Generativ AI kan ændre verden – men kun hvis datainfrastrukturen holder trit

På trods af buzz omkring Generativ AI, har de fleste brancheeksperter endnu ikke behandlet et væsentligt spørgsmål: Findes der en infrastrukturel platform, der kan understøtte denne teknologi på lang sigt, og i så fald vil den være tilstrækkelig bæredygtig til at understøtte de radikale innovationer, som Generative AI lover?

Generative AI-værktøjer har allerede opbygget et godt ry, med deres evne til at skrive velsyntetiseret tekst med et klik på en knap – opgaver, der ellers ville kræve timer, dage, uger eller måneder at udføre manuelt.

Det er alt sammen godt og vel, men i mangel af den rette infrastruktur har disse værktøjer simpelthen ikke skalerbarheden til virkelig at ændre verden. Snart overgået $ 76 milliarder, Generative-AIs astronomiske driftsomkostninger er allerede et bevis på dette faktum, men der er yderligere faktorer i spil.

Virksomheder skal fokusere på at skabe og forbinde de rigtige værktøjer til at udnytte dem bæredygtigt og skal investere i en centraliseret datainfrastruktur, der gør alle relevante data problemfrit tilgængelige for deres LLM uden dedikerede rørledninger. Med strategisk implementering af de rigtige værktøjer vil de være i stand til at levere den forretningsmæssige værdi, de søger på trods af de kapacitetsbegrænsninger, datacentre i øjeblikket pålægger – først da vil AI-revolutionen virkelig gå videre.

Et kendt mønster

Ifølge en ny rapport fra Capgemini Research Institute, 74 % af ledere mener, at fordelene ved generativ kunstig intelligens opvejer dets bekymringer. En sådan konsensus har allerede givet anledning til høje adoptionsrater blandt virksomheder - ca 70 % af Asien-Stillehavsorganisationer har enten udtrykt deres hensigt om at investere i disse teknologier eller er begyndt at udforske praktiske use cases.

Men verden har været på denne vej før. Tag for eksempel internettet, som gradvist tiltrak sig mere og mere opmærksomhed, før det overgik forventningerne via et utal af bemærkelsesværdige applikationer. Men på trods af dens imponerende egenskaber tog den først rigtig fart, da dens applikationer begyndte at levere håndgribelig værdi til virksomheder i stor skala.

Ser ud over ChatGPT

AI er ved at falde ind i en lignende cyklus. Virksomheder har hurtigt købt ind i teknologien, med anslået 93 % af virksomheder, der allerede er involveret i adskillige AI/ML in-use casestudier. Men uanset den høje adoptionsrate, kæmper mange virksomheder stadig med implementeringen – et tydeligt tegn på inkompatibel datainfrastruktur.

Med den rette infrastruktur kan virksomheder se ud over overfladeniveauet af Generative AIs fristende egenskaber og udnytte dets sande potentiale til at transformere deres forretningslandskaber.

Faktisk kan Generative-AI hjælpe med at skrive en brief hurtigt og i de fleste tilfælde ganske effektivt, men dets potentiale rækker langt ud over det. Fra potentiel lægemiddelopdagelse til sundhedsbehandlinger til forsyningskædeoptimering er ingen af ​​disse gennembrud mulige, hvis datacentrene, der understøtter og driver AI-applikationer, ikke er robuste nok til at håndtere deres arbejdsbyrder.

Overvinde barrieren for skalerbarhed

Generativ AI har endnu ikke virkelig leveret væsentlig værdi til virksomheder, fordi den mangler skalerbarhed. Dette skyldes det faktum, at datacentre har kapacitetsbegrænsninger - deres infrastruktur blev ikke oprindeligt lavet til at understøtte den massive udforskning, orkestrering og modeljustering, som Large Language Models (LLM'er) kræver for at kunne køre flere træningscyklusser effektivt.

At høste værdi fra Generative AI afhænger derfor af, hvor godt en virksomhed udnytter sine egne data, som kan forbedres ved at udvikle en robust dataarkitektur. Dette kan opnås ved at forbinde strukturerede og ustrukturerede datakilder til LLM'er eller ved at øge gennemstrømningen af ​​eksisterende hardware.

Det er vigtigt, at virksomheder, der ønsker at træne deres LLM i organisatoriske data, først kan konsolidere disse data på en samlet måde. Ellers vil data efterladt i en siled struktur sandsynligvis generere skævhed i LLM's læringsevner.

Et støttesystem

Generativ AI dukkede ikke op ud af den blå luft – den har været undervejs i et stykke tid, og dens brug og potentiale vil kun vokse i de kommende årtier. Men for nu rammer dets forretningsapplikationer en mur, som ikke er skalerbar.

Virkeligheden er, at disse forskellige værktøjer kun er så stærke som den databehandlingsinfrastruktur, der understøtter dem. Det er derfor afgørende, at virksomhedsledere udnytter platforme, der kan behandle de petabytes af data, som disse værktøjer skal bruge for konkret at levere på den betydelige værdi, de lover.