În 2025, Copiloții GenAI Vor Deveni Aplicația Care Transformă Afacerile și Managementul Datelor

Fiecare revoluție tehnologică are un moment definitoriu în care un anumit caz de utilizare propulsează tehnologia către adoptarea pe scară largă. Acest moment a sosit pentru inteligența artificială generativă (GenAI) odată cu răspândirea rapidă a copiloților.

GenAI, ca tehnologie, a făcut pași importanți în ultimii ani. Cu toate acestea, în ciuda tuturor titlurilor și a hype-ului, adoptarea sa de către companii se află încă în stadiile incipiente. Studiul 2024 Gartner CIO și Tech Executive Survey estimează adoptarea la doar 9% dintre cei chestionați, cu 34% spunând că intenționează să o facă în următorul an. Un studiu recent realizat de Enterprise Strategy Group estimează adoptarea GenAI la 30%. Dar toate studiile ajung la aceeași concluzie despre 2025.

Prezentarea 1. O majoritate a întreprinderilor vor utiliza GenAI în producție până la sfârșitul anului 2025

Adoptarea GenAI este considerată crucială pentru îmbunătățirea productivității și profitabilității și a devenit o prioritate de top pentru majoritatea afacerilor. Dar acest lucru înseamnă că companiile trebuie să depășească provocările întâmpinate până acum în proiectele GenAI, inclusiv:

• Calitatea slabă a datelor: GenAI este la fel de bună ca și datele pe care le utilizează, și multe companii încă nu au încredere în datele lor. Calitatea datelor, împreună cu datele incomplete sau cu bias, au fost toate probleme care duc la rezultate slabe.
• Costurile GenAI: antrenarea modelelor GenAI, cum ar fi ChatGPT, a fost făcută în principal doar de echipele GenAI de top și costă milioane în putere de calcul. Așadar, oamenii au folosit o tehnică numită generare augmentată de recuperare (RAG). Dar chiar și cu RAG, devine rapid scump să accesați și să pregătiți datele și să adunați experții de care aveți nevoie pentru a reuși.
• Seturi de abilități limitate: Multe dintre primele implementări GenAI au necesitat mult codare de la un grup mic de experți în GenAI. Deși acest grup crește, există încă o lipsă reală.
• Hallucinații: GenAI nu este perfect. Poate hallucina și oferi răspunsuri greșite atunci când crede că are dreptate. Aveți nevoie de o strategie pentru prevenirea răspunsurilor greșite care afectează afacerea dvs.
• Securitatea datelor: GenAI a expus datele unor persoane necorespunzătoare, deoarece a fost utilizat pentru antrenare, reglare fină sau RAG. Aveți nevoie să implementați măsuri de securitate pentru a proteja împotriva acestor scurgeri de date.

În mod norocos, industria software a abordat aceste provocări în ultimii ani. 2025 pare a fi anul în care mai multe dintre aceste provocări încep să fie rezolvate, și GenAI devine mainstream.

Prezentarea 2. Copiloții Modulare RAG Vor Deveni Cel Mai Comun Utilizare a GenAI

Cel mai comun utilizare a GenAI este de a crea asistenți, sau copiloți, care ajută oamenii să găsească informații mai repede. Copiloții sunt de obicei construiți utilizând conducte RAG. RAG este calea. Este cel mai comun mod de a utiliza GenAI. Deoarece Modelele Limbajului Mare (LLM) sunt modele cu scop general care nu au toate sau cele mai recente date, aveți nevoie să augmentați interogările, altfel cunoscute sub numele de prompturi, pentru a obține un răspuns mai precis.
Copiloții ajută lucrătorii cunoștinței să fie mai productivi, să abordeze întrebări care nu au putut fi răspuns anterior și să ofere îndrumare expertă, în timp ce, uneori, execută și sarcini rutiniere. Poate cel mai de succes caz de utilizare a copiloților până în prezent este modul în care aceștia ajută dezvoltatorii de software să codifice sau să modernizeze codul moștenit.

Dar copiloții sunt așteptați să aibă un impact mai mare atunci când sunt utilizați în afara IT. Exemple includ:

• În serviciul clienților, copiloții pot primi o solicitare de suport și fie escalada către un om pentru intervenție, fie oferi o rezolvare pentru întrebări simple, cum ar fi resetarea parolei sau accesul la cont, ceea ce duce la scoruri CSAT mai mari.
• În producție, copiloții pot ajuta tehnicienii să diagnosticheze și să recomande acțiuni sau reparații specifice pentru mașini complexe, reducând timpul de închidere.
• În sănătate, clinicienii pot utiliza copiloți pentru a accesa istoricul pacientului și cercetarea relevantă și pentru a ajuta la ghidarea diagnosticului și a îngrijirii clinice, ceea ce îmbunătățește eficiența și rezultatele clinice.

Conductele RAG au funcționat, în general, în același mod. Primul pas este încărcarea unei baze de cunoștințe într-o bază de date vectorială. De fiecare dată când o persoană pune o întrebare, o conductă RAG GenAI este invocată. Aceasta reinginerizează întrebarea într-un prompt, interoghează baza de date vectorială prin codificarea promptului pentru a găsi informația cea mai relevantă, invocă un LLM cu promptul, utilizând informația recuperată ca context, evaluează și formatează rezultatele și le afișează utilizatorului.

Dar s-a dovedit că nu puteți susține toți copiloții în mod egal cu o singură conductă RAG. Așadar, RAG a evoluat într-o arhitectură mai modulară, numită RAG modular, unde puteți utiliza module diferite pentru fiecare dintre pașii implicați:

• Indexare, inclusiv divizarea și organizarea datelor
• Pre-recuperare, inclusiv ingineria și optimizarea interogării (promptului)
• Recuperare cu ajustarea retrieverului și alte tehnici
• Re-rangarea și selectarea post-recuperării
• Generare cu ajustarea generatorului, utilizarea și compararea mai multor LLM, și verificarea
• Orchestrare care gestionează acest proces și îl face iterativ pentru a obține cele mai bune rezultate

Veți avea nevoie să implementați o arhitectură RAG modulară pentru a susține mai mulți copiloți.

Prezentarea 3. Uneltele GenAI Fără Cod/Low-Code Vor Deveni Modalitatea

Până acum, v-ați dat seama că GenAI RAG este foarte complex și în schimbare rapidă. Nu este doar că noi practici optimale sunt în permanentă evoluție. Toate tehnologiile implicate în conductele GenAI se schimbă atât de repede, încât veți ajunge să înlocuiți unele dintre ele sau să le susțineți pe mai multe. De asemenea, GenAI nu se referă doar la RAG modular. Reglarea fină a recuperării augmentate (RAFT) și antrenarea completă a modelului devin, de asemenea, rentabile. Arhitectura dvs. va trebui să susțină toate aceste schimbări și să ascundă complexitatea de la inginerii dvs.
În mod fericit, cele mai bune unelte GenAI fără cod/low-code oferă această arhitectură. Acestea adaugă în mod constant suport pentru surse de date principale, baze de date vectoriale și LLM, și fac posibilă construirea de RAG modulare sau introducerea de date în LLM pentru reglare fină sau antrenare. Companiile folosesc cu succes aceste unelte pentru a implementa copiloți utilizând resursele interne.

Nexla nu utilizează doar GenAI pentru a face integrarea mai simplă. Aceasta include o arhitectură de conductă RAG modulară, cu divizarea avansată a datelor, ingineria interogării, re-rangarea și selectarea, suport multi-LLM cu clasificarea și selectarea rezultatelor, orchestrare și multe altele – toate configurate fără cod.

Prezentarea 4. Linia dintre Copiloți și Agenți Se Va Estompa

Copiloții GenAI, cum ar fi chatboții, sunt agenți care susțin oamenii. În final, oamenii iau decizia cu privire la ce să facă cu rezultatele generate. Dar agenții GenAI pot automatiza complet răspunsurile fără a implica oameni. Aceștia sunt adesea numiți agenți sau AI agenți.

Unii oameni consideră acestea ca două abordări separate. Dar realitatea este mai complexă. Copiloții au început deja să automatizeze anumite sarcini de bază, permițând utilizatorilor să confirme acțiuni și să automatizeze pașii necesari pentru a le finaliza.

Așteptați-vă ca copiloții să evolueze în timp într-o combinație de copiloți și agenți. La fel cum aplicațiile ajută la reingineria și optimizarea proceselor de afaceri, asistenții ar trebui să fie utilizați și pentru a automatiza pașii intermediari ai sarcinilor pe care le susțin. Agenții GenAI bazati pe agenți ar trebui, de asemenea, să includă oameni pentru a gestiona excepțiile sau pentru a aproba un plan generat utilizând un LLM.

Prezentarea 5. GenAI Va Conduce La Adoptarea Țesăturilor de Date, Produselor de Date și Standardelor Deschise de Date

GenAI este așteptat să fie cel mai mare factor de schimbare în IT în următorii ani, deoarece IT va trebui să se adapteze pentru a permite companiilor să realizeze beneficiile complete ale GenAI.

Ca parte a ciclurilor de hype Gartner pentru managementul datelor, 2024, Gartner a identificat 3 tehnologii, și doar 3, ca fiind transformatoare pentru managementul datelor și pentru organizațiile care depind de date: Țesături de date, Produse de date și Formate deschise de tabel. Toate acestea ajută la facilitarea accesului la date pentru utilizarea cu GenAI, deoarece fac ca datele să fie mai ușor de utilizat de aceste noi seturi de unelte GenAI.

Nexla a implementat o arhitectură de produs de date construită pe o țesătură de date din acest motiv. Țesătura de date oferă un strat unificat pentru a gestiona toate datele în același mod, indiferent de diferențele de formate, viteze sau protocoale de acces. Produsele de date sunt create apoi pentru a susține nevoi de date specifice, cum ar fi pentru RAG.

De exemplu, o mare firmă de servicii financiare implementează GenAI pentru a îmbunătăți managementul riscurilor. Ei utilizează Nexla pentru a crea o țesătură de date unificată. Nexla detectează automat schema și generează conectoare și produse de date. Compania definește apoi produse de date pentru metrici de risc specifici care agregă, curăță și transformă datele în formatul potrivit ca intrări pentru implementarea agenților RAG pentru raportarea dinamică a reglementărilor. Nexla oferă controale de guvernanță a datelor, inclusiv linia de proveniență a datelor și controale de acces, pentru a asigura conformitatea cu reglementările.

Plata noastră de integrare pentru analize, operațiuni, B2B și GenAI este implementată pe o arhitectură de țesătură de date, unde GenAI este utilizat pentru a crea conectoare, produse de date și fluxuri de lucru reutilizabile. Suportul pentru standarde deschise de date, cum ar fi Apache Iceberg, face mai ușor să se acceseze mai multe date.

Cum Să Vă Copilotati Către AI Agentic

Așadar, cum ar trebui să vă pregătiți pentru a face GenAI mainstream în compania dvs. pe baza acestor preziceri?
Mai întâi, dacă nu ați făcut-o deja, începeți cu primul dvs. asistent GenAI RAG pentru clienții sau angajații dvs. Identificați un caz de utilizare important și relativ simplu în care aveți deja baza de cunoștințe potrivită pentru a reuși.

În al doilea rând, asigurați-vă că aveți o echipă mică de experți GenAI care pot ajuta la punerea în aplicare a arhitecturii RAG modulare potrivite, cu uneltele de integrare potrivite pentru a susține primele proiecte. Nu vă fie teamă să evaluați furnizori noi cu unelte fără cod/low-code.

În al treilea rând, începeți să identificați acele practici de management de date de care veți avea nevoie pentru a reuși. Acest lucru implică nu numai o țesătură de date și concepte precum produsele de date, ci și guvernanța datelor pentru AI.

Timpul este acum. 2025 este anul în care majoritatea vor reuși. Nu rămâneți în urmă.