Бум искусственного интеллекта достиг решающего среднего этапа: что предприятиям нужно знать

Средняя школа никогда не была лучшим периодом в жизни никого, но все мы должны были пройти через это, переживая трудности роста и все остальное, чтобы достичь лучшей, более зрелой версии себя.

Текущий бум искусственного интеллекта вступает в свою собственную проблемную юность, что эксперты называют запутанным средним этапом между принятием и зрелостью. Первоначальный ажиотаж угас, и теперь организации сосредотачиваются на том, чтобы сделать искусственный интеллект真正 работающим. Но искусственный интеллект созревает в трудное время. Прогнозы разбросаны по всей карте, скептицизм высок среди бизнеса и потребителей, и разговоры о расширяющемся пузыре искусственного интеллекта держат лидеров предприятий настороже, ожидая страшного поп.

В этот решающий момент организации должны различать сигнал и шум – будь то смена их усилий с экспериментов на практическое применение или масштабирование практического применения до операционной повсеместности. Для этого требуется сосредоточиться на осязаемых факторах, которые они могут контролировать, таких как их инфраструктура и готовность данных; измерять результаты; и создавать основу для масштабирования.

Инфраструктурный подход в первую очередь

Истинная готовность к искусственному интеллекту требует правильной инфраструктуры для поддержки устойчивого развертывания рабочих нагрузок искусственного интеллекта. Естественно, что искусственный интеллект повысил спрос на облачные услуги: расходы на облачные услуги, как ожидается, увеличатся на 40% в этом году, с инфраструктурой, образующей наиболее дорогую статью в бюджете, и новые центры обработки данных появляются на каждом континенте, чтобы удовлетворить растущий спрос на вычисления искусственного интеллекта. На этом этапе развития искусственного интеллекта выбор инфраструктуры является существенным. Инфраструктура определяет, что является безопасным, что является возможным и что действительно принесет пользу бизнесу, а не создаст нагрузку на ресурсы.

Устойчивая инфраструктура определяется не только затратами и общей мощностью вычислений. При определении того, где и как размещать свои рабочие нагрузки искусственного интеллекта, организации должны учитывать вопросы эффективности ресурсов, безопасности, прозрачности и общей производительности за цену. Инфраструктура искусственного интеллекта не может быть одноразовым вложением, а процессом, который может эволюционировать с требованиями каждого проекта.

Это резкий отход от исторических подходов к расходам на облачные услуги. До нынешнего бума искусственного интеллекта организации часто полагались на одного поставщика облачных услуг – обычно гипермасштабируемый – для размещения своих облачных операций. Теперь сложность и разнообразие рабочих нагрузок искусственного интеллекта бросают вызов этой модели, особенно когда предприятия переходят к более практическим случаям использования и альтернативным облачным услугам, чтобы удовлетворить спрос.

Современные инициативы по искусственному интеллекту требуют значительной вычислительной мощности, которую три крупнейших поставщика облачных услуг хорошо оснащены для обеспечения. Трещины начинают появляться, когда вся эта мощность становится слишком большой. Контракты гипермасштабируемых поставщиков могут быть дорогостоящими, раздутыми ненужными дополнениями и могут не предлагать необходимую безопасность и резиденцию данных для высокочувствительных проектов.

Вместо того, чтобы привязывать свои облачные операции к одному поставщику, предприятия могут воспользоваться растущим классом альтернатив, чтобы составить свои собственные стеки на разных поставщиках, типах GPU и публичных/частных облачных настройках на основе своих конкретных потребностей. Таким образом, они не платят за функции, которые им не нужны, а одновременно настраивают свои облачные услуги для того, что им действительно нужно.

Инфраструктурный подход к достижению зрелости искусственного интеллекта заключается в создании стабильной основы для масштабирования, которая максимизирует эффективность и полезность без жертвования мощностью.

От экспериментов к применению

За последние несколько лет бизнес во всем мире экспериментировал с тем, как вписать искусственный интеллект в свои операции. Стимулированные любопытством и не небольшим количеством ажиотажа, они расширили границы инноваций, открыли новые возможности для повышения эффективности и повысили потенциал бесчисленных открытых инструментов и моделей. Они также столкнулись с реальностью, узнав, что философия Silicon Valley “двигаться быстро и разрушать все” не всегда является правильным подходом, особенно когда речь идет о технологии, такой мощной, как искусственный интеллект.

Теперь, когда предприятия выходят из этой экспериментальной фазы, неудача не является вариантом. Точность имеет решающее значение. Производительность не может отставать. Если предприятия собираются перестроить основные бизнес-функции на основе искусственного интеллекта, они должны сосредоточиться на “скучных” частях, которые переводят искусственный интеллект из творческого эксперимента в силу, умножающую возможности, включая:

• Безопасность и конфиденциальность данных: Многие модели искусственного интеллекта используют конфиденциальные личные и деловые данные для эффективной работы. Организации должны быть уверены, что их данные размещены безопасно, без риска несанкционированного копирования или “темного” воздействия искусственного интеллекта.
• Управление жизненным циклом модели: Модели должны быть точными, актуальными и регулярно переобучаться, чтобы поддерживать критически важные бизнес-функции.
• Последовательность производительности: Независимо от того, развертывают ли модели для внутреннего использования или в операциях, ориентированных на клиентов, обеспечение последовательной производительности имеет решающее значение для эффективности и легкости использования. Многие общие проблемы с производительностью, такие как проблемы, связанные с задержкой и простоями, решаются на уровне инфраструктуры.

На данный момент только 37% организаций развертывают новые генеративные модели на ежемесячной, еженедельной или ежедневной основе. По мере того, как больше организаций переходят в фазу применения, этот процент увеличится значительно, создавая более высокий спрос на вычислительную мощность – но также и на инфраструктуру, адаптированную к конкретным моделям. “Легковесная” модель не требует гипермасштабируемой основы, но если она использует конфиденциальную информацию, она может потребовать такого уровня безопасности. Вот где на сцену выходят индивидуальные облачные решения – и почему инфраструктура должна быть основным соображением в рамках сдвига предприятия в сторону искусственного интеллекта.

От применения к масштабированию

Для бизнеса, который уже продвинулся дальше по кривой зрелости, практическое применение искусственного интеллекта уже является частью их повседневной деятельности. Теперь они стремятся масштабировать эти применения, чтобы создать еще большую ценность и полностью эволюционировать свое предприятие.

Давление высоко, и преимущества очевидны: 81% организаций на самом высоком уровне зрелости искусственного интеллекта сообщили о лучших финансовых результатах в прошлом году. Это этап, на котором приложения искусственного интеллекта проходят свой самый большой стресс-тест. Они могут пройти проверку в ограниченной среде, но могут ли они обработать больше данных? Функционируют ли они в новых регионах? И, возможно, самое важное: могут ли они стимулировать значимые результаты?

Масштабирование – это не только рост, но иногда меньше значит больше. Бизнес на этом этапе должен учитывать, могут ли целевые небольшие языковые модели (SLM) работать лучше, чем многоцелевые большие языковые модели (LLM). Инициативы по искусственному интеллекту наиболее успешны, когда они связаны с реальными бизнес-проблемами и могут стимулировать измеримые результаты.

Аналогичный шаблон наблюдается в применении и масштабировании агентов искусственного интеллекта – следующего рубежа автономного искусственного интеллекта. Агенты, которые выполняют задачи, специфичные для области, информированные высоко сфокусированным и постоянно поддерживаемым набором данных, – это те, которые действительно оказывают реальное влияние на предприятие. Однако специализированные агенты все еще требуют значительной вычислительной мощности, хотя и не столько, сколько всесторонний, универсальный ко-пилот. Приоритизация инфраструктуры с самого начала позволит организациям извлечь реальную отдачу от инвестиций из своих инициатив по агентскому искусственному интеллекту без превышения бюджета на облачные услуги.

Инновации с воздействием

Гонка искусственного интеллекта – это не столько гонка, сколько реконструкция: если мы перестраиваем предприятие, мы хотим сделать это на прочном фундаменте – в противном случае стены неизбежно рухнут. Предприятия должны взять время, чтобы тщательно подумать об инфраструктуре, обеспечить гарантии данных, внимательно управлять жизненным циклом моделей, отслеживать производительность и собирать информацию и вносить коррективы. Терпение и настойчивость являются ключом к созданию решений, которые действительно работают, остаются безопасными и работают последовательно.

Новизна цикла ажиотажа вокруг искусственного интеллекта может угасать, но организации могут пройти через неровные средние годы искусственного интеллекта, вдохновляя свои команды тем, что имеет наибольшее значение: результаты.