Prema predviđanjima Gartnera, do 2028. godine čak 80 posto poslovnih GenAI aplikacija organizacije će razvijati na svojim postojećim platformama za upravljanje podacima. Ovakav pristup smanjit će kompleksnost i vrijeme potrebno za isporuku ovih aplikacija za 50 posto.
„Izrada GenAI poslovnih aplikacija danas zahtijeva integraciju velikih jezičnih modela (LLM) s internim podacima organizacije i primjenu brzo razvijajućih tehnologija poput vektorskog pretraživanja, upravljanja metapodacima, oblikovanja upita (prompt design) i ugradnje podataka. No, bez jedinstvenog upravljačkog pristupa, korištenje tih različitih tehnologija dovodi do duljeg vremena razvoja i mogućih gubitaka ulaganja za organizacije,” izjavio je Prasad Pore, viši analitičar u Gartneru.
Kako organizacije teže razvoju rješenja usmjerenih na generativnu umjetnu inteligenciju, podatkovne platforme moraju se razvijati i integrirati nove mogućnosti i usluge za GenAI razvoj, čime se osigurava spremnost za AI i uspješna implementacija. Retrieval-augmented generation (RAG) postaje temelj za implementaciju GenAI aplikacija jer pruža fleksibilnost, objašnjivost i mogućnost povezivanja s LLM-ovima. Integriranjem podataka iz tradicionalnih i netradicionalnih izvora kao konteksta, RAG obogaćuje veliki jezični model i omogućuje podršku naprednim GenAI sustavima.
„Većina LLM-ova trenirana je na javno dostupnim podacima i sami po sebi nisu vrlo učinkoviti za rješavanje specifičnih poslovnih izazova,” naglašava Pore. „No, kad se ovi modeli kombiniraju s poslovnim skupovima podataka pomoću RAG arhitekture, njihova se točnost značajno povećava. Semantika, osobito metapodaci, imaju ključnu ulogu u tom procesu. Katalozi podataka pomažu u hvatanju ove semantičke informacije, obogaćujući baze znanja i osiguravajući pravi kontekst i sljedivost za podatke koji se koriste u RAG rješenjima.”
Kako bi uspješno upravljali složenostima implementacije GenAI aplikacija, Gartner preporučuje nekoliko koraka. Prvo, organizacije bi trebale procijeniti mogu li svoje postojeće podatkovne platforme pretvoriti u RAG-as-a-service platforme, zamjenjujući zasebna spremišta dokumenata/podataka kao izvor znanja za GenAI aplikacije. Drugo, treba procijeniti i integrirati RAG tehnologije poput vektorskog pretraživanja, grafova i segmentacije (chunking), iz postojećih podatkovnih rješenja ili ekosustava partnera, pri razvoju GenAI aplikacija. Ove su opcije otpornije na tehnološke poremećaje i kompatibilne s organizacijskim podacima. Treća preporuka je da organizacije koriste ne samo tehničke metapodatke, nego i operativne metapodatke koji se generiraju tijekom rada na podatkovnim platformama. Ovakav pristup pomaže zaštititi GenAI aplikacije od zloupotrebe, problema privatnosti i curenja intelektualnog vlasništva.
Brzi razvoj generativne umjetne inteligencije donosi nove izazove u integraciji, sigurnosti i upravljanju podacima. Tvrtke koje uspješno povežu postojeće podatkovne platforme s naprednim GenAI mogućnostima mogu brže prilagoditi svoje poslovanje i povećati učinkovitost digitalnih procesa. Uvođenje RAG rješenja omogućuje prilagodbu AI modela specifičnim poslovnim potrebama, brže vrijeme implementacije i jednostavniju kontrolu nad izvorima podataka. Korištenje metapodataka, analitika i sigurnosnih protokola dodatno podižu razinu pouzdanosti i transparentnosti, što je ključno za usvajanje GenAI rješenja u reguliranim i osjetljivim sektorima poput financija, zdravstva i javne uprave. Očekuje se da će integracija GenAI aplikacija u podatkovne platforme ubrzati digitalnu transformaciju organizacija te otvoriti nove mogućnosti za inovacije, konkurentnost i povećanje vrijednosti podataka u poslovanju.
