Gen AI: Η Μετατόπιση των Επιχειρήσεων από τις Μεγάλες Μάρκες στις Λύσεις Εκκίνησης

Η γεννητική AI και τα chatbots δεν είναι κάτι που ο κόσμος δεν έχει δει ποτέ πριν το 2022. Δεν πρόκειται ούτε για τη Siri ούτε για την Alexa, αλλά για την παλιά ELIZA, ένα από τα πρώτα παραδείγματα επεξεργασίας φυσικής γλώσσας, η οποία θα ήταν μια 57χρονη γυναίκα τώρα. Ωστόσο, μόνο μισό αιώνα αργότερα, όταν το Chat GPT και άλλα αξιοσημείωτα μεγάλου μεγέθους γλωσσικά μοντέλα απέδειξαν την τεχνολογία ως εμπορικά βιώσιμη σε ένα ευρύ φάσμα βιομηχανιών, οι επιχειρήσεις κατάλαβαν ότι χρειάζονταν λύσεις Γεννητικής AI, όσο το δυνατόν γρηγορότερα.

Λίγες από αυτές, ωστόσο, καταλαβαίνουν τι χρειάζονται Γεννητική AI για, και ακόμη λιγότερες καταλαβαίνουν τη сложικότητα της εργασίας και τους πόρους που απαιτούνται. Εδώ είναι όπου εμείς έρχομαι – επιταχυντές και εταιρείες συμβούλων.

Συμμετρήσιμο ή έτοιμο για να φορεθεί;

Ένα καλό κοστούμι, σχεδιασμένο σύμφωνα με τις ατομικές μετρήσεις από προτιμώμενο υλικό, χρώμα και με ένα συγκεκριμένο σκοπό στο μυαλό, είναι μια αξιοπρεπής επένδυση. Οι άνθρωποι που φορούν τέτοια κοστούμια, δεν ανησυχούν για την εμφάνισή τους. Ξέρουν ότι φαίνονται τέλεια και νιώθουν ανάλογα. Eine εξατομικευμένη λύση τεχνολογίας AI, η οποία είναι σχεδιασμένη για να επιτύχει συγκεκριμένους επιχειρηματικούς στόχους, έχει ενισχυμένη ασφάλεια και ενσωματώνεται τέλεια στο εταιρικό σύστημα, είναι ένα πραγματικό κοστούμι James Bond.

Αυτή είναι μια καλή σύγκριση, η οποία δίνει μια γενική ιδέα. Αλλά ας βυθιστούμε λίγο πιο sâu στα λόγια για τους οποίους οι περισσότερες εταιρείες προτιμούν να μην εφαρμόσουν έτοιμες λύσεις AI, ακόμη και από ηγέτες της αγοράς:

Πρώτον, η αποτελεσματική ενσωμάτωση της Γεννητικής AI είναι αδύνατη χωρίς υψηλή ατομική εργασία για κάθε εταιρεία, η οποία απαιτεί μια ξεχωριστή ομάδα, ενημερωμένη για τα στρατηγικά σχέδια ανάπτυξης της εταιρείας, τους στόχους και τη διαθεσιμότητα των πόρων. Μια λύση Γεννητικής AI, η οποία φαίνεται να λειτουργεί για μια εταιρεία, θα είναι πιθανό να φανεί άχρηστη για μια άλλη.

Δεύτερον, μια μικρότερη εταιρεία εκκίνησης θα βυθιστεί πλήρως στις ιδιαιτερότητες της εταιρείας και θα προσφέρει μια εξατομικευμένη λύση από μια ομάδα εμπειρογνωμόνων AI, οι οποίοι είναι ικανοί να εργαστούν με ανοιχτά μοντέλα, να εκπαιδεύσουν με ασφάλεια τα δεδομένα της εταιρείας και να τα τοποθετήσουν στους серверς του πελάτη. Αυτό επιτρέπει τη δημιουργία μιας λύσης στο χώρο της εταιρείας και τη συμμόρφωση με τις απαιτήσεις της ασφαλούς ανάπτυξης και αποθήκευσης δεδομένων, η οποία είναι προτεραιότητα για τις εταιρείες.

Τι χρειάζονται οι εταιρείες Γεννητική AI για;

Καθώς η Gen AI είναι σχετικά μια νέα είσοδος στην εταιρική αγορά, ο κύριος τρόπος για να κερδίσετε εμπειρία και να προχωρήσετε είναι μέσω της δοκιμής και του λάθους, το οποίο σημαίνει την εκκίνηση πιλότων. Μέχρι να έχουμε đủ σημεία αναφοράς σε διάφορους τομείς, αυτό είναι ο πιο παραγωγικός τρόπος για να βρείτε μια λύση που ταιριάζει τέλεια στις μοναδικές ανάγκες της εταιρείας.

Ωστόσο, υπάρχουν某 trends στις εταιρικές αιτήσεις για λύσεις Γεννητικής AI:

1. Εξυπνά κείμενα και φωνητικά bots βασισμένα σε LLMs για να παρέχουν υψηλής ποιότητας βοήθεια για ερωτήσεις και υποστήριξη πελατών διαφόρων επιπέδων.

2. Εργαζόμενος βοηθός AI (π.χ. βοηθός πωλητή, ο οποίος αναλύει μια πραγματική συνομιλία με τον πιθανό πελάτη και παράλληλα γεννά ιδέες και προσφορές για τον ειδικό)

3. Συμπιλότοι για προγραμματιστές

4. Λύσεις HR για αυτοματοποίηση προσλήψεων και ενσωμάτωσης

5. Εργαλεία μάρκετινγκ: γεννήτρια εικόνων και avatar, γραπτά άρθρα και κριτικές προϊόντων.

‘Δεν χρειάζεται Gen AI’ – αυτό είναι το συμπέρασμα που κάποιοι πελάτες δεν περιμένουν να έρθουν, αλλά συμφωνούν εύκολα μετά από ανάλυση της τρέχουσας κατάστασης και των επιχειρηματικών στόχων της εταιρείας. AI για το sake του AI είναι μια σπατάλη πόρων, η οποία η τεχνολογία καλείται να εξαλείψει.

Ευκαιρίες Αγοράς Γεννητικής AI

Σύμφωνα με PitchBook’s estimation, η αγορά Γεννητικής AI θα φτάσει τα $42,6 δισεκατομμύρια μέχρι το τέλος του 2023 και αναμένεται να αυξηθεί με ρυθμό 32% για να φτάσει τα $98,1 δισεκατομμύρια μέχρι το 2026. Αυτές οι προβλέψεις δεν λαμβάνουν υπόψη το δυναμικό της γεννητικής AI να επεκτείνει την ολική αγορά λογισμικού AI.

Αυτό συγκρίνεται με 22,6% ρυθμό αύξησης για την αγορά AI ως σύνολο, το οποίο σημαίνει ότι η GenAI θα συνεχίσει να υπερβαίνει σχετικά με την ευρύτερη αγορά.

Εάν οι εκτιμήσεις δεν είναι επαρκώς πειστικές, εδώ είναι ένα εικονογραφημένο γεγονός από την εμπειρία μας ως επιταχυντής. Μετά την ταραχώδη χρονιά 2022, η οποία συνδέεται με την οικονομική ύφεση και τη γρήγορη πτώση των επενδύσεων των επιχειρηματικών κεφαλαίων, τα προγράμματα επιτάχυνσης της Intema μετατόπισε το焦点 από τη συγκέντρωση κεφαλαίων σε εκκίνηση πιλότων με εταιρείες.

Το 2023, η Intema διοργάνωσε δύο προγράμματα επιτάχυνσης με απόλυτα διαφορετικές κυρίαρχες τεχνολογίες: Metaverse και Γεννητική AI. Κατά τη διάρκεια του προγράμματος, συνδέουμε τις startups με εταιρικούς πελάτες για να συζητήσουμε πιθανές τεχνολογικές λύσεις, να διοργανώσουμε demos και, εάν είναι επιτυχημένα, να κάνουμε συμφωνίες για πιθανous πιλότους. Το πρόγραμμα επιτάχυνσης Metaverse οδήγησε σε 4 πιλότους με εταιρικούς πελάτες, το οποίο είναι εξαιρετικό λαμβάνοντας υπόψη τις ιδιαιτερότητες και τη phứcικότητα της τεχνολογίας.

Το πρόγραμμα Γεννητικής AI, ακόμη και μερικές εβδομάδες πριν από τη λήξη του, είχε 7 πιλότους σε συζήτηση με eine σειρά εταιρειών. Έτσι, είναι αυτό μόνο η επίδραση του hype που χρησιμοποιούσε να περιβάλλει το Blockchain και το Metaverse πριν; Ή είναι επειδή η Gen AI είναι ένας πραγματικός game-changer;

Όλα Καταλήγουν στο Ερώτημα: Αξίζει η GenAI τον Hype;

Πρώτον, δεν είναι ασυνήθιστο για μια νέα υποσχόμενη τεχνολογία ή μια ιδέα να γίνει υπερβολικά προωθημένη στο σύντομο χρονικό διάστημα, vielleicht προς το μειονέκτημα των μακροπρόθεσμων προοπτικών της. Εάν συνεχίσουμε να τραβούμε παραλληλισμούς μεταξύ GenAI και Blockchain, στην προκαταρκτική ωριμότητα, το blockchain είχε περιγραφεί από πολλούς ως μια τεχνολογική επανάσταση, η οποία θα ανασχηματίσει τον κόσμο, πολύ σαν την GenAI που προβάλλεται σήμερα. Ωστόσο, χρόνια αργότερα, το 2018, Gartner announced ότι το blockchain είχε εισέλθει στη λεγόμενη «Τρύπα της Απογοήτευσης», η οποία αντιστοιχεί επίσης με μια πτώση περισσότερο από 30% του ενδιαφέροντος των καταναλωτών από τα υψηλά επίπεδα και μια μείωση 45% της επένδυσης των επιχειρηματικών κεφαλαίων από το 2018 έως το 2019.

Σε αντίθεση με το blockchain, στην προκαταρκτική ωριμότητα, η GenAI έχει ήδη πολλές περιπτώσεις χρήσης σε ένα ευρύ φάσμα βιομηχανιών που είναι εμπορικά βιώσιμες. Ο αριθμός τους αναμένεται να αυξηθεί καθώς περισσότερες βιομηχανίες υιοθετούν λύσεις GenAI. Σε μια πρόσφατη δημοσίευση, η Gartner τοποθέτησε την τεχνολογία γεννητικής AI στο ζενίθ της λεγόμενης «κύρους hype», η οποία υποδηλώνει ότι μπορεί να υπάρξει μια διόρθωση στις προσδοκίες και κάποια απογοήτευση στο κοντινό μέλλον.

Συμπέρασμα

Σημαίνει αυτό ότι μετά από μια τόσο μεγάλη ζήτηση για λύσεις Γεννητικής AI, η τεχνολογία είναι καταδικασμένη να εξαφανιστεί από το ραντάρ; Αυτό το σενάριο είναι απίθανο, γιατί η GenAI έχει ήδη αποδείξει την θεμελιώδη της σταθερότητα και ευελιξία σε διάφορους τομείς της ανθρώπινης δραστηριότητας, από την επιστήμη στην τέχνη και την αλυσίδα εφοδιασμού.

Ωστόσο, μια επιβράδυνση στην ανάπτυξη της τεχνολογίας είναι αναπόφευκτη, με την κύρια αιτία εδώ να είναι η επείγουσα ανάγκη να ελεγχθεί και να ρυθμιστεί η χρήση της GenAI. Μέχρι τώρα, αυτό το εργαλείο έχει χρησιμοποιηθεί σχετικά ελεύθερα, χωρίς κανένα νομικό περιορισμό. Η νομική ρύθμιση θα ορίσει μια νέα τροχιά στην εξέλιξη της τεχνολογίας, και είναι δύσκολο να προβλεφθεί πού θα πάει, γιατί η GenAI με τις τρέχουσες ικανότητές της είναι εντελώς πρωτοφανής στην ανθρώπινη ιστορία.

Ο άλλος παράγοντας, ο οποίος αναμένεται να περιορίσει τη Γεννητική AI στο μέλλον, είναι ironικά το αυξανόμενο μέγεθος των μεγάλων γλωσσικών μοντέλων. Σοφότερα ή αργότερα, οι ικανότητες των chip AI δεν θα ανταποκριθούν στην ανάπτυξη της τεχνολογίας, και η πίστωση για την κατασκευή Τεχνητής Γενικής Νοημοσύνης και η αυξανόμενη όγκος δεδομένων απαιτούν高度 phức tạp μηχανική και πολύ περισσότερη υπολογιστική δύναμη.

Αυτά τα περιορισμένα, ωστόσο, ανοίγουν ένα ευρύ πεδίο για έρευνα, πειράματα και μη τυπικές προσεγγίσεις για την απώλεια LLMs, την αύξηση της υπολογιστικής δύναμης, την αποθήκευση δεδομένων κ.λπ.