Die AI-Explosion geht 2025 weiter: Was Organisationen in diesem Jahr erwarten sollten

Da die künstliche Intelligenz (AI) voraussichtlich ihre Explosion im Jahr 2025 fortsetzen wird, bietet die ständig weiterentwickelte Technologie sowohl beispielslose Chancen als auch komplexe Herausforderungen für Organisationen weltweit. Um heute Organisationen und Fachleuten den größtmöglichen Nutzen aus der AI im Jahr 2025 zu sichern, habe ich meine Gedanken und erwarteten AI-Trends für dieses Jahr geteilt.

Organisationen müssen strategisch für die Kosten der AI planen

Die Welt ist weiterhin begeistert von dem Potenzial der AI. Die Kosten für die AI-Innovation sind jedoch ein Maßstab, den Organisationen planen müssen. Zum Beispiel benötigt die AI Grafikprozessoren (GPUs), jedoch haben viele Cloud-Service-Provider (CSPs) größere Bereitstellungen von N-1-, N-2- oder älteren GPUs, die nicht ausschließlich für AI-Workloads entwickelt wurden. Außerdem können Cloud-GPUs bei großem Umfang kostspielig sein und leicht für Entwickler eingeschaltet werden, wenn Projekte wachsen/skalieren (mehr Ausgaben); zusätzlich kann der Kauf von GPUs (wenn sie aufgrund von Knappheit beschafft werden können) für den Einsatz vor Ort sehr teuer sein, wobei einzelne Chips gut in die Zehntausende von Dollar gehen. Als Ergebnis werden Server-Systeme, die für anspruchsvolle AI-Workloads entwickelt wurden, für viele mit festen Betriebsausgaben (OpEx)-Budgets unerschwinglich oder unerreichbar. Im Jahr 2025 müssen Unternehmenskunden ihre AI-Kosten auf ein Level bringen und die Ebenen der AI-Entwicklungsbudgets neu synchronisieren. Da viele abgegrenzte Abteilungen nun die Initiative ergreifen und ihre eigenen AI-Tools entwickeln, können Unternehmen ungewollt Tausende pro Monat für kleine oder abgegrenzte Verwendungen von cloud-basierten GPUs und deren Anforderungen an AI-Computer-Instanzen ausgeben, die sich summieren (insbesondere wenn Benutzer diese Instanzen weiterlaufen lassen).

Open-Source-Modelle fördern die Demokratisierung verschiedener AI-Anwendungsfälle

Im Jahr 2025 wird es einen enormen Druck für Organisationen geben, den Return on Investment (ROI) von AI-Projekten und den damit verbundenen Budgets nachzuweisen. Durch die Nutzung von Low-Code- oder No-Code-Tools von bekannten ISVs, um AI-Apps zu entwickeln, werden Unternehmen weiterhin nach Open-Source-Modellen suchen, die leichter fein abgestimmt werden können, anstatt von Grund auf trainiert und entwickelt zu werden. Die Feinabstimmung von Open-Source-Modellen nutzt verfügbare AI-Ressourcen (Menschen, Budget und/oder Rechenleistung) effizienter, was erklärt, warum es derzeit über 900.000+ (und wachsende) Modelle zum Download bei Hugging Face allein gibt. Wenn jedoch Unternehmen auf Open-Source-Modelle umsteigen, wird es entscheidend sein, die Verwendung von Open-Source-Software, Frameworks, Bibliotheken und Tools in ihren Organisationen zu sichern und zu überwachen. Die jüngste Vereinbarung zwischen Lenovo und Anaconda ist ein gutes Beispiel dafür, wo das Intel-basierte Lenovo-Workstation-Portfolio und Anaconda Navigator den Datenwissenschafts-Workflows vereinfachen.

AI-Konformität wird zur Standardpraxis

Die Verschiebung in der AI-Politik wird die Rechnung der AI näher an die Quelle der Unternehmensdaten bringen und mehr vor Ort (insbesondere für die AI-Entwicklungsphasen eines Projekts oder Workflows). Da die AI immer näher an den Kern vieler Unternehmen rückt, wird sie von einem separaten, parallelen oder speziellen Arbeitsablauf zu einem, der mit vielen Kerngeschäftsfunktionen in Einklang steht. Die Sicherstellung, dass die AI konform und verantwortungsvoll ist, ist ein reales Ziel heute, sodass es im Jahr 2025 zu einer Standardpraxis wird und Teil der grundlegenden Bausteine für AI-Projekte im Unternehmen wird. Bei Lenovo haben wir ein Responsible-AI-Komitee, das aus einer vielfältigen Gruppe von Mitarbeitern besteht, die sicherstellen, dass Lösungen und Produkte die Sicherheits-, ethischen, Datenschutz- und Transparenzstandards erfüllen. Diese Gruppe überprüft die Verwendung und Implementierung von AI auf der Grundlage von Risiken und wendet Sicherheitsrichtlinien konsequent an, um sie mit einer Risikohaltung und der Einhaltung von Vorschriften in Einklang zu bringen. Der inklusive Ansatz des Komitees behandelt alle AI-Aspekte und gewährleistet so eine umfassende Konformität und eine Gesamtrisikominderung.

Arbeitsstationen entpuppen sich als effiziente AI-Tools im und außerhalb des Büros

Die Verwendung von Arbeitsstationen als leistungsstarke Edge- und abteilungsbezogene AI-Appliances ist bereits im Aufwind. Zum Beispiel hilft Lenovos Workstation-Portfolio, das von AMD angetrieben wird, Medien- und Unterhaltungsprofis, die Lücke zwischen Erwartungen und den benötigten Ressourcen zur Lieferung von hochwertigem visuellem Inhalt zu überbrücken. Dank ihrer kompakten Bauweise und Fußabdrucks, geringer Akustik, standardmäßiger Stromanschlüsse und Verwendung von Client-basierten Betriebssystemen können sie leicht als AI-Schlußgeräte eingesetzt werden, wo herkömmliche Server nicht passen. Ein weiterer Anwendungsfall ist in Standard-Branchen-Workflows, in denen AI-gestützte Datenanalyse echten Geschäftswert liefern und sehr nah an den C-Suite-Exekutiven liegt, die einen Unterschied machen wollen. Andere Anwendungsfälle sind die kleineren, domänen-spezifischen AI-Tools, die von Einzelpersonen für ihren eigenen Gebrauch erstellt werden. Diese Effizienz-Einsparungen-Tools können zu AI-Superpowers werden und umfassen alles, von MS Copilot, privaten Chatbots bis hin zu persönlichen AI-Assistenten.

Das volle Potenzial der AI im Jahr 2025 ausschöpfen

Die künstliche Intelligenz ist eine der am schnellsten wachsenden technologischen Entwicklungen unserer Ära, die in jeden Bereich als transformative Technologie eindringt, die die Effizienz für alle erhöhen und schnellere und wertvollere Geschäftsergebnisse ermöglichen wird.

Die AI, einschließlich Machine- und Deep-Learning sowie generativer AI mit LLMs, erfordert immense Rechenleistung, um die Intelligenz aufzubauen und aufrechtzuerhalten, die für nahtlose Kunden-AI-Erfahrungen erforderlich ist. Daher sollten Organisationen sicherstellen, dass sie hochleistungsfähige und sichere Desktop- und Mobile-Computerlösungen nutzen, um die Workflows von AI-Fachleuten und Datenwissenschaftlern zu revolutionieren und zu verbessern.