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

Ondanks de hype rond Generatieve 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 Generatieve AI belooft?

Generatieve AI-tools hebben al een reputatie opgebouwd met hun vermogen om goed gesynthetiseerde tekst te schrijven met één muisklik – taken die anders uren, dagen, weken of maanden zouden kosten 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 kosten, de astronomische bedrijfskosten 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 pijpleidingen. 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 tot hoge adoptiepercentages geleid onder bedrijven – ongeveer 70% van de organisaties in Azië-Stille Oceaan heeft aangegeven dat ze van plan zijn te investeren in deze technologieën of heeft al praktische use cases begonnen te onderzoeken.

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

Verder kijken dan ChatGPT

AI volgt een soortgelijk patroon. Bedrijven hebben zich snel aangesloten bij de technologie, met een geschatte 93% van de bedrijven die al betrokken zijn bij meerdere AI/ML-gevallen. Maar ondanks het hoge adoptiepercentage, hebben veel bedrijven nog steeds moeite met de implementatie – een duidelijk teken van onverenigbare data-infrastructuur.

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

Generatieve AI kan inderdaad helpen om een brief snel en doeltreffend te schrijven, en in de meeste gevallen, maar haar potentieel gaat veel verder. Van potentieel geneesmiddelontdekking tot gezondheidsbehandelingen tot optimalisatie van de supply chain, geen van deze doorbraken zijn 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 significante waarde geleverd aan bedrijven, omdat het ontbreekt aan schaalbaarheid. Dit komt doordat datacenters capaciteitsbeperkingen hebben – hun infrastructuur was oorspronkelijk niet ontworpen om de massale exploratie, orkestratie en modelafstemming te ondersteunen die Large Language Models (LLM’s) nodig hebben om meerdere trainingscycli efficiënt te doorlopen.

Om waarde te halen uit Generatieve AI, is het essentieel om de eigen data van een bedrijf zo goed mogelijk te benutten, wat kan worden verbeterd door een robuuste data-architectuur te ontwikkelen. Dit kan worden bereikt door gestructureerde en ongestructureerde databronnen te verbinden met LLM’s of door de doorvoer van bestaande hardware te verhogen.

Het is essentieel dat bedrijven die hun LLM willen trainen op organisatorische data, eerst die data op een uniforme manier kunnen consolideren. Anders zal data die in een gesiloëerde structuur wordt gelaten, waarschijnlijk bias in de leerkracht van de LLM genereren.

Een ondersteunend systeem

Generatieve AI is niet uit het niets verschenen – het is al een tijdje in ontwikkeling, en haar 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-verwerking infrastructuur die hen ondersteunt. Het is daarom cruciaal dat bedrijfsleiders platforms benutten die in staat zijn om de petabytes aan data te verwerken die deze tools nodig hebben om concreet waarde te leveren – pas dan zal de AI-revolutie echt vooruitgang boeken.