การเติบโตของ AI ถึงจุดเปลี่ยนสำคัญ: สิ่งที่องค์กรต้องทราบ

ช่วงมัธยมต้นไม่เคยเป็นช่วงเวลาที่ดีที่สุดสำหรับใคร แต่ทุกคนต้องผ่านช่วงเวลานั้นพร้อมกับความเจ็บปวดและทุกข์ เพื่อให้ได้ถึงเวอร์ชันที่ดีกว่าและเติบโตมากกว่าของตนเอง

การเติบโตของ AI ในปัจจุบันกำลังเข้าสู่ช่วงวัยรุ่นที่ยุ่งยาก ซึ่งผู้เชี่ยวชาญเรียกว่า ช่วงกลางที่ยุ่งยาก ระหว่างการนำไปใช้และการเติบโตที่แท้จริง ความฮือฮาเริ่มแรกได้จางหายไป และตอนนี้ องค์กรต่างๆ กำลังมุ่งเน้นไปที่การทำให้ AI เป็นจริงได้ แต่ AI กำลังเติบโตในช่วงเวลาที่ท้าทาย การคาดการณ์อยู่ทั่วทุกที่ ความกังขาในหมู่ธุรกิจและผู้บริโภคอยู่ในระดับสูง และการพูดถึง ฟองสบู่ AI ทำให้ผู้นำองค์กรต่างๆ ต้องตื่นตัวและรอการ “ป๊อป” ที่น่ากลัว

ในช่วงเวลาที่ตัดสินใจนี้ องค์กรต่างๆ ต้องแยกสัญญาณออกจากเสียงรบกวน ไม่ว่าจะเป็นการเปลี่ยนความพยายามจากการทดลองไปสู่การนำไปใช้จริง หรือการขยายการนำไปใช้จริงไปสู่การเติบโตที่มากขึ้น ซึ่งต้องมุ่งเน้นไปที่ปัจจัยที่สามารถควบคุมได้ เช่น อินฟราสตรัคเชอร์และความพร้อมของข้อมูล การวัดผลลัพธ์ และการสร้างรากฐานสำหรับการเติบโต

การเข้าใกล้ด้วยอินฟราสตรัคเชอร์

ความพร้อมของ AI ที่แท้จริงต้องการอินฟราสตรัคเชอร์ที่เหมาะสมเพื่อสนับสนุนการนำไปใช้ AI ที่ยั่งยืนตามธรรมชาติ AI ได้เพิ่มความต้องการบริการคลาวด์ โดยคาดว่าการใช้จ่ายคลาวด์จะเพิ่มขึ้น 40% ในปีนี้ โดยอินฟราสตรัคเชอร์เป็นรายการแพงที่สุดในงบประมาณ และศูนย์ข้อมูลใหม่ๆ กำลังถูกสร้างขึ้นทั่วทุกทวีปเพื่อรองรับความต้องการที่เพิ่มขึ้นของ AI คอมพิวต์

ในช่วงเวลาที่ AI กำลังเปลี่ยนไป การเลือกอินฟราสตรัคเชอร์เป็นเรื่องของการอยู่รอด อินฟราสตรัคเชอร์กำหนดสิ่งที่ปลอดภัย สิ่งที่เป็นไปได้ และสิ่งที่จะให้ประโยชน์ต่อธุรกิจ แทนที่จะทำให้เกิดการขาดทุน

อินฟราสตรัคเชอร์ที่ยั่งยืนไม่ได้ถูกกำหนดโดยค่าใช้จ่ายและพลังการประมวลผลทั้งหมด เมื่อองค์กรต่างๆ กำหนดว่าจะนำ AI ไปใช้ที่ไหนและอย่างไร พวกเขาต้องคำนึงถึงประเด็นของประสิทธิภาพของทรัพยากร ความปลอดภัย ความสามารถในการมองเห็น และราคาโดยรวม อินฟราสตรัคเชอร์ AI ไม่สามารถเป็นการลงทุนที่ทำเพียงครั้งเดียว แต่ต้องเป็นกระบวนการที่กำลังดำเนินอยู่ และสามารถพัฒนาไปตามความต้องการของแต่ละโครงการ

เป็นการเปลี่ยนแปลงที่ชัดเจนจากแนวทางในอดีต เมื่อองค์กรต่างๆ มักจะพึ่งพาบริการคลาวด์จากผู้ให้บริการรายเดียว โดยทั่วไปเป็น Hyperscaler เพื่อใช้งานบนคลาวด์ แต่ตอนนี้ ความซับซ้อนและความหลากหลายของ AI ทำให้โมเดลนี้ถูกท้าทาย โดยเฉพาะอย่างยิ่งเมื่อองค์กรต่างๆ กำลังเคลื่อนไปสู่การนำไปใช้จริงและผู้ให้บริการคลาวด์ทางเลือกเกิดขึ้นเพื่อตอบสนองความต้องการ

องค์กรขนาดใหญ่สามารถใช้พลังการประมวลผลที่มากขึ้นได้ดี แต่เมื่อพลังการประมวลผลมากเกินไป ก็จะเริ่มมีปัญหา สัญญา Hyperscaler อาจมีค่าใช้จ่ายสูง มีการเพิ่มค่าใช้จ่ายที่ไม่จำเป็น และอาจไม่ให้ความปลอดภัยของข้อมูลและความเป็นส่วนตัวที่จำเป็นสำหรับโครงการที่มีความละเอียดอ่อน

แทนที่จะผูกมัดการดำเนินงานบนคลาวด์กับผู้ให้บริการรายเดียว องค์กรสามารถใช้ประโยชน์จากผู้ให้บริการทางเลือกที่เพิ่มขึ้นเพื่อสร้างสแต็คของตนเองบนผู้ให้บริการที่แตกต่างกัน GPU ประเภทต่างๆ และการกำหนดค่าคลาวด์สาธารณะ/ส่วนตัวตามความต้องการเฉพาะของตน โดยไม่ต้องจ่ายค่าใช้จ่ายสำหรับคุณสมบัติที่ไม่จำเป็น และปรับแต่งคลาวด์ให้เหมาะสมกับสิ่งที่ต้องการ

การเข้าใกล้ด้วยอินฟราสตรัคเชอร์ในการบรรลุความเป็นเลิศของ AI คือการสร้างรากฐานที่มั่นคงสำหรับการเติบโต ซึ่งเพิ่มประสิทธิภาพและประโยชน์ใช้สอยโดยไม่สูญเสียพลัง

จากการทดลองไปสู่การนำไปใช้

ในช่วงไม่กี่ปีที่ผ่านมา ธุรกิจทั่วโลกได้ทดลองกับวิธีการนำ AI ไปใช้ในการดำเนินงานของตนเอง โดยได้รับแรงผลักดันจากความอยากรู้อยากเห็นและความฮือฮาไม่น้อย พวกเขาพยายามทดสอบขอบเขตของนวัตกรรม เปิดโอกาสใหม่ๆ สำหรับประสิทธิภาพ และเพิ่มศักยภาพของเครื่องมือและแบบจำลองโอเพ่นซอร์สที่ไม่นับได้ พวกเขายังได้พบกับความเป็นจริง โดยได้เรียนรู้ว่าปรัชญา “เคลื่อนที่เร็วและทำลายสิ่ง” ของ Silicon Valley ไม่ใช่วิธีที่ดีที่สุดเสมอไป โดยเฉพาะอย่างยิ่งเมื่อพูดถึงเทคโนโลยีที่ทรงพลังเช่น AI

ตอนนี้ เมื่อองค์กรต่างๆ กำลังออกจากช่วงการทดลองนี้ ความล้มเหลวไม่ใช่ตัวเลือก ความแม่นยำเป็นสิ่งสำคัญ การแสดงผลไม่สามารถชะลอได้ หากองค์กรต่างๆ จะสร้างฟังก์ชันหลักของธุรกิจใหม่บนโครงสร้าง AI พวกเขาต้องเพิ่มความพยายามใน “ส่วนที่น่าเบื่อ” ที่นำ AI จากการทดลองสร้างสรรค์ไปสู่การเพิ่มประสิทธิภาพ รวมถึง:

• ความปลอดภัยและความเป็นส่วนตัวของข้อมูล: โมเดล AI หลายๆ รุ่นใช้ข้อมูลส่วนบุคคลและธุรกิจที่ละเอียดอ่อนในการดำเนินงาน องค์กรต่างๆ ต้องการความมั่นใจว่าข้อมูลของตนถูกจัดเก็บอย่างปลอดภัย โดยไม่มีความเสี่ยงต่อการทำซ้ำหรือ “การเปิดเผย AI ที่มืด”
• การบริหารชีวิตของโมเดล: โมเดลต้องมีความแม่นยำ เป็นปัจจุบัน และได้รับการฝึกอบรมใหม่เพื่อสนับสนุนฟังก์ชันการทำงานของธุรกิจที่สำคัญ
• ความสม่ำเสมอของการแสดงผล: ไม่ว่าจะเป็นการนำโมเดลไปใช้ภายในหรือในกระบวนการทำงานที่เผชิญลูกค้า การรับประกันการแสดงผลที่สม่ำเสมอก็เป็นสิ่งสำคัญต่อประสิทธิภาพและความง่ายในการใช้งาน ปัญหาการแสดงผลทั่วไป เช่น ปัญหาที่เกี่ยวข้องกับความล่าช้าและเวลาออฟไลน์ ถูกแก้ไขที่ระดับอินฟราสตรัคเชอร์

ในขณะนี้ มีเพียง 37% ขององค์กร ที่กำลังนำโมเดลสร้างสรรค์ใหม่ไปใช้ทุกเดือน ทุกสัปดาห์ หรือทุกวัน เมื่อมีการเคลื่อนย้ายไปสู่ช่วงการนำไปใช้จริง อัตราส่วนนี้จะเพิ่มขึ้นอย่างมาก ทำให้เกิดความต้องการพลังการประมวลผลที่มากขึ้น แต่ยังต้องการอินฟราสตรัคเชอร์ที่ปรับให้เหมาะสมกับโมเดลเฉพาะด้วย “โมเดลที่เบา” ไม่ต้องการรากฐาน Hyperscaler แต่ถ้ามันใช้ข้อมูลที่ละเอียดอ่อน อาจต้องการความปลอดภัยในระดับเดียวกัน นี่คือที่มาของคลาวด์ที่ปรับให้เหมาะสม และเหตุผลที่อินฟราสตรัคเชอร์ควรเป็นข้อพิจารณาเบื้องต้นในช่วงที่องค์กรเปลี่ยนไปสู่ AI

จากการนำไปใช้ไปสู่การขยายตัว

สำหรับธุรกิจที่อยู่ในระดับความตื่นตัวสูงแล้ว การนำ AI ไปใช้จริงเป็นส่วนหนึ่งของการดำเนินงานประจำวันของพวกเขา ตอนนี้ พวกเขากำลังพยายามขยายการนำไปใช้เหล่านี้เพื่อสร้างมูลค่าที่มากขึ้นและพัฒนาองค์กรให้เติบโตเต็มที่

มีความกดดัน และข้อได้เปรียบที่ชัดเจน: 81% ขององค์กร ที่มีระดับความตื่นตัวสูงสุดของ AI รายงานผลการเงินที่ดีขึ้นในปีที่แล้ว นี่คือช่วงที่การนำไปใช้ AI จะถูกทดสอบอย่างมาก พวกเขาอาจผ่านการทดสอบใน环境ที่จำกัด แต่สามารถรับข้อมูลได้มากขึ้นหรือไม่? สามารถทำงานในภูมิภาคใหม่ๆ ได้หรือไม่? และอาจเป็นคำถามที่สำคัญที่สุด: สามารถขับเคลื่อนผลลัพธ์ที่มีความหมายได้หรือไม่?

การขยายตัวคือการเติบโตที่มากขึ้น แต่ในบางกรณี น้อยกว่าก็อาจดีกว่า ธุรกิจในช่วงนี้ควรพิจารณาว่าโมเดลภาษาที่มีขนาดเล็กและเฉพาะ (SLMs) อาจทำงานได้ดีกว่าโมเดลภาษาที่มีขนาดใหญ่และทั่วไป (LLMs) โครงการ AI ที่ประสบความสำเร็จที่สุดคือ那些ที่เชื่อมโยงกับปัญหาธุรกิจที่แท้จริงและสามารถขับเคลื่อนผลลัพธ์ที่วัดได้

รูปแบบที่คล้ายกันนี้เกิดขึ้นในการนำไปใช้และการขยายตัวของตัวแทน AI ซึ่งเป็นแนวหน้าใหม่ของ AI ที่มีอำนาจอิสระ ตัวแทน AI ที่ทำหน้าที่เฉพาะในโดเมนและได้รับข้อมูลจากชุดข้อมูลที่มีการบำรุงรักษาอย่างต่อเนื่องและสม่ำเสมอ คือตัวแทน AI ที่มีผลกระทบจริงในองค์กร อย่างไรก็ตาม ตัวแทน AI ที่มีความเชี่ยวชาญยังคงต้องการพลังการประมวลผลที่มาก แต่ไม่มากเท่ากับตัวแทน AI ที่มีหน้าที่ทั่วไป การจัดลำดับความสำคัญของอินฟราสตรัคเชอร์จากต้นจะช่วยให้องค์กรสามารถดึงผลตอบแทนจากการลงทุน (ROI) จริงจากโครงการ AI ของตนโดยไม่ทำลายงบประมาณคลาวด์

นวัตกรรมที่มีผลกระทบ

การแข่งขัน AI นั้นไม่ใช่การแข่งขัน แต่เป็นการปรับปรุงใหม่: หากเรากำลังสร้างองค์กรใหม่ เราต้องการทำเช่นนั้นบนรากฐานที่มั่นคง ไม่เช่นนั้น กำแพงจะพังทลายลงมา องค์กรต่างๆ ต้องใช้เวลาในการพิจารณาอินฟราสตรัคเชอร์อย่างรอบคอบ รับประกันความปลอดภัยของข้อมูล จัดการชีวิตของโมเดลอย่างใกล้ชิด ติดตามการแสดงผล และ

ความใหม่ของวงจรฮือฮา AI อาจกำลังจางหายไป แต่องค์กรต่างๆ สามารถผ่านช่วงกลางที่ยุ่งยากของ AI ได้โดยการสร้างพลังงานให้กับทีมของตนพร้อมสิ่งที่สำคัญที่สุด: ผลลัพธ์