Dla firm pytanie nie brzmi już, który model sztucznej inteligencji jest najwydajniejszy, lecz jak efektywnie go wykorzystać, aby uzyskać konkretne i mierzalne rezultaty. W analizie opublikowanej przez Journal du Net, tworzenie wartości związane ze sztuczną inteligencją przedstawiane jest jako zależne obecnie głównie od danych przedsiębiorstw i ich zdolności do ich wykorzystania.
Autor przypomina, że sztuczna inteligencja podąża trajektorią porównywalną z chmurą obliczeniową, przechowywaniem danych czy mocą obliczeniową. W miarę jak technologie te dojrzewają, stają się bardziej wydajne, bardziej dostępne i lepiej integrują się z funkcjonowaniem firm. W obliczu obecnego przyspieszenia, wyzwaniem nie jest już sam dostęp do nich, lecz wydobycie z nich realnej wartości.
Debaty skupione na modelach
Znaczna część debaty na temat generatywnej sztucznej inteligencji koncentrowała się na samych modelach: który jest najpotężniejszy, najbardziej niezawodny, najszybszy. Dyskusje ewoluują, zwracając się ku temu, jak sztuczna inteligencja może przyspieszyć rozwój produktów, poprawić doświadczenia klienta, zwiększyć efektywność operacyjną lub obniżyć koszty. Duże generatywne modele sztucznej inteligencji mnożą się, a ich wydajność rośnie, dzięki czemu firmy mają bezprecedensowy wybór. Będą się różnić, według tego tekstu, mniej dostępną im inteligencją, a bardziej sposobem jej wykorzystania.
Modele zapewniają ogólne możliwości, ale to własne dane każdej organizacji dostarczają im wiedzy niezbędnej do osiągnięcia istotnych rezultatów. Aby tworzyć wartość, dane te muszą być łatwe do wykorzystania, w ramach zaufania, zarówno przez zespoły biznesowe, jak i systemy sztucznej inteligencji. Dane zamknięte w silosach ograniczają to, co sztuczna inteligencja może wnieść, podczas gdy dane zarządzane, skontekstualizowane i dostępne mogą znacząco zwiększyć jej wpływ.
Architektura zdolna do ewolucji
Dlatego liderzy potrzebują architektur zdolnych ewoluować tak szybko jak modele. Budowanie strategii wokół jednego modelu ryzykuje zamknięcie firmy w nieustannie zmieniającym się środowisku technologicznym. Celem jest raczej integrowanie innowacji w miarę ich pojawiania się, przy jednoczesnym zapewnieniu spójności i zarządzania danymi.
Tekst podkreśla automatyczne kierowanie modeli, które polega na przekierowywaniu każdego zadania do najbardziej odpowiedniego modelu według kryteriów takich jak wydajność, koszt czy złożoność. To podejście pozwala na bardziej efektywne wykorzystanie sztucznej inteligencji, bez konieczności systematycznego używania najpotężniejszego modelu do każdego zadania.
Kryteria sukcesu również muszą się zmienić. Liczba zapytań lub tokenów, jednostek tekstu przetwarzanych przez model, mierzy użycie, ale nie mówi nic o stworzonej wartości. Pytanie, które należy zadać, brzmi: czy sztuczna inteligencja pozwala na podejmowanie lepszych decyzji, ulepszanie produktu, wzmacnianie relacji z klientem, optymalizację operacji lub tworzenie nowych możliwości wzrostu?
« Przez długi czas myśleliśmy, że konkurencja w sztucznej inteligencji rozegra się między modelami. Tymczasem rzeczywistość jest taka, że inteligencja stopniowo staje się powszechna. » Tworzenie wartości przesuwa się więc w stronę danych przedsiębiorstw i ich zdolności do ich wykorzystania w celu dostarczenia sztucznej inteligencji potrzebnego jej kontekstu.
