根据最新发布的 Gartner 报告，到2027年，企业将使用任务特定的人工智能模型的频率将是通用大语言模型的三倍。报告指出，尽管通用大语言模型在语言处理方面具备强大的能力，但在需要深入理解特定业务领域的任务时，它们的响应准确性会下降。因此，越来越多的企业开始关注能够满足特定需求的定制化模型。
图源备注:图片由AI生成，图片授权服务商Midjourney
Gartner 副总裁兼分析师 Sumit Agarwal 表示，这一转变主要是由于商业工作流程日益复杂，以及对准确性需求的提升。他强调:“这些小型的任务特定模型提供更快的响应，并且使用较少的计算能力，从而降低了运营和维护成本。” 与通用大语言模型不同，任务特定模型可以通过检索增强生成或微调等方法来适应特定的业务需求。
在此背景下，企业数据的重要性日益凸显，使得公司能够定制化模型。然而，这也需要对数据进行质量检查、准备和管理，以确保使用正确的数据。Agarwal 提到:“随着公司越来越认识到其私人数据的价值，以及从专业流程中获得的见解，它们可能会开始对其模型进行货币化，并向更广泛的受众（包括客户甚至竞争对手）提供这些资源的访问权。” 这标志着从保护性数据使用向更加开放和协作的数据与知识使用的转变。
Gartner 在报告中还提出了几项建议，以支持企业向更小的 AI 模型转型。这包括企业在需要深入理解业务背景或现有大语言模型未能满足速度或准确性要求的领域中试点上下文模型。对于单一模型无法满足需求的情况，Gartner 建议企业考虑采用复合方法，将多个模型和工作流程步骤进行整合。
此外，Gartner 强调了对数据准备和人才发展的投资重要性。报告指出，需要优先考虑数据的策划，以便为训练较小的 AI 模型做好准备，同时提升跨职能团队的技能，包括数据科学家、AI 工程师、合规官、采购专家及其他关键利益相关者的能力。
划重点:
🌟2027年，任务特定 AI 将是通用 AI 的三倍使用频率，满足特定业务需求。
⚙️ 小型模型响应更快，计算能力需求更低，降低运营成本。
📊 企业需要重视数据质量与人才培养，以适应 AI 转型。
