Gen AI: verschuiving van bedrijven van grote merken naar startup-oplossingen

Generatieve AI en chatbots zijn niet iets wat de wereld vóór 2022 nog nooit heeft gezien. Het gaat niet eens om Siri of Alexa, maar om de goede oude ELIZA, een van de eerste voorbeelden van Natural Language Processing, die nu een 57-jarige dame zou zijn . Maar slechts een halve eeuw later, toen Chat GPT en andere opmerkelijke grote taalmodellen bewezen dat de technologie commercieel levensvatbaar was in een breed spectrum van industrieën, begrepen bedrijven dat ze zo snel mogelijk generatieve AI-oplossingen nodig hadden.

Weinigen van hen realiseren zich echter waar ze generatieve AI voor nodig hebben, en nog minder begrijpen de complexiteit van de taak en de daarvoor benodigde middelen. Hier komen wij in beeld: accelerators en adviesbureaus.

Op maat gemaakt of confectiekleding?

Een goed pak, op maat gemaakt volgens de individuele afmetingen van de gewenste stof, kleur en met een bepaalde gelegenheid in gedachten, is een waardevolle investering. Mensen die dergelijke pakken dragen, maken zich geen zorgen over hun uiterlijk. Ze weten dat ze er perfect uitzien en zich dienovereenkomstig voelen. Een op maat gemaakte AI-technologische oplossing, die is gemaakt om bepaalde bedrijfsdoelen te bereiken, de beveiliging heeft verbeterd en perfect kan worden geïntegreerd in bedrijfssystemen, is een echt James Bond-pak.

Dit is een goede vergelijking, die een algemeen idee geeft. Maar laten we wat dieper ingaan op de redenen waarom de meeste ondernemingen liever geen kant-en-klare AI-oplossingen implementeren, zelfs niet van marktleiders:

In de eerste plaats is effectieve generatieve AI-integratie onmogelijk zonder zeer individueel werk voor elk bedrijf, waarvoor een apart team nodig is, dat op de hoogte is van de strategische ontwikkelingsplannen, doelstellingen en beschikbaarheid van middelen van het bedrijf. Een generatieve AI-oplossing, die voor het ene bedrijf werkbaar leek, zal voor een ander bedrijf waarschijnlijk nutteloos lijken.

Ten tweede zal een kleinere startup zich volledig verdiepen in de specifieke kenmerken van het bedrijf en een oplossing op maat aanbieden van een team van AI-experts, die in staat zijn om met open-sourcemodellen te werken, hen veilig te trainen op het gebied van bedrijfsgegevens en deze op hun computer te plaatsen. de servers van de klant. Dit maakt het mogelijk om een ​​oplossing op locatie te creëren en te voldoen aan de eisen van veilige gegevensimplementatie en -opslag, wat een prioriteit is voor ondernemingen.

Waar hebben bedrijven generatieve AI voor nodig?

Omdat Gen AI relatief een nieuwkomer is op de zakelijke markt, is vallen en opstaan ​​de belangrijkste manier om ervaring op te doen en vooruitgang te boeken, wat betekent dat er pilots moeten worden gelanceerd. Totdat we voldoende benchmarks hebben in verschillende sectoren, is dit veruit de meest productieve manier om een ​​oplossing te vinden die perfect aansluit bij de unieke behoeften van het bedrijf.

Niettemin zijn er bepaalde trends in de vraag van bedrijven naar generatieve AI-oplossingen:

1. Slimme tekst- en stembots op basis van LLM's om hoogwaardige assistentie te bieden aan klantenservice en ondersteuningsvragen van verschillende complexiteitsniveaus.

2. Medewerker AI-assistent (dwz de helper van de verkoopmanager, die een realtime gesprek met de potentiële klant analyseert en tegelijkertijd ideeën en klantaanbiedingen genereert voor een specialist)

3. Copiloten voor ontwikkelaars

4. HR-oplossingen voor automatisering van werving en onboarding

5. Marketingtools: het genereren van afbeeldingen en avatars, het schrijven van artikelen en productrecensies.

‘Er is geen Gen AI nodig’ – dit is de conclusie die sommige klanten niet verwachten te komen, maar waar ze het snel mee eens zijn na analyse van de huidige staat en zakelijke doelstellingen van het bedrijf. AI ter wille van AI is een verspilling van middelen, die de technologie moet elimineren.

Generatieve AI-marktkansen

Think De schatting van PitchBookzal de generatieve AI-markt eind 42,6 $2023 miljard bereiken en zal naar verwachting groeien met een CAGR van 32% om in 98,1 $2026 miljard te bereiken. Deze voorspellingen houden geen rekening met het potentieel van generatieve AI om uit te breiden de totale adresseerbare markt van AI-software.

Dit wordt vergeleken met een CAGR van 22.6% voor de AI-industrie als geheel, wat betekent dat GenAI beter zal blijven presteren in vergelijking met de grotere industrie.

Als schattingen niet overtuigend genoeg zijn, is hier een illustratief feit uit onze ervaring als accelerator. Na het turbulente 2022, dat gepaard gaat met de economische recessie en een snelle daling van durfinvesteringen, verlegden de versnellingsprogramma's van Intema de focus van fondsenwerving naar het lanceren van pilots met bedrijven.

In 2023 voerde Intema twee versnellingsprogramma's uit met absoluut verschillende dominante technologieën: Metaverse en Generatieve AI. Gedurende het programma verbinden we startups met zakelijke klanten om potentiële technologische oplossingen te bespreken, demo’s te regelen en, indien succesvol, afspraken te maken over de mogelijke pilots. Het Metaverse-versnellingsprogramma resulteerde in 4 pilots met zakelijke klanten, wat geweldig is gezien de specifieke kenmerken en complexiteit van de technologie.

Het Generatieve AI-programma had, zelfs enkele weken vóór de beëindiging ervan, zeven pilots in overleg met een reeks bedrijven. Is dit dus alleen maar het effect van een hype die eerder Blockchain en Metaverse omringde? Of is het omdat Gen AI een echte gamechanger is?

Het komt allemaal neer op de vraag: is GenAI de hype waard?

Ten eerste is het niet ongebruikelijk dat een nieuwe, veelbelovende technologie of een idee op de korte termijn overhyped wordt, misschien ten nadele van de vooruitzichten op de langere termijn. Als we parallellen blijven trekken tussen GenAI en Blockchain, wordt blockchain in zijn voorbereidende volwassenheidsfase door velen beschreven als een technologische revolutie die de wereld zal hervormen, net zoals GenAI vandaag de dag wordt aangeprezen. Maar jaren later, in 2018, Gartner aangekondigd dat blockchain het dal van desillusie heeft bereikt, wat ook overeenkomt met een daling van meer dan 30% in de consumenteninteresse ten opzichte van piekniveaus en een daling van 45% in durfkapitaalinvesteringen tussen 2018 en 2019.

In tegenstelling tot blockchain heeft GenAI in zijn vroege volwassenheidsfase al veel gebruiksscenario's in een breed spectrum van industrieën die commercieel levensvatbaar zijn. Hun aantal zal naar verwachting groeien naarmate meer industrieën GenAI-oplossingen adopteren. In zijn recente publicatie plaatste Gartner generatieve AI-technologie op het hoogtepunt van de zogenaamde ‘hypecurve’, wat erop wijst dat er in de nabije toekomst mogelijk sprake zal zijn van een correctie in de verwachtingen en een soort van desillusie.

Conclusie

Betekent dit dat na zo’n enorme vraag naar generatieve AI-oplossingen de technologie gedoemd is om van de radar te verdwijnen? Dit scenario is onwaarschijnlijk, omdat GenAI zijn fundamentele houdbaarheid en flexibiliteit al heeft bewezen op verschillende gebieden van menselijke activiteit, van wetenschap tot kunst tot toeleveringsketen.

Een vertraging van de technologische ontwikkeling is echter onvermijdelijk, met als belangrijkste oorzaak de dringende noodzaak om het gebruik van GenAI te controleren en te reguleren. Tot nu toe is dit instrument relatief vrijelijk gebruikt, zonder enige juridische beperkingen. Wettelijke regelgeving zal een nieuw traject in het evolutiepad van de technologie bepalen, en het is moeilijk te voorspellen waar dit heen zal gaan, want GenAI met zijn huidige capaciteiten is volkomen ongekend in de menselijke geschiedenis.

De andere factor, die naar verwachting generatieve AI in de toekomst zal beperken, is ironisch genoeg de groeiende omvang van grote taalmodellen. Vroeg of laat zullen de mogelijkheden van AI-chips de ontwikkeling van de technologie niet kunnen bijhouden, en het streven om kunstmatige algemene intelligentie op te bouwen en de groeiende datavolumes vereisen zeer complexe techniek en veel meer rekenkracht.

Deze beperkingen openen echter een enorm veld voor onderzoek, experimenten en niet-standaard benaderingen van verliesvrije compressie van LLM's, groei van de rekenkracht, gegevensopslag, enz.