Lángoló verseny: kevés szakember, csillagászati fizetések
A mérnökvadászat okai egyszerűek. Bár az MI-képességek folyamatosan fejlődnek, a valódi szakértők száma stagnál, miközben irántuk az igény az égbe szökik. Ezért a fizetések az egekbe emelkedtek: két-három évvel ezelőtt még a 400 ezer dolláros éves bér számított extrémnek, ma viszont már 10 millió dolláros (3,6 milliárd forintos) fizetési csomagok is előfordulnak. Különösen fontos kiemelni, hogy az iparág még soha nem látott ilyen összegeket.
Az MI fejlesztése sem olcsó: egy-egy mai nyelvi modell kifejlesztése – mint például az OpenAI GPT-4-je vagy a Google Gemini 1.0 Ultra (Gemini 1.0 Ultra) – 30–70 milliárd forintba kerül, a nagyobb modellek ára már 56 milliárd forintnál (GPT-4, 2023), a csúcson pedig közel 70 milliárd forint (Google Gemini Ultra, 2024) jár. Az Anthropic vezérigazgatója, Dario Amodei szerint 2024-ben náluk egy MI-modell fejlesztése 350 milliárd forintba kerül.
Csúcsgázsi és szinte elérhetetlen tudás
MI-mérnökből és kutatóból pedig nincs elég. Egy átlagos gépi tanulásra specializálódott mérnök Amerikában évente legalább 61 millió forintot keres, de a legjobbak fizetése elérheti a 105 millió forintot is. Londonban a vezető mérnökök fizetése akár 300 000 angol font (kb. 140 millió forint) is lehet.
Az MI-kutatók legszűkebb elitjét azok alkotják, akik évek óta dolgoznak a szakmában, vagy elit egyetemek (például MIT, Stanford) doktori címmel kerülnek ki, és már végzésük előtt lecsapnak rájuk a techóriások.
A Meta például egy 24 éves, doktori képzését félbehagyó MI-zseninek kínált óriási fizetési csomagot, ám Zuckerberg szerint még így is csak minimális mértékben nőnek az egyéni fizetések ahhoz képest, hogy a cégek mennyit áldoznak magának a fejlesztésnek az egészére.
Startupperek és klasszikus iparágak: teljesen lemaradnak?
Ennek ellenére a látványos fizetések veszélyt jelentenek a kisebb MI-startupokra: nem tudják felvenni a versenyt ezekkel a bérszintekkel, sem a technológia fejlesztésének horribilis költségeivel. Ha csak néhány cég képes megépíteni a legjobb nyelvi modelleket, a többieknek marad, hogy a „nagyok” modelljeit vásárolják meg, és azokat fejlesszék tovább termékké – kevesebb kiadással, de kevesebb innovációval is.
Különösen nagy a hátránya a hagyományos iparágaknak: biztosítás, egészségügy, logisztika – ezekben is óriási az igény a digitalizációra és MI-szakértelemre, de képtelenek felvenni a versenyt akár csak a szektor középmezőnyének fizetéseivel is. Ez hatalmas innovációs szakadékot teremt.
Mark Miller, az Insurevision.ai alapítója szerint fenntarthatatlan, hogy egyetlen iparág felvásárolja a teljes MI-tehetségpiacot, miközben a többiek lemaradnak.
Sorsdöntő választások előtt az MI-szakértők
Az MI-kutatók válaszút előtt állnak: vagy elfogadják a nagy techcégek csillogó fizetéseit a bürokráciával együtt, vagy a startupokat választják – kevesebb pénzért, de nagyobb befolyással és érdemi munkával.
Különösen fontos kiemelni, hogy amíg egy MI-modell fejlesztése százmilliárdos tétel, addig a mérnököknek szánt tíz–húszmillió forint semmiségnek számít a cégek számára. Így az MI tehetségháború elsősorban a kutatás és fejlesztés extrém költségeiből táplálkozik; ha egyszer drasztikusan lecsökken a modellek építésének költsége, valószínűleg a heves bérverseny is enyhülni fog.
A jövő tehát nemcsak arról szól, ki tud jobb MI-algoritmusokat írni, hanem arról is, ki tudja magához csábítani azokat a mind kevesebb, de egyre drágább szakembereket, akik a jövő technológiáját formálják.
