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

Средняя школа никогда не была лучшим периодом для кого-либо, но все мы должны были пройти через это, с растущими болями и всем остальным, чтобы достичь лучшей, более зрелой версии себя.

Текущий бум искусственного интеллекта вступает в что-то подобное своему собственному проблемному подростковому возрасту, что эксперты называют запутанным средним между принятием и зрелостью. Первоначальный ажиотаж утих, и сейчас организации сосредотачиваются на том, чтобы сделать искусственный интеллект真正 операционным. 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 на-edge, ожидая страшного поп.

В этот решающий момент организации должны разобраться в сигнале из шума – будь то их усилия по переходу от экспериментов к практическому применению или масштабированию практического применения до операционной повсеместности. Для этого требуется сосредоточение внимания на осязаемых факторах, которые они могут контролировать, таких как их инфраструктура и готовность данных; измерение результатов; и создание основы для масштабирования.

Подход, основанный на инфраструктуре

Истинная готовность к искусственному интеллекту требует надлежащей инфраструктуры для поддержки устойчивого развертывания рабочих нагрузок искусственного интеллекта. Естественно, что искусственный интеллект увеличил спрос на облачные услуги: расходы на облачные услуги, как ожидается, увеличатся на 40% в этом году, при этом инфраструктура образует наиболее дорогую статью расходов, и новые центры данных появляются на каждом континенте, чтобы удовлетворить растущий спрос на вычисления искусственного интеллекта. На этом поворотном моменте искусственного интеллекта выбор инфраструктуры является существенным. Инфраструктура определяет, что безопасно, что возможно и что действительно принесет пользу бизнесу, вместо того, чтобы создавать нагрузку на ресурсы.

Устойчивая инфраструктура определяется не только затратами и общей вычислительной мощностью. Когда организации определяют, где и как размещать свои рабочие нагрузки искусственного интеллекта, они должны учитывать вопросы эффективности использования ресурсов, безопасности, видимости и общей цены за производительность. Инфраструктура искусственного интеллекта не может быть одноразовым вложением, а процессом в движении, способным эволюционировать с требованиями каждого проекта.

Это резкий отход от исторических подходов к расходам на облачные услуги. До текущего ажиотажа вокруг 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 альтернативные облачные услуги появляются, чтобы удовлетворить спрос.

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

Вместо того, чтобы привязывать свои облачные операции к одному поставщику, предприятия могут воспользоваться растущим классом альтернатив для составления своих собственных стеков по разным поставщикам, типам GPU и настройкам публичного/частного облака на основе своих конкретных потребностей. Таким образом, они не платят за функции, которые им не нужны, а одновременно настраивают свои облака для того, что им нужно.

Подход, основанный на инфраструктуре, для достижения 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 по всему миру 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 эффективности и повысили потенциал бесчисленных открытых инструментов и моделей. Они также столкнулись с реальностью, узнав, что философия “двигаться быстро и ломать вещи” не всегда является правильным подходом, особенно когда речь идет о технологии, такой 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 удвоить усилия по “скучным” частям, которые переводят искусственный интеллект из творческого эксперимента в умножитель силы, включая:

• Безопасность и конфиденциальность данных: Многие модели искусственного интеллекта используют конфиденциальные личные и деловые данные для эффективной работы. Организации нуждаются в гарантии, что их данные размещены безопасно, без риска несанкционированного копирования или “темного” воздействия искусственного интеллекта.
• Управление жизненным циклом моделей: Модели должны быть точными, актуальными и регулярно переобучаемыми, 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 те, которые связаны с задержкой и простоями, решаются на уровне инфраструктуры.

Прав сейчас, 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 большую потребность в вычислительной мощности – но также в инфраструктуре, адаптированной к конкретным моделям. “Легкая” модель не требует фундамента гипермасштабируемого поставщика, но если она использует конфиденциальную информацию, она может потребовать такого уровня безопасности. Это то место, где настраиваемые облака вступают в игру – и почему инфраструктура должна быть основным соображением в рамках сдвига предприятия в сторону искусственного интеллекта.

От применения к масштабированию

Для бизнеса, который 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 нарастает, и преимущества очевидны: 81% организаций на самом высоком уровне зрелости искусственного интеллекта сообщили о лучших финансовых результатах в прошлом году. Это та фаза, когда 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, самый важный вопрос: могут ли они обеспечить значимые результаты?

Масштабирование – это не только рост, но и в некоторых случаях меньше – больше. Бизнес на этой фазе должен рассмотреть, могут ли целевые небольшие языковые модели (SLM) работать лучше, чем многоцелевые крупные языковые модели (LLM). Инициативы по искусственному интеллекту наиболее успешны, когда они связаны с реальными бизнес-проблемами и могут обеспечить измеримые результаты.

Аналогичный шаблон наблюдается в применении и масштабировании агентов искусственного интеллекта – следующем рубеже автономного искусственного интеллекта. Агенты, которые выполняют domaine-специфические задачи, информированные высоко фокусированным, постоянно поддерживаемым набором данных, являются теми, которые действительно оказывают реальное влияние на предприятие. Однако специализированные агенты все еще требуют значительной вычислительной мощности, хотя и не столько, сколько всесторонний, универсальный copilot. 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 менее похожа на гонку, чем на реконструкцию: если мы перестраиваем предприятие, мы хотим сделать это на прочном фундаменте – иначе стены в конечном итоге рухнут. Предприятия должны взять время, чтобы подумать об инфраструктуре, обеспечить гарантии данных, внимательно управлять жизненным циклом моделей, отслеживать производительность и собирать идеи и вносить коррективы. Терпение и настойчивость являются ключом к созданию решений, которые действительно работают, остаются безопасными и обеспечивают последовательную производительность.

Новизна ажиотажа вокруг искусственного интеллекта может утихать, но организации могут пройти через запутанное среднее искусственного интеллекта, вдохновляя свои команды тем, что имеет наибольшее значение: результаты.