Perusahaan Boleh Mempercepat Pengambilan AI Tanpa Pemodenan Penuh Sistem

iconLongbridge
Kongsi
AI summary iconRingkasan
Syarikat boleh meningkatkan pengambilan AI tanpa perubahan menyeluruh terhadap sistem keseluruhan, menurut Vinod Joseph Cherunni dari Singtel. Berucap di Singapore Business Review Technology Enterprise Summit, beliau mendesak syarikat-syarikat untuk menerapkan AI sekarang, bukan nanti. Beliau menunjuk kepada kepecahan data dan keperluan akan definisi serta graf pengetahuan yang seragam. Strategi "model garden" beliau menggabungkan model sumber terbuka dan proprietari untuk mengurangkan kos dan mengelakkan ketergantungan pada penyedia tertentu. Penerapan blok rantai dan pengintegrasian AI boleh bergerak maju secara serentak, katanya.

Campuran model frontier, sumber terbuka, dan berat terbuka boleh kuasakan sistem perniagaan.

Syarikat boleh meneruskan penggunaan kecerdasan buatan (AI) di sepanjang campuran hibrid sistem warisan dan moden, bukannya menunggu sehingga kesemuanya dimodenkan, menurut Vinod Joseph Cherunni, naib presiden kumpulan untuk AI/data, awan, dan arsitektur perniagaan di Singtel.

Berucap di Singapore Business Review Technology Enterprise Summit pada 12 November, Vinod menasihatikan peserta untuk tidak menunggu sistem menjadi sepenuhnya bersedia untuk AI sebelum memulakan perjalanan mereka.

“Perkara pertama ialah [untuk] membayangkan semula proses anda, mengubah alur kerja anda, dan menggunakan AI di sana,” katanya. “Jika tidak, anda tidak akan pernah mendapat output yang sebaik itu.”

Vinod mengatakan data perusahaan masih terpisah dan terpecah di antara pelbagai aplikasi, menjadikan ia sukar untuk agen AI berfungsi merentas fungsi perniagaan.

Untuk mengatasi ini, beliau berkata bahawa data “memerlukan konteks,” bermaksud definisi yang konsisten di seluruh perusahaan, dikenali sebagai ontologi, serta graf pengetahuan yang menangkap hubungan antara elemen perniagaan seperti pelanggan, produk, dan sistem.

Vinod mengatakan perusahaan mungkin menyalahkan model AI atas output yang buruk dan halusinasi apabila masalah sebenarnya ialah data yang tidak tepat dan kurangnya konteks.

“Inilah tepatnya mengapa banyak [bukti konsep] dan uji coba gagal,” katanya.

“Setiap kali kami mempunyai data terbaik, data yang paling bersih mungkin dengan konteks, jumlah token yang anda bakar [adalah] sangat kurang,” tambahnya.

Vinod menggambarkan pendekatan "taman model" yang menggabungkan model sumber terbuka, berat terbuka, dan model terkini.

Perusahaan boleh membangunkan lapisan yang mengkontekstualisasikan arahan yang dihantar oleh agen dan aplikasi serta meneruskannya kepada model yang berbeza berdasarkan ciri-ciri yang berbeza.

Mengagihkan beban kerja di antara model-model tidak hanya akan mencegah ketergantungan pada penyedia tertentu tetapi juga mengurus kos dan kedaulatan, katanya.

Data pelanggan kekal tempatan, dengan model dalam tempat yang boleh beroperasi dalam infrastruktur berdaulat, sementara kerangka AI yang bertanggungjawab memastikan bahawa model tidak menerima maklumat peribadi tertentu pelanggan.

Vinod meminta peserta untuk melangkah maju dengan operasi autonomi di seluruh persekitaran IT mereka, dengan tujuan memperbaiki masalah secepat mungkin dan mengenal pasti insiden keselamatan sebelum ia berlaku.

Beliau mencatat bahawa penurunan yang adil dalam bilangan insiden boleh menjadi keuntungan yang signifikan.

Penafian: Maklumat yang terdapat pada halaman ini mungkin telah diperoleh daripada pihak ketiga dan tidak semestinya menggambarkan pandangan atau pendapat KuCoin. Kandungan ini adalah disediakan bagi tujuan maklumat umum sahaja, tanpa sebarang perwakilan atau waranti dalam apa jua bentuk, dan juga tidak boleh ditafsirkan sebagai nasihat kewangan atau pelaburan. KuCoin tidak akan bertanggungjawab untuk sebarang kesilapan atau pengabaian, atau untuk sebarang akibat yang terhasil daripada penggunaan maklumat ini. Pelaburan dalam aset digital boleh membawa risiko. Sila menilai risiko produk dan toleransi risiko anda dengan teliti berdasarkan keadaan kewangan anda sendiri. Untuk maklumat lanjut, sila rujuk kepada Terma Penggunaan dan Pendedahan Risiko kami.