אינטליגנציה מלאכותית יוצרת יכולה לשנות את העולם – אך רק אם תשתית הנתונים תעמוד בקצב

על אף ההדים הסובבים את Generative AI, רוב המומחים בתעשייה טרם פנו לשאלה משמעותית: האם קיימת פלטפורמת תשתית שיכולה לתמוך בטכנולוגיה זו בטווח הארוך, ואם כן, האם היא תהיה ברת קיימא מספיק כדי לתמוך בחידושים הרדיקליים שאינטליגנציה מלאכותית יוצרת מבטיחה?

כלים של אינטליגנציה מלאכותית יוצרת כבר בנו לעצמם מוניטין, עם יכולתם לכתוב טקסט מסונתז היטב בלחיצת כפתור – משימות שאחרת עשויות לדרוש שעות, ימים, שבועות או חודשים להשלמה ידנית.

זה הכל טוב וטוב, אך בהיעדר תשתית נכונה, כלים אלה פשוט אינם מסוגלים לקנה מידה אמיתי לשנות את העולם. עומדים לעלות על $76 מיליארד, עלויות הפעלה אסטרונומיות של Generative-AI הן עדות לעובדה הזו כבר, אך ישנם גורמים נוספים במשחק.

תאגידים צריכים להתמקד ביצירה ובחיבור של הכלים הנכונים כדי לנצל אותם באופן בר קיימא וחייבים להשקיע בתשתית נתונים מרכזית שהופכת את כל הנתונים הרלוונטיים לנגישים באופן חסר רבב ל-LLM שלהם ללא צינורות מוקדדים. עם יישום אסטרטגי של הכלים הנכונים, הם יוכלו לספק את ערך העסקי שהם מחפשים על אף המגבלות על קיבולת שמרכזי הנתונים מטילים כיום – רק אז תתקדם מהפכת האינטליגנציה המלאכותית באמת.

דפוס מוכר

על פי דו”ח חדש ממכון המחקר של Capgemini, 74% מהמנהלים הבכירים סבורים כי יתרונותיה של אינטליגנציה מלאכותית יוצרת עולים על החששות הקשורים בה. הסכמה כזו כבר גרמה לשיעורי אימוץ גבוהים בקרב תאגידים – כ-70% מהארגונים באסיה-פסיפיק הביעו את כוונתם להשקיע בטכנולוגיות אלה או החלו לחקור מקרים שימושיים מעשיים.

אך העולם הלך בדרך הזו לפני כן. למשל, האינטרנט, שמשך תשומת לב רבה יותר ויותר לפני שעבר את הציפיות באמצעות מגוון רחב של יישומים רמות. אך על אף יכולותיו הרשמיות, הוא באמת המריא רק כאשר יישומיו החלו לספק ערך מוחשי לעסקים בקנה מידה.

הסתכלות מעבר ל-ChatGPT

אינטליגנציה מלאכותית נופלת למעגל דומה. עסקים רכשו במהירות את הטכנולוגיה, עם 93% מהתאגידים כבר מעורבים במספר רב של מקרי שימוש ב- AI/ML. אך על אף שיעור האימוץ הגבוה, רבים מהתאגידים עדיין מאבקים בהטמעה – סימן מובהק לתשתית נתונים לא תואמת.

עם התשתית הנכונה, חברות יכולות להסתכל מעבר לרמה השטחית של יכולותיה המרתקות של אינטליגנציה מלאכותית יוצרת ולנצל את הפוטנציאל האמיתי שלה לשנות את נוף העסקים שלהן.

באמת, Generative-AI יכולה לעזור לכתוב ניסוח מהיר ובמרבית המקרים, גם ביעילות, אך הפוטנציאל שלה הולך הרבה מעבר לכך. מגילוי תרופות פוטנציאליות ועד טיפולים רפואיים ואפילו אופטימיזציה של שרשראות אספקה, אף אחת מהפריצות האלה אינה אפשרית אם מרכזי הנתונים שתומכים ומניעים את יישומי האינטליגנציה המלאכותית אינם חזקים מספיק כדי לנהל את עומסי העבודה שלהם.

גבר על המחסום לקנה מידה

אינטליגנציה מלאכותית יוצרת עדיין לא מסוגלת לספק ערך משמעותי לעסקים, מכיוון שהיא חסרה קנה מידה. זה בגלל שמרכזי הנתונים הם בעלי מגבלות קיבולת – תשתיתם לא נוצרה במקור כדי לתמוך בחיפוש, תזמון וכיול הדגמים המאסיביים שדגמי שפה גדולים (LLM) דורשים כדי לרוץ מספר רב של מחזורי אימון באופן יעיל.

לקצור את הערך מאינטליגנציה מלאכותית יוצרת תלוי בכך כיצד עסק ניצל את הנתונים שלו, מה שיכול לשופר על ידי פיתוח ארכיטקטורת נתונים חזקה. ניתן להשיג זאת על ידי חיבור מקורות נתונים מובנים ובלתי מובנים ל-LLM או על ידי הגברת קצב העבודה של החומרה הקיימת.

הכרחי שחברות המעוניינות לאמ