Nors AI & Big Data Expo ir Intelligent Automation Conference pirmosios dienos darbotvarkėje dominavo galimybė, kad dirbtinis intelektas veiks kaip skaitmeninis bendradarbis, techninėse sesijose daugiausia dėmesio buvo skirta infrastruktūrai, kad ji veiktų.
Pagrindinė parodos tema buvo perėjimas nuo pasyviosios automatikos prie „agentinių“ sistemų. Šie įrankiai motyvuoja, planuoja ir vykdo užduotis, o ne vadovaujasi griežtais scenarijais. Amal Makwana iš „Citi“ išsamiai paaiškino, kaip šios sistemos veikia įvairiose įmonėse. Ši galimybė atskiria juos nuo ankstesnio robotizuoto proceso automatizavimo (RPA).
Scottas Ivellas ir Ire Adewolu iš DeepL apibūdino šią plėtrą kaip „automatizavimo spragas“ panaikinimą. Jie teigė, kad agentinis AI veikia kaip skaitmeninis bendradarbis, o ne paprastas įrankis. Tikroji vertė atrakinama sumažinus atstumą tarp ketinimo ir vykdymo. Brianas Halpinas iš SS&C Blue Prism pažymėjo, kad organizacijos paprastai turi įvaldyti standartinį automatizavimą, kad galėtų įdiegti agentinį AI.
Šiam pokyčiui reikalingos valdymo sistemos, galinčios valdyti nedeterministinius rezultatus. Steve’as Holyeris iš „Informatica“ kartu su „MuleSoft“ ir „Salesforce“ pranešėjais teigė, kad kuriant šias sistemas reikia griežtos priežiūros. Valdymo lygis turi kontroliuoti, kaip agentai pasiekia ir naudoja duomenis, kad išvengtų veiklos gedimų.
Duomenų kokybė blokuoja diegimą
Autonominės sistemos išvestis priklauso nuo jos įvesties kokybės. Andreas Krause iš SAP pareiškė, kad AI nepavyksta be patikimų, prijungtų įmonės duomenų. Kad GenAI veiktų įmonės kontekste, ji turi pasiekti duomenis, kurie yra tikslūs ir kontekstui svarbūs.
Meni Meller iš „Gigaspaces“ sprendė techninį „haliucinacijų“ iššūkį LLM. Jis pasisakė už eRAG (retrieval-upmented generation) naudojimą kartu su semantiniais sluoksniais, siekiant išspręsti duomenų prieigos problemas. Šis metodas leidžia modeliams gauti faktinius įmonės duomenis realiuoju laiku.
Saugojimas ir analizė taip pat kelia iššūkių. Grupė, kurioje dalyvavo „Equifax“, „British Gas“ ir „Centrica“ atstovai, aptarė debesų savosios realiojo laiko analizės būtinybę. Šioms organizacijoms konkurencinis pranašumas atsiranda dėl galimybės vykdyti analitikos strategijas, kurios yra keičiamos ir greitai pasiekiamos.
Fizinė sauga ir stebimumas
Dirbtinio intelekto integravimas apima fizinę aplinką, todėl kyla saugos rizika, kuri skiriasi nuo programinės įrangos gedimų. Grupė, kurioje dalyvavo Edith-Clare Hall iš ARIA ir Matthew Howardas iš IEEE RAS, ištyrė, kaip įkūnytas AI yra naudojamas gamyklose, biuruose ir viešosiose erdvėse. Turi būti sudaryti saugos protokolai prieš robotai bendrauja su žmonėmis.
Perla Maiolino iš Oksfordo robotikos instituto pateikė techninę šio iššūkio perspektyvą. Jos tyrimai, susiję su skrydžio laiko (ToF) jutikliais ir elektronine oda, siekia suteikti robotams savimonės ir aplinkos suvokimo. Tokiose pramonės šakose kaip gamyba ir logistika šios integruotos suvokimo sistemos apsaugo nuo nelaimingų atsitikimų.
Kuriant programinę įrangą, stebimumas tebėra lygiagretus rūpestis. Julija Samoylova iš Datadog pabrėžė, kaip AI keičia būdus, kaip komandos kuria ir šalina programinę įrangą. Sistemoms tampant savarankiškesnėms, gebėjimas stebėti jų vidinę būseną ir samprotavimo procesus tampa būtinas patikimumui.
Infrastruktūros ir priėmimo kliūtys
Įgyvendinimui reikalinga patikima infrastruktūra ir imli kultūra. Julianas Skeelsas iš Expereo teigė, kad tinklai turi būti sukurti specialiai dirbtinio intelekto darbo krūviams. Tai apima nepriklausomų, saugių ir „visada veikiančių“ tinklo audinių, galinčių valdyti didelį pralaidumą, kūrimą.
Žinoma, žmogiškasis elementas lieka nenuspėjamas. Paulas Fermoras iš IBM Automation perspėjo, kad tradicinis automatizavimo mąstymas dažnai neįvertina AI pritaikymo sudėtingumo. Jis tai pavadino „AI pasirengimo iliuzija“. Jena Miller sustiprino šį teiginį, pažymėdama, kad strategijos turi būti orientuotos į žmogų, kad būtų užtikrintas priėmimas. Jei darbo jėga nepasitiki įrankiais, technologija neduoda jokios naudos.
Ravi Jay iš Sanofi pasiūlė, kad lyderiai turėtų užduoti operatyvinius ir etinius klausimus proceso pradžioje. Sėkmė priklauso nuo sprendimo, kur kurti patentuotus sprendimus, o ne kur pirkti nusistovėjusias platformas.
Seansai nuo pirmos dienos kartu vykstančių įvykių rodo, kad, nors technologija juda prie savarankiškų agentų, diegimui reikalingas tvirtas duomenų pagrindas.
CIO turėtų sutelkti dėmesį į tai, kad sukurtų duomenų valdymo sistemas, kurios palaikytų paiešką papildytą generavimą. Tinklo infrastruktūra turi būti įvertinta, kad būtų užtikrinta, jog ji palaiko agentinių darbo krūvių delsos reikalavimus. Galiausiai, kultūros perėmimo strategijos turi vykti lygiagrečiai su techniniu įgyvendinimu.
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.
