Generativna umjetna inteligencija je bez ikakve sumnje tehnologija koja može stubokom promijeniti poslovni svijet. Prema nedavnom izvješću McKinseya, AI će potaknuti razvoj inovacija, što bi moglo dodati 4,4 trilijuna dolara globalnom gospodarstvu. Zato mnoge tvrtke pokušavaju razviti tzv genOS, operativne sustave prilagođene za AI.
No za mnoge tvrtke, put do korištenja AI tek počinje. Osobito manje kompanije se susreću s izazovima u transformiranju svojih procesa, sustava i kulture kako bi prihvatili novu paradigmu. Još bitnije, moraju djelovati brzo, prije nego što konkurencija stekne prednost. Naravno, ovo neminovno vodi u utrku u naoružanju gdje profit i rast dobivaju prednost pred bilo čim.
Jedna od najvećih prepreka na ovom putu je nemogućnost spajanja kompleksnih interakcija između AI aplikacija i drugih funkcija tvrtke. Aplikacije koje pokreću veliki jezični modeli (LLM), sposobne su ne samo generirati sadržaj i odgovore, već i donositi autonomne odluke koje utječu na cijelu organizaciju. Stoga je potrebna nova vrsta infrastrukture koja može podržati inteligenciju i autonomiju.
Ashok Srivastava, glavni direktor tvrtke Intuit, je izjavio da se ta infrastruktura može usporediti s operativnim sustavom za generativnu AI. Najbliža usporedba bi bila nešto kao MacOS ili Windows ali potpuno orijentirana i integrirana s AI sustavima.
Usporedba s operativnim sustavom pomaže u ilustriranju veličine promjene koju AI donosi tvrtkama. Nije samo stvar novih softverskih alata i okvira na postojeće sustave nego i prepuštanje dijela korisničkih ovlasti autonomnim sustavima, što je samo po sebi problematično. Naprimjer, odlučiti koji LLM koristiti u stvarnom vremenu za odgovor na korisnikovo pitanje i kada prenijeti razgovor na stručnjaka više ne bi bio na korisniku već bi za to bio zadužen AI. Drugim riječima, AI koji upravlja AI-jem – sad, koliko je to dobra ideja ostaje nejasno ali to je očiti smjer napretka, gdje se radi o omogućavanju programerima da iskoriste LLM-ove kako bi brzo izgradili AI aplikacije.
To je slično načinu na koji su operativni sustavi revolucionirali računalstvo apstrahirajući niske razine detalja i omogućavajući korisnicima da obavljaju složene zadatke bez ikakvog programerskog znanja. Taj proces se sada ponavlja, no na mnogo većoj razini apstrakcije jer više ni programeri ne će trebati kodirati već davati tekstualne upute LLM-ovima koji će razvijati aplikacije.
Intuit je među prvima objavio platformu koja obuhvaća sve navedeno, nazvanu GenOS, što ga čini jednom od prvih tvrtki koja je usvojila potpuni genOS za svoje poslovanje. Vijest nije privukla široku pažnju zato što je platforma namijenjena za internu upotrebu i nije otvorena za vanjske programere.
Kako se ostale tvrtke natječu u prostoru generativne AI?
Dok tvrtke poput Intuita grade vlastite gen OS platforme, postoji i dinamičan ekosustav platformi koje unapređuju LLM-ove. Ove platforme omogućuju razvojnim programerima stvaranje inteligentnih i autonomnih aplikacija za različite domene.
Postao je svojevrstan trend da programeri iskorištavaju sustave koji su već izgrađeni te pronalaze načine da ih iskoriste i unaprijede. Ti modeli, poput OpenAI-jevog GPT-4 ili Googleovog PaLM 2, nazivaju se temeljnim LLM-ovima jer pružaju općenitu osnovu za generativnu AI.
Međutim, imaju i neka ograničenja i kompromise, ovisno o vrsti i kvaliteti podataka na kojima su trenirani i zadatku za koji su dizajnirani. Neki su bolji u sažimanju, dok su drugi bolji u klasifikacijskim zadacima.
Programeri mogu pristupiti tim temeljnim velikim jezičnim modelima putem API-ja i integrirati ih u svoju postojeću infrastrukturu. No mogu ih i prilagoditi svojim specifičnim potrebama i ciljevima koristeći tehnike poput finog podešavanja i proširivanja. Te tehnike omogućuju optimizaciju performansi i točnosti za traženi zadatak korištenjem dodatnih parametara. Na primjer, programer koji želi stvoriti aplikaciju za računovodstvo može fino podesiti model LLM-a s računovodstvenim podacima i pravilima kako bi ga učinio stručnijim i pouzdanijim.
Drugi način je korištenje okvira koji omogućuju korištenje strukturiranih i nestrukturiranih izvora podataka, ovisno o korisničkom unosu ili kontekstu. Na primjer, ako korisnik traži određene podatke o računima tvrtke za Lipanj, okvir može usmjeriti LLM na interne SQL baze podataka ili API-ja i generirati odgovor na temelju tih podataka.
Nestrukturirani izvori podataka, poput teksta ili slika, zahtijevaju drugačiji pristup. Programeri koriste vector embedding, što predstavlja reprezentacije semantičkih odnosa između podataka, kako bi nestrukturirane podatke pretvorili u formate koje LLM-ovi mogu učinkovito obraditi. Tako je tvrtka PineCone prikupila više od 100 milijuna dolara financiranja uz procijenjenu vrijednost od najmanje 750 milijuna dolara zahvaljujući kompatibilnosti s tehnologijama skladišta podataka poput Databricksa.
Koji su sljedeći koraci prema integraciji LLM-ova u poslovnom okruženju?
Naravno, vodeće tvrtke u području velikih modela poput OpenAI-a i Googlea rade na učitavanju inteligencije u svoje modele od samog početka, tako da se poduzeća mogu osloniti na njihove API-je i izbjeći izgradnju vlastitih LLM-ova. Na primjer, Googleov chatbot Bard, temeljen na Googleovom PaLM LLM-u, uveo je inteligenciju u interakcije s korisnicima putem prirodnog jezika. OpenAI također razvija nove modele poput ChatGPT, koji su posebno dizajnirani za razgovor i interakciju s ljudima.
Sljedeći koraci u poslovnom okruženju uključuju sve veću integraciju generativne AI u ključne aspekte poslovanja, kao što su korisnička podrška, upravljanje znanjem, automatizacija procesa, personalizacija usluga i razumijevanje prirodnog jezika. Tvrtke moraju shvatiti kako najbolje iskoristiti inteligenciju LLM-ova u tim kontekstima kako bi postigle svoje ciljeve.
Također je važno da tvrtke pažljivo razmotre etičke i regulatorne izazove povezane s generativnom AI. Kako LLM-ovi postaju sve složeniji i autonomniji, postoji potreba za odgovornim upravljanjem i nadzorom njihove inteligencije. Otvorena rasprava o etici, transparentnosti, privatnosti i sigurnosti generativne AI ključna je kako bi se osigurala pozitivna primjena ove tehnologije u poslovnom svijetu.
U konačnici, generativna AI donosi značajne mogućnosti za tvrtke, ali zahtijeva promjenu u načinu razmišljanja, organiziranju i razvoju aplikacija. Kroz integraciju gen OS platformi, prilagodbu temeljnih LLM-ova i korištenje naprednih tehnika obrade podataka, tvrtke mogu iskoristiti puni potencijal generativne AI i ostvariti konkurentske prednosti u digitalnom dobu.
