Sonderfolge: Der COO des ChatGPT-Entwicklers OpenAI im Interview

Hallo zusammen und herzlich willkommen und zwar zu einer kleinen Sonderausgabe von Handelsblatt Today. Ich mutmasse mal, dass Sie alle wissen, was Chat GPT ist und dass die allermeisten von Ihnen diese KI auch schon mal ausprobiert haben, wenn Sie nicht sogar regelmäßige User sind. Unserschef Redakteur Sebastian Matis hat am Randel des World Economic Forum's Indervos mit Brad Lightcap gesprochen, das ist der COO des Chat GPT-Entwicklers OpenAI. Und Lightcap widerspricht in den Gespräch der KI-Blasendebatte Nend-Rendite-Zahlen und erklärt woran Kunden scheitern und warum die US-Tochter der Telekom ein Vorzeigepartner ist. Und dieses Gespräch, das wollten wir Ihnen nicht vorenthalten, auch wenn es auf Englisch ist, also viel Spaß beim Zuhören. So AI ist definitiv ein der großen Topics hier in Davos und ich bin sicher, dass du aufgrund der Konversationen schon haben. Was ist das größte, um die Erinnerung zu verlieben, um die Konversation zu sein? Ja, ich denke, das große Dinge ist, Menschen zu tun, wir haben so viel technologische Dinge, die einen einen Dann-Fanomen, das heißt, es gibt etwas, was es umgebracht ist und, once es umgebracht, es umgebracht ist, dass wir das am Tag der Änderung, das wir in den letzten Jahr zu leben haben, dass wir das am Tag in den letzten Jahr zu leben haben, dass wir das am Tag in den letzten Jahr zu leben haben. Und das ist ein sehr starkes, umgebracht worden zu sein. Aber das ist sage ich nicht, die mit Computing-Systems. Und so, wenn du die Microprocessor-Inventen für example, das led zu der Personal-Komputing-Revolution, natürlich mobile phones und applications und mobile phones komplett die ganze way Menschen mit technologischen Dinge zu engagieren. Wir denken, die EIS ist nicht mehr anders. Und so ist es eine neue Interaction-Parademiere für die Relationship, die die Menschen haben mit Computers. Und wir denken, dass es eine interessante Devices zu sein, die die Entwicklung der Technologie zu haben. Wir haben immer noch die Smartphones bei denen? Ich denke, wir haben auch die Form, die Form von ein Smartphone-Like-Device, weil die Impression der Information auf ein Smartphone ist so kritisch und ich denke, ist auch immer noch ein bisschen abhängt. Aber du denkst, dass es immer noch abhängt. Es ist hart zu sagen, es ist vielleicht, dass die way, die wir using Smartphones und die way, die wir using Computers werden. Ich gebe dir ein Example. Mein wife und ich haben einfach eine Baby. Wir haben sehr viele Konkurrenz. Vielen Dank. Und wir haben viele Freunde, die in vielen kleinen Kindern und die und die Familien und die Dinge, die wir sehen, dass die CHAT-GBT ist, sich natürlich ein ganz neuem Weg für Menschen, die sich über using Computers zu denken. Für sie ist es viel mehr natural, um ein Computing-System zu verarbeiten. Sie sehen ein Smartphone oder ein Tablet und sie starten zu es. Denn die Expectation ist, dass sie sich zurückgekommen sind, weil sie sich auf die Hütte zu tun haben, weil sie sich zu etwas zu tun haben, wie die CHAT-GBT in der Voice-Mode. Und das ist das die ganze Zeit, die Smartphones und Tablets haben immer noch geenträrt, wenn die Menschen, nur, sie sich natürlich natürlich und erwähnt, dass sie sich ein Computer zu tun haben und die Dinge, die du wollen. Das war eine Progression von den Kieber und Malspase-Systems, die die meisten der 1990s und die letzten 2000s haben. Und so ist das nur die Progression des Technologies. Das ist unsere Interaction-Models-Kanage. Die Projekte sind, dass ich glaube, sie sind zu einem Komponieren und die Technologie zu tun haben. Das ist eine Frage. Denn all das, was du gesagt hast, wird auch möglich sein, mit einem Smartphone zu tun. Warum müssen du eine neue Projekte? Und ich muss sagen, dass ich das mit mir in den nächsten Jahren ein bisschen mehr auf die Technologie habe. Ich glaube, dass die Technologie eine Technologie ist. Eine der coolere Dinge ist, dass es eine Art Kontext ist, die viel kaputt ist. So, du denk, dass, heute, wir sind eigentlich, die Kontext-Windows von AI-Systems. Das ist der Grund, dass die Menschen, die ich vertreten. Ja, alle Dinge, die ich wirklich präsentieren, dass alles in deinem Leben, die Arbeit, du denk, dass die die Anzahl des Daten, die du in Kontakt mit dem Leben mit dir kommen kannst, ist die Antikonisse, die das immer wirklich unterstötet oder kaptiert durch eine AI-Model. Und so, aber ein der Dinge, die wir sehen, dass die mehr Kontext-AI-Systems haben, die besser sie präsentieren, in einem given task. Und so, ein Teil der Design-Challenge, wie wir es haben, ist, wie wir es denken, um die AI-Systems zu tun, dass es wirklich ein wirkliches super-Essystem ist. Wie du helfen die Kontext-Window-Kanage nicht in die Form, wie die AI-Systems können, aber wie viel es sich tatsächlich able zu kaptieren. Will es eigentlich eigentlich sein, dass das super assistant ist, dass wir nur eine LLM für alles oder die AIs für verschiedene Spiele? Ich denke, dass alle Menschen fühlen, wie es sie haben, ein super assistant, der wirklich weiß. Ich denke, wie das System im Gegenstand, in einem given set of tasks, ist es aber auch, dass wir es nicht machen. Du kannst imagine worlds where you have LLM systems that are delegating to other models. You've got multi-agent systems and protocols that are established between agent systems, for example, that can let them transact in exchange and engage. In many ways, I think you'll have kind of an entire AI universe that in some ways mimics a lot of the structures we've built for people to interact. And so, what, and you've seen glimpses of this already, we introduced something called our agent at Commerce Protocol. Let's agent systems execute commercial transactions. You've seen now a lot of research. What is that coming to Europe? It's a good question. We can get back to you on that. But the future is, that is the direction of travel, I think, is AI systems that really start to integrate into the world, which, as you know, the world is complex. It's very systems-based, and it's engaging between people and between systems is critical. After a short break, it's time to continue. Keep on going. Okay, then we want to see the first life. Everything started when I was in the age of five years old my father was first in the office. Here, over 200 other applications. Oh no, please don't. With LinkedIn jobs, they found the best candidates and become additional applications for top talent that they should have. So stay recruiting, stressful. More information on LinkedIn.com/Pofy. Another topic I keep hearing here in Davos. AI has gone from hype to infrastructure. And in some places also disappointment. A lot of executives tell me, "Yeah, well, the pilots and demos are amazing, but productivity gains are not as good as we expected." So what's the bottleneck right now? Is it models? Is it data, workflows, or the leadership inside companies? Yeah, so we actually think that right now we call it capability overhang. And what we mean by that is that the models are actually way more capable of doing productive work than the environments in which they're put in. And so really we actually see this partly as a systems problem and partly as a context problem. So what other mistakes being made within companies? Well, enterprises are complicated organizations. And so I think a big part of the trend line here is going to be how do enterprises set up their organizations and their systems to be able to ingest and inherit AI systems that are performing fundamentally new work. I think that's going to be really the next wave. And I think what we're excited about in 2020, and the enterprise is you're going to start to see the beginnings now of systems that look like more like teammates where they can make use of enterprise data in more interesting ways. They can make use of tools to solve problems, reasoning models being at the core of that. Obviously, reasoning models are an entirely new paradigm of AI model. These are systems that can think for a long amount of time. They have the ability to experiment, to come up with ideas, try stuff, learn from feedback. And so this is an entirely new way, really that software is even built to work. But that means that organizations and enterprises are going to have to learn to adapt both their organization and their IT stacks and their systems to be able to get use of these types of AI models. Can you give an example of a company that has found amazing use cases that you could talk about here? Well, there are many. And one of the things that we see that's interesting is a gap today that exists between the companies we consider to be highly advanced in their adoption of AI versus the ones that haven't been. One that I love as an example is we work very closely with T-Mobile in the United States. The way that they have thought, for example, about customer interaction. And they're a very customer-centric company. They really do think about the user experience at every step of the company and every step of the journey. and one of the things that we worked really closely with them on is how do we actually improve the way that customers engage with T-Mobile in a support capacity and a context center capacity. And so we've really rethought that from first principles, meaning how do you actually bring language models into that workflow, make that experience much more seamless, bring more information to the customer, leveraging the data that T-Mobile has in their systems. Eventually we can start to transition that into other modalities, things like voice. And so we're really just at the beginning of that and you can imagine that applying anywhere. It can be in life sciences, it can be in retail, it can be in industrials, financial services. There's really no limit and that's one of the cool things about this. You have massive amount of data, how people worldwide are using AI. Do you see any difference between Europe and United States and Asia? Well, I think we've seen as much enthusiasm in Europe as we've seen anywhere in the world. In Germany in particular, some of the numbers are really staggering. I think Germany is top three among users, both of many of our products in the world. When it comes to number of users? Number of users, number of developers, number of businesses. I think Germany comes in top three on all. And we've seen just tremendous growth in Europe and a lot of demand from European users and enterprises alike, one in to bring AI into their lives. What do people use to LGBT fall the most? What is the top three? Well, it's very individual. So every person's got a little bit of their own pattern of use. One of the things we're particularly excited about though is health. So we recently released chat GPT health to talk about it, definitely. Yep. And health is one of the areas that we saw as something that was really from the beginning of chat GPT, a consistent area of interest from users, wanting to take more control of their health care. And that can mean understanding things like chronic conditions that they're managing can mean understanding the health care environment that they live in. So whether that's things like insurance and benefits, providing care for others. There are many people who are caretakers for other people. So it's health, one of the top three things people use to chat GPT fall? It's definitely up there. Yeah. OK. What else? Well, there's a bunch of other things we see learning is a critical use case. That was really one of the original use cases, I think, for chat GPT. We saw adoption among students very early on. And we've worked really closely with educational institutions. Education is now one of our largest segments, actually. And we've worked really closely with both in the United States and elsewhere in the world, organizations that are focused on how AI adoption in schools and in learning can really impact outcomes. Talk a little bit about how the health focused chat GPT will look like in future. Will you help users directly? Will you help health organizations? Yeah. So right now we're really focused on individual use within chat GPT. So much personal ductile. Exactly. So coach, you'd be able to link your medical records. We have models that are specialized for giving information about health. We outlink to resources that are related to health, whether those are medical or otherwise. The models are really good at doing things like ingesting lab results and helping you interpret and understand lab results. So we're just starting to scratch the surface of what this experience looks like. Obviously critical that we do this in a privacy preserving way. So that's been a big focus of how we've architected the health feature in chat GPT. And there's a lot more to come on this. And when will this start in Europe? So I think we're just in our alpha now. I think anyone that signs up can get on a wait list. And our hope is to start letting people in fairly soon. OK. I tried, but it wasn't possible last weekend. So maybe we can try and help you out. Very interesting point is where do you draw the line between helpful information and actual medical advice? Well, I think one of the ways that we really see language models evolving is that the language models themselves are not necessarily the sources of information, especially as you enter this new age of reasoning models that are inherently more agentic. One of the things that they're able to do is use tools to help you solve problems. And so the same way that a person would go look up sources of information from databases or from sources of truth, systems of record, qualified sources, AI models are capable now of doing the same exact thing. And so one of the things we really want to do and is emphasized in our health work and elsewhere is being able to help direct people toward the places that are those systems of record and sources of truth and making sure people have access to resources. But it's not medical advice. It's only-- It's not medical advice. Yeah, exactly. OK. Will this become a business model at some point? Well, I think the way we look at it comes back to our mission. We really see broad benefit and access as critical to the work we do. And so our view is if we build products that people want to use in AI systems that are useful to people, we'll figure out the business model later. But the core of it is really just A, understanding how people are using AI and then B is making sure that it's meeting people where they're at. And that's going to be different for everyone. In another field, you have changed your business model, let's say so. I find that quite interesting because Sam Altman said in October 2024, I kind of think of ads as last resort for us as a business model. Now you implement it ads in your business model. So what changed since then? Well, it's a few things. I would say one is we're really early in ads as a format and a business at all. And so part of it is just going to be experimentation for a long time to make sure we get it right. That means respecting user privacy. It means making sure that we're really clear and upholding the principles that we communicate around ads, which we've published. So I expect we'll be in that stage here for a while. But I think it comes back to access. So one of the things that we want to make sure is that anyone in the world anywhere with an internet connection can have access to a really high quality and powerful AI system. If you look at the direction of travel for AI systems, they are becoming much more compute intensive. In part, that's because of what I mentioned is this new reasoning paradigm where you have models that now can go off and think, solve hard problems, use tools. And we're starting to see that appear in consumer use very consistently. So there's still a gap there. We still see a fairly wide gap. And that's what we call this capability overhang of the power users using AI seven times more. But subscribe and see ads than the average subscribers don't see ads. And we'll see ads. Neither will businesses. That's OK. Correct. So you can choose to opt out of those if you want. But I think what we heard from users consistently is if I can get access to more powerful systems that are capable of doing more for me, that's the priority. Will ads become a call pod of Cheshire PT? Again, we're still experimenting with how this will work. How do you find out if people find Cheshire PT less useful when they see ads? How can you monitor that? Well, we obviously can see it in data. We talk to users. But I think the important thing here is that we really want to make sure that we're thoughtful about the implementation of this. And I think ultimately the way that we-- ideally the way we can do this is that they're helpful to people. A lot of people use Cheshire PT in search of things. It was one of the inspirations for why we launched commerce in Cheshire PT and shopping. It's because people use Cheshire PT as an assistant to help them find things that they need in their life. And so in some sense, this is actually a way for us to possibly add to the experience if we do it off-line. Right. Not so many look for ads, I guess, but let's see. Do you think we-- and then AI bubble already? No, I mean, I think if you look consistently at how we've been able to invest in compute, we've never been on the right side of the demand curve there. We've always felt that we could use many multiples more compute than we have. And then, too, is the kind of geometric increase in the rate of growth of users. And then also the rate of consumption for each individual user. So but also you need an AI to finance all of that, right? Yes. And we've seen consistent AI or our growth, too. So what we've seen patternwise is every dollar that we've been able to invest in compute has generally produced about $3 of revenue for us. So we think that's a pretty good return. We expect that could increase over time. And again, we're going to invest aggressively ahead of what we see as the trend line. And no bubble. I don't right now see any reason to think that. But so what would be a key assign that the bubble and narrative is right? A key sign that the bubble narrative is right. Well, I think-- look, there's going to be aggressive investment. And I think, in some sense, that's a feature not a bug. What it means is investors recognize the opportunity and capital floods into the space. Not every company is going to work out. And so I think we just-- we have to be prepared for the fact that this is a dynamic environment. And there's a lot of people trying a lot of things. Some of those things are highly capital intensive. And so they're attracting investment. But I think we can focus on what we can focus on. And that's building great models and great products for users. Stay tuned. How does the future of the industry look like? Find the answers to the 18th and 19th March of the Chinese New Year's Day. Take your time with the broadening of your time and discuss about the high energy costs, new business fields and the emergency to decarbonization. Be sure to share your name on the Hattiesblatt-China-Style.de. Mit dem Vortalscode Podcast26 sparen die 15 Prozent. Wir sehen das, dass die Trennline mehr exponentiell nicht. Wir sehen noch die Räder- und Modellprogresse, um zu verletzt werden. Wir sehen noch die Leap's in Kapitänien, die wir als Konsistentin mit der Trennline, die wir in der Welt haben, die wir in Kapitänien haben. Kannst du mir eine konkrete Schapabilität, die das geladen kann, als ein Jahr zu gehen und das jetzt relativ zu arbeiten? Ja, so Software-Engineering ist ein wirklich interessant Kategorie für das. Das ganze Gefühl in meinem Fall ist, es zu sein, wenn du Spenten im San Francisco und die Technologie in der Appistenke spenden, die Dinge, die individuell Software-Engineers using AI, sind fundamentally anders als auch in der Welt. E-Ei-Systems like Codex, für example, where you can now delegate fairly complex Software-Engineering tasks to an agent, that will go off and spend as much as a few hours, thinking about how to solve that task, writing code, trying that code, writing unit tests, debugging, doing everything that a Software-Engineer would normally go through and do, and can now do it fully autonomously, only by enabling access to a codebase. Das ist eine transformative Change in how Software-Engineering works as a practice, und die Anzügliche, die ich mit denen, die die Systeme in der Arbeit, die die Systeme in der Arbeit, die sich in die Systeme in der Arbeit sind, sind jetzt fundamentally, wie sie sich über die Zeit haben, und die ganze discipline der Software-Engineering. Aber das hat eine Zeit geändert, aber es gibt ein paar Zeit, ist es eine andere Chance zu gehen? Oh, definitiv. Ja, ich habe es auch ein Jahr vorhin gemacht, dass es nicht zu conceivable, dass du ein AI-System, das du in der Zeit kann, über einen komplex Software-Engineering-Task für 5, 6, oder so. Und ich will hier im Jahr zurück, und über die Systeme in der Arbeit, die die Zeit für die Zeit sind. So, so, so, was ist dein Definition von AI als ein Benchmark? Ja, so wir denken, dass wir das System, das das eigentlich bestellte, das ich in der Arbeit bestellen kann. Ich denke, ein einziges Thema, das ein AI-System, das sich ein Computer im Computer anzuschauen, das ein Mensch kann, auf einen High-level-Profficiency. Ich denke, wir haben immer noch eine solche Dinge, die noch ein paar Pieces haben, aber ich denke, wir machen eine gute Frage. Wie lange wird das machen? Wir sehen das im Moment. Ich habe es vorhin oft die Produktionen make. Aber ich habe das Gefühl, ich habe jetzt hier ein Jahr vorhin gebrannt. Ich habe seit zwei Jahren in etwa drei Jahren. Und ein der Dinge, die es in der Arbeit ist, ist, das ist eine Frage, die es zu veröffentlichen. Ich denke, dass es so wie es sind, die zwei, drei, vier Jahre dauert. Es ist nicht uncommon, dass es noch mehr wie sechs, zwölf oder zehn Wochen dauert. Und so, wir haben nicht keinen Neumann, warum das wird anders als wir die Hüsche aussehen. Aber es ist sehr schwer zu predict. Wie wird das die Hüsche der Tag wieder auf der AGI kommen, um unser Leben zu sein? Ich denke, ich denke, dass die Leute uns aufwenden, ich denke, es fühlt sich sehr viel zu sehen. Ein der interessante Dinge, die wir sehen, ist, dass es noch mehr und mehr Frequente gibt, die die Futures hier nicht auch distribut sind. Ich weiß nicht, ob das Arthur Clark hat, oder was hat er gesagt? Aber es ist echt apropos für AGI und wie wir sehen die Trennline hier. Und ist, wie wir hier in Davos hier, ist es vieles über das Kapitän der Überhängung. Wo wir jetzt jetzt eine sehr kleine Gruppe haben, die die Leute, die in der Bundeswahl auf die Abwendung von den Types des Systems, die Workflows haben, die sie sich verwendet haben, sie leben in die Leben, sie sind verwendet und sie betreffend und sie trakt die Gold. Und dann haben viele Leute, die 99% der Menschen, die sich auch für eine Prozent der Kapitänung der AGI haben, aber ich denke, dass die Abwendung nach Hause zu verwendet werden. Und es ist nicht so, dass die Abwendung nachmorgen, oder? Ich denke, dass das eine Ingestion-Prozess für die Welt durch die Abwendung zu absorben ist. Was ist das? - Das ist eine manche, die man sich als die Fälle vorliegen ist. Das ist eine, was das ist, was ist das? Wenn es eine im Laufe kann, ist das ein schönes, oder ein Schlag, das ist ein schönes. Aber ich würde sagen, ich würde sagen, dass das eine große Sache ist. Anyone mit einem sehr hochwertigen Genie, ich denke, ist ein sehr schönes Position. Ich denke, wenn du da hast, wenn du kreativ bist, da gibt es Dinge, die du willst, dass du in der Welt wirst, ob du das dein Personal für in deinem Community bist. Du hast jetzt keine Reason, warum du nicht mehr über das Problem sein kannst. Wenn du an der Stelle starten willst, wenn du eine Einzelweite kommt, dann gibt es so viele Möglichkeiten. In ein paar Stunden, die eine Challenge für die OpenAI ist, die wir in dieser Möglichkeit machen, die Realisation der Möglichkeit machen. Das ist das, was wir in der Community leiden, das kann auch von einem politischen Perspektiv sein. Und das ist das, was wir mit den Countries machen können. Es kann auch alles nach dem Level der Individuals, die Studenten, die Kreativs sind. All diese sind wirklich, wirklich wichtig. Wir können nicht machen. Ja, danke sehr. - Danke. Und das war es mit der heutigen Sonderfolge. Wenn Sie Fragen oder Feedback haben, dann gilt wie immer, schreiben Sie uns eine E-Mail an [email protected]. Machen Sie es gut und bis ganz bald zur nächsten regulären Folge von Handelsblatt Today. Fütfe die Zukunft mit den e-Learnings des Handelsblattmanagement Campus bleiben Sie einen Schritt voraus. Ob künstliche Intelligenz moderne Führung, Anlagestrategien oder fundiertes Wissen rund um den Defense-Sektor. Lernen Sie flexibel und praxisnah mit über 60 und die Mandkursen. Jetzt anmelden auf management-campus.handelsblatt.com. Und mit dem Code lernen, sparen Sie 10 Prozent. Weiterbildung, die Sie noch vorne bringt, starten Sie jetzt durch.