2025 Prediksi: Tahun AI Komponen untuk Adopsi Perusahaan

Tahun baru akan membawa adopsi AI dengan cara yang belum pernah kita lihat sebelumnya, setelah melakukan kalibrasi ulang apa yang sekarang kita ketahui dapat dicapai dalam perusahaan. Knowledge graphs yang mendukung AI komponen akan berada di pusat perhatian karena mereka menambah bahan bakar untuk mengubah informasi tidak terstruktur menjadi pengetahuan yang dapat diambil. Bersama dengan alat lain seperti GraphRAG yang membuat Generative AI (GenAI) lebih efisien, mereka akan terus membuka jalan bagi bagaimana AI terintegrasi ke dalam kehidupan sehari-hari kita.

Pandangan realistis tentang apa yang dapat dilakukan dengan model GenAI akan membawa tahun AI komponen

Organisasi mulai mengimplementasikan potensi GenAI untuk memecahkan masalah nyata. Di tahun baru, kita akan melihat adopsinya dengan cara yang belum pernah kita lihat sebelumnya, tetapi ketika datang ke adopsi AI untuk pengguna perusahaan, model-model tersebut masih belum cukup untuk memecahkan masalah kompleks. Ambil kita manusia, misalnya, kita lebih pintar dan lebih efektif dengan alat, dan kita telah dapat mencapai banyak hal dengan akses ke kalkulator, perpustakaan, dan komputer. Kita tidak dapat mengharapkan model bahasa melakukan semua yang kita butuhkan mereka lakukan pada tahap ini, terutama dalam pengaturan perusahaan, tanpa tooling yang tepat. Menambahkan knowledge graphs yang mendukung beban kerja AI komponen akan memungkinkan sistem untuk digunakan secara luas dan diuntungkan dalam perusahaan.

Revolusi peringkat informasi dengan GraphRAG

Di awal hari internet, mesin pencari utama adalah AltaVista dan Lycos. Sebuah query pencarian akan mengindeks semua kata pada halaman dan menawarkan hasil dalam peringkat halaman. Akhirnya, Google merevolusi ini dengan melihat bagaimana halaman terkait satu sama lain. Halaman menjadi lebih penting jika halaman penting lainnya menunjuk ke mereka. Aturan rekursif ini hanya mungkin ketika Anda melihat web sebagai grafik. Ini adalah bagaimana kita berakhir dengan Google dan peringkat halaman yang kita kenal hari ini. Selanjutnya, ketika Google mulai mengubah data teks menjadi knowledge graph pada 2012, kita melihat evolusi bagaimana pengguna menerima informasi terstruktur tentang entitas dunia nyata saat mencari.

Di tahun mendatang, akan ada kemajuan serupa yang kita lihat dengan internet dari pencarian kata kunci ke pencarian berdasarkan struktur jaringan dan grafik. Pencarian berdasarkan teks yang dikonversi menjadi representasi terstruktur juga akan terjadi dengan model bahasa, sangat menguntungkan perusahaan. Ketika kita maju dengan GenAI, kita mulai melihat sesuatu yang serupa dengan GenAI yang menggunakan RAG, yang mengubah setiap kata atau setiap potongan dokumen menjadi vektor, memungkinkan kita untuk mengambil pertanyaan dan memetakan ke kata-kata individu pada dokumen.

Saya percaya iterasi berikutnya dari pencarian akan bergerak ke menggunakan kombinasi knowledge graph dan RAG. Apa yang dilakukan adalah cross-referensi dokumen dan dengan cepat menemukan bahwa mereka memiliki sesuatu yang sama dan menghubungkannya sebagai koneksi ketika bekerja untuk merespons query. Dengan waktu, kemungkinan sebagian besar dari apa yang telah kita dokumentasikan akan dikonversi menjadi informasi terstruktur yang akan dimasukkan ke dalam knowledge graphs yang akan memungkinkan penalaran terjadi ketika kita diminta untuk melakukan pencarian. Akan ada penekanan pada mengubah cepat teks tidak terstruktur menjadi informasi terstruktur untuk pengetahuan simbolik agar menjadi dapat diambil.

Antarmuka internet sedang berubah, kehidupan sehari-hari kita akan melihat adopsi AI sebelum tenaga kerja

Sebagai seseorang yang tumbuh dewasa dengan Google, tidak dapat dihindari untuk melihat bahwa antarmuka internet mulai bergeser. Munculnya adopsi ChatGPT telah berkembang menjadi mekanisme utama bagi bagaimana generasi berikutnya berkomunikasi dengan internet. Ketika kita terus melihat adopsi ini pada 2025 dan seterusnya, itu akan memiliki dampak signifikan pada bagaimana industri seperti periklanan berkembang untuk mempertahankan keunggulan kompetitif.

Seperti kebanyakan inovasi teknologi, kita akan mengimplementasikannya dalam kehidupan pribadi kita terlebih dahulu. Saya percaya kita akan melihat ini terjadi dengan asisten pribadi seperti Siri atau Alexa berdasarkan model bahasa yang bernalar dan mengembangkan pola alami untuk kebiasaan sehari-hari kita. Ketika kita mulai melihat orang lebih mengandalkan asisten pribadi di luar pekerjaan, harapan memiliki asisten serupa di tempat kerja akan mengikuti.

Kalibrasi ulang anggaran untuk mengimplementasikan Generative AI di perusahaan

Sekarang bahwa puncak siklus hiper AI telah berlalu, orang lebih pragmatis dalam pendekatan mereka terhadap GenAI. Dalam setahun terakhir, banyak telah menghabiskan sebagian besar anggaran mereka pada GenAI, dan mereka mungkin telah meletakkan area lain yang penting dari jejak IT dan data di belakang dan berinvestasi kurang. Jadi, tahun depan, kita akan melihat banyak organisasi mengkalibrasi ulang anggaran mereka untuk melakukan lebih banyak. Sekarang bahwa kita memiliki visibilitas dan paparan bagaimana GenAI dapat bekerja atau tidak bekerja untuk sebuah organisasi, bisnis tersebut dapat menyeimbangkan investasi antara GenAI dan semua inisiatif penting lainnya.