Эволюция генеративного искусственного интеллекта в 2025 году: от новизны к необходимости

2025 год знаменует собой поворотный момент на пути генеративного искусственного интеллекта (генеративного искусственного интеллекта). То, что начиналось как увлекательная технологическая новинка, теперь превратилось в важнейший инструмент для бизнеса в различных отраслях.

Генеративный искусственный интеллект: от поиска решения проблемы к электростанции, решающей проблемы

Первоначальный всплеск энтузиазма Gen AI был вызван новизной взаимодействия с крупными языковыми моделями (LLM), которые обучаются на обширных общедоступных наборах данных.  Как предприятия, так и частные лица были по праву очарованы способностью печатать подсказки на естественном языке и получать подробные и последовательные ответы от моделей государственных границ. Человеческое качество результатов LLM побудило многие отрасли с головой вложиться в проекты с использованием этой новой технологии, часто без четкой бизнес-проблемы, которую нужно было бы решить, или какого-либо реального KPI для измерения успеха.  Несмотря на то, что на заре существования Gen AI произошли некоторые большие ценностные разблокировки, это четкий сигнал о том, что мы находимся в цикле инноваций (или шумихи), когда предприятия сначала отказываются от практики выявления проблемы, а затем ищут работоспособное технологическое решение для решить это.

В 2025 году мы ожидаем, что маятник откатится назад.  Организации будут искать в Gen AI ценность для бизнеса, сначала выявляя проблемы, которые эта технология может решить.  Конечно, будет гораздо больше хорошо финансируемых научных проектов, и первая волна вариантов использования Gen AI для обобщения, чат-ботов, контента и генерации кода будет продолжать процветать, но в этом году руководители начнут возлагать на проекты искусственного интеллекта ответственность за рентабельность инвестиций.   Технологический фокус также сместится с общедоступных языковых моделей общего назначения, генерирующих контент, на ансамбль более узких моделей, которые можно контролировать и постоянно обучать на отдельном языке бизнеса для решения реальных проблем, которые влияют на прибыль в измеримом виде. способ.

2025 год станет годом перехода ИИ в ядро предприятия.   Корпоративные данные — это путь к раскрытию реальной ценности с помощью ИИ, но обучающих данных, необходимых для построения трансформационной стратегии, нет в Википедии, и этого никогда не будет.  Он живет в контрактах, записях клиентов и пациентов, а также в беспорядочных неструктурированных взаимодействиях, которые часто протекают через бэк-офис или живут в коробках с бумагой..   Получение этих данных сложно, а LLM общего назначения здесь плохо подходят, несмотря на проблемы конфиденциальности, безопасности и управления данными.   Предприятия будут все чаще внедрять архитектуры RAG и модели малых языков (SLM) в частных облачных настройках, что позволит им использовать внутренние наборы организационных данных для создания собственных решений искусственного интеллекта с портфелем обучаемых моделей.  Целевые SLM могут понимать конкретный язык бизнеса и нюансы его данных, а также обеспечивать более высокую точность и прозрачность при более низкой цене –, сохраняя при этом соответствие требованиям конфиденциальности и безопасности данных.

Критическая роль очистки данных в реализации ИИ

По мере распространения инициатив в области ИИ организации должны уделять приоритетное внимание качеству данных. Первым и наиболее важным шагом во внедрении ИИ, будь то использование LLM или SLM, является обеспечение отсутствия ошибок и неточностей во внутренних данных. Этот процесс, известный как очистка “данных,” необходим для курирования чистого массива данных, который является стержнем успеха проектов искусственного интеллекта.

Многие организации по-прежнему полагаются на бумажные документы, которые необходимо оцифровывать и очищать для повседневной деятельности.   В идеале эти данные должны поступать в маркированные обучающие наборы для собственного искусственного интеллекта организации, но мы только начинаем видеть, что это происходит.  Фактически, в недавнем опросе, который мы провели в сотрудничестве с Harris Poll, где мы опросили более 500 лиц, принимающих решения в сфере ИТ, в период с августа по сентябрь, выяснилось, что 59% организаций даже не используют весь свой массив данных. В том же отчете говорится, что 63% организаций согласны с тем, что они плохо понимают свои собственные данные, и это ограничивает их способность максимизировать потенциал GenAI и аналогичных технологий.   Проблемы конфиденциальности, безопасности и управления, безусловно, являются препятствиями, но точные и чистые данные имеют решающее значение, даже небольшие ошибки в обучении могут привести к усугублению проблем, которые сложно решить, если модель ИИ ошибается.    В 2025 году очистка данных и конвейеры для обеспечения качества данных станут критически важной областью инвестиций, гарантируя, что новое поколение корпоративных систем искусственного интеллекта сможет работать на основе надежной и точной информации.

Расширяющееся влияние роли технического директора

Роль главного технического директора (CTO) всегда была решающей, но в 2025 году ее влияние увеличится в десять раз. Проводя параллели с “CMO эра,” где клиентский опыт под главным директором по маркетингу был первостепенным, ближайшие годы будут “поколение CTO.”

Хотя основные обязанности КТО остаются неизменными, влияние их решений будет как никогда значительным. Успешным техническим директорам потребуется глубокое понимание того, как новые технологии могут изменить их организации. Они также должны понять, как искусственный интеллект и связанные с ним современные технологии способствуют трансформации бизнеса, а не только повышению эффективности в четырех стенах компании. Решения, принятые КТО в 2025 году, определят будущую траекторию развития их организаций, что сделает их роль более эффективной, чем когда-либо.

Прогнозы на 2025 год подчеркивают год преобразований для поколения AI, управления данными и роли технического директора. По мере того, как поколение AI превращается из решения в поисках проблемы в центр решения проблем, важность очистки данных, ценность корпоративных массивов данных и растущее влияние технического директора будут определять будущее предприятий. Организации, которые примут эти изменения, будут иметь хорошие возможности для процветания в развивающемся технологическом ландшафте.