¿Están las empresas preparadas para crear y mantener sus propios modelos internos de lenguajes grandes (LLM)?
La inteligencia artificial, especialmente la variedad generativa, ha cautivado el interés desenfrenado de profesionales y ejecutivos de tecnología por igual. Consideremos esto: a pesar de todas las interminables conversaciones sobre recortes presupuestarios para infraestructura y servicios en la nube en los últimos tiempos, el grifo del dinero se ha abierto de par en par para la financiación de la IA. Pero, ¿fluye hacia servicios externos o hacia el talento y los recursos residentes?
También: Así es como Apple mantiene seguros sus datos de IA procesados en la nube (y por qué es importante)
Muchas entidades externas, como OpenAI, Microsoft y Google, se consideran los principales proveedores de LLM, soporte de infraestructura y experiencia. Sin embargo, el interés por los proyectos internos de LLM también está aumentando. un nuevo encuesta Una encuesta de 1.300 directores ejecutivos realizada por TCS encuentra que aproximadamente la mitad de los encuestados, el 51%, dijeron que están planeando construir sus propias implementaciones de IA generativa. Eso significa mucho trabajo por delante, pero afortunadamente, ya se han sentado las bases con los LLM disponibles públicamente.
«Los LLM fundamentales, como GPT, Claude, Llama, pueden describirse mejor como mundiales; pueden verse como un reenvasado del conocimiento de Internet». Dr. Vino Harrick, dijo a ZDNET el director de tecnología de TCS y coautor del estudio. «También poseen altos niveles de comprensión multimodal y capacidades de generación, junto con habilidades de razonamiento».
Construir estos modelos fundamentales «es complejo y costoso», dijo Vin, quien señaló que los modelos empresariales internos se basarían en las capacidades de estos modelos. «Estos modelos aprovecharán las habilidades básicas de los modelos fundamentales, como la comprensión y generación del lenguaje, el razonamiento y el conocimiento general, pero necesitan extenderlos y especializarlos en el contexto de la industria, la empresa y la actividad».
Afortunadamente, «la construcción de estos modelos especializados es mucho más fácil y económica en comparación con el desarrollo de modelos fundamentales», afirmó Vin. «De hecho, la relativa facilidad de especializar los LLM fundamentales, que son modelos de IA amplios, para crear modelos y soluciones de IA con propósitos específicos es la razón principal para la democratización de la IA».
Estos LLM específicos de empresas «se refieren a modelos industriales, empresariales y de actividad construidos utilizando algunos de los modelos fundamentales, ya sean de código abierto o comerciales», continuó. «Creemos que una empresa madura en IA en el futuro tendrá cientos o miles de modelos de IA intencionales, todos construidos combinando capacidades de modelos fundamentales con capacidades específicas de la empresa».
Más allá de construir e implementar modelos, la empresa debe estar preparada para la IA generativa. Más de la mitad (55%) dijeron que estaban realizando cambios activamente en este momento en sus modelos operativos o de negocios, o en sus productos y servicios, para adaptarse a la IA. Cuatro de cada 10 ejecutivos dijeron que en el futuro tienen «muchos cambios que hacer». a su negocio» antes de que puedan aprovechar al máximo la IA, según muestra la encuesta de TCS.
Esto apunta a una adopción lenta pero poderosa de la IA tanto generativa como operativa. Durante el año pasado, «todas las empresas han experimentado con casos de uso de IA de generación, y el año 2024 y más allá se tratará de escalar el valor», dijo Vin. «Sin embargo, durante la fase de experimentación, todas las empresas se han dado cuenta de que aumentar el valor es un desafío».
En este momento, sólo el 17% está hablando de Al y haciendo planes para toda la empresa, según muestra la encuesta de TCS. Además, solo el 28 % está preparado para establecer una estrategia de IA en toda la empresa para maximizar sus beneficios para la empresa. Aun así, Vin ve un rápido auge de la tecnología. «Existe una diferencia entre implementar soluciones de IA ad hoc o caso por caso, y construir un plan para toda la empresa para construir una empresa madura en IA», dijo Vin. «Las cifras relativamente bajas de la encuesta se refieren a la creación de estrategias de este tipo para toda la empresa. Esto es de esperar».
También: Haga espacio para RAG: cómo está cambiando el equilibrio de poder de la Generación AI
En lo que respecta a la adopción de soluciones de IA, continuó Vin, «las cifras son bastante altas: el 59% de las funciones corporativas tienen implementaciones de IA en proceso o completadas y otro 34% está planificando implementaciones de IA. Estamos en la fase inicial de ambas «Madurez tecnológica, así como adopción empresarial, a escala, madurez. La mayoría de las empresas están comenzando a aprovechar la IA y la genAI para casos de uso específicos, mientras se embarcan en un viaje a más largo plazo para cuantificar los beneficios y gestionar los costos y riesgos correspondientes».
Durante el año pasado, «todas las empresas han experimentado con casos de uso de genAI, y en 2024 y en adelante se tratará de escalar el valor», dijo Vin. «Sin embargo, durante la fase de experimentación, todas las empresas se han dado cuenta de que aumentar el valor es un desafío».
Para empezar, «construir soluciones de IA eficaces requiere datos de alta calidad», afirmó. «Si bien las empresas tienen una gran cantidad de datos, a menudo están distribuidos en muchas islas mutuamente inconsistentes. Si bien la mayoría de las empresas se han embarcado en viajes de consolidación y modernización de datos en los últimos años, estos viajes están lejos de estar completos. Además, la migración «La transferencia del patrimonio de datos a entornos de nube es un trabajo en progreso para la mayoría de las empresas. Esto dificulta que las empresas aprovechen los LLM fundamentales alojados en la nube junto con sus datos empresariales».
También: La IA generativa puede estar creando más trabajo del que ahorra
Además, las empresas «necesitarán mejorar su madurez para gestionar el linaje, el uso, la seguridad y la privacidad de los datos de forma proactiva», afirmó Vin. «Tendrán que dominar el arte de determinar qué datos se pueden utilizar y con qué propósito, incluso sin darse cuenta, para evitar sesgos y prácticas desleales. Esto no es sólo un desafío en tiempo de diseño, sino también un desafío en tiempo de ejecución». Se necesitan sistemas «para detectar, en tiempo real, condiciones emergentes en las que los modelos de IA comienzan a desviarse del comportamiento esperado».
Finalmente, los roles y los requisitos de habilidades están cambiando más rápido de lo que las empresas pueden seguir el ritmo. «Con la infusión de la IA, el papel de los trabajadores del conocimiento empresarial pasará de ser hacedores de trabajo a formadores e interrogadores de máquinas, revisores del trabajo realizado por las máquinas, así como propietarios del pensamiento crítico y la creatividad», dijo Vin.
