中小企業が生成型 AI とどのように対話するかを形作る 4 つの主要なトレンド

ChatGPT の一般公開から 1 年が経過し、オーストラリアのテクノロジー企業幹部の 2 人に 1 人近くが、今後 1 年間で AI への投資を 25% 以上増加すると予想しています。

最近の共同報告書によると、 MIT と DatabricksAI への投資は、効率性を高め、新たな収益源を生み出す可能性があるため、多くの企業でコスト削減策が講じられているにもかかわらず、優先順位リストのトップに躍り出ています。

1 年目は一般的に Gen AI の調査と実験の年でしたが、2 年目は組織内のさまざまな部門にわたる実稼働環境でのユースケースが増え、AI 実装戦略がより洗練され、AI 領域自体がさらに革新される年になる予定です。

2024 年に企業が注目すべき 4 つの主要な AI トレンドは次のとおりです。

ユースケース主導の実装

によると、2023 年には、驚くべきことにオーストラリア企業の 98% が何らかの形で gen AI を使用しており、そのうち 30% が導入し、さらに 68% が実験を行っています。 レポート付き。 あらゆる組織が、ユースケースに関係なく、ビジネス内でこのテクノロジーを導入することに危機感を抱いていることは否定できません。 しかし 2024 年には、AI が解決できるビジネス上の問題に重点を置き、AI の実用化にさらに重点が置かれることになるでしょう。

当然のことながら、2023 年に Gen AI の実験で有利なスタートを切った組織は、どのビジネス分野が導入の最大のメリットを享受する可能性が最も高いかを判断する上で、より有利な立場に立つことになるでしょう。 たとえば、NAB などの銀行は AI を適用して銀行員の生産性を向上させ、銀行員が顧客との関係の構築と深化に時間を費やすことができるようにしました。会社に関する覚書を書くなどの時間のかかる作業が gen AI で実行できるようになり、銀行業務のスピードが大幅に向上しました。ローンの承認プロセス。 一方で、医療や政府などの分野では、同様に厳しい規制圧力に直面しているため、さらに新しいユースケースが出現する可能性があります。

AIモデルの差別化

2024 年以降に向けて、企業は大規模言語モデル (LLM) と生成 AI をどのように使用するかを解読するだけでなく、必要なモデルの種類とそれをどのように展開するかを決定することにも取り組むでしょう。

主な考慮事項には、大型モデルを選択するか小型モデルを選択するか、社内で構築する方が良いのか、それとも微調整可能な既存のモデルを購入する方が良いのかが含まれます。 大規模なモデルに固執する企業もあれば、小規模なモデルに投資する方が ROI が良いと考える企業もいるでしょう。 企業によっては、数十億のパラメータでトレーニングされた LLM が必要であることに気づきながらも、その多額の投資を最大限に活用するために内部でそれらのモデルを微調整する必要があることに気づくでしょう。

これらの要素はすべて、組織が念頭に置いている特定の使用例によって異なります。 たとえば、電子商取引サイト用のチャットボットを構築したいオンライン小売業者は、小規模なモデルを採用しながら、大量のデータを使用してトレーニングすることで、高いパフォーマンスと、関連する製品情報を含む質問に答えるモデルの機能を確保できます。 この場合、一般公開データでトレーニングされた大規模なモデルと比較して、より小規模なモデルを選択した方が、コストと結果の両方の点でより効果的になります。

組織がどのモデルを選択するかに関係なく、俊敏性は重要な考慮事項である必要があります。 この分野の進化の速さを考えると、全体的なアーキテクチャが整備されていれば、企業は迅速に実験し、必要に応じて特定のモデルを簡単に交換できるはずです。

コードなし/ローコード取り込みの高速化

Gen AI は、AI プロセスへのアクセスを民主化し、テクノロジーか非テクノロジーかを問わず、すべてのチームが組織内でデータドリブンな洞察のメリットを享受できるようにする機会を提供します。 Gen AI 対応ツールは、ローコードからノーコードへの移行、つまりコードを書く従来の開発者の必要性を削減または排除する動きを支援し、コードの可能性を最大限に発揮し、データ アクセスの障壁をますます取り除くことになります。

私たちが目にする重要な傾向の 1 つは、従業員が自然言語でこれらの AI ツールを操作できることです。 簡単に言えば、ユーザーは希望する結果を平易な英語で入力できるようになり、SQL や Python などのコーディング言語の知識が不要になり、データや AI へのアクセスが根本的に民主化されます。

AI 規制とガバナンス基準への注目の高まり

AI テクノロジーが進化し、より普及するにつれて、国内および国際的な規制当局は、テクノロジーの使用方法とその社会的影響を評価するために、より厳格な方法を採用することになります。 この展開は 2023 年後半に次のような展開ですでに見られています。 欧州連合、AI 規制制度の導入に向けて動き出す。 2024 年には、規制に関する議論が激化し、より多くのガードレールが導入されることが予想されます。

これは、ビジネスの意思決定者にとって、AI を導入する際に考慮すべきガバナンスのプレッシャーが増大することを意味します。 また、ガバナンス標準は進化し続けますが、効果的な AI ガバナンスは、説明責任、標準化、規制の順守、品質保証、透明性によって広く特徴付けられます。 これらの要素は、安全かつ倫理的な方法で AI の価値を最適化すると同時に、潜在的な規制、法律、評判の問題を軽減するために重要です。

導入リスクを軽減しながら AI の可能性を最大限に高めるために、企業はデータと AI ガバナンスを確実に合理化する必要があります。 統合されたデータ プラットフォームに依存することで、組織は異種プラットフォームの使用に伴う複雑さとリスクを回避できます。 たとえば、レイクハウス アーキテクチャ上に構築されたデータ インテリジェンス プラットフォームは、データ ウェアハウスとデータ レイクを組み合わせてデータの保存と使用を簡素化し、データの悪用を自動的に検出、分類、防止できるため、ガバナンスとプライバシーを強化できます。自然言語処理を通じて管理を簡素化します。

これらの傾向は、特定のビジネス上の問題の解決、初期実験の利点の活用、および AI プロセスの民主化にますます重点が置かれていることを強調しています。 本質的に、それらは重要な羅針盤として機能し、イノベーション、効率、アクセシビリティが AI テクノロジーの戦略的導入を定義する未来に企業を導きます。

ストーリーの最新情報を入手してください リンクトイン、 ツイッター、 フェイスブック そして インスタグラム。