Uspešnost vpeljave AI je omejena s kakovostjo podatkov
IBM je v nedavni raziskavi ugotavlja, da visoki stroški in kompleksnost velikih jezikovnih modelov (LLM) še vedno predstavljajo glavne ovire za širšo uporabo umetne inteligence v podjetjih. Kljub vse večji integraciji generativne umetne inteligence ostajajo stari izzivi, kot so kakovost podatkov in uporabnost, še vedno zelo prisotni.
Sodeč po raziskavi, organizacije uporabljajo povprečno 11 različnih AI modelov in pričakujejo 50-odstotno povečanje v naslednjih treh letih, vendar 63 % vodilnih navaja, da so stroški modelov glavni razlog za omejeno uporabo.
Kakovost podatkov je eden najpomembnejših dejavnikov, saj slabi podatki uporabljeni z umetno inteligenco vodijo do slabih rezultatov in zmanjšane uporabnosti jezikovnih modelov. Čeprav vse več podjetij vidi uporabnost tehnologij AI, pa jih veliko še vedno ne izkorišča v celoti zaradi teh izzivov. IBM tudi poudarja, da je za uspešno uvajanje AI tehnologij potrebna strateška naložba v infrastrukturo in človeške vire.
Kompleksnost modela je težava za več kot 58 % anektiranih, Natančna nastavitev in hiter inženiring lahko izboljšata natančnost modela za tja do 25 %, vendar le 42 % anketrianih dosledno uporablja te metode. Po drugi strani pa anketiranci najbolj zaupajo odprtokodnim modelom LLM, saj jih kar 63% vprašanih raje uporablja kot lastniške modele, pa čeprav dajejo ti nekoliko boljše odgovore.
Raziskava poudarja pomen hibridnega pristopa, kjer bodo podjetja pogosto uporabljala kombinacijo odprtokodnih in lastniških AI modelov, kar omogoča prilagodljivost in zmanjšanje stroškov. V prihodnosti bo ključnega pomena tudi razvoj bolj učinkovitih in manj kompleksnih modelov, ki bodo dostopni širšemu krogu uporabnikov.
Raziskava izpostavlja, da je pomembno, da podjetja ne le vlagajo v AI, ampak tudi razvijajo strategije za učinkovito upravljanje in uporabo teh tehnologij. Samo tako bodo lahko presegla trenutne omejitve in v celoti izkoristila potencial umetne inteligence.
