Što je privatna umjetna inteligencija?

Današnji poslovni lideri traže rješenja umjetne inteligencije (AI) za poduzeća koja će povećati operativnu učinkovitost, smanjiti troškove, poboljšati strateško donošenje odluka i podržati angažman kupaca.

Gartner procjenjuje da će do 2026. godine više od 80% poduzeća koristiti generativnu umjetnu inteligenciju (GenAI) putem sučelja za programiranje aplikacija (API-ja) ili implementacijom aplikacija - što je značajan porast u odnosu na manje od 5% u 2023. godini. Ipak, obzirom na današnju rastuću zabrinutost oko privatnosti podataka, poduzeća trebaju rješenja umjetne inteligencije kako bi zaštitila podatke i imovinu svojih kupaca i tvrtki.

Privatna umjetna inteligencija nudi ovo rješenje. Evo što je privatna umjetna inteligencija, zašto koristi organizacijama koje su zabrinute za privatnost podataka i kako IT lideri mogu maksimizirati primjenu privatne umjetne inteligencije.

Što je privatna umjetna inteligencija?

Današnji popularni GenAI modeli, poput ChatGPT-a i Copilota, mogu pomoći poduzećima u obavljanju mnogih zadataka, kao što su analiza podataka, interakcija s kupcima, pokretanje aplikacija za usklađivanje rezultata i još mnogo toga.

Međutim, tim AI modelima nedostaje transparentnosti u pogledu toga kamo idu korisnički podaci ili kako se ti podaci koriste, što izaziva zabrinutost oko privatnosti. Poslovni lideri koji koriste GenAI modele možda nisu svjesni da se privatni, osjetljivi podaci mogu dijeliti s trećim stranama ili koristiti u AI obuci.

No, čelnici poduzeća sada imaju mogućnost korištenja privatne AI arhitekture, koja ograničava upite i zahtjeve na internu bazu podataka tvrtke, SharePoint, API ili druge privatne izvore. Ovaj pristup često uključuje Retrieval-Augmented Generation (RAG) za sigurnu interakciju s velikim javnim modelima i pružanje organizacijski specifičnih, informiranih odgovora.

S privatnom umjetnom inteligencijom, organizacije mogu iskoristiti prednosti umjetne inteligencije i modela velikih jezika (LLM) uz osiguranje sigurnosti svojih ulaznih podataka.

Privatna umjetna inteligencija u odnosu na javnu umjetnu inteligenciju

Došli smo do prekretnice gdje je umjetna inteligencija dovoljno napredna za široko prihvaćanje, a njezina sve veća demokratizacija transformira i poslovanje i društvo. Ali moramo gledati dalje od onoga što model umjetne inteligencije može učiniti, već na način na koji se obučava, odakle dolaze njegovi podaci i gdje se ti podaci nalaze.

Današnji javni GenAI modeli obučeni su na javnim skupovima podataka - na primjer, GPT-3 je obučen na 45 terabajta podataka iz skupa podataka CommonCrawl. Također se nastavljaju obučavati na novim podacima koje korisnici unose u modele.

To predstavlja izazov za tvrtke koje žele uvesti inicijative umjetne inteligencije, ali su zabrinute zbog očuvanja privatnosti svog intelektualnog vlasništva i podataka o kupcima. Informacije unesene u javni model umjetne inteligencije zatim se pohranjuju u bazu podataka treće strane i stavljaju na raspolaganje pružateljima usluga trećih strana. Poslovni lideri vjeruju da je najveći rizik usvajanja GenAI-a netočnost (56%), ali da je sekundarni rizik kibernetičke sigurnosti (53%), rizik od kršenja intelektualnog vlasništva (46%) i osobni ili individualni rizik privatnosti (39%).

Organizacije koje razumiju vrijednost zaštite podataka traže rješenja koja osiguravaju privatnost, kontrolu i učinkovitost - jedno od njih su privatni modeli umjetne inteligencije.

Kako generiranje prošireno pronalaženjem (RAG) olakšava privatnu umjetnu inteligenciju

Usvajanje privatne umjetne inteligencije ne znači da organizacija mora izgraditi vlastiti interni ChatGPT i temeljne LLM-ove od nule kako bi zaštitila privatnost svojih podataka. RAG je osmišljen za održavanje sigurnosti, usklađenosti, privatnosti i suvereniteta podataka tijekom korištenja umjetne inteligencije.

Umjesto ispitivanja javnih skupova podataka, AI model prvo ispituje interne baze podataka tvrtke, biblioteke dokumenata i druge sistemske informacije - poput ispitivanja intraneta tvrtke. Nakon što AI dohvati te rezultate, dodaje ih upitu i šalje ga javnom modelu. Pomoću RAG-a organizacije mogu osigurati svoje podatke i spriječiti njihovu javnu upotrebu, a istovremeno primaju robusne odgovore od složenih javnih LLM-ova.

Organizacije mogu ovo učiniti korak dalje dodavanjem vlastitih organizacijskih podataka javnom AI modelu i finim podešavanjem modela sa specifičnim podacima svoje tvrtke. Naravno, ovo će biti skuplje i složenije od RAG-a, no vjerojatno je to opcija koju ćemo vidjeti da poduzeća koriste u budućnosti.

Zašto bi poduzeća danas trebala usvojiti privatnu umjetnu inteligenciju

Privatna umjetna inteligencija može ponuditi nekoliko prednosti IT liderima koji istražuju nova rješenja umjetne inteligencije za poduzeća, uključujući:

• Privatnost podataka: Najveća prednost privatne umjetne inteligencije je privatnost podataka, jer organizacijama kojima je prioritet zaštita osjetljivih informacija nudi način da iskoriste snagu umjetne inteligencije.
• Kontrola: Privatna umjetna inteligencija nudi povećanu kontrolu nad načinom korištenja poslovnih podataka, načinom pristupa i tko im pristupa. Umjesto slanja internih podataka u javne modele s potencijalom za otkrivanje, organizacije mogu zadržati kontrolu nad svojim podacima , uz postavljanje zaštitnih ograda gdje je to potrebno.
• Brzina i jednostavnost: Korištenjem privatne umjetne inteligencije, organizacije mogu jednostavno slati upite internim pozadinskim sustavima - bazama podataka, upravljanju odnosima s klijentima (CRM) i planiranju resursa poduzeća (ERP) - putem sučelja na prirodnom jeziku, brzo i učinkovito dobivajući uvide i odgovore iz svojih podataka putem automatiziranih procesa.
• Usklađenost s propisima: Kontrolom gdje se podaci nalaze i kako se koriste, organizacije mogu osigurati da su u skladu sa zakonima i propisima o privatnosti, kao što su Zakon o prenosivosti i odgovornosti zdravstvenog osiguranja (HIPAA), Kalifornijski zakon o privatnosti potrošača (CCPA) i Opća uredba o zaštiti podataka (GDPR).
• Povjerenje kupaca: S obzirom na to da 85% potrošača želi znati pravila o privatnosti podataka tvrtke prije kupnje, a 46% će razmotriti promjenu robne marke ako tvrtka nije sigurna kako koristi podatke o kupcima, organizacije mogu povećati povjerenje kupaca povećanjem privatnosti njihovih podataka putem privatne umjetne inteligencije.
• Konkurentska prednost: Kako organizacije grade svoje AI mogućnosti, mogu steći konkurentsku prednost poticanjem inovacija i izgradnjom povjerenja kupaca. Stvaranje velikih jezičnih modela specifičnih za domenu, obučenih na internim podacima, može poslužiti kao "središta znanja", dodatno povećavajući tu prednost.

Kako poduzeća mogu pokrenuti i skalirati privatnu umjetnu inteligenciju

Stvaranje najboljeg okruženja u kojem privatna infrastruktura umjetne inteligencije može napredovati dolazi s određenom pripremom i osviještenošću, uključujući sljedeće prve korake:

1. Započnite s kvalitetom podataka: IT lideri mogu započeti osiguravanjem kvalitete podataka svog poduzeća jer umjetna inteligencija treba dobre podatke za učinkovito funkcioniranje. Podaci bi trebali biti čisti, dosljedno organizirani te što svježiji i dostupni gotovo u stvarnom vremenu. To može značiti potrebu za implementacijom novih praksi upravljanja podacima i higijene.
2. Stvorite pravo okruženje: Prilikom pripreme svoje tehnološke infrastrukture za usvajanje umjetne inteligencije, 59% poslovnih lidera kaže da su samo umjereno pripremljeni, slabo pripremljeni ili uopće nisu pripremljeni. ² Zamislite umjetnu inteligenciju kao oblak,  koji zahtijeva povećanu računalnu, mrežnu i infrastrukturu za pohranu. Zahtjevi za gustoću snage za umjetnu inteligenciju mogu biti i do deset puta veći od onoga što tradicionalni podatkovni centri troše. Za pokretanje AI aplikacija
   
   obratite pozornost na infrastrukturu visokoučinkovitog računalstva (HPC), posebno rješenja za kolokaciju visoke gustoće koja mogu podržati zahtjeve za napajanje, sigurnost, hlađenje i usklađenost za učinkovitu privatnu AI infrastrukturu.
   
   Kako biste ublažili probleme s težinom podataka, primijenite distribuirani pristup obradi podataka na rubu. Iskoristite privatnu razmjenu umjetne inteligencije putem globalne privatne podatkovne strukture kako biste prihvatili opcije za međusobnu povezanost i prijenos podataka u širi ekosustav AI infrastrukture, skupova podataka, usluga i mreža.
   
   Dok IT lideri razmatraju ove potrebe za privatnom umjetnom inteligencijom, trebali bi se zapitati hoće li ih njihova naslijeđena IT infrastruktura moći podržati, kako ih integrirati u naslijeđene sustave i hoće li trebati ulagati u nove platforme ili infrastrukturu kako bi podržali razvojne ambicije privatne umjetne inteligencije.
3. Izgradite tim i surađujte sa stručnjacima: IT i inženjerski timovi prikupljat će i pripremati podatke za privatne ponude umjetne inteligencije. IT liderima mogu biti potrebni i inženjeri umjetne inteligencije ili softverski inženjeri dok razvijaju model umjetne inteligencije, bilo da se radi o izgradnji sučelja na prirodnom jeziku, jednostavne web aplikacije ili bota.
   
   Zbog privatnosti podataka i upravljanja pristupom, IT sigurnosni timovi trebali bi biti uključeni u planiranje. IT lideri također bi trebali iskoristiti pravi ekosustav partnera dok razvijaju svoju strategiju umjetne inteligencije i tražiti partnere izvana sa stručnjacima koji poznaju jedinstvenu infrastrukturu koju umjetna inteligencija zahtijeva.

Priprema za budućnost umjetne inteligencije u poduzećima

IT lideri traže načine za sigurno korištenje privatnih podataka s GenAI-jem, bilo za generiranje teksta, korisničku podršku ili analizu i donošenje odluka.

Kako se rješenja umjetne inteligencije sve više šire putem gotovih ili SaaS proizvoda, privatna umjetna inteligencija postat će put naprijed za organizacije koje daju prioritet privatnosti podataka i žele zaštititi svoju imovinu, intelektualno vlasništvo i kupce.