Một sự pha trộn giữa các mô hình frontier, mã nguồn mở và trọng số mở có thể thúc đẩy các hệ thống doanh nghiệp.
Các doanh nghiệp có thể tiến hành triển khai trí tuệ nhân tạo (AI) trên một hỗn hợp lai gồm các hệ thống cũ và hiện đại, thay vì chờ đợi đến khi chúng được hiện đại hóa hoàn toàn, theo Vinod Joseph Cherunni, Phó Chủ tịch Nhóm về AI/dữ liệu, điện toán đám mây và kiến trúc doanh nghiệp của Singtel.
Phát biểu tại Singapore Business Review Technology Enterprise Summit vào ngày 12 tháng 11, Vinod khuyên các học viên đừng chờ đợi các hệ thống trở nên sẵn sàng hoàn toàn cho AI mới bắt đầu hành trình của mình.
“Điều đầu tiên là [tái tưởng tượng] quy trình của bạn, thay đổi các quy trình làm việc của bạn và sử dụng AI ở đó,” anh ấy nói. “Nếu không, bạn sẽ không bao giờ đạt được đầu ra tốt như vậy.”
Vinod cho biết dữ liệu doanh nghiệp vẫn bị cô lập và phân mảnh giữa các ứng dụng khác nhau, khiến các tác nhân AI khó hoạt động xuyên suốt các chức năng kinh doanh.
Để giải quyết vấn đề này, anh ấy cho rằng dữ liệu “cần bối cảnh,” tức là các định nghĩa nhất quán trên toàn doanh nghiệp, được gọi là ontology, cùng với các đồ thị tri thức ghi lại các mối quan hệ giữa các yếu tố kinh doanh như khách hàng, sản phẩm và hệ thống.
Vinod cho biết các doanh nghiệp có thể đổ lỗi cho các mô hình AI về các đầu ra kém và ảo giác, trong khi vấn đề cốt lõi là dữ liệu không chính xác và thiếu bối cảnh.
“Đây chính là lý do tại sao rất nhiều [bằng chứng khái niệm] và các dự án thử nghiệm thất bại,” anh ấy nói.
“Mỗi lần chúng tôi có dữ liệu tốt nhất, dữ liệu sạch nhất có thể cùng với bối cảnh, số lượng token bạn đốt cháy [rất ít],” ông bổ sung.
Vinod đã mô tả một tiếp cận “vườn mẫu” kết hợp các mô hình nguồn mở, trọng số mở và các mô hình tiên tiến.
Các doanh nghiệp có thể phát triển một lớp để bối cảnh hóa các lời nhắc được gửi bởi các tác nhân và ứng dụng, sau đó chuyển chúng đến các mô hình khác nhau dựa trên các đặc điểm khác nhau.
Anh ấy cho biết, việc phân tán tải công việc giữa các mô hình không chỉ ngăn chặn tình trạng phụ thuộc vào nhà cung cấp mà còn giúp kiểm soát chi phí và chủ quyền.
Dữ liệu khách hàng được lưu trữ tại chỗ, với các mô hình trên premises có thể hoạt động trong cơ sở hạ tầng chủ quyền, trong khi một khung khổ AI có trách nhiệm đảm bảo rằng các mô hình không nhận được thông tin cá nhân cụ thể của khách hàng.
Vinod đã khuyên những người tham dự tiến hành các hoạt động tự chủ trong môi trường CNTT của họ, với mục tiêu khắc phục sự cố nhanh nhất có thể và xác định các sự cố bảo mật trước khi chúng xảy ra.
Anh ấy lưu ý rằng ngay cả một sự giảm thiểu công bằng trong số các sự cố cũng có thể là một lợi thế lớn.




