Egna AI-funktioner för företag
Intel och VMware har utvecklat Private AI. Cisco och NVIDIA erbjuder ethernet-baserade lösningar som låter företag snabbt och säkert rulla ut och implementera AI-funktioner, och ytterligare ett samarbete erbjuder end-to-end-lösningar där Dells hårvara, mjukvara och lagring krokar arm med NVIDIAs avancerade AI-infrastruktur.
— Den här typen av samarbeten som stöttar AI-utveckling är helt avgörande för att företag ska kunna skala upp informationshanteringen. Nu kan organisationer bygga lösningar som omvandlar deras unika data till ovärderliga insikter, säger Jensen Huang, grundare och vd på NVIDIA.
Vilken funktion ger störst ROI?
Vad konkurrerar man med i din bransch; vilka fördelar eller försprång skulle skapa mest värde för ditt företag? Tillgänglighet, tid, pris? Kanske behöver ni en kundsupport-modell som kan hantera tusentals ärenden samtidigt. Eller en AI som avverkar tidskrävande rutinuppgifter på några sekunder, eller som snabbt analyserar datamängder av bibliska proportioner och genererar prognoser som skjutsar er långt förbi konkurrenterna.
Den vettigaste startpunkten är ofta en del av verksamheten som förbrukar mycket tid, pengar, material eller andra resurser, utan att generera direkta resultat. Alltså någon form av nödvändig uppgift där ett avsevärt antal arbetstimmar frigörs om den inte måste skötas av människor. Ifall du drömmer om AI-funktioner som levererar banbrytande idéer om idiotsäkra sätt att bli rik, få evigt liv eller skapa fred på jorden så kanske det där med ”förbruka” och ”nödvändig” låter väldigt sömnigt. Men AI är ett medel, inte ett mål. Ungefär som ett hjul: ganska meningslöst för sig självt — men sätt ihop det med ett annat hjul och skruva fast en sits, och vips har du ett transportmedel många gånger snabbare än dina fötter. Kort sagt: identifiera tidstjuvarna och fundera på hur artificiell intelligens kan ta hand om dem.
Vilken AI gör mest nytta på ert företag?
Använd och finjustera en färdig modell
När din organisation hittat och valt ut de lägst hängande frukterna så behöver ni göra några olika vägval utifrån hur er bransch och verksamhet fungerar. Är den komplex, med många olika parametrar som påverkar och styr marknad, utveckling och trender? Då behövs mer än er egen affärsdata för att bygga AI-funktioner som kan generera till exempel detaljerad marknadsstrategi. Ni kommer behöva använda de enorma datamängder som finns i de största tjänsterna för generativ AI (som ChatGPT). Mata en sådan modell med både branschspecifik och verksamhetsspecifik data som den inte tidigare haft tillgång till. Träna och finjustera modellen, och så snart den vet tillräckligt om företaget och branschen kan den generera ingående, skräddarsydd information och analyser som också tar hänsyn till alla faktorer i omvärlden som kan påverka.
En jättestor brasklapp är på sin plats: Mata INTE ChatGPT eller någon annan open source-modell med känslig, affärskritisk data. Anlita experthjälp som guidar på er AI-resa och ser till att all data är relevant och används på ett säkert sätt.
Large Language Model, Small Language Model
Utveckla och träna från grunden
Högspecialiserade branscher med unik terminologi (tänk juridik eller medicin) och myndigheter, offentlig sektor och liknande som kräver ett extra stort mått av integritetsskydd och datasäkerhet kan behöva utveckla en helt egen LLM (Large Language Model, som ChatGPT, Claude, Gemini) från grunden. Det är ett gigantiskt åtagande och ingenting man gör för skojs skull. Men för vissa verksamheter är det inte möjligt att använda någon av de allmänt tillgängliga modellerna, då de inte har tillräcklig data för att kunna generera relevant, branschspecifik information. Och känslig verksamhetsdata hör absolut inte hemma i ChatGPT.
Mindre och bättre
Claude, Gemini och ChatGPT är så dominerande att deras småkusiner helt överskuggas. Men en Small Language Model (SLM) kan vara precis det som behövs. Små språkmodeller är GenAI-funktioner som är extremt specialiserade. De har en enda förmåga, de kan absolut ingenting annat — men inom just detta område är de briljanta. En SLM är snabb, effektiv och relativt lättbyggd. Den är ”on-device”, till exempel i form av en smartphone-app, och då den varken skickar eller tar emot data är säkerheten hög. Om behovet som din AI-funktion ska uppfylla är mycket avgränsat och kräver snabbhet, säkerhet och effektivitet: då är en SLM förmodligen ditt bästa val.
En AI som tålmodigt hanterar tusentals kundtjänstärenden samtidigt — vilken dröm!