Sztuczna inteligencja generatywna może zmienić świat – ale tylko wtedy, gdy infrastruktura danych nadąży

Pomimo zainteresowania sztuczną inteligencją generatywną, większość ekspertów branżowych nie zajęła się jeszcze istotnym pytaniem: Czy istnieje platforma infrastrukturalna, która może wspierać tę technologię na dłuższą metę, i czy będzie ona wystarczająco zrównoważona, aby wspierać rewolucyjne innowacje, które obiecuje sztuczna inteligencja generatywna?

Narzędzia sztucznej inteligencji generatywnej już zdobyły renomę dzięki swojej zdolności do tworzenia dobrze syntetyzowanego tekstu za pomocą jednego kliknięcia przycisku – zadań, które w przeciwnym razie mogłyby wymagać godzin, dni, tygodni lub miesięcy, aby je ukończyć ręcznie.

To wszystko jest dobrze, ale bez odpowiedniej infrastruktury, te narzędzia po prostu nie mają możliwości skalowania, aby naprawdę zmienić świat. Wkrótce przekroczą 76 miliardów dolarów, astronomiczne koszty operacyjne sztucznej inteligencji generatywnej są już świadectwem tego faktu, ale są również inne czynniki w grze.

Przedsiębiorstwa muszą skoncentrować się na tworzeniu i łączeniu odpowiednich narzędzi, aby wykorzystać je w sposób zrównoważony, i muszą zainwestować w scentralizowaną infrastrukturę danych, która umożliwi łatwy dostęp do wszystkich istotnych danych dla ich LLM bez dedykowanych potoków. Z strategicznym wdrożeniem odpowiednich narzędzi, będą w stanie dostarczyć wartość biznesową, której szukają, pomimo ograniczeń pojemności, jakie obecnie narzucają centra danych – dopiero wtedy rewolucja sztucznej inteligencji naprawdę się rozwinie.

Znany wzorzec

Według nowego raportu Instytutu Badawczego Capgemini, 74% menedżerów uważa, że korzyści sztucznej inteligencji generatywnej przewyższają ich obawy. Taka zgodność już spowodowała wysokie wskaźniki adopcji wśród przedsiębiorstw – około 70% organizacji w Azji i Pacyfiku wyraziło zamiar zainwestowania w te technologie lub rozpoczęło eksplorację praktycznych przypadków użycia.

Ale świat był już na tej drodze. Weźmy na przykład internet, który stopniowo przyciągał coraz więcej uwagi, zanim przekroczył oczekiwania dzięki wielu zdumiewającym aplikacjom. Ale pomimo jego imponujących możliwości, naprawdę rozwinął się dopiero, gdy jego aplikacje zaczęły dostarczać konkretnej wartości dla firm w skali.

Patrząc poza ChatGPT

Sztuczna inteligencja wpada w podobny cykl. Przedsiębiorstwa szybko zaakceptowały tę technologię, z szacowanymi 93% przedsiębiorstw już zaangażowanymi w kilka przypadków użycia sztucznej inteligencji i maszynowego uczenia. Ale niezależnie od wysokiego wskaźnika adopcji, wiele przedsiębiorstw nadal ma trudności z wdrożeniem – co jest wyraźnym znakiem niekompatybilnej infrastruktury danych.

Z odpowiednią infrastrukturą, firmy mogą patrzeć poza powierzchnię kuszących możliwości sztucznej inteligencji generatywnej i wykorzystywać jej prawdziwy potencjał, aby przekształcić swoje biznesowe pejzaże.

Rzeczywiście, sztuczna inteligencja generatywna może pomóc napisać brief szybko i skutecznie, ale jej potencjał idzie znacznie dalej. Od potencjalnego odkrycia leków po leczenia zdrowotne, optymalizację łańcucha dostaw, żadne z tych przełomów nie są możliwe, jeśli centra danych, które wspierają i napędzają aplikacje sztucznej inteligencji, nie są wystarczająco wytrzymałe, aby zarządzać ich obciążeniami.

Przezwyciężanie bariery skalowalności

Sztuczna inteligencja generatywna jeszcze nie dostarczyła znaczącej wartości dla firm, ponieważ brakuje jej skalowalności. Wynika to z faktu, że centra danych mają ograniczenia pojemności – ich infrastruktura nie była pierwotnie zaprojektowana do obsługi ogromnej eksploracji, orchestracji i strojenia modeli, które duże modele językowe (LLM) wymagają, aby uruchomić wiele cykli szkoleniowych wydajnie.

Zbieranie wartości z sztucznej inteligencji generatywnej zależy więc od tego, jak dobrze firma wykorzystuje swoje własne dane, co można poprawić, rozwijając solidną architekturę danych. Można to osiągnąć, łącząc źródła danych strukturalnych i niestrukturalnych z LLM lub zwiększając przepustowość istniejącego sprzętu.

Jest niezwykle ważne, aby firmy, które chcą szkolić swoje LLM na danych organizacyjnych, mogły najpierw skonsolidować te dane w sposób zunifikowany. W przeciwnym razie, dane pozostawione w strukturze silosowej prawdopodobnie wygenerują bias w zdolnościach uczenia się LLM.

System wsparcia

Sztuczna inteligencja generatywna nie pojawiła się znikąd – była w fazie rozwoju przez jakiś czas, a jej użycie i potencjał będą rosły w nadchodzących dekadach. Ale na razie, jej aplikacje biznesowe napotykają ścianę, która nie jest skalowalna.

Rzeczywistością jest, że te różne narzędzia są tylko tak silne, jak infrastruktura przetwarzania danych, która je wspiera. Jest więc niezwykle ważne, aby liderzy biznesu wykorzystali platformy, które mogą przetwarzać petabajty danych, których te narzędzia potrzebują, aby dostarczyć znaczącą wartość, którą obiecują.