GenAI は依然としてほとんどの企業にとって
投資の焦点となっており、
期待は高いです。最新の PwC の調査によると、米国の CEO の 61% が、
AI によって自社のビジネスが価値を生み出す方法を変えることを期待していますが、この目標を達成するには、企業は AI の誇大宣伝を現実に変える必要があります。良いニュースは、彼らの技術が向上していることです。実際、Databricks が最近発表した State of Data + AI Report の結果によると、企業は 1,342% のモデルを実験段階から現実世界に導入しており、データと AI に対する野心は衰えておらず、企業の数は減少していません。実験モデルも 134% 増加しました。これらは明るい兆しですが、CIO や他のテクノロジー リーダーとの会話によれば、現在の課題はこの勢いを維持することです。企業は、期待
に同意するのが困難に直面しています。当然のことながら、多くの経営幹部は投資
をすぐに回収したいと考えており、企業は競合他社がAIの進歩を早めていることを恐れて長期的な戦略について考えていません。このアプローチは間違っています。 「今」だけに焦点を当てている企業は、目新しいものから次の目新しいものへと飛び回ることになります。 GenAI への投資 は長いプロセスであり、CIO は自社の AI の考え方を短期的な勝利から長期的なビジネス変革に転換する必要があります。これを念頭に、CIO やその他のテクノロジー リーダーがこれらに取り組む際に焦点を当てるべき 3 つの点を以下に示します。主要な領域: 1. データ インフラストラクチャの改善 AI の優先事項と重点領域は、テクノロジー自体とほぼ同じ速度で進化しています。たとえば、6 か月前には、検索拡張生成 (RAG) に精通している CIO はほとんどありませんでした。現在、民間企業のデータに基づいて商用 LLM をトレーニングして、よりカスタマイズされたパフォーマンスを向上させることが重要な焦点となっています。弊社の匿名化された使用状況データによると、RAG モデル構築の鍵となるベクトル データベースの使用量は、過去 1 年間で 377% 増加しました。 Databricks などの一部の企業は、AI システムによるより複雑な問題の解決を支援するために「
エージェント」アプローチを使い始めています。これは GenAI の開発速度とその機能の急速な拡張の証拠ですが、データ移行は依然として課題です。たとえば、成功する RAG システムを構築するには、トレーニングに必要なデータがすぐに利用可能であり、企業全体のサイロに閉じ込められていない必要があります。ユーザーが
期待するカスタマイズされた回答をモデルが提供できるようにするには、構造化データと非構造化データの両方を組み合わせる必要があります。しかし、これは今日では単なる課題であり、企業にはニーズやテクノロジーの変化に応じて拡張できるフレームワークが必要です。リーダーは次の質問を自問する必要があります。大規模な AI 環境がどのように進化しても、どのようなインフラストラクチャによってデータを効果的に管理、維持し、洞察を引き出すことができるのでしょうか? どのようなタイプまたはサイズのモデルでアプリケーションを使用する必要がありますか?これらのモデルとうまく連携するには、データ環境を改善または変更する必要がありますか? 2. 基本モデルをナビゲートする ほとんどの企業にとって、一般的な LLM が良い出発点となります。また、プラットフォームでの使用量も増加し続けています。しかし、企業がこれらの基本モデルを使用すればするほど、その限界が明らかになります。このため、多くの企業は現在、モデルのパフォーマンスを向上させ、最終的にランニングコストを削減するために、RAG や微調整などの技術に注目しています。企業は独自のモデルを使用してこれを実行していますが、オープン システムを選択するケースが増えています。実際、私たちのレポートの調査結果によると、Llama3 がリリースされてからわずか数週間後には、Llama3 が全オープンソース モデルの使用量の 39% を占めました。これらのテクノロジーが普及するにつれて、企業はどのテクノロジーをいつ適用するかを学ぶ必要があります。たとえば、企業は、ベース モデルを微調整するだけではなく、独自のモデルを構築する方がコスト効率がよい場合に、独自のモデルを最初から構築することを決定する場合や、常に更新される情報セットを扱う場合があります。この場合、企業は新しいデータをモデルに素早くフィードできるため、RAG の方が良い選択となります。重要なのは、モデルはますます改良されているということです。今後の動向を注視していくことが重要です。 3. AI の開発と使用の精度を優先する AI はワークフローを変え、企業のデータに対する考え方を再構築していますが、現時点では多くのモデルが必要な機能を発揮していないため、多くの企業はまだテストと実験の段階にあります。正確または信頼できるものとして。一部の企業はすでにその影響を目の当たりにしている。航空会社のチャットボットが会社の公式ポリシーに従わない払い戻しを提案したり、裁判所が顧客に有利な判決を下したり、顧客に1ドルで車を提供する自動車ディーラーのチャットボットを検討したりする。このような失効が大規模に発生した場合、またはリスクの高いシナリオで発生した場合、企業は損害を受けることになります。そのため、特に高精度が必要なアプリケーションでは、人間が常に最新情報を把握できるようにすることが重要です。モデルが改善されても、出力の品質はそれをサポートするデータに依存します。強力なデータの衛生管理と監視は、企業が AI 主導の成功を確実に達成するための鍵となります。データが管理され、アクセス可能で、適切に構造化されていることを確認することで、企業は将来的により一貫性のある信頼性の高い出力を得ることができます。AI は、ヘルスケア、製造、エンタープライズ テクノロジーなどの職場で人間の能力をますます拡張できるようになるため、企業は強力なデータ インフラストラクチャと実践方法の維持に注力し、より広範なビジネス戦略に沿った AI アプリケーションを優先する必要があります。この変化の時代に備えて、AI に対応した労働力を育成します。
以上がGenAI の勢いを維持するために CIO が注力すべき分野の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
