Boomul AI a ajuns la un moment decisiv: Ce trebuie să știe întreprinderile

Școala gimnazială nu a fost niciodată perioada de glorie a cuiva, dar toți am trebuit să o traversăm, cu toate durerile de creștere, pentru a ajunge la o versiune mai bună și mai matură a noastră înșine.

Boomul actual al inteligenței artificiale (AI) traversează o perioadă similară de adolescență stânjenitoare, pe care experții o numesc perioada haotică dintre adoptare și maturitate. Hype-ul inițial a dispărut, iar acum organizațiile se concentrează pe transformarea AI într-o tehnologie operațională. Dar AI ajunge la maturitate într-un moment dificil. Prognozele sunt contradictorii, scepticismul este ridicat atât în rândul afacerilor, cât și al consumatorilor, iar discuțiile despre o posibilă bula AI îi țin pe liderii întreprinderilor în alertă, așteptând cu teamă momentul în care bula ar putea exploda.

În acest moment decisiv, organizațiile trebuie să facă distincție între semnal și zgomot – indiferent dacă își reorientează eforturile de la experimentare la aplicare practică sau de la aplicare practică la scară operațională. Acest lucru necesită concentrarea asupra factorilor tangibili pe care îi pot controla, cum ar fi infrastructura și pregătirea datelor; măsurarea rezultatelor; și crearea fundației pentru scalare.

Abordarea infrastructurii ca primă opțiune

Adevărata pregătire pentru AI necesită o infrastructură corespunzătoare pentru a susține implementarea durabilă a sarcinilor de lucru AI. În mod natural, AI a determinat o creștere a cererii de servicii cloud: cheltuielile pentru cloud urmează să crească cu 40% în acest an, infrastructura fiind cel mai costisitor articol din buget, iar noi centre de date apar pe toate continentele pentru a face față cererii crescânde de calcul AI. La acest punct de inflexiune al AI, alegerile de infrastructură sunt existențiale. Infrastructura definește ceea ce este sigur, ceea ce este posibil și ceea ce va beneficia cu adevărat afacerea, în loc să creeze o sursă de cheltuieli.

Infrastructura durabilă este definită de mai mult decât doar costuri și putere de calcul total. Atunci când determină unde și cum să găzduiască sarcinile lor de lucru AI, organizațiile trebuie să ia în considerare aspecte legate de eficiența resurselor, securitate, vizibilitate și raportul preț-performanță. Infrastructura AI nu poate fi o investiție unică, ci un proces în desfășurare, capabil să evolueze odată cu cerințele fiecărui proiect.

Acest lucru reprezintă o abordare radical diferită de abordările istorice privind cheltuielile pentru cloud. Înainte de actuala avalanșă AI, organizațiile depindeau adesea de un singur furnizor de servicii cloud – de obicei un hyperscaler – pentru a găzdui operațiunile lor bazate pe cloud. Acum, complexitatea și varietatea sarcinilor de lucru AI pun sub semnul întrebării acest model, în special pe măsură ce întreprinderile se îndreaptă spre cazuri de utilizare mai practice și apar clouds alternative pentru a satisface cererea.

Inițiativele moderne AI necesită o putere de calcul considerabilă, pe care cei trei mari o pot oferi. Crăpăturile încep să apară atunci când toată această putere devine prea mult. Contractele hyperscalerilor pot fi costisitoare, umflate cu adaosuri inutile și nu oferă întotdeauna securitatea și rezidența datelor necesare pentru proiecte extrem de sensibile.

În loc să lege operațiunile cloud de un singur furnizor, întreprinderile pot profita de o clasă în creștere de alternative pentru a-și compune propriile stive peste diferiți furnizori, tipuri de GPU și configurații cloud public/private, în funcție de nevoile lor specifice. Astfel, nu plătesc pentru funcții de care nu au nevoie, în timp ce își personalizează clouds pentru ceea ce au nevoie.

O abordare a infrastructurii ca primă opțiune pentru a atinge maturitatea AI se referă la crearea unei fundații stabile pentru scalare, una care maximizează eficiența și utilitatea fără a sacrifica puterea.

De la experimentare la aplicare

În ultimii ani, afacerile de pe glob au experimentat moduri de a integra AI în operațiunile lor. Împinse de curiozitate și de o doză considerabilă de hype, au împins limitele inovației, au deblocat noi posibilități de eficiență și au ridicat potențialul unor instrumente și modele open-source. De asemenea, au dat peste realitate, învățând că filozofia „mișcă-te repede și sparge lucruri” din Silicon Valley nu este întotdeauna calea de urmat, în special atunci când vine vorba de o tehnologie atât de puternică ca AI.

Acum, pe măsură ce întreprinderile ies din această fază de experimentare, eșecul nu este o opțiune. Precizia este critică. Performanța nu poate fi în urmă. Dacă întreprinderile vor să reconstruiască funcțiile de bază ale afacerii pe o structură AI, trebuie să se concentreze pe părțile „plictisitoare” care transformă AI dintr-un experiment creativ într-un multiplicator de forță, inclusiv:

• Securitatea și confidențialitatea datelor: Multe modele AI folosesc date personale și de afaceri sensibile pentru a funcționa eficient. Organizațiile au nevoie de garanții că datele lor sunt găzduite în siguranță, fără riscul de replicare neautorizată sau expunere la „AI întunecat”.
• Managementul ciclului de viață al modelului: Modelele trebuie să fie precise, actualizate și reantrenate în mod regulat pentru a susține funcțiile de afaceri critice.
• Consistența performanței: Indiferent dacă implementează modele pentru uz intern sau în operațiuni cu clienți, asigurarea unei performanțe consistente este esențială pentru eficiență și ușurință în utilizare. Multe dintre problemele comune de performanță, cum ar fi cele legate de latență și timp de închidere, sunt rezolvate la nivelul infrastructurii.

În acest moment, doar 37% din organizații implementează noi modele generative pe o bază lunară, săptămânală sau zilnică. Pe măsură ce mai multe organizații trec în faza de aplicare, acest procent va crește dramatic, creând o cerere și mai mare de putere de calcul – dar și o infrastructură adaptată specificului modelelor. Un model „ușor” nu are nevoie de o fundație la nivelul unui hyperscaler, dar dacă utilizează informații sensibile, ar putea avea nevoie de acel nivel de securitate. Aici intervin clouds personalizate – și de ce infrastructura ar trebui să fie considerată primordială în timpul unei schimbări AI la nivel de întreprindere.

De la aplicare la scală

Pentru afacerile mai avansate pe curba de maturitate, aplicarea practică a AI face parte deja din activitatea lor zilnică. Acum, își propun să scaleze aceste aplicații pentru a crea valoare și mai mare și pentru a evolua complet întreprinderea.

Presiunea este mare, iar avantajele sunt clare: 81% din organizații care se află la cel mai înalt nivel de maturitate AI au raportat rezultate financiare mai bune în ultimul an. Acesta este punctul în care aplicațiile AI sunt supuse celui mai mare test de stres. Ele pot trece testul într-un mediu izolat, dar pot ele să proceseze mai multe date? Pot funcționa în regiuni noi? Și, poate cel mai important, pot genera rezultate semnificative?

Scalabilitatea înseamnă a crește în dimensiune, dar în unele cazuri, mai puțin înseamnă mai mult. Afacerile din această fază ar trebui să ia în considerare dacă modelele lingvistice mici (SLM) țintite ar putea funcționa mai bine decât modelele lingvistice mari (LLM) cu scop general. Inițiativele AI sunt cele mai de succes atunci când sunt legate de probleme reale de afaceri și pot genera rezultate măsurabile.

Un model similar apare în aplicarea și scalarea agenților AI – frontiera următoare a AI autonom. Agenții care efectuează sarcini specifice de domeniu, informați de un set de date bine focalizat și menținut consistent, sunt cei care au un impact real în întreprindere. Cu toate acestea, agenții specializați necesită încă o putere de calcul considerabilă, deși nu la fel de mult ca un copilot universal. Prioritizarea infrastructurii de la început va permite organizațiilor să extragă un randament real din inițiativele lor AI agenților, fără a-și epuiza bugetele cloud.

Inovație cu impact

„Cursa” AI nu este atât de mult o cursă, cât o renovare: dacă reconstruim întreprinderea, vrem să o facem pe o fundație solidă – altfel, zidurile vor cădea inevitabil. Întreprinderile trebuie să ia timpul necesar pentru a fi atente la infrastructură, pentru a asigura protecția datelor, pentru a gestiona cu atenție ciclurile de viață ale modelelor, pentru a monitoriza performanța și pentru a colecta insight-uri și a face ajustări. Răbdarea și persistența sunt cheia pentru a crea soluții care funcționează cu adevărat, rămân securizate și funcționează consistent.

Noțiunea de noutate a ciclului de hype AI poate fi în scădere, dar organizațiile pot traversa anii turbulenți ai mijlocului prin energizarea echipelor cu ceea ce contează cel mai mult: rezultatele.