องค์กรต่างๆ กำลังเตรียมที่จะสร้าง LLM ของตนเอง - เหตุใดจึงเกิดการเคลื่อนไหวที่ชาญฉลาด

Enterprise LLM สามารถสร้างขึ้นได้จากโมเดลพื้นฐานที่เปิดเผยต่อสาธารณะ นั่นเป็นการเริ่มต้นที่ดี

องค์กรต่างๆ พร้อมที่จะสร้างและบำรุงรักษาโมเดลภาษาขนาดใหญ่ (LLM) ภายในของตนเองแล้วหรือยัง?

ปัญญาประดิษฐ์ - โดยเฉพาะอย่างยิ่งความหลากหลายทางกำเนิด - ได้รับความสนใจอย่างล้นหลามของผู้เชี่ยวชาญด้านเทคโนโลยีและผู้บริหาร ลองพิจารณาสิ่งนี้: แม้ว่าจะมีการพูดถึงการตัดงบประมาณสำหรับบริการคลาวด์และโครงสร้างพื้นฐานอย่างไม่มีที่สิ้นสุดในช่วงไม่กี่ครั้งที่ผ่านมา แต่ Money Faucet ก็เปิดกว้างสำหรับการระดมทุนของ AI แต่มันไหลออกไปสู่บริการภายนอกหรือไหลเข้าสู่ความสามารถและทรัพยากรของผู้อยู่อาศัยหรือไม่?

หน่วยงานภายนอกจำนวนมาก เช่น OpenAI, Microsoft และ Google ถูกมองว่าเป็นผู้ให้บริการหลักของ LLM การสนับสนุนโครงสร้างพื้นฐาน และความเชี่ยวชาญ อย่างไรก็ตาม ความสนใจในโครงการ LLM ภายในก็เพิ่มขึ้นเช่นกัน การสำรวจซีอีโอ 1,300 รายครั้งใหม่โดย TCS พบว่าประมาณครึ่งหนึ่งของผู้ตอบแบบสำรวจ โดย 51% กล่าวว่าพวกเขากำลังวางแผนที่จะสร้างการใช้งาน generative AI ของตนเอง นั่นหมายถึงมีงานอีกมากรออยู่ข้างหน้า แต่โชคดีที่ได้มีการวางรากฐานสำหรับ LLM ที่เปิดเผยต่อสาธารณะแล้ว

“LLM พื้นฐาน เช่น GPT, Claude, Llama สามารถอธิบายได้ดีที่สุดว่ามีความรอบรู้ทั่วโลก ถือได้ว่าเป็นการบรรจุความรู้ทางอินเทอร์เน็ตใหม่” ดร. แฮริก วิน ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ TCS และผู้ร่วมเขียนงานวิจัยนี้ บอกกับ ZDNET "พวกเขายังมีความเข้าใจหลายรูปแบบและความสามารถในการสร้างในระดับสูง พร้อมด้วยความสามารถในการให้เหตุผล"

การสร้างโมเดลพื้นฐานเหล่านี้ "ซับซ้อนและมีราคาแพง" Vin กล่าว โดยชี้ให้เห็นว่าโมเดลภายในองค์กรจะต่อยอดจากความสามารถของโมเดลเหล่านี้ "โมเดลเหล่านี้จะใช้ประโยชน์จากทักษะพื้นฐานของโมเดลพื้นฐาน เช่น การทำความเข้าใจและการสร้างภาษา การใช้เหตุผล และความรู้ทั่วไป แต่โมเดลเหล่านี้จำเป็นต้องขยายและเชี่ยวชาญโมเดลเหล่านี้ให้เข้ากับบริบทของอุตสาหกรรม องค์กร และกิจกรรม"

โชคดีที่ "การสร้างแบบจำลองพิเศษดังกล่าวทำได้ง่ายกว่าและราคาไม่แพงมากเมื่อเทียบกับการพัฒนาแบบจำลองพื้นฐาน" Vin กล่าว "ในความเป็นจริง ความง่ายในการเชี่ยวชาญ LLM พื้นฐานซึ่งเป็นโมเดล AI แบบกว้างๆ เพื่อสร้างโมเดลและโซลูชัน AI เฉพาะวัตถุประสงค์เป็นเหตุผลหลักที่ทำให้ AI เป็นประชาธิปไตย"

LLM เฉพาะองค์กรเหล่านี้ "หมายถึงโมเดลอุตสาหกรรม องค์กร และกิจกรรมที่สร้างขึ้นโดยใช้โมเดลพื้นฐานบางส่วน ไม่ว่าจะเป็นโอเพ่นซอร์สหรือเชิงพาณิชย์" เขากล่าวต่อ "เราเชื่อว่าองค์กรที่เติบโตเต็มที่ด้วย AI ในอนาคตจะมีโมเดล AI เฉพาะกิจนับร้อยหรือนับพัน ทั้งหมดนี้สร้างขึ้นจากความสามารถด้านคอมโพสิตของโมเดลพื้นฐานที่มีความสามารถเฉพาะขององค์กรโดยเฉพาะ"

นอกเหนือจากการสร้างและปรับใช้โมเดลแล้ว ธุรกิจยังต้องได้รับการเตรียมพร้อมสำหรับ generative AI มากกว่าครึ่ง (55%) กล่าวว่าพวกเขากำลังทำการเปลี่ยนแปลงอย่างแข็งขันในขณะนี้กับธุรกิจหรือรูปแบบการดำเนินงาน หรือผลิตภัณฑ์และบริการของตน เพื่อรองรับ AI ผู้บริหารสี่ใน 10 คนกล่าวว่าในอนาคต พวกเขา "มีการเปลี่ยนแปลงมากมายที่ต้องทำ" สู่ธุรกิจของพวกเขา" ก่อนที่พวกเขาจะสามารถใช้ประโยชน์จาก AI ได้อย่างเต็มที่ จากการสำรวจของ TCS แสดงให้เห็น

สิ่งนี้ชี้ให้เห็นถึงการดูดซึม AI ทั้งเชิงกำเนิดและเชิงปฏิบัติที่ช้าแต่ทรงพลัง ในปีที่ผ่านมา "ทุกองค์กรได้ทดลองใช้กรณีการใช้งาน Gen AI และปี 2024 และปีต่อๆ ไปจะเป็นเรื่องของการเพิ่มมูลค่า" Vin กล่าว "อย่างไรก็ตาม ในระหว่างขั้นตอนการทดลอง ทุกองค์กรตระหนักดีว่ามูลค่าในการขยายขนาดเป็นสิ่งที่ท้าทาย"

ในเวลานี้ มีเพียง 17% เท่านั้นที่กำลังหารือเกี่ยวกับ Al และวางแผนทั่วทั้งองค์กร จากการสำรวจของ TCS แสดงให้เห็น นอกจากนี้ มีเพียง 28% เท่านั้นที่พร้อมที่จะกำหนดกลยุทธ์ AI ทั่วทั้งองค์กรเพื่อเพิ่มผลประโยชน์สูงสุดให้กับบริษัท อย่างไรก็ตาม Vin มองเห็นการเพิ่มขึ้นอย่างรวดเร็วของเทคโนโลยี “มีความแตกต่างระหว่างการนำโซลูชัน AI ไปใช้เฉพาะกิจหรือเป็นกรณีไป กับการสร้างแผนทั่วทั้งองค์กรเพื่อสร้างองค์กรที่เติบโตเต็มที่ด้วย AI” Vin กล่าว “ตัวเลขที่ค่อนข้างต่ำในการสำรวจหมายถึงการสร้างกลยุทธ์ทั่วทั้งองค์กร ซึ่งเป็นไปตามที่คาดหวัง”

ในส่วนของการนำโซลูชัน AI มาใช้นั้น Vin กล่าวต่อว่า "ตัวเลขดังกล่าวค่อนข้างสูง โดย 59% ของฟังก์ชันองค์กรมีการใช้งาน AI ในกระบวนการหรือเสร็จสมบูรณ์ และอีก 34% กำลังวางแผนการใช้งาน AI เราอยู่ในช่วงเริ่มต้นของทั้งสองอย่าง ความพร้อมทางเทคโนโลยีตลอดจนการนำไปใช้ในระดับองค์กร องค์กรส่วนใหญ่เริ่มใช้ประโยชน์จาก AI และ genAI สำหรับการใช้งานเฉพาะด้าน ขณะเดียวกันก็เริ่มต้นการเดินทางระยะยาวเพื่อวัดปริมาณผลประโยชน์ ตลอดจนจัดการต้นทุนและความเสี่ยงที่เกี่ยวข้อง"

ในปีที่ผ่านมา "ทุกองค์กรได้ทดลองใช้กรณีการใช้งาน genAI และปี 2024 และปีต่อๆ ไปจะเป็นเรื่องของการขยายมูลค่า" Vin กล่าว "อย่างไรก็ตาม ในระหว่างขั้นตอนการทดลอง ทุกองค์กรตระหนักดีว่าการขยายมูลค่าเป็นสิ่งที่ท้าทาย"
สำหรับผู้เริ่มต้น "การสร้างโซลูชัน AI ที่มีประสิทธิภาพต้องใช้ข้อมูลคุณภาพสูง" เขากล่าว "ในขณะที่องค์กรต่างๆ มีข้อมูลจำนวนมาก แต่ข้อมูลก็มักจะถูกกระจายไปตามเกาะต่างๆ หลายแห่งที่ไม่สอดคล้องกัน ในขณะที่องค์กรส่วนใหญ่เริ่มต้นเส้นทางการควบรวมกิจการและการปรับปรุงพื้นที่ข้อมูลให้ทันสมัยในช่วงหลายปีที่ผ่านมา แต่การเดินทางเหล่านี้ยังห่างไกลจากความสมบูรณ์ นอกจากนี้ การโยกย้าย ของพื้นที่ข้อมูลสู่สภาพแวดล้อมคลาวด์เป็นงานที่อยู่ระหว่างดำเนินการสำหรับองค์กรส่วนใหญ่ ซึ่งทำให้องค์กรต่างๆ ใช้ประโยชน์จาก LLM พื้นฐานที่โฮสต์บนคลาวด์ควบคู่ไปกับข้อมูลองค์กรของตนได้ยาก"
นอกจากนี้: Generative AI อาจกำลังสร้าง ทำงานได้มากกว่าที่จะประหยัด

นอกจากนี้ องค์กรต่างๆ “จะต้องปรับปรุงความพร้อมในการจัดการสายข้อมูล การใช้งาน ความปลอดภัย และความเป็นส่วนตัวในเชิงรุก” Vin กล่าว "พวกเขาจะต้องเชี่ยวชาญศิลปะในการพิจารณาว่าข้อมูลใดที่สามารถนำมาใช้เพื่อจุดประสงค์ใดได้ แม้จะไม่ได้ตั้งใจ เพื่อป้องกันอคติและการปฏิบัติที่ไม่เป็นธรรม นี่ไม่ใช่แค่ความท้าทายในเวลาออกแบบเท่านั้น แต่ยังรวมถึงความท้าทายในการทำงานด้วย" จำเป็นต้องมีระบบ "เพื่อตรวจจับสภาวะฉุกเฉินแบบเรียลไทม์ที่โมเดล AI เริ่มเบี่ยงเบนไปจากพฤติกรรมที่คาดหวัง"
ท้ายที่สุด ความต้องการด้านบทบาทและทักษะก็เปลี่ยนแปลงไปเร็วกว่าที่บริษัทจะตามทัน “ด้วยการเติม AI เข้าไป บทบาทของพนักงานที่มีความรู้ระดับองค์กรจะเปลี่ยนจากผู้ปฏิบัติงานไปเป็นผู้ฝึกสอนและผู้ซักถามเครื่องจักร ผู้ตรวจสอบงานที่ทำโดยเครื่องจักร ตลอดจนเจ้าของความคิดเชิงวิพากษ์และความคิดสร้างสรรค์” Vin กล่าว