej integracji robi różnicę. Miliony firm używają Google Workspace codziennie, więc modele DeepMind trafiają do użytkowników, którzy nigdy świadomie nie wybrali AI jako narzędzia. Stąd pytanie o zaufanie przestaje być filozoficzne i staje się operacyjne.
Czy zaufanie da się zbudować inżynierią?
Part of the answer jest techniczna. Google pracuje nad mechanizmami, które mają pokazywać użytkownikom skąd AI wzięła odpowiedź, jak pewna jest swojej odpowiedzi i gdzie leżą granice jej wiedzy. Cytowania w Search Generative Experience to jeden krok. Wskaźniki pewności w Gemini to kolejny.
Ale część problemu jest głębsza i inżynieria jej nie rozwiąże. Użytkownicy mają powody, żeby nie ufać — modele halucynują, dane treningowe są nieprzejrzyste, a motywacje biznesowe platform nie zawsze pokrywają się z interesem osoby zadającej pytanie. Doshi przyznaje to pośrednio, mówiąc że zaufanie trzeba “zarobić” przez konsekwentne działanie produktów.
Google ma dodatkowy problem wizerunkowy: jest jednocześnie dostawcą AI i firmą, której model biznesowy opiera się na reklamach kontekstowych. Trudno zbudować zaufanie do asystenta, który może mieć interes w tym, żebyś kliknął konkretny link.
Branża zaczyna liczyć koszty nieufności
Dane z rynku enterprise mówią, że firmy wolniej niż oczekiwano wdrażają agentów AI do procesów wymagających autonomicznych decyzji. Gartner szacuje, że ponad 60% projektów AI w przedsiębiorstwach utknęło na etapie pilotażu właśnie z powodu braku narzędzi do audytu i weryfikacji działań modeli.
To nie jest problem tylko Google. Anthropic buduje “Constitutional AI” częściowo z myślą o transparentności. OpenAI wrzucił do ChatGPT mechanizm cytowań. Microsoft dodał do Copilota wskaźniki źródeł. Każdy z graczy ma własną odpowiedź, żaden nie ma jeszcze rozwiązania, które rzeczywiście przekonuje użytkowników.
Czy DeepMind ma tu przewagę nad resztą?
Możliwe. DeepMind historycznie inwestuje mocniej w badania nad bezpieczeństwem AI i interpretowalność modeli niż typowe laboratorium produktowe. Praca nad mechanizmami wyjaśnialności (explainability) trwa tam od lat, zanim stało się to modne.
Problem w tym, że odległość między badaniami a produktem w Google potrafi być spora. Doshi siedzi dokładnie na styku tych dwóch światów — jako szefowa produktu musi przekładać wyniki badań na funkcje, które faktycznie trafią do użytkownika. Jak dobrze jej to wychodzi, pokaże kolejna runda produktów Gemini.
Na razie Google ma największą bazę użytkowników spośród wszystkich graczy AI, co oznacza największą skalę do zbierania sygnałów o tym, gdzie zaufanie się sypie.
