Согласно прогнозам Gartner, к 2027 году организации будут внедрять малые модели искусственного интеллекта, ориентированные на конкретные задачи, в три раза чаще, чем большие языковые модели (LLM) общего назначения. Модели общего назначения обладают широким функционалом, однако при решении вопросов, требующих знания специфического контекста предметной области, их точность снижается.

Разнообразие бизнес-процессов и необходимость увеличения точности побуждают организации переходить к специализированным моделям, настраиваемым на основе конкретных функций или данных предметной области. Компактные модели, ориентированные на конкретные задачи, обеспечивают ускорение реакции и потребляют меньше вычислительных ресурсов, снижая затраты на эксплуатацию и техническое обслуживание.

При создании специализированных моделей предприятия могут адаптировать LLM к конкретным задачам, используя генерацию с расширенной выборкой (retrieval-augmented generation, RAG) или методы тонкой настройки. Ключевая роль здесь отводится корпоративным данным, что предполагает проведение их дополнительной подготовки, и проверки качества. Для структурирования в соответствии с требованиями точной настройки необходимо организовать общее управление и управление версиями.

Осознавая ценность данных и их анализа, предприятия, вероятно, начнут монетизировать свои модели и предлагать доступ к этим ресурсам более широкой аудитории, в том числе клиентам и даже конкурентам. Начнется переход от защищенных моделей к более открытому и совместному использованию данных и знаний. Коммерциализация моделей позволит предприятиям создавать новые источники дохода и выстраивать экосистему с широким набором связей.

Организациям, желающим внедрять у себя небольшие ИИ-модели для решения конкретных задач, рекомендуется обратить внимание на следующие моменты.

— Экспериментальные контекстные модели. Внедряйте небольшие модели в тех областях, где бизнес-контекст имеет решающее значение, а LLM не обеспечивают требуемого качества и скорости реакции.

— Комплексные подходы. Определите ситуации, в которых согласованной работы с одной моделью недостаточно, и применяйте комплексный подход, охватывающий несколько моделей и этапов рабочего процесса.

— Укрепление навыков и повышение качества данных. Определите приоритетность мероприятий по сбору, обработке и систематизации данных в процессе точной настройки языковых моделей. Эффективная реализация соответствующих инициатив требует одновременных инвестиций в повышение квалификации персонала технических и функциональных групп: в архитекторов искусственного интеллекта и данных, специалистов по обработке данных, инженеров по ИИ и обработке данных, специалистов по управлению рисками и соблюдению нормативных требований, специалистов по закупкам и экспертов в предметных областях.