בעידן שבו מודלי שפה גדולים (LLM) הופכים לכלי עסקי מרכזי, מחקר חדש מציג תמונה מרהיבה מניתוח של למעלה מ-100 טריליון טוקנים משימושים אמיתיים בפלטפורמת OpenRouter. השנה האחרונה סימנה נקודת מפנה עם שחרור המודל o1 ב-5 בדצמבר 2024, שהעביר את התחום מסקה חד-פעמית מבוססת דפוסים להסקה רב-שלבית מתווכחת. לפי הדיווח, המחקר הזה מאיץ את ההבנה בשימושים מעשיים ומאפשר יישומים חדשים. מנהלי עסקים בישראל צריכים לשים לב: השינוי הזה משפיע ישירות על אסטרטגיות AI.
המחקר, שפורסם ב-arXiv, בוחן אינטראקציות אמיתיות עם מגוון רחב של LLM דרך OpenRouter, ספק השקה AI מוביל. הניתוח כולל נתונים חוצי משימות, גיאוגרפיות ותקופות זמן, ומגלה אימוץ משמעותי של מודלים בעלי משקל פתוח. בניגוד לציפיות שמודלים סגורים כמו GPT שולטים, מודלים פתוחים זוכים לפופולריות גבוהה. זה מצביע על מגמה חשובה עבור מפתחים המחפשים גמישות ועלויות נמוכות יותר בפרויקטי AI.
התובנות המרכזיות כוללות פופולריות עצומה של קטגוריות יצירתיות כמו משחקי תפקידים (roleplay), הרבה מעבר למשימות פרודוקטיביות סטנדרטיות שרבים מניחים ששולטות. לצד זאת, סיוע בקידוד בולט כקטגוריה מובילה. בנוסף, המחקר מדווח על עלייה בהסקה אגנטית, שבה מודלים פועלים כסוכנים עצמאיים. ממצאים אלה חושפים את המורכבות של שימוש ב-LLM 'בטבע'.
ניתוח השימור חושף תופעה מרתקת שכונתה 'אפקט נעל הזכוכית של סינדרלה': קבוצות משתמשים מוקדמות ששימורן גבוה בהרבה מקבוצות מאוחרות. משתמשים אלה נשארים מחוברים זמן רב יותר, מה שמעיד על חשיבות ההקשר המוקדם באימוץ טכנולוגיות AI. זהו מסר חשוב למשווקי פלטפורמות כמו OpenRouter.
הממצאים מדגישים את הצורך בהבנה נתונים-מבוססת של שימושי LLM עבור מפתחי מודלים, מפתחי AI ומספקי תשתית. הם מציעים כיוונים לעיצוב טוב יותר ולפריסה יעילה יותר. עבור מנהלים ישראלים, ההמלצה: השקיעו במודלים פתוחים ובכלים ל-roleplay, קודינג והסקה אגנטית כדי לשפר פרודוקטיביות. איך תשלבו את התובנות האלה באסטרטגיית ה-AI שלכם?