Umjetna inteligencija
Evolucija generativne umjetne inteligencije u 2025.: od novosti do nužnosti
Godina 2025. označava ključni trenutak na putu prema Generativna AI (Gen AI). Ono što je započelo kao fascinantna tehnološka novost sada se razvilo u kritičan alat za tvrtke u različitim industrijama.
Generativna umjetna inteligencija: od traženja rješenja za problem do elektrane za rješavanje problema
Početni val entuzijazma generacije AI bio je potaknut sirovom novinom interakcije s veliki jezični modeli (LLM), koji su obučeni na golemim javnim skupovima podataka. Poduzeća i pojedinci s pravom su bili očarani mogućnošću upisivanja upita na prirodnom jeziku i primanja detaljnih, koherentnih odgovora od modela javnih granica. Ljudska kvaliteta rezultata LLM-a navela je mnoge industrije da bezglavo krenu u projekte s ovom novom tehnologijom, često bez jasnog poslovnog problema koji treba riješiti ili bilo kakvog stvarnog KPI-ja za mjerenje uspjeha. Iako je u ranim danima Gen AI došlo do nekih velikih vrijednosti, to je jasan signal da smo u ciklusu inovacija (ili hype) kada tvrtke napuste praksu da prvo identificiraju problem, a zatim traže funkcionalno tehnološko rješenje za riješiti to.
2025. očekujemo da će se visak vratiti unazad. Organizacije će tražiti poslovnu vrijednost od Gen AI tako što će prvo identificirati probleme koje tehnologija može riješiti. Zasigurno će biti mnogo više dobro financiranih znanstvenih projekata, a prvi val slučajeva upotrebe AI-ja generacije za sažimanje, chatbotove, generiranje sadržaja i koda nastavit će cvjetati, ali rukovoditelji će ove godine početi smatrati AI projekte odgovornima za ROI. Fokus tehnologije također će se pomaknuti s javnih jezičnih modela opće namjene koji generiraju sadržaj na skup užih modela koji se mogu kontrolirati i kontinuirano uvježbavati na posebnom jeziku poslovanja za rješavanje problema iz stvarnog svijeta koji utječu na krajnji rezultat u mjerljivom način.
2025. bit će godina u kojoj će umjetna inteligencija postati središte poduzeća. Podaci poduzeća put su za otključavanje stvarne vrijednosti s AI, ali podaci o obuci potrebni za izgradnju transformacijske strategije nisu na Wikipediji, niti će ikada biti. Živi u ugovorima, evidenciji kupaca i pacijenata te u neurednim nestrukturiranim interakcijama koje često teku kroz pozadinski ured ili žive u kutijama papira. Dobivanje tih podataka je komplicirano, a LLM-ovi opće namjene ovdje su loša tehnologija, bez obzira na pitanja privatnosti, sigurnosti i upravljanja podacima. Poduzeća će sve više usvajati RAG arhitekture i mali jezični modeli (SLM) u postavkama privatnog oblaka, što im omogućuje da iskoriste interne organizacijske skupove podataka za izgradnju vlasničkih AI rješenja s portfeljem modela koji se mogu obučiti. Ciljani SLM-ovi mogu razumjeti specifičan jezik poslovanja i nijanse njegovih podataka te pružiti veću točnost i transparentnost po nižoj cijeni – dok ostaju u skladu sa zahtjevima privatnosti i sigurnosti podataka.
Kritična uloga čišćenja podataka u implementaciji umjetne inteligencije
Kako se inicijative umjetne inteligencije šire, organizacije moraju dati prioritet kvaliteti podataka. Prvi i najvažniji korak u implementaciji umjetne inteligencije, bilo da se koriste LLM-ovi ili SLM-ovi, jest osigurati da interni podaci ne sadrže pogreške i netočnosti. Ovaj proces, poznat kao "čišćenje podataka", ključan je za održavanje čistih podataka, što je okosnica uspjeha AI projekata.
Mnoge organizacije se još uvijek oslanjaju na papirnate dokumente koje je potrebno digitalizirati i očistiti za svakodnevno poslovanje. Idealno bi bilo da se ovi podaci ulijevaju u označene skupove za obuku za vlasničku umjetnu inteligenciju organizacije, ali tek smo u ranoj fazi da se to dogodi. Zapravo, u nedavnom istraživanju koje smo proveli u suradnji s Harris Pollom, gdje smo intervjuirali više od 500 donositelja IT odluka između kolovoza i rujna, otkriveno je da 59% organizacija ne koristi cijeli svoj podatkovni fond. Isto izvješće otkrilo je da se 63% organizacija slaže da nemaju dovoljno razumijevanja vlastitih podataka i to im onemogućuje da maksimalno iskoriste potencijal GenAI-a i sličnih tehnologija. Zabrinutost zbog privatnosti, sigurnosti i upravljanja svakako su prepreke, ali točni i čisti podaci su ključni, čak i male pogreške u obuci mogu dovesti do složenih problema koje je teško riješiti nakon što model umjetne inteligencije pogriješi. Godine 2025. čišćenje podataka i cjevovodi za osiguranje kvalitete podataka postat će ključno područje ulaganja, osiguravajući da nova vrsta sustava umjetne inteligencije u poduzećima može raditi na pouzdanim i točnim informacijama.
Širenje utjecaja uloge tehničkog direktora
Uloga glavnog tehnološkog direktora (CTO) oduvijek je bila ključna, ali njegov će se utjecaj udeseterostručiti 2025. Povlačeći paralele s "CMO erom", gdje je korisničko iskustvo pod vodstvom glavnog marketinškog direktora bilo najvažnije, sljedeće godine će biti "generacija tehničkog direktora".
Iako ključne odgovornosti tehničkog direktora ostaju nepromijenjene, utjecaj njihovih odluka bit će značajniji nego ikad. Uspješni tehnički direktori morat će duboko razumjeti kako nove tehnologije mogu preoblikovati njihove organizacije. Također moraju shvatiti kako umjetna inteligencija i srodne moderne tehnologije pokreću transformaciju poslovanja, a ne samo učinkovitost unutar četiri zida tvrtke. Odluke koje će tehnički direktori donijeti 2025. godine odredit će buduću putanju njihovih organizacija, čineći njihovu ulogu utjecajnijom nego ikad prije.
Predviđanja za 2025. ističu godinu transformacije za Gen AI, upravljanje podacima i ulogu CTO-a. Kako Gen AI prelazi iz rješenja u potrazi za problemom u pogon za rješavanje problema, važnost čišćenja podataka, vrijednost posjeda podataka poduzeća i sve veći utjecaj CTO-a će oblikovati budućnost poduzeća. Organizacije koje prihvate ove promjene bit će u dobroj poziciji da napreduju u tehnološkom okruženju koje se razvija.
