
„Nėra AI be duomenų, nėra DI be nestruktūruotų duomenų ir nėra DI be nestruktūruotų duomenų plačiu mastu“, – sakė duomenų valdymo įmonės „DataStax“ pirmininkas ir generalinis direktorius Chetas Kapooras.
Kapooras pradėjo pokalbį „TechCrunch Disrupt 2024“ apie „naujus duomenų perdavimo kanalus“ šiuolaikinių AI taikomųjų programų kontekste, kur prie jo prisijungė Vanessa Larco, VC įmonės NEA partnerė; ir George'as Fraseris, duomenų integravimo platformos Fivetran generalinis direktorius. Nors pokalbyje buvo nagrinėjami keli pagrindai, pvz., duomenų kokybės svarba ir realaus laiko duomenų vaidmuo generuojančiame AI, vienas iš svarbiausių dalykų buvo prioriteto teikimas produktų rinkai, o ne masto, kas iš tikrųjų dar yra ankstyvosiose dienose. AI. Patarimas įmonėms, norinčioms pereiti į svaiginantį generatyvaus AI pasaulį, yra paprastas – iš pradžių nebūkite pernelyg ambicingi ir sutelkite dėmesį į praktinę, laipsnišką pažangą. Priežastis? Mes tikrai vis dar viską išsiaiškiname.
„Svarbiausias dalykas generatyviniam AI yra tai, kad viskas priklauso nuo žmonių“, – sakė Kapooras. „SWAT komandos, kurios iš tikrųjų pradeda ir kuria pirmuosius kelis projektus – jos neskaito vadovo; jie rašo vadovą, kaip sukurti generatyvias AI programas.
Nors tiesa, kad duomenys ir dirbtinis intelektas eina koja kojon, nesunku priblokšti didžiulio duomenų kiekio, kurį įmonė gali turėti, kai kurie iš jų gali būti jautrūs ir griežtai apsaugoti, o gal net saugomi daugybėje vietų. Larco, dirbantis su daugybe startuolių B2C ir B2B srityje (ir dalyvaujantis jų valdyboje), pasiūlė paprastą, bet pragmatišką požiūrį į tikrąją vertę šiomis ankstyvomis dienomis.
„Dirbkite atgal, ką bandote pasiekti – ką bandote išspręsti ir kokių duomenų jums reikia? Larco pasakė. „Raskite tuos duomenis, kad ir kur jie būtų, ir naudokite juos šiuo tikslu.
Tai yra priešingai nei bandymas apipurkšti generatyvųjį dirbtinį intelektą visoje įmonėje nuo pat pradžių, mesti visus savo duomenis į didžiosios kalbos modelį (LLM) ir tikintis, kad pabaigoje jis išspjauna teisingą dalyką. Tai, pasak Larco, greičiausiai sukurs netikslią, brangią netvarką. „Pradėkite nuo mažo“, – sakė ji. „Mes matome, kad įmonės pradeda mažos, turi vidines programas, turi labai konkrečius tikslus, o tada randa duomenis, atitinkančius tai, ką jos bando pasiekti.
Fraseris, kuris vadovavo „duomenų judėjimo“ platformai Fivetran nuo pat jos įkūrimo prieš 12 metų, kuriai pakeliui pritraukė garsių klientų, tokių kaip „OpenAI“ ir „Salesforce“, pasiūlė įmonėms susitelkti ties tikromis problemomis, su kuriomis šiuo metu susiduria.
„Spręskite tik tas problemas, kurias turite šiandien; tokia mantra“, – sakė Freizeris. „Inovacijų sąnaudos visada sudaro 99 % dalykų, kuriuos pastatėte, kurie nepasiteisino, o ne tai, kas pavyko, ir norėtumėte, kad būtumėte suplanavę mastą anksčiau laiko. Nors tai yra problemos, apie kurias visada galvojame retrospektyviai, tai nėra 99% jūsų patiriamų išlaidų.
Panašiai kaip ankstyvosios žiniatinklio dienos ir pastaruoju metu išmaniųjų telefonų revoliucija, ankstyvosios generatyvaus AI programos ir naudojimo atvejai parodė galingą naują DI ateitį. Tačiau iki šiol jie nebūtinai pakeitė žaidimą.
„Aš tai vadinu Angry Birds generatyvaus AI era“, – sakė Kapooras. „Tai visiškai nekeičia mano gyvenimo, niekas man dar neskalbia. Šiais metais kiekviena įmonė, su kuria aš dirbu, kažką pradeda gaminti – mažą, vidinę, bet įveda į gamybą, nes iš tikrųjų sprendžia, kaip suformuoti komandas, kad tai įvyktų. Kitus metus vadinu transformacijos metais, kai žmonės pradės kurti programas, kurios iš tikrųjų pradeda keisti įmonės, kurioje jie dirba, trajektoriją.