Kevin TopolskyZájem o modely AI nové generace vymizí
Podniky se odvracejí od půvabu špičkových modelů AI, jako jsou Google Gemini, Anthropic Claude, Amazon Bedrock a OpenAI GPT-4. Místo toho je nyní pozornost zaměřena na konkrétní návratnost investic (ROI), přičemž organizace dávají přednost praktickým aplikacím generativní AI. Arun Chandrasekaran, uznávaný viceprezident analytik v Gartneru, uvádí, že společnosti stále více nasazují genAI výhradně pro použití v oblastech, které prokazují jasnou návratnost investic.
Od vysokých očekávání k zklamání: Realita
GenAI prochází poklesem nadšení, když se propadá do údolí zklamání. Rostoucí propast mezi velkými očekáváními a skutečnými výsledky v reálném světě, spojená s výzvami, kterým čelí podniky při zdokonalování svých postupů v oblasti datového inženýrství a správy AI, přispěly k této změně. Mnoho iniciativ s genAI má problém poskytnout konkrétní návratnost investic, což organizacím ztěžuje odůvodnit další investice do těchto projektů.
Se měnícím se obrazem generativní AI: Odkrývání skrytých realit
Jak se bledne hypování kolem modelů AI nové generace, vynořuje se řada klíčových otázek, které osvětlují základní dynamiku změny zaměření v krajině AI.
Klíčové otázky:
1. Jaké faktory vedly ke snížení nadšení pro technologie generativní AI?
2. S jakými hlavními výzvami se potýkají podniky při dosahování slibované hodnoty iniciativ s genAI?
3. Jak organizace navigují složitým terénem datového inženýrství a správy AI k dosažení úspěšných výsledků?
4. Jaké jsou důsledky dávání přednosti návratnosti investic před špičkovými modely AI pro budoucnost přijetí AI v podnicích?
Odpovědi a názory:
1. Pokles nadšení lze přičíst rozporu mezi původními velkými očekáváními ohledně genAI a skutečnými výsledky těchto projektů. Navíc obtíže při prokazování jasné návratnosti investic ztlumily nadšení kolem těchto technologií.
2. Podniky se potýkají s zdokonalováním svých procesů datového inženýrství pro zajištění vysoce kvalitních vstupů do modelů generativní AI. Kromě toho navigace výzvami spojenými s odpovědným nasazením AI klade před organizace značnou překážku.
3. Úspěšné výsledky závisejí na budování robustních datových tras, zajištění kvality dat a implementaci efektivních rámů správy AI, které se shodují s organizačními cíli a etickými hledisky.
4. Dávání přednosti návratnosti investic zdůrazňuje pragmatický posun směrem k extrakci konkrétní obchodní hodnoty z investic do AI, vede podniky od spekulativních úsilí k praktickým aplikacím s měřitelným dopadem.
Výhody a nevýhody:
Zatímco klesající nadšení pro špičkové modely AI může znamenat zralost průmyslu AI směrem k aplikacím v reálném světě, vyvolává také obavy z potenciálního stížení inovací a omezení průzkumu revolučních technologií AI. Důraz na návratnost investic podtrhuje pragmatičtější přístup k přijímání AI, ale může ohrozit dlouhodobé transformační příležitosti, které by mohly podporovat budoucí růst a konkurenceschopnost.
Pro další poznání se o evoluující krajině generativní AI a širších důsledcích této změny můžete čtenáři užitečné následující odkazy:
