4 ключевые тенденции, определяющие взаимодействие МСП с генеративным ИИ

Спустя год после публичного запуска ChatGPT почти каждый второй австралийский технологический руководитель рассчитывает увеличить свои инвестиции в ИИ более чем на 25% в течение следующего года.

Согласно недавнему совместному отчету MIT и Databricks, инвестиции в ИИ заняли первое место в списке приоритетов – несмотря на меры по сокращению затрат во многих компаниях – из-за их потенциала для повышения эффективности и создания новых потоков доходов.

Если первый год обычно был годом изучения и экспериментов с искусственным интеллектом поколения, то второй год станет годом большего количества вариантов использования в производстве в различных подразделениях внутри организаций, более сложных стратегий внедрения искусственного интеллекта и дальнейших инноваций в самой сфере искусственного интеллекта.

Вот четыре ключевые тенденции в области искусственного интеллекта, на которые бизнесу следует обратить внимание в 2024 году:

Используйте реализацию на основе прецедентов

По данным отчета MIT, в 2023 году 98% австралийских предприятий каким-либо образом использовали ген ИИ, при этом 30% приняли его, а еще 68% экспериментировали с ним. Нельзя отрицать, что организации по всем направлениям почувствовали необходимость срочно внедрить эту технологию в свой бизнес, независимо от варианта использования. Однако в 2024 году больше внимания будет уделяться совершенствованию практического использования ИИ с упором на бизнес-проблемы, которые ИИ способен решить.

Естественно, организации, которые уже начали экспериментировать с искусственным интеллектом поколения в 2023 году, будут в более сильной позиции, чтобы определить, какие области бизнеса, скорее всего, получат наибольшую выгоду от внедрения. Например, такие банки, как NAB, применили ИИ для повышения производительности своих банкиров, чтобы они могли тратить время на построение и углубление отношений со своими клиентами. Трудоемкая работа, такая как написание меморандумов о компаниях, теперь может выполняться с помощью ИИ поколения, что значительно ускоряет процесс. процедуры одобрения кредита. С другой стороны, в таких областях, как здравоохранение и государственное управление, которые также сталкиваются со строгим нормативным давлением, мы можем увидеть появление новых вариантов использования.

Дифференциация модели ИИ

В 2024 году и далее компании будут не только работать над тем, как они будут использовать модели больших языков (LLM) и поколения ИИ, но также определять, какая модель им нужна и как они ее внедрят.

Ключевые соображения будут заключаться в том, следует ли выбирать большую или маленькую модель и лучше ли построить ее собственными силами или купить уже существующую модель, которую можно доработать. Некоторые компании будут придерживаться больших моделей, в то время как другие могут обнаружить, что инвестиции в модели меньшего размера обеспечивают более высокую рентабельность инвестиций. Некоторые компании обнаружат, что им действительно нужны LLM, обученные миллиардам параметров, но при этом настраивающие эти модели внутри компании, чтобы гарантировать максимальную отдачу от этих значительных инвестиций.

Все эти факторы будут зависеть от конкретных вариантов использования, которые имеют в виду организации. Например, интернет-магазин, который хочет создать чат-бота для своего сайта электронной коммерции, может использовать небольшую модель, а затем обучить ее на огромных объемах данных, гарантируя высокую производительность и способность модели отвечать на вопросы, предоставляя соответствующую информацию о продукте. В этом случае выбор меньшей модели будет более эффективным с точки зрения затрат и результатов по сравнению с большой моделью, обученной на общедоступных данных.

Независимо от того, какие модели выбирают организации, гибкость должна быть ключевым фактором. Учитывая, насколько быстро развивается пространство, общая архитектура должна позволять предприятиям быстро экспериментировать и легко заменять определенные модели, если это необходимо.

Нет кода/низкое ускорение усвоения кода

Gen AI предоставляет возможность демократизировать доступ к процессам ИИ и дать возможность всем командам — техническим и нетехническим — воспользоваться преимуществами аналитики, основанной на данных, в своих организациях. Инструменты поколения с поддержкой искусственного интеллекта помогут сократить или устранить потребность в традиционных разработчиках, которые пишут код, реализовать весь свой потенциал и все больше устранять барьеры для доступа к данным.

Одной из важных тенденций, которые мы станем свидетелями, является способность сотрудников взаимодействовать с этими инструментами искусственного интеллекта на естественном языке. Проще говоря, пользователи смогут вводить желаемый результат на простом английском языке, устраняя необходимость в знании языков программирования, таких как SQL или Python, что радикально демократизирует доступ к данным и искусственному интеллекту.

Растущее внимание к стандартам регулирования и управления ИИ

По мере того как технологии искусственного интеллекта развиваются и становятся все более повсеместными, национальные и международные регулирующие органы будут применять более строгие методы оценки того, как используются технологии и их влияние на общество. Мы уже видели это во второй половине 2023 года, когда Европейский Союз перешел к внедрению режима регулирования ИИ. В 2024 году мы можем ожидать, что нормативные дебаты активизируются и будет введено больше ограничений.

Для лиц, принимающих бизнес-решения, это будет означать усиление управленческого давления, которое необходимо учитывать при развертывании ИИ. И хотя стандарты управления будут продолжать развиваться, эффективное управление ИИ в целом может отличаться подотчетностью, стандартизацией, соблюдением правил, гарантией качества и прозрачностью. Эти элементы имеют решающее значение для оптимизации ценности ИИ безопасным и этическим способом, а также смягчения потенциальных нормативных, юридических и репутационных проблем.

Чтобы обеспечить максимальную реализацию потенциала ИИ и снижение рисков развертывания, предприятия должны обеспечить оптимизацию своих данных и управления ИИ. Полагаясь на единую платформу данных, организация может избежать сложностей и рисков, связанных с работой с разрозненными платформами. Например, платформы анализа данных, построенные на основе архитектуры Lakehouse, которая объединяет хранилища данных и озера данных для упрощения хранения и использования данных, обеспечивают улучшенное управление и конфиденциальность, поскольку они способны автоматически обнаруживать, классифицировать и предотвращать неправомерное использование данных, одновременно упрощение управления за счет обработки естественного языка.

Эти тенденции подчеркивают растущее внимание к решению конкретных бизнес-задач, использованию преимуществ ранних экспериментов и демократизации процессов ИИ. По сути, они служат важнейшими ориентирами, направляя бизнес в будущее, где инновации, эффективность и доступность определяют стратегическое внедрение технологий искусственного интеллекта.

Следите за нашими историями в LinkedIn, ТвиттерFacebook и Instagram.