Indie: mniej PDFów, więcej prawdziwej AI

OpenAI testuje GPT-5. Anthropic chwali się Claude 4. A Indie? Tną wstęgi przy centrach GPU i publikują kolejne dokumenty strategiczne.

Pytanie samo się nasuwa: czy to wystarczy?

IndiaAI Mission – rządowa inicjatywa mająca umocnić pozycję kraju w globalnym wyścigu AI – postawiła na siedem fundamentalnych filarów. Brzmi solidnie. Problem w tym, że konkurencja nie czeka, aż fundamenty wyschną.

Siedem filarów, zero przełomów

IndiaAI postawiła na infrastrukturę. Centra obliczeniowe, datasety, programy edukacyjne, wsparcie dla startupów. Wszystko zaplanowane. Wszystko w harmonogramie.

I wszystko zbyt wolno.

Bo podczas gdy Indie budują kolejny klaster GPU, Chiny już trenują modele na poziomie GPT-4. Europa? Reguluje, jasne — ale przynajmniej ma Mistral i Aleph Alpha, które coś wypuszczają. Coś, co można dotknąć, przetestować, użyć.

Indie mają talent – to nie podlega dyskusji. Mają inżynierów, którzy tworzą w Google, Meta, OpenAI. Tylko że tworzą tam. Nie w Bangalore. Nie w Hyderabadzie.

To nie jest kwestia akademicka. Według szacunków branżowych Indie plasują się w pierwszej piątce krajów pod względem liczby specjalistów AI – ale zdecydowana większość z nich pracuje dla zagranicznych firm lub emigruje. Efekt? Kraj finansuje wykształcenie kadr, które następnie budują produkty dla konkurencji. Kapitał ludzki jest, ekosystem absorpcji tego kapitału — znacznie słabszy.

Przecinanie wstęg jako dyscyplina narodowa

Oficjalne otwarcia centrów danych to świetna okazja do zdjęć. Minister przycina wstążkę, wszyscy się uśmiechają, komunikat prasowy ląduje w mediach. Efekt?

Żaden.

W tym samym czasie DeepSeek publikuje model otwarty, który bije zamknięte systemy zachodnie. Anthropic wprowadza Claude 3.5 Sonnet z narzędziami komputerowymi. A Indie? Kolejny PDF z wytycznymi do pobrania.

To nie jest kwestia braku pieniędzy. To kwestia prędkości — i odwagi, żeby coś wypuścić, zanim będzie idealne.

Warto tu spojrzeć na konkretne liczby. IndiaAI Mission dysponuje budżetem rzędu 1,25 miliarda dolarów rozłożonym na kilka lat. To nie jest mała kwota — problem tkwi w tym, jak i kiedy te środki są uruchamiane. Biurokratyczne procedury przetargowe, wieloetapowe zatwierdzenia, wymogi dokumentacyjne — każdy z tych kroków kosztuje tygodnie. A tygodnie w branży AI to wieczność.

Języki jako nieużyta przewaga

Tutaj kryje się jeden z największych paradoksów indyjskiej strategii AI. Indie są krajem z ponad 22 oficjalnymi językami i setkami dialektów. To oznacza gigantyczny, w dużej mierze nieobsłużony rynek dla modeli językowych — i jednocześnie obszar, w którym żaden zachodni gracz nie jest w stanie konkurować tak skutecznie, jak lokalne zespoły.

Hindi mówi ponad 600 milionów ludzi. Bengali — blisko 230 milionów. Tamilski, telugu, marathi — każdy z tych języków to rynek większy niż niejedne europejskie kraj. A modele zdolne do naturalnej, kontekstowej obsługi tych języków praktycznie nie istnieją w skali umożliwiającej szerokie zastosowanie.

To nie jest nisza. To strategiczna szansa, która czeka na realizację.

Co zamiast papierologii?

Konkretne modele. Nawet niedoskonałe. Nawet niszowe – dla hindi, tamilskiego, bengalskiego. Cokolwiek, co działa i co można przetestować dzisiaj. Nie za dwa lata.

Startup Sarvam AI pokazał, że da się. Wypuścili model językowy dla indyjskich języków. Nie jest idealny — ale istnieje. I właśnie to robi różnicę między strategią papierową a realnym wpływem.

Podobną ścieżką podążają inne inicjatywy, jak AI4Bharat z IIT Madras, który od lat buduje zasoby językowe i modele dla indyjskich języków — często bez wielkiego wsparcia rządowego. To właśnie tam powstają narzędzia do rozpoznawania mowy, tłumaczenia i generowania tekstu w językach, o których zachodnie laboratoria w ogóle nie myślą.

IndiaAI mogłaby wspierać takie projekty. Zamiast budować wszystko od zera, mogłaby akcelerować to, co już działa. Wymaga to jednak zmiany myślenia – z biurokratycznego na eksperymentalny. Z planistycznego na iteracyjny.

Modelem do naśladowania jest tu podejście znane z najlepszych ekosystemów startupowych: szybkie finansowanie małych projektów, tolerancja dla porażek, nagradzanie za dostarczony produkt — nie za dostarczony raport. Kilkanaście działających modeli niszowych da więcej niż jeden doskonały dokument strategiczny.

Ryzyko okna możliwości

W technologii istnieje pojęcie okna możliwości — momentu, w którym warunki rynkowe, technologiczne i regulacyjne sprzyjają wejściu nowego gracza. Takie okna nie pozostają otwarte wiecznie.

Dla Indii to okno jest teraz. Globalne modele językowe wciąż są słabe w indyjskich językach. Lokalne dane są trudno dostępne dla zagranicznych firm. Rynek wewnętrzny jest gigantyczny i rośnie. Ale za dwa, trzy lata sytuacja może wyglądać inaczej — GPT-6 czy kolejna generacja modeli wielojęzykowych może zniwelować tę przewagę, jeśli zostanie odpowiednio wytrenowana.

Siedem filarów to dobry fundament. Serio. Problem? Dom buduje się nie tylko z fundamentu. I na pewno nie buduje się go dekadę, gdy sąsiedzi stawiają drapacze chmur w rok.

Indie mają wybór: albo więcej PDFów, albo więcej modeli. Czas pokaże, co wybiorą. I czy będzie to wystarczająco szybko.

Źródła

• Analytics India Magazine