5 советов по выбору правильной модели ИИ для вашего бизнеса

Рост генеративного ИИ (gen AI) в значительной степени обусловлен известными крупными языковыми моделями (LLMs), такими как GPT-4o от Open AI, Gemini от Google и Claude от Anthropic. Однако на фоне ажиотажа вокруг этих гигантов небольшие языковые модели (SLMs) незаметно набирают популярность. Некоторые эксперты отрасли предполагают, что SLMs могут стать будущим генеративного ИИ.

Согласно исследовательской компании Gartner, хотя LLMs традиционно лидировали в разработке языковых моделей, SLMs предлагают жизнеспособные решения для таких критических проблем, как бюджетные ограничения, защита данных, вопросы конфиденциальности и снижение рисков. По мере того как компании осваивают мир генеративного ИИ, руководителям, возможно, придется выбирать между этими двумя типами моделей. Вот что говорят пять бизнес-лидеров о будущем моделей ИИ.

1. Рассмотрите возможности, специфичные для предметной области

Клэр Томпсон, главный директор по данным и аналитике финансового гиганта L&G, считает, что как небольшие, так и крупные модели найдут свое место в бизнес-операциях. Она представляет будущее, в котором LLMs могут быть настроены для конкретных приложений, повышая их полезность.

"Я вижу ситуацию, когда некоторые LLMs начнут обучаться на конкретных темах, чтобы извлечь из них больше деталей, и я вижу, что это начинает происходить все чаще," — сказала она ZDNET.

Хотя спрос на модели, специфичные для предметной области, очевиден, Томпсон скептически относится к тому, что компании будут выделять значительные ресурсы на внутреннюю разработку.

"Я не знаю, будете ли вы создавать свои собственные модели," — сказала она. "Когда я говорю о создании моделей, речь идет скорее о том, чтобы использовать существующие модели внутри компании и применять ваши данные в безопасной среде для достижения результатов."

Независимо от размера, Томпсон видит будущее, склоняющееся к моделям, специфичным для предметной области.

"Я думаю, мы начнем получать более специализированные модели," — сказала она. "Например, можно представить, как модель настраивается вокруг медицинской информации, климатических тем и ESG, а также рынков активов. Это те конкретные случаи использования, где могут появляться более индивидуализированные модели."

2. Выберите правильную лошадь для трассы

Ник Вудс, ИТ-директор MAG Airports Group, подчеркивает, что будущее генеративного ИИ, вероятно, включает сочетание крупных и небольших моделей, адаптированных к конкретным бизнес-потребностям.

"Я не думаю, что существует универсальное решение," — сказал он. "И я думаю, что выбор модели зависит от конкретного случая применения в вашем бизнесе."

Вудс предостерегает от поспешного начала разработки ИИ без четкой стратегии.

"Нет, это последнее, что мы должны делать," — сказал он, отвечая на вопрос о запуске программы ИИ.

Вместо этого он считает, что руководители должны сосредоточиться на более широких целях трансформации бизнеса и определить инструменты, включая генеративный ИИ, которые могут помочь их достичь.

"Так, например, мы можем захотеть использовать небольшую, специфичную модель на периферии, чтобы решить конкретный случай применения, связанный, например, с определением момента стыковки воздушного моста," — объяснил он.

Для более широких и сложных вопросов, таких как глобальные модели воздушного движения и влияние погоды, могут потребоваться другие модели.

По сути, Вудс считает, что выбор правильной модели подобен выбору правильной лошади для трассы.

"Я думаю, вы увидите множество небольших моделей, развернутых на периферии в масштабе для конкретных случаев применения," — сказал он. "Это почти неизбежно. Однако я все еще думаю, что некоторые крупные модели останутся преобладающими."

3. Учитывайте контекст

Габриэла Фогель, старший аналитик-директор по направлению лидерства в цифровом бизнесе в Gartner, подчеркивает нарастающий интерес среди ИТ-директоров к небольшим моделям, специфичным для предметной области.

"Клиенты, с которыми я общаюсь, пытаются найти и создать модели, применяемые к конкретному контексту," — сказала она. "Это не обязательно большие, общие модели, а те, которые специально привязаны к небольшим базам данных для конкретного приложения."

Фогель отмечает, что компании все чаще переходят от этапа исследований к развертыванию сервисов генеративного ИИ с использованием SLMs.

"Они делают этот переход, потому что много тестировали," — сказала она. "Они видели, что работает, а что нет с более крупными моделями, и теперь они пытаются быть более конкретными и применять этот подход. Это то, что я лично видела у своих клиентов."

4. Ставьте на небольшие модели, чтобы уменьшить галлюцинации

Олли Уайлдман, руководитель по удовлетворенности клиентов в Big Bus Tours, считает, что выбор между SLMs и LLMs зависит от конкретного случая применения, и многие компании, вероятно, выберут меньшие модели.

Big Bus Tours использует Freshworks Customer Service Suite, который включает чат-боты с поддержкой ИИ и систему тикетов, а также виртуального помощника от Satisfi Labs, который обрабатывает простые запросы клиентов.

"Технология ИИ от Satisfi использует данные только от конкретных компаний, с которыми они работают," — объяснил Уайлдман. "Технология компании не связана с крупномасштабными ИИ, такими как ChatGPT или другие инструменты — они делают это самостоятельно."

Этот целенаправленный подход, по мнению Уайлдмана, приносит значительные бизнес-преимущества, обеспечивая ответственное использование данных и снижая риск "галлюцинаций" ИИ.

"Таким образом, ваши данные безопаснее, потому что вы знаете, откуда они берутся и какие процессы используются," — сказал он. "Также вы получаете меньше галлюцинаций, потому что знаете, что используемая модель разработана для типа бизнеса, в котором вы работаете."

Уайлдман заключает, что меньшие, специфичные для предметной области модели будут играть ключевую роль в стратегиях ИИ для предприятий.

"Я думаю, для компаний выбор модели будет более специфичным, тогда как для обычного пользователя, вероятно, популярными будут эти массовые бесплатные модели, которые повсюду."

5. Сосредоточьтесь на своих собственных данных

Рахул Тодкар, руководитель по данным и ИИ в Tripadvisor, считает, что идеальная модель для компании не только в размере, но и в кастомизации.

Профессионалы могут экспериментировать с крупными и небольшими моделями, но Тодкар видит будущее в специально созданных и настроенных моделях.

"Возьмем, например, Mistral 7B, который является относительно небольшой моделью в контексте других LLMs, но он отлично справляется с конкретными задачами," — сказал он. "Так что, для меня будущее — это настраиваемые модели."

Тодкар подчеркивает важность эффективного использования собственных данных компании.

"Дело не в размере обучения или функциях модели, а в том, чтобы взять эту модель и применить ее в вашем контексте с вашими собственными данными," — сказал он. "Вот тогда вы выходите за рамки готовых моделей и можете использовать инсайты из ваших данных. Так что ответ где-то посередине."