Эволюция генеративного ИИ в 2025 году: от новизны к необходимости

2025 год станет поворотным моментом в развитии генеративного искусственного интеллекта (Gen AI). То, что начиналось как увлекательная технологическая новинка, теперь превратилось в важнейший инструмент для бизнеса в различных отраслях.

Первоначальный всплеск энтузиазма в отношении ИИ-поколения был вызван новизной взаимодействия с крупными языковыми моделями (LLM), которые обучаются на обширных общедоступных наборах данных. И компании, и частные лица были по праву очарованы возможностью вводить запросы на естественном языке и получать подробные, связные ответы от общедоступных передовых моделей. Качество ответов LLM, напоминающее человеческое, побудило многие отрасли с головой погрузиться в проекты с использованием этой новой технологии, часто без чёткой бизнес-задачи, которую нужно было решить, или реального KPI для оценки успеха. Несмотря на то, что в первые дни существования ИИ нового поколения были достигнуты значительные успехи, это явный признак того, что мы находимся в цикле инноваций (или ажиотажа), когда компании отказываются от практики сначала выявления проблемы, а затем поиска эффективного технологического решения для её устранения.

В 2025 году мы ожидаем, что маятник качнётся в обратную сторону. Организации будут искать в ИИ нового поколения ценность для бизнеса, сначала определяя проблемы, которые может решить эта технология. Несомненно, будет ещё много хорошо финансируемых научных проектов, и первая волна вариантов использования ИИ нового поколения для обобщения информации, чат-ботов, создания контента и кода продолжит развиваться, но в этом году руководители начнут требовать от проектов ИИ окупаемости инвестиций. Фокус внимания в сфере технологий также сместится с общедоступных языковых моделей общего назначения, которые генерируют контент, на набор более узких моделей, которые можно контролировать и постоянно обучать на конкретном языке бизнеса для решения реальных проблем, влияющих на прибыль.

2025 год станет годом, когда ИИ займёт центральное место на предприятиях. Корпоративные данные — это путь к раскрытию реальной ценности ИИ, но обучающие данные, необходимые для построения стратегии трансформации, не находятся в Википедии и никогда там не будут. Они содержатся в контрактах, записях о клиентах и пациентах, а также в беспорядочных неструктурированных взаимодействиях, которые часто проходят через бэк-офис или хранятся в коробках с бумагами. Получить эти данные сложно, и большие языковые модели общего назначения плохо подходят для этой задачи, несмотря на проблемы с конфиденциальностью, безопасностью и управлением данными. Предприятия будут всё чаще использовать RAG-архитектуры и малые языковые модели (MLM) в частных облачных средах, что позволит им использовать внутренние наборы данных организации для создания собственных ИИ-решений с набором обучаемых моделей. Целевые MLM могут понимать специфический язык бизнеса и нюансы его данных, обеспечивая более высокую точность и прозрачность при меньших затратах, при этом соблюдая требования к конфиденциальности и безопасности данных.

По мере распространения инициатив в области искусственного интеллекта организации должны уделять приоритетное внимание качеству данных. Первым и наиболее важным шагом во внедрении искусственного интеллекта, будь то с использованием LLMS или SLM, является обеспечение отсутствия ошибок и неточностей во внутренних данных. Этот процесс, известный как “очистка данных”, необходим для обеспечения чистоты массива данных, который является залогом успеха проектов искусственного интеллекта.

Многие организации по-прежнему полагаются на бумажные документы, которые необходимо оцифровывать и очищать для повседневных бизнес-операций. В идеале эти данные должны поступать в размеченные обучающие наборы для собственного ИИ организации, но мы только начинаем это делать. На самом деле, в ходе недавнего опроса, который мы провели в сотрудничестве с Harris Poll, опросив более 500 ИТ-руководителей в период с августа по сентябрь, мы обнаружили, что 59% организаций даже не используют все свои данные. В том же отчёте говорится, что 63% организаций согласны с тем, что им не хватает понимания собственных данных, и это мешает им максимально использовать потенциал GenAI и аналогичных технологий. Вопросы конфиденциальности, безопасности и управления, безусловно, являются препятствиями, но точные и чистые данные имеют решающее значение. Даже небольшие ошибки при обучении могут привести к серьёзным проблемам, которые сложно устранить, если модель ИИ допустила ошибку. В 2025 году очистка данных и конвейеры для обеспечения их качества станут важнейшими направлениями инвестиций, гарантирующими, что новые корпоративные системы искусственного интеллекта смогут работать с надёжной и точной информацией.

Роль технического директора (CTO) всегда была ключевой, но в 2025 году её влияние возрастёт в десять раз. Если провести параллель с «эпохой CMO», когда качество обслуживания клиентов под руководством директора по маркетингу было первостепенным, то ближайшие годы станут «эпохой CTO».

Хотя основные обязанности технического директора остаются неизменными, влияние его решений будет более значительным, чем когда-либо. Успешным техническим директорам потребуется глубокое понимание того, как новые технологии могут изменить их организации. Они также должны понимать, как искусственный интеллект и связанные с ним современные технологии способствуют трансформации бизнеса, а не просто повышают эффективность внутри компании. Решения, принятые техническими директорами в 2025 году, определят будущую траекторию развития их организаций, что сделает их роль более значимой, чем когда-либо.

Прогнозы на 2025 год указывают на то, что это будет переломный год для ИИ нового поколения, управления данными и роли технического директора. По мере того, как ИИ нового поколения превращается из решения, которое ищут в поисках проблемы, в мощный инструмент для решения проблем, важность очистки данных, ценность корпоративных баз данных и растущее влияние технического директора будут определять будущее предприятий. Организации, которые примут эти изменения, будут хорошо подготовлены к процветанию в условиях меняющегося технологического ландшафта.

Подписывайтесь на наш Телеграмм-канал чтобы быть в курсе последних новостей и событий, а так же получайте список нейросетей на все случаи жизни: