Antroji kartu vykstančios AI & Big Data Expo ir Skaitmeninės transformacijos savaitės Londone diena parodė, kad rinkoje vyksta aiškus perėjimas.
Ankstyvas susijaudinimas dėl generatyvinių modelių blėsta. Įmonių vadovai dabar susiduria su trintimi, kad šiuos įrankius būtų galima pritaikyti prie esamų krūvų. Antros dienos sesijose buvo mažiau dėmesio skirta dideliems kalbos modeliams, o daugiau jiems paleisti reikalingai infrastruktūrai: duomenų linijai, stebėjimui ir atitikčiai.
Duomenų branda lemia diegimo sėkmę
AI patikimumas priklauso nuo duomenų kokybės. DP Indetkar iš Northern Trust perspėjo neleisti AI tapti „B filmo robotu“. Šis scenarijus įvyksta, kai algoritmai sugenda dėl prastos įvesties. Indetkaras pažymėjo, kad analitikos branda turi būti prieš DI priėmimą. Automatizuotas sprendimų priėmimas padidina klaidas, o ne sumažina jas, jei duomenų strategija nepatvirtinta.
Ericas Bobekas iš „Just Eat“ palaikė šią nuomonę. Jis paaiškino, kaip duomenys ir mašininis mokymasis lemia sprendimus pasauliniu įmonės lygiu. Investicijos į AI sluoksnius yra švaistomos, jei duomenų pagrindas lieka suskaidytas.
Mohsenas Ghasempouras iš Kingfisher taip pat pažymėjo, kad neapdorotus duomenis reikia paversti realiu laiku veikiančia žvalgyba. Mažmeninės prekybos ir logistikos įmonės turi sumažinti delsą tarp duomenų rinkimo ir įžvalgos generavimo, kad pamatytų grąžą.
Mastelio keitimas reguliuojamoje aplinkoje
Finansų, sveikatos priežiūros ir teisės sektoriai beveik netoleruoja klaidų. Pascal Hetzscholdt iš Wiley tiesiogiai kreipėsi į šiuos sektorius.
Hetzscholdtas teigė, kad atsakingas AI mokslo, finansų ir teisės srityse priklauso nuo tikslumo, priskyrimo ir vientisumo. Šių sričių įmonių sistemoms reikia audito sekų. Dėl žalos reputacijai ar reglamentuojamų baudų neįmanoma įgyvendinti „juodosios dėžės“.
Konstantina Kapetanidi iš „Visa“ apibūdino sunkumus kuriant daugiakalbes, įrankius naudojančias, keičiamo dydžio generatyvines AI programas. Modeliai tampa aktyviais agentais, kurie atlieka užduotis, o ne tik generuoja tekstą. Leidžiant modeliui naudoti įrankius, pvz., užklausus duomenų bazėje, sukuriami saugumo vektoriai, kuriuos reikia rimtai išbandyti.
Parinita Kothari iš Lloyds Banking Group išsamiai išdėstė AI sistemų diegimo, mastelio, stebėjimo ir priežiūros reikalavimus. Kothari metė iššūkį „įdiekite ir pamiršk“ mentalitetui. AI modeliams reikia nuolatinės priežiūros, panašiai kaip tradicinė programinės įrangos infrastruktūra.
Kūrėjų darbo eigos pasikeitimas
Žinoma, AI iš esmės keičia kodo rašymo būdą. Skydelis su garsiakalbiais iš Valae, Charles River Labs ir Knight Frank ištyrė, kaip dirbtinio intelekto pilotai keičia programinės įrangos kūrimą. Nors šie įrankiai pagreitina kodo generavimą, jie taip pat verčia kūrėjus daugiau dėmesio skirti peržiūrai ir architektūrai.
Šis pokytis reikalauja naujų įgūdžių. Grupė, kurioje dalyvavo „Microsoft“, „Lloyds“ ir „Mastercard“ atstovai, aptarė būsimiems AI kūrėjams reikalingus įrankius ir mąstyseną. Egzistuoja atotrūkis tarp dabartinių darbo jėgos galimybių ir dirbtinio intelekto papildytos aplinkos poreikių. Vadovai turi planuoti mokymo programas, kurios užtikrintų, kad kūrėjai pakankamai patvirtintų dirbtinio intelekto sukurtą kodą.
Dr Gurpinder Dhillon iš „Senzing“ ir Alexis Ego iš „Retool“ pristatė žemo kodo ir be kodo strategijas. Ego aprašė dirbtinio intelekto naudojimą su žemo kodo platformomis, kad sukurtų gamybai paruoštas vidines programas. Šiuo metodu siekiama sumažinti vidinių įrankių užklausų skaičių.
Dhillonas teigė, kad šios strategijos pagreitina vystymąsi, nesumažinant kokybės. „C-suite“ atveju tai siūlo pigesnį vidinės programinės įrangos pristatymą, jei valdymo protokolai lieka galioti.
Darbo jėgos pajėgumas ir specifinis naudingumas
Didesnė darbo jėga pradeda dirbti su „skaitmeniniais kolegomis“. Austinas Brahamas iš EverWorker paaiškino, kaip agentai keičia darbo jėgos modelius. Ši terminija reiškia perėjimą nuo pasyvios programinės įrangos prie aktyvių dalyvių. Verslo vadovai turi iš naujo įvertinti žmogaus ir mašinos sąveikos protokolus.
Paulas Airey iš Anthony Nolan pateikė pavyzdį, kaip dirbtinis intelektas suteikia tiesiogine prasme gyvenimą keičiančią vertę. Jis išsamiai papasakojo, kaip automatizavimas pagerina donorų suderinimą ir transplantacijos terminus kamieninių ląstelių transplantacijai. Šių technologijų naudingumas apima gyvybę gelbstinčią logistiką.
Viso renginio metu pasikartojanti tema yra ta, kad veiksmingos programos dažnai išsprendžia labai specifines ir didelės trinties problemas, o ne bando būti bendros paskirties sprendimais.
Perėjimo valdymas
Antrą dieną vykusių renginių sesijos rodo, kad įmonės dėmesys dabar perkeltas į integraciją. Pradinės naujovės nebėra ir ją pakeitė veikimo laiko, saugumo ir atitikties reikalavimai. Inovacijų vadovai turėtų įvertinti, kurie projektai turi duomenų infrastruktūrą, kad išlaikytų ryšį su realiu pasauliu.
Organizacijos turi teikti pirmenybę pagrindiniams dirbtinio intelekto aspektams: duomenų saugyklų valymui, teisinių apsauginių turėklų nustatymui ir personalo mokymui prižiūrėti automatizuotus agentus. Skirtumas tarp sėkmingo diegimo ir įstrigusio piloto slypi šiose detalėse.
Vadovai savo ruožtu turėtų nukreipti išteklius į duomenų inžineriją ir valdymo sistemas. Be jų pažangūs modeliai nesuteiks vertės.
Taip pat žiūrėkite: AI Expo 2026 1 diena: valdymas ir duomenų paruošimas leidžia agentų įmonei
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra „TechEx“ dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais, įskaitant „Cyber Security & Cloud Expo“. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
