Generatieve AI kan de wereld veranderen – maar alleen als de data-infrastructuur mee kan komen

Ondanks de hype rond Generative AI, hebben de meeste industrie-experts nog niet een significante vraag aangesneden: Is er een infrastructuurplatform dat deze technologie op lange termijn kan ondersteunen, en zo ja, zal het voldoende duurzaam zijn om de radicale innovaties te ondersteunen die Generative AI belooft?

Generatieve AI-tools hebben al een reputatie opgebouwd, met hun vermogen om goed gesynthesizeerde tekst te schrijven met één muisklik – taken die anders uren, dagen, weken of maanden zouden kunnen duren om handmatig te voltooien.

Dat is allemaal goed en wel, maar zonder de juiste infrastructuur, hebben deze tools simpelweg niet de schaalbaarheid om de wereld echt te veranderen. Binnenkort zal het meer dan $76 miljard bedragen, de astronomische operationele kosten van Generatieve AI zijn al een bewijs hiervan, maar er zijn nog meer factoren in het spel.

Bedrijven moeten zich richten op het creëren en verbinden van de juiste tools om het op een duurzame manier te benutten en moeten investeren in een centrale data-infrastructuur die alle relevante data naadloos toegankelijk maakt voor hun LLM zonder speciale pipelines. Met strategische implementatie van de juiste tools, zullen ze in staat zijn om de bedrijfswaarde te leveren die ze zoeken, ondanks de capaciteitsbeperkingen die datacenters momenteel opleggen – pas dan zal de AI-revolutie echt vooruitgang boeken.

Een vertrouwd patroon

Volgens een nieuw rapport van Capgemini Research Institute, 74% van de executives gelooft dat de voordelen van generatieve AI de zorgen overtreffen. Een dergelijke consensus heeft al hoge adoptiepercentages onder bedrijven veroorzaakt – ongeveer 70% van de Aziatische organisaties in de Stille Oceaan heeft aangegeven dat ze van plan zijn te investeren in deze technologieën of heeft al praktische use cases onderzocht.

Maar de wereld is hier eerder geweest. Neem het internet, bijvoorbeeld, dat langzaam meer aandacht trok voordat het via een reeks opmerkelijke toepassingen de verwachtingen overtrof. Maar ondanks zijn indrukwekkende mogelijkheden, kwam het pas echt van de grond toen zijn toepassingen tastbare waarde begonnen te leveren aan bedrijven op grote schaal.

Verder kijken dan ChatGPT

AI doorloopt een soortgelijke cyclus. Bedrijven hebben snel ingezet op de technologie, met een geschatte 93% van de bedrijven die al betrokken zijn bij verschillende AI/ML-use cases. Maar ondanks het hoge adoptiepercentage, hebben veel bedrijven nog steeds moeite met de implementatie – een duidelijk teken van een ongeschikte data-infrastructuur.

Met de juiste infrastructuur kunnen bedrijven verder kijken dan het oppervlakkige niveau van de verleidelijke mogelijkheden van Generatieve AI en haar ware potentieel benutten om hun bedrijfslandschap te transformeren.

Inderdaad kan Generatieve AI helpen om een brief snel en meestal zeer effectief te schrijven, maar haar potentieel gaat veel verder. Van potentieel geneesmiddelenonderzoek tot gezondheidsbehandelingen tot optimalisatie van de supply chain, geen van deze doorbraken is mogelijk als de datacenters die AI-toepassingen ondersteunen en aandrijven niet robuust genoeg zijn om hun werklasten te beheren.

De barrière voor schaalbaarheid overwinnen

Generatieve AI heeft nog niet echt waarde geleverd aan bedrijven omdat het een gebrek aan schaalbaarheid heeft. Dit komt doordat datacenters capaciteitsbeperkingen hebben – hun infrastructuur was oorspronkelijk niet ontworpen om de massive exploratie, orkestratie en modelafstemming te ondersteunen die Large Language Models (LLM’s) nodig hebben om meerdere trainingscycli efficiënt uit te voeren.

Het oogsten van waarde uit Generatieve AI hangt dus af van hoe goed een bedrijf zijn eigen data benut, wat kan worden verbeterd door een robuuste data-architectuur te ontwikkelen. Dit kan worden bereikt door gestructureerde en ongestructureerde gegevensbronnen te verbinden met LLM’s of door de doorvoer van bestaande hardware te vergroten.

Het is essentieel dat bedrijven die hun LLM willen trainen op organisatiegegevens, deze gegevens eerst op een unified manier kunnen consolideren. Anders zal gegevens die in een gesiloëerde structuur blijven, waarschijnlijk voorwaartse vooroordelen genereren in de leerkracht van de LLM.

Een ondersteunend systeem

Generatieve AI is niet uit het niets verschenen – het is al een tijdje in ontwikkeling, en zijn gebruik en potentieel zullen alleen maar groeien in de komende decennia. Maar voor nu botsen de zakelijke toepassingen tegen een muur die niet schaalbaar is.

De realiteit is dat deze verschillende tools alleen zo sterk zijn als de data-verwerkingsinfrastructuur die hen ondersteunt. Het is daarom cruciaal dat bedrijfsleiders platforms benutten die de petabytes aan gegevens kunnen verwerken die deze tools nodig hebben om tastbaar te leveren op de significante waarde die ze beloven.