La migliore comprensione del business sta emergendo poiché le aziende cercano un vantaggio tattico con l’implementazione delle tecnologie AI che generano dati di testo e immagini, conosciute come “generative AI”. Tra le prospettive più intriganti per le imprese c’è il passaggio dai modelli di lingua larga (LLM) pubblici ai LLM personalizzati e operati privatamente.
I LLM pubblici sono addestrati su dati ampiamente disponibili, ma le imprese si trovano di fronte a tre preoccupazioni principali nell’uso di questi modelli. Primo, c’è il rischio di violazioni della privacy dei dati, poiché i dati inviati ai LLM spesso attraversano server di terze parti. Le aziende devono agire con cautela quando utilizzano informazioni sensibili dell’azienda o dati personali identificabili. Inoltre, la trasparenza dei LLM può essere dubbia, dato il loro carattere ‘black box’ dove il processo decisionale rimane oscuro. Infine, la precisione delle risposte di un LLM dipende fortemente dalla qualità del dataset di allenamento, sollevando preoccupazioni sulla coerenza dei dati e sul rischio di disinformazione o di pregiudizi.
Tra queste sfide, alcune aziende impongono restrizioni o addirittura vietano il loro utilizzo. Il CTO di SAP, Jürgen Müller, riconosce l’utilità dei LLM ma sottolinea la difficoltà di applicarli efficacemente al business senza accesso a informazioni aziendali aggiornate e specifiche.
Le aziende sono sempre più attratte dallo sviluppo dei loro LLM privati per superare i rischi associati ai modelli pubblici. Combinando questi modelli personalizzati con i loro dati proprietari, le imprese possono ottimizzare l’accuratezza delle risposte e garantire la sicura implementazione dei LLM. Un esempio di tale innovazione proviene da PricewaterhouseCoopers (PwC), che ha personalizzato il suo strumento assistente fiscale AI addestrato su testi legali, casi studio e proprietà intellettuale di PwC. Aggiornando regolarmente i dati per riflettere i cambiamenti nella legislazione fiscale, il LLM privato di PwC fornisce informazioni più accurate, trasparenti e affidabili nel campo della tassazione rispetto ai LLM pubblici convenzionali.
The source of the article is from the blog maltemoney.com.br