Mali, za zadatke specifični AI modeli istisnut će velike jezične modele do 2027. godine

Prema prognozama analitičke kuće Gartner, do 2027. godine organizacije će sve više implementirati male, za zadatke specifične AI modele, pri čemu će njihova učestalost korištenja biti najmanje tri puta veća od upotrebe velikih općih jezičnih modela (LLM-ova). Iako opći LLM-ovi nude snažne jezične mogućnosti, njihova preciznost odgovora opada kod zadataka koji zahtijevaju kontekst specifičan za određeno poslovno područje.

„Raznolikost zadataka unutar poslovnih procesa i potreba za većom točnošću potiču pomak prema specijaliziranim modelima koji su prilagođeni za određene funkcije ili podatke iz konkretnih domena,“ izjavio je Sumit Agarwal, potpredsjednik i analitičar u Gartneru. Ovi manji modeli nude brže odgovore i zahtijevaju manje računalne snage, čime se smanjuju operativni i troškovi održavanja.

Poduzeća mogu prilagoditi velike modele konkretnim poslovnim zadacima korištenjem tehnika poput RAG-a (retrieval-augmented generation) ili finog podešavanja (fine-tuning) kako bi razvili specijalizirane modele. U tom procesu, vlastiti podaci poduzeća postaju ključna konkurentska prednost, što zahtijeva kvalitetnu pripremu podataka, provjere kvalitete, verzioniranje i općenito upravljanje podatkovnim skupovima kako bi se osiguralo da su strukturirani u skladu sa zahtjevima fine-tuninga.

„Kako poduzeća sve više prepoznaju vrijednost svojih internih podataka i uvida proizašlih iz specifičnih procesa, sve je izglednije da će početi monetizirati vlastite modele te omogućiti pristup tim resursima široj javnosti – uključujući klijente, pa čak i konkurenciju“, dodaje Agarwal. Ovo označava pomak s tradicionalno zatvorenog pristupa prema otvorenijem i suradničkom korištenju podataka i znanja.

Komercijalizacijom vlastitih specijaliziranih modela, organizacije mogu otvoriti nove izvore prihoda i istovremeno doprinijeti stvaranju povezanijeg i inteligentnijeg digitalnog ekosustava. No kako bi to postigle, moraju pilotirati kontekstualizirane modele, primijeniti složene pristupe te dodatno osnažiti vlastite kapacitete za upravljanje podacima i vještinama.

Ovaj trend reflektira širi pomak prema decentralizaciji umjetne inteligencije u poslovnim sustavima. Male, specifične AI jedinice postaju sve važnije u kontekstu regulacija poput EU-ovog Akta o umjetnoj inteligenciji (AI Act), gdje je transparentnost modela i svrhovitost uporabe ključna. Pritom sektor financija, zdravstva, pravosuđa i proizvodnje prednjače u eksperimentiranju s modelima koji rješavaju konkretne zadatke – od automatiziranog prepoznavanja obrazaca do donošenja odluka u stvarnom vremenu.

Tvrtke koje žele ostati konkurentne morat će uložiti ne samo u AI modele, već i u izgradnju robusne podatkovne infrastrukture, kao i interne AI kompetencije koje omogućuju stalno prilagođavanje modela vlastitim potrebama. Time se otvara novo poglavlje u razvoju AI tržišta, gdje vrijednost neće dolaziti samo iz računalne snage modela, već iz njihove poslovne relevantnosti i sposobnosti za preciznu primjenu.