網(wǎng)絡(luò)運(yùn)營(yíng)的AIOps：網(wǎng)絡(luò)優(yōu)化可以支持更好的AI性能，但AI也可以支持更好的網(wǎng)絡(luò)性能。雖然AIOps(面向IT運(yùn)營(yíng)的AI)還為時(shí)尚早，但它已經(jīng)開(kāi)始顯示出潛力。雖然AIOps覆蓋了IT運(yùn)營(yíng)的所有領(lǐng)域，但現(xiàn)在正在成為一個(gè)重要組件的領(lǐng)域是網(wǎng)絡(luò)運(yùn)營(yíng)的AIOps。網(wǎng)絡(luò)工程師正面臨日益復(fù)雜的網(wǎng)絡(luò)環(huán)境，將分散的勞動(dòng)力、大量設(shè)備和云基礎(chǔ)設(shè)施等結(jié)合在一起。AIOps通過(guò)基于大數(shù)據(jù)和機(jī)器學(xué)習(xí)的自動(dòng)化、預(yù)測(cè)性分析和根本原因分析來(lái)簡(jiǎn)化網(wǎng)絡(luò)運(yùn)營(yíng)管理。AIOPS可以為客戶(hù)加快故障排除和解決問(wèn)題的速度，同時(shí)降低成本，因?yàn)閷氋F的NOC員工可以從事更關(guān)鍵的任務(wù)，這些任務(wù)是當(dāng)今AI無(wú)法解決的。2023年末，一項(xiàng)調(diào)查發(fā)現(xiàn)，雖然只有4%的受訪者已經(jīng)在組織范圍內(nèi)集成了某種AIOPS，但另有15%的受訪者實(shí)施了AIOPS作為概念證明，29%的受訪者確定了未來(lái)實(shí)施的用例。預(yù)計(jì)未來(lái)四年市場(chǎng)規(guī)模將增加兩倍，到2028年將達(dá)到近650億美元。

 

優(yōu)化AI的使用將決定未來(lái)供應(yīng)鏈的贏家：AI和預(yù)測(cè)分析將在未來(lái)十年區(qū)分制造業(yè)和零售業(yè)的贏家和輸家。利用大數(shù)據(jù)優(yōu)化庫(kù)存、預(yù)測(cè)需求、控制成本和個(gè)性化建議的領(lǐng)導(dǎo)者將主宰分析能力較差的同行。未能采用的公司將看到成本螺旋式上升，效率直線下降。

 

預(yù)計(jì)AI會(huì)遭到反彈，因?yàn)榻M織會(huì)浪費(fèi)更多的時(shí)間和金錢(qián)來(lái)試圖“把它做對(duì)”：“隨著組織更深入地研究AI，實(shí)驗(yàn)肯定會(huì)成為2024年上半年的一個(gè)關(guān)鍵主題。那些負(fù)責(zé)AI實(shí)施的人必須以“快速?lài)L試，快速失敗”的心態(tài)來(lái)領(lǐng)導(dǎo)，但太多時(shí)候，這些角色需要了解他們所瞄準(zhǔn)的變量，沒(méi)有明確的預(yù)期結(jié)果，并且難以提出正確的AI問(wèn)題。最成功的組織會(huì)很快失敗，并很快從吸取的教訓(xùn)中恢復(fù)過(guò)來(lái)。企業(yè)應(yīng)該預(yù)料到在AI實(shí)驗(yàn)上花費(fèi)額外的時(shí)間和金錢(qián)，因?yàn)檫@些做法中的大多數(shù)都不是植根于科學(xué)方法。今年年底，如果得出正確的結(jié)論，AI將出現(xiàn)明顯的贏家。失敗也帶來(lái)了圍繞數(shù)據(jù)的更多質(zhì)疑，這些數(shù)據(jù)助長(zhǎng)了AI的潛力。例如，數(shù)據(jù)分析師和首席執(zhí)行官都會(huì)提出這樣的問(wèn)題：我們正在使用的數(shù)據(jù)有多干凈？我們對(duì)這些數(shù)據(jù)的合法權(quán)利是什么，特別是如果在任何新型號(hào)中使用的話(huà)？那我們客戶(hù)的合法權(quán)益呢？任何新技術(shù)都會(huì)帶來(lái)更多的質(zhì)疑，反過(guò)來(lái)，整個(gè)企業(yè)也會(huì)有更多的參與。

 

組織將(最終)管理圍繞AI的炒作：隨著圍繞GenAI的震耳欲聾的噪音達(dá)到高潮，組織將被迫緩和炒作，并培養(yǎng)一種現(xiàn)實(shí)和負(fù)責(zé)任的方法來(lái)應(yīng)對(duì)這項(xiàng)顛覆性技術(shù)。無(wú)論是關(guān)于GPU短缺的AI危機(jī)，培訓(xùn)大型語(yǔ)言模型(LLM)的氣候影響，還是對(duì)隱私、倫理、偏見(jiàn)和/或治理的擔(dān)憂(yōu)，這些挑戰(zhàn)在好轉(zhuǎn)之前將會(huì)惡化，導(dǎo)致許多人懷疑一開(kāi)始應(yīng)用GenAI是否值得。雖然企業(yè)壓力可能會(huì)促使組織在AI方面做一些事情，但數(shù)據(jù)驅(qū)動(dòng)必須是第一位的，并且仍然是首要任務(wù)。畢竟，確保數(shù)據(jù)是有組織的、可共享的和相互關(guān)聯(lián)的，就像詢(xún)問(wèn)GenAI模型是否可信、可靠、確定、可解釋、合乎道德和沒(méi)有偏見(jiàn)一樣重要。在將GenAI解決方案部署到生產(chǎn)中之前，組織必須確保保護(hù)其知識(shí)產(chǎn)權(quán)并計(jì)劃潛在的責(zé)任問(wèn)題。這是因?yàn)椋m然GenAI在某些情況下可以取代人，但LLM沒(méi)有專(zhuān)業(yè)責(zé)任保險(xiǎn)。這意味著，涉及GenAI的業(yè)務(wù)流程仍需要廣泛的“人在回路”參與，這可能會(huì)抵消任何效率收益。2024年，預(yù)計(jì)將看到供應(yīng)商通過(guò)添加專(zhuān)注于滿(mǎn)足GenAI市場(chǎng)趨勢(shì)的新界面來(lái)加快其產(chǎn)品提供的增強(qiáng)。然而，組織需要意識(shí)到，這些可能只不過(guò)是固定的創(chuàng)可貼。應(yīng)對(duì)數(shù)據(jù)質(zhì)量等挑戰(zhàn)，并確保統(tǒng)一、語(yǔ)義一致地訪問(wèn)準(zhǔn)確、值得信賴(lài)的數(shù)據(jù)，將需要制定明確的數(shù)據(jù)戰(zhàn)略，并采取現(xiàn)實(shí)的業(yè)務(wù)驅(qū)動(dòng)方法。如果沒(méi)有這一點(diǎn)，組織將繼續(xù)支付不良數(shù)據(jù)稅，因?yàn)锳I/ML模型將難以通過(guò)概念驗(yàn)證，最終無(wú)法實(shí)現(xiàn)炒作。

 

對(duì)AI的看法：與任何炒作周期一樣，許多人會(huì)因?yàn)樵愀獾挠?jì)劃或知識(shí)或能力不足而跳到這一步，他們將產(chǎn)生糟糕的、甚至危險(xiǎn)的代碼和應(yīng)用程序。在AI上大舉投資然后失敗的組織可能會(huì)陷入困境。其他接受這些有問(wèn)題的AI應(yīng)用程序和流程的組織可能會(huì)遭受數(shù)據(jù)泄露、糟糕或錯(cuò)誤的決策，以及對(duì)糟糕代碼的依賴(lài)。 

 

推動(dòng)更大的AI可解釋性：在過(guò)去的兩年里，商界見(jiàn)證了AI的重大進(jìn)步。然而，包括神經(jīng)網(wǎng)絡(luò)在內(nèi)的復(fù)雜AI系統(tǒng)的一個(gè)決定性特征是，它們的行為并不總是像我們可能預(yù)期的那樣。事實(shí)上，AI系統(tǒng)選擇到達(dá)目的地的路徑可能與人類(lèi)專(zhuān)家應(yīng)對(duì)相同挑戰(zhàn)的方式有很大不同。隨著AI系統(tǒng)變得越來(lái)越復(fù)雜，研究這些選擇并構(gòu)建AI可解釋性工具將變得越來(lái)越重要。組織必須有能力分析AI系統(tǒng)的決策，以制定足夠的保障措施。此外，AI系統(tǒng)提供的用于解釋他們思維的輸出將對(duì)隨著時(shí)間的推移做出進(jìn)一步改進(jìn)至關(guān)重要。

 

平衡AI內(nèi)容和禁令的行為-可見(jiàn)性與控制：出版商考慮AI禁令源于對(duì)其內(nèi)容保持控制的愿望。然而，這種方法可能會(huì)導(dǎo)致搜索結(jié)果的可見(jiàn)性降低，因?yàn)樗阉饕嬖絹?lái)越依賴(lài)AI來(lái)管理內(nèi)容。整合與排除：雖然一些品牌可能會(huì)將AI禁令視為保護(hù)其內(nèi)容的一種方式，但他們可能會(huì)錯(cuò)過(guò)AI，特別是LLM在內(nèi)容匹配和查詢(xún)理解方面提供的優(yōu)勢(shì)。反對(duì)AI禁令的理由是，LLMS可以利用替代手段訪問(wèn)內(nèi)容，這使得完全排除具有挑戰(zhàn)性。平衡法案：品牌將需要在保護(hù)其內(nèi)容和利用AI來(lái)提高其在搜索結(jié)果中的可見(jiàn)度和相關(guān)性之間找到平衡。這可能涉及制定微妙的政策，在不完全排除的情況下規(guī)范AI與內(nèi)容的交互。

 

AI當(dāng)然可以幫助清理“雜亂的數(shù)據(jù)”，但它也有點(diǎn)循環(huán)，因?yàn)锳I的使用應(yīng)該建立在強(qiáng)有力的數(shù)據(jù)治理的基礎(chǔ)上，因?yàn)閿?shù)據(jù)保護(hù)法要求公司了解哪些個(gè)人數(shù)據(jù)被用于AI用例。因此，在2024年，我們將看到更多的關(guān)注數(shù)據(jù)庫(kù)存和分類(lèi)，作為希望依靠AI力量的公司的必要基礎(chǔ)。

 

在我看來(lái)，營(yíng)銷(xiāo)界正準(zhǔn)備從廣泛的營(yíng)銷(xiāo)獨(dú)白轉(zhuǎn)向互動(dòng)的、AI驅(qū)動(dòng)的客戶(hù)對(duì)話(huà)。這一變化將要求重新評(píng)估營(yíng)銷(xiāo)技術(shù)堆棧，以?xún)?yōu)先考慮實(shí)時(shí)、有意義的互動(dòng)。與此同時(shí)，個(gè)性化將從感知到的侵?jǐn)_性過(guò)渡到通過(guò)響應(yīng)性對(duì)話(huà)建立信任。我相信這將逐步淘汰傳統(tǒng)的導(dǎo)航，如下拉菜單，取而代之的是搜索和聊天界面。在這種不斷發(fā)展的格局中，公司將認(rèn)識(shí)到他們的AI戰(zhàn)略與他們的數(shù)據(jù)戰(zhàn)略?xún)?nèi)在地聯(lián)系在一起。要有效、合規(guī)地利用新的接口和工具，確保數(shù)據(jù)質(zhì)量和相關(guān)性處于這些技術(shù)進(jìn)步的前沿，強(qiáng)調(diào)精益數(shù)據(jù)變得至關(guān)重要。

 

優(yōu)化AI的使用將決定未來(lái)供應(yīng)鏈的贏家：AI和預(yù)測(cè)分析將在未來(lái)十年區(qū)分制造業(yè)和零售業(yè)的贏家和輸家。利用大數(shù)據(jù)優(yōu)化庫(kù)存、預(yù)測(cè)需求、控制成本和個(gè)性化建議的領(lǐng)導(dǎo)者將主宰分析能力較差的同行。未能采用的公司將看到成本螺旋式上升，效率直線下降。

 

對(duì)于開(kāi)發(fā)人員來(lái)說(shuō)，AI已經(jīng)被證明是一個(gè)極其強(qiáng)大的工具，盡管許多人對(duì)其能力的程度表示懷疑，并擔(dān)心它有可能擾亂傳統(tǒng)的工作場(chǎng)所做法、工作和流程。在我看來(lái)，AI將增強(qiáng)開(kāi)發(fā)人員的日常工作流程，而不是取代它。越來(lái)越多的開(kāi)發(fā)人員將使用AI來(lái)自動(dòng)化簡(jiǎn)單的任務(wù)，如掃描性能問(wèn)題、發(fā)現(xiàn)工作流中的模式和編寫(xiě)測(cè)試用例。它實(shí)際上將把開(kāi)發(fā)人員解放出來(lái)，把更多的時(shí)間花在有影響力的、創(chuàng)新的工作上，而不是“AI頂升”。

 

隨著每個(gè)行業(yè)的領(lǐng)導(dǎo)者開(kāi)始接受這項(xiàng)技術(shù)，AI將使團(tuán)隊(duì)更緊密地聯(lián)系在一起：在未來(lái)一年內(nèi)，AI將成為開(kāi)發(fā)生命周期的主要驅(qū)動(dòng)力-不僅是作為IT助理，而且作為協(xié)作工具。開(kāi)發(fā)人員和工程團(tuán)隊(duì)的工作主要局限于后端，但我預(yù)計(jì)，隨著AI在企業(yè)總體目標(biāo)中變得更加根深蒂固，IT領(lǐng)導(dǎo)者將成為關(guān)鍵顧問(wèn)。隨著組織尋求利用AI進(jìn)行自動(dòng)化、原型制作、測(cè)試和質(zhì)量保證，以大幅減少開(kāi)發(fā)新項(xiàng)目所需的時(shí)間，技術(shù)人員和非技術(shù)人員都需要協(xié)調(diào)他們的AI戰(zhàn)略。這將使技術(shù)人員能夠更頻繁地創(chuàng)新，而非技術(shù)人員可以參與構(gòu)建解決方案，而不僅僅是提供需求。

 

關(guān)于采用/投資AI：投資AI工具可以成為幫助一些開(kāi)發(fā)人員提高生產(chǎn)率的杠桿。提示方面的培訓(xùn)越多，您就越有可能從開(kāi)發(fā)人員那里獲得更高的生產(chǎn)力。缺點(diǎn)是，AI通常并不真正了解問(wèn)題空間，并且可能使用低于平均水平的代碼。互聯(lián)網(wǎng)上的許多培訓(xùn)代碼不適合您的應(yīng)用程序。其中一些并不適合任何應(yīng)用程序，所以指望AI讓開(kāi)發(fā)人員變得更好是不太可能的。AI是一種工具或杠桿，而不是訓(xùn)練和技能的替代品。

 

推動(dòng)AI進(jìn)步的數(shù)字容量競(jìng)賽：AI是一項(xiàng)渴望數(shù)據(jù)的技術(shù)，未來(lái)幾年對(duì)移動(dòng)和處理這些數(shù)據(jù)的帶寬需求將飆升。AI應(yīng)用程序的發(fā)展速度遠(yuǎn)遠(yuǎn)超過(guò)了基礎(chǔ)設(shè)施建設(shè)的速度，導(dǎo)致了容量短缺的風(fēng)險(xiǎn)。網(wǎng)絡(luò)基礎(chǔ)設(shè)施必須迅速發(fā)展，以滿(mǎn)足連接需求并避免緊縮。這將需要在新技術(shù)和基礎(chǔ)設(shè)施方面進(jìn)行投資，并在網(wǎng)絡(luò)運(yùn)營(yíng)商、超大規(guī)模巨頭和其他利益相關(guān)者之間采取更具協(xié)作性的方法。AI是一個(gè)價(jià)值萬(wàn)億美元的機(jī)會(huì)，它將推動(dòng)前所未有的帶寬需求，使其與5G和物聯(lián)網(wǎng)等其他炒作周期有很大不同，這些周期的貨幣化尚不清楚。嚴(yán)重依賴(lài)數(shù)據(jù)和計(jì)算的行業(yè)——如醫(yī)療保健、金融和制造業(yè)——將首先受益于AI。超大規(guī)模巨頭將在數(shù)字基礎(chǔ)設(shè)施上投入巨資，為這一激增做好準(zhǔn)備，在我們展望未來(lái)時(shí)，規(guī)模較小的參與者必須效仿，否則就會(huì)被甩在后面。

 

公司將優(yōu)先關(guān)注數(shù)據(jù)基礎(chǔ)和AI創(chuàng)新之間的差距。沒(méi)有數(shù)據(jù)戰(zhàn)略就沒(méi)有AI戰(zhàn)略，公司將需要優(yōu)先填補(bǔ)數(shù)據(jù)戰(zhàn)略中的差距；具體地說(shuō)，就是更高效、更安全地訪問(wèn)更準(zhǔn)確數(shù)據(jù)的基本要素。

 

總體而言，理解和利用AI的全部?jī)r(jià)值的門(mén)檻仍然很低，但這不會(huì)持續(xù)很長(zhǎng)時(shí)間，因?yàn)槭袌?chǎng)壓力繼續(xù)加速AI的采用。企業(yè)AI的未來(lái)將集中在已在使用的產(chǎn)品和服務(wù)中內(nèi)置AI。但隨著AI創(chuàng)新的發(fā)展，我們將看到企業(yè)學(xué)會(huì)建立自己的內(nèi)部AI數(shù)據(jù)平臺(tái)，并將部分工作流轉(zhuǎn)移到自己的基礎(chǔ)設(shè)施中。對(duì)于想要走在前列的企業(yè)來(lái)說(shuō)，現(xiàn)在就開(kāi)始投資建立他們的內(nèi)部專(zhuān)業(yè)知識(shí)是至關(guān)重要的。與分散在公司各處的單個(gè)AI項(xiàng)目相比，建立一個(gè)AI和數(shù)據(jù)科學(xué)的中央“卓越中心”將更有利。

 

實(shí)時(shí)AI監(jiān)控：數(shù)據(jù)驅(qū)動(dòng)的未來(lái)：2024年將見(jiàn)證實(shí)時(shí)AI監(jiān)控系統(tǒng)的崛起，能夠即時(shí)檢測(cè)和解決數(shù)據(jù)異常。這項(xiàng)變革性的技術(shù)將確保數(shù)據(jù)的可靠性和可訪問(wèn)性，特別是對(duì)于不斷增長(zhǎng)的非結(jié)構(gòu)化數(shù)據(jù)。

 

在繁榮之后，許多AI公司將會(huì)滅亡，這是對(duì)數(shù)據(jù)隱私、安全和安全加強(qiáng)審查的直接結(jié)果。因此，2024年將是安全、安全的AI公司之年，AI投資和創(chuàng)新的爆炸式增長(zhǎng)將鞏固和加速。所有領(lǐng)域的贏家都將開(kāi)始涌現(xiàn)。AI將成為主流，不再是試驗(yàn)性生產(chǎn)的支持性工具，而是一項(xiàng)重要的戰(zhàn)略商業(yè)資產(chǎn)。它將以極快的速度運(yùn)行，并在2024年底之前推動(dòng)重大商業(yè)決策。在提供更高計(jì)算能力的同時(shí)降低能耗和總擁有成本的AI模型和芯片將成為趨勢(shì)。換句話(huà)說(shuō)，ESG(環(huán)境、社會(huì)和治理)將很快成為新的北極星。

 

AGI將在未來(lái)一年取得進(jìn)展：通用人工智能距離成為現(xiàn)實(shí)非常遙遠(yuǎn)，但它比以往任何時(shí)候都更近。我們今天在LLMS中擁有的是人類(lèi)智能的模糊副本。它相當(dāng)不錯(cuò)，它可以做一些令人驚嘆的事情來(lái)改善你的業(yè)務(wù)。但LLM能否發(fā)明一種有效的經(jīng)濟(jì)學(xué)理論或疫苗來(lái)抗擊大流行？人類(lèi)可以！我相信我們?cè)谶^(guò)去的幾年里取得了巨大的飛躍，但我相信我們中的任何一個(gè)人都不知道我們距離真正的創(chuàng)意天才還有多長(zhǎng)時(shí)間。

 

AI將簡(jiǎn)化軟件開(kāi)發(fā)流程：“開(kāi)發(fā)人員目前所做的許多耗時(shí)的任務(wù)將很快實(shí)現(xiàn)自動(dòng)化，使流程和任務(wù)更加流暢，同時(shí)創(chuàng)造出我們以前從未見(jiàn)過(guò)的速度和效率水平。此外，對(duì)于開(kāi)發(fā)人員來(lái)說(shuō)，了解AI最終將成為一項(xiàng)必備技能。至關(guān)重要的是，行業(yè)繼續(xù)接受這項(xiàng)技術(shù)，并了解它的好處，以便提高創(chuàng)新的速度，并允許開(kāi)發(fā)人員在消除乏味、重復(fù)的任務(wù)的同時(shí)，精益求精地專(zhuān)注于他們的專(zhuān)業(yè)。

 

非結(jié)構(gòu)化數(shù)據(jù)集缺少與成功的AI數(shù)據(jù)管道的鏈接：組織將使用分布式非結(jié)構(gòu)化數(shù)據(jù)集來(lái)加強(qiáng)其AI戰(zhàn)略和AI數(shù)據(jù)管道，同時(shí)實(shí)現(xiàn)傳統(tǒng)企業(yè)解決方案所不具備的性能和可擴(kuò)展性。組織面臨的最大挑戰(zhàn)之一是讓分布式非結(jié)構(gòu)化數(shù)據(jù)集在其AI戰(zhàn)略中發(fā)揮作用，同時(shí)提供傳統(tǒng)企業(yè)解決方案所沒(méi)有的性能和規(guī)模。至關(guān)重要的是，數(shù)據(jù)管道設(shè)計(jì)為使用所有可用的計(jì)算能力，并可以使數(shù)據(jù)可用于云模型，如Databricks和Snowflake中的云模型。2024年，在全球數(shù)據(jù)環(huán)境中，對(duì)全球?qū)崟r(shí)協(xié)調(diào)的數(shù)據(jù)的高性能本地讀/寫(xiě)訪問(wèn)將變得不可或缺和無(wú)處不在。

 

大數(shù)據(jù)

 

投資于數(shù)字轉(zhuǎn)型將是2024年CIO議程上的優(yōu)先事項(xiàng)，特別是在通脹上升的情況下，因?yàn)檫@將允許更好的風(fēng)險(xiǎn)管理、降低成本和改善客戶(hù)體驗(yàn)。此外，按照我們今年看到的趨勢(shì)，GenAI也將得到持續(xù)的投資。在評(píng)估我們最初的業(yè)務(wù)需求和目標(biāo)時(shí)，同樣至關(guān)重要的是我們致力于建立優(yōu)先考慮負(fù)責(zé)任使用的指導(dǎo)方針。最后，作為一個(gè)行業(yè)，我認(rèn)為我們需要接受數(shù)據(jù)孤島。我們不能忽略豎井，因此我們需要更好地啟用它們，并使它們能夠提取所需的經(jīng)過(guò)審查的數(shù)據(jù)。

 

大數(shù)據(jù)的固有特征-數(shù)量、速度、價(jià)值、多樣性和準(zhǔn)確性-每年都保持不變，而每年涌現(xiàn)的不斷發(fā)展的技術(shù)幫助我們使用領(lǐng)域知識(shí)來(lái)了解數(shù)據(jù)并獲得更多洞察力，從而加速業(yè)務(wù)轉(zhuǎn)型。

 

大數(shù)據(jù)洞察將不再只是數(shù)據(jù)科學(xué)家的專(zhuān)利：從大數(shù)據(jù)中提取有意義的商業(yè)洞察的能力在很大程度上一直是高度專(zhuān)業(yè)化的數(shù)據(jù)科學(xué)家的領(lǐng)域。但是，就像在網(wǎng)絡(luò)安全領(lǐng)域一樣，這些專(zhuān)家相當(dāng)稀少，越來(lái)越多的團(tuán)隊(duì)對(duì)這種有限的資源提出了要求。在接下來(lái)的一年里，我們將看到這種變化呈指數(shù)級(jí)增長(zhǎng)。數(shù)據(jù)交換矩陣平臺(tái)和數(shù)據(jù)科學(xué)與機(jī)器語(yǔ)言(DSML)平臺(tái)正在改變游戲規(guī)則，統(tǒng)一并簡(jiǎn)化對(duì)企業(yè)數(shù)據(jù)的訪問(wèn)。這些平臺(tái)更友好的用戶(hù)界面使更多團(tuán)隊(duì)中的更多人能夠看到企業(yè)面臨的威脅或其他挑戰(zhàn)并采取行動(dòng)。數(shù)據(jù)的民主化來(lái)得并不是太快，因?yàn)锳I的進(jìn)步正在使不良行為者更容易滲透。隨著更多的人關(guān)注并能夠采取保護(hù)行動(dòng)，企業(yè)真正有機(jī)會(huì)保持領(lǐng)先于威脅。 

 

首席數(shù)據(jù)官(或任何數(shù)據(jù)領(lǐng)導(dǎo)者)首先需要成為變革管理專(zhuān)家，其次是數(shù)據(jù)專(zhuān)家，才能在2024年取得成功。創(chuàng)造一種數(shù)據(jù)文化與夢(mèng)想之地“建立它，他們就會(huì)來(lái)”的方法完全相反；CDO們發(fā)現(xiàn)自己太多地獨(dú)自呆在一個(gè)領(lǐng)域，只有自己的夢(mèng)想。你必須將“數(shù)據(jù)夢(mèng)想”帶到組織的所有領(lǐng)域，才能使數(shù)據(jù)驅(qū)動(dòng)的文化成為現(xiàn)實(shí)；創(chuàng)生式AI是CDO必須做到這一點(diǎn)的最有形和最相關(guān)的容器。

 

在接下來(lái)的一年里，我們預(yù)測(cè)對(duì)演進(jìn)數(shù)據(jù)湖的需求將不斷增長(zhǎng)，以及genAI如何幫助組織更容易訪問(wèn)大數(shù)據(jù)。企業(yè)領(lǐng)導(dǎo)者將尋求的不僅僅是一個(gè)有組織的存儲(chǔ)空間；他們將尋找一個(gè)智能和交互的平臺(tái)，促進(jìn)與數(shù)據(jù)的有意義的對(duì)話(huà)，并將其轉(zhuǎn)化為可操作的見(jiàn)解。GenAI中的大型語(yǔ)言模型(LLM)為彌合大數(shù)據(jù)和決策之間的差距帶來(lái)了新的機(jī)會(huì)。在LLMS的支持下，智能代理將具有理解和響應(yīng)自然語(yǔ)言查詢(xún)的創(chuàng)造性能力，為企業(yè)開(kāi)辟了新的天地，因?yàn)樗鼘⒃试S他們的用戶(hù)以對(duì)話(huà)的方式與數(shù)據(jù)打交道。這種轉(zhuǎn)變推動(dòng)組織走向組織良好的數(shù)據(jù)存儲(chǔ)庫(kù)，使用戶(hù)能夠?qū)ζ鋽?shù)據(jù)有有用的理解。

 

2024年是我們停止移動(dòng)數(shù)據(jù)并開(kāi)始使用數(shù)據(jù)的一年：20多年來(lái)，數(shù)據(jù)增長(zhǎng)速度超過(guò)了連接速度，導(dǎo)致了一個(gè)指數(shù)級(jí)的問(wèn)題。指數(shù)級(jí)的問(wèn)題可能會(huì)突然變得不堪重負(fù)，就像一個(gè)裝滿(mǎn)沙粒的罐子，每天都會(huì)翻一番。前一天它還是半滿(mǎn)的，第二天它就滿(mǎn)了。數(shù)據(jù)傳輸速率無(wú)法滿(mǎn)足我們的需求，這促使了像亞馬遜的AWS Snowmobile這樣的解決方案，這是一個(gè)45英尺長(zhǎng)的航運(yùn)集裝箱，由一輛卡車(chē)?yán)荚趥鬏敯止?jié)級(jí)的數(shù)據(jù)。我們已經(jīng)到了無(wú)法將所有數(shù)據(jù)轉(zhuǎn)移到需要分析或使用的地方的地步——我們已經(jīng)從數(shù)據(jù)中心轉(zhuǎn)移到了數(shù)據(jù)中心。每天在邊緣(例如，工廠、醫(yī)院、自動(dòng)駕駛汽車(chē))產(chǎn)生數(shù)以?xún)|計(jì)的數(shù)據(jù)，為新的AI模型提供動(dòng)力。然而，我們的AI生態(tài)系統(tǒng)主要駐留在云中，將這些海量數(shù)據(jù)從邊緣轉(zhuǎn)移到云中是不可行的。2024年，我們預(yù)見(jiàn)到工具的興起，這些工具允許我們?cè)诓灰苿?dòng)數(shù)據(jù)的情況下就地處理數(shù)據(jù)。這些工具將使云應(yīng)用程序能夠像訪問(wèn)本地?cái)?shù)據(jù)一樣訪問(wèn)邊緣數(shù)據(jù)，或使數(shù)據(jù)中心應(yīng)用程序能夠像訪問(wèn)本地?cái)?shù)據(jù)一樣訪問(wèn)云數(shù)據(jù)。歡迎來(lái)到數(shù)據(jù)無(wú)處不在的時(shí)代。

 

云計(jì)算

 

云和操作系統(tǒng)無(wú)關(guān)的高可用性成為大多數(shù)應(yīng)用程序的預(yù)期要求：IT團(tuán)隊(duì)將尋找跨操作系統(tǒng)和云一致的應(yīng)用程序高可用性解決方案，以降低復(fù)雜性并提高成本效益。隨著對(duì)HA需求的增加，在本地和云環(huán)境中運(yùn)行應(yīng)用程序的公司以及在Windows和Linux環(huán)境中運(yùn)行應(yīng)用程序的公司將尋求使用HA解決方案來(lái)簡(jiǎn)化其應(yīng)用程序環(huán)境，該解決方案可在其所有環(huán)境中提供一致的用戶(hù)界面，并與HA供應(yīng)商提供的云和操作系統(tǒng)技術(shù)支持和服務(wù)相匹配。

 

組織將繼續(xù)尋找公共云DBaaS替代方案：我們從用戶(hù)、客戶(hù)和整個(gè)市場(chǎng)聽(tīng)到的是，他們希望使用公共云DBaaS替代方案。原因有很多，例如，他們可能想要更獨(dú)立于供應(yīng)商，他們可能想要優(yōu)化成本，或者在數(shù)據(jù)庫(kù)配置方面獲得更大的靈活性。目前，對(duì)于那些愿意做出改變的人來(lái)說(shuō)，市場(chǎng)提供的選擇有限。開(kāi)源私有數(shù)據(jù)庫(kù)平臺(tái)使組織和IT團(tuán)隊(duì)能夠更好地控制與基于云的數(shù)據(jù)庫(kù)相關(guān)的數(shù)據(jù)訪問(wèn)、配置靈活性和成本，而不是考慮來(lái)自特定提供商的DBaaS。Kubernetes和Kubernetes運(yùn)營(yíng)商的發(fā)展使這種方法的實(shí)現(xiàn)變得更容易，但圍繞這一方法仍然存在多個(gè)空白，使其在生產(chǎn)中部署和運(yùn)行變得更加困難。縮小這些差距并提供完全開(kāi)源的DBaaS選項(xiàng)將在2024年取得成果。

 

構(gòu)建從提示開(kāi)始，托管從云開(kāi)始：在不久的將來(lái)，AI驅(qū)動(dòng)的語(yǔ)言模型(LLM)將繼續(xù)變革基于服務(wù)器的(虛擬化)計(jì)算，其中使用自動(dòng)化工具的快速部署將推動(dòng)這一變化。它從一個(gè)簡(jiǎn)單的提示開(kāi)始，指導(dǎo)你創(chuàng)建一個(gè)網(wǎng)站。添加額外的方向，以指導(dǎo)您正在建設(shè)的網(wǎng)站類(lèi)型。云托管將是當(dāng)務(wù)之急，能夠隨著在線業(yè)務(wù)的增長(zhǎng)進(jìn)行擴(kuò)展、負(fù)載平衡、保護(hù)和處理大量流量。出于可靠性、安全性和靈活性的考慮，越來(lái)越多的用戶(hù)可能希望切換到多云方法，從而避免被單一提供商鎖定。無(wú)需管理基礎(chǔ)設(shè)施、配置服務(wù)器或升級(jí)硬件即可按需運(yùn)行代碼的無(wú)服務(wù)器功能將更成為開(kāi)發(fā)人員的首選架構(gòu)。它簡(jiǎn)化了部署過(guò)程，允許更高效的資源分配，并將大大節(jié)省工作和時(shí)間。隨著量子計(jì)算的進(jìn)步，即使進(jìn)展緩慢，它也將擾亂傳統(tǒng)的加密方法。云托管提供商必須通過(guò)提供抗量子安全解決方案來(lái)保護(hù)敏感數(shù)據(jù)來(lái)進(jìn)行適應(yīng)。不斷上漲的能源價(jià)格將推動(dòng)云托管采用更可持續(xù)的做法。更多的供應(yīng)商將致力于使用可再生能源、重復(fù)利用廢水、減少碳足跡，并推廣環(huán)保的云服務(wù)。

 

數(shù)據(jù)庫(kù)/數(shù)據(jù)倉(cāng)庫(kù)/數(shù)據(jù)湖/數(shù)據(jù)管理

 

數(shù)據(jù)模型將實(shí)現(xiàn)從高度結(jié)構(gòu)化的傳統(tǒng)數(shù)據(jù)庫(kù)的結(jié)構(gòu)性轉(zhuǎn)變。隨著越來(lái)越多的公司集成AI能力以獲得競(jìng)爭(zhēng)優(yōu)勢(shì)并改變業(yè)務(wù)的實(shí)時(shí)步伐，傳統(tǒng)的數(shù)據(jù)管理方法將被擱置，需要一種新的數(shù)據(jù)模式取而代之。

 

一種新的數(shù)據(jù)倉(cāng)庫(kù)將會(huì)出現(xiàn)：Snowflake、BigQuery和RedShift將企業(yè)數(shù)據(jù)帶到云端。2024年，我們將看到新一代數(shù)據(jù)庫(kù)從這些單一的數(shù)據(jù)倉(cāng)庫(kù)中竊取工作負(fù)載。這些實(shí)時(shí)數(shù)據(jù)倉(cāng)庫(kù)將通過(guò)更快、更高效地處理實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)的應(yīng)用程序來(lái)實(shí)現(xiàn)這一點(diǎn)，這些應(yīng)用程序在可觀察性和分析方面為產(chǎn)品提供動(dòng)力。

 

SQL將繼續(xù)存在：結(jié)構(gòu)化查詢(xún)語(yǔ)言或SQL每隔幾年就會(huì)被宣布過(guò)于過(guò)時(shí)，在2024年，使用LLMAI工具生成數(shù)據(jù)庫(kù)查詢(xún)的提議將得到大量關(guān)注。但SQL是20世紀(jì)70年代以來(lái)唯一一種至今仍在廣泛使用的編程語(yǔ)言，其原因之一是它在查詢(xún)數(shù)據(jù)方面的能力。您可能不喜歡它的語(yǔ)法。你可能會(huì)發(fā)現(xiàn)它的規(guī)則有些武斷。你可能對(duì)學(xué)習(xí)這樣一門(mén)古老的語(yǔ)言有怨言。但幾十年來(lái)，SQL一次又一次地證明自己是操縱數(shù)據(jù)的首要工具。它不會(huì)很快過(guò)時(shí)的。

 

比以往任何時(shí)候都更需要靈活的全球架構(gòu)

 

對(duì)全球數(shù)據(jù)庫(kù)的需求將來(lái)自對(duì)數(shù)據(jù)駐留的合規(guī)要求的增加，以及向全球分布的用戶(hù)群提供低延遲數(shù)據(jù)的需要。隨著越來(lái)越多的國(guó)家實(shí)施數(shù)據(jù)駐留法規(guī)，全球企業(yè)將需要評(píng)估其數(shù)據(jù)庫(kù)，以確保它們可以部署在靈活的全球架構(gòu)中。

 

《一般數(shù)據(jù)保護(hù)條例》(GDPR)(2018年5月25日頒布)是世界上最嚴(yán)厲的數(shù)據(jù)保護(hù)政策。它對(duì)企業(yè)提出了嚴(yán)格的要求，以保護(hù)歐盟公民的個(gè)人數(shù)據(jù)和隱私。如果一家企業(yè)不符合GDPR，他們將被處以最高1000萬(wàn)歐元的罰款，或上一財(cái)年全球總營(yíng)業(yè)額的2%。這些嚴(yán)厲的處罰(加上媒體報(bào)道造成的聲譽(yù)損失)使得企業(yè)無(wú)論總部設(shè)在哪里，滿(mǎn)足和遵守全球法規(guī)變得越來(lái)越重要。擁有靈活的全球架構(gòu)有助于企業(yè)避免與這些法規(guī)發(fā)生沖突。對(duì)全球數(shù)據(jù)庫(kù)的需求可能是日益嚴(yán)格的合規(guī)要求的結(jié)果，但擁有靈活的全球架構(gòu)也可以改善組織的隱私衛(wèi)生。擁有靈活的全球架構(gòu)使企業(yè)能夠適應(yīng)不斷變化的市場(chǎng)和客戶(hù)需求，并以低延遲將數(shù)據(jù)提供給全球分布的用戶(hù)數(shù)據(jù)庫(kù)。

 

數(shù)據(jù)湖的興起和數(shù)據(jù)湖供應(yīng)商的衰落：雖然一些公司可能會(huì)選擇收集更少的數(shù)據(jù)，但不斷增加的監(jiān)管要求意味著大多數(shù)團(tuán)隊(duì)別無(wú)選擇，只能用更少的錢(qián)做更多的事情。隨著它們努力尋找具有成本效益的方式來(lái)存儲(chǔ)不可預(yù)測(cè)的數(shù)據(jù)，企業(yè)正越來(lái)越多地重新考慮數(shù)據(jù)湖。一旦被認(rèn)為是非結(jié)構(gòu)化數(shù)據(jù)的最終落腳點(diǎn)，我預(yù)計(jì)2024年將加速向數(shù)據(jù)湖遷移，原因是存儲(chǔ)成本增加，以及跨數(shù)據(jù)湖和對(duì)象存儲(chǔ)的查詢(xún)功能的進(jìn)步，以及數(shù)據(jù)可以相對(duì)輕松地路由到它們。有了快速、經(jīng)濟(jì)高效地搜索大型數(shù)據(jù)存儲(chǔ)的能力，公司將開(kāi)始將數(shù)據(jù)湖作為數(shù)據(jù)的第一站，而不是最終目的地。這將導(dǎo)致數(shù)據(jù)量從分析平臺(tái)和熱存儲(chǔ)轉(zhuǎn)移到數(shù)據(jù)湖。與這種增長(zhǎng)形成對(duì)比的是，我們預(yù)計(jì)，隨著市場(chǎng)從理論和部署到現(xiàn)實(shí)和使用的成熟，不是同類(lèi)中最好的數(shù)據(jù)湖供應(yīng)商明年可能會(huì)看到增長(zhǎng)和整合放緩。對(duì)于那些經(jīng)歷了過(guò)快增長(zhǎng)導(dǎo)致經(jīng)濟(jì)低迷的細(xì)分行業(yè)來(lái)說(shuō)，這種痛苦將更加尖銳，數(shù)據(jù)湖供應(yīng)商肯定在名單上。

 

英語(yǔ)將取代SQL成為業(yè)務(wù)分析師的通用語(yǔ)言：我們可以預(yù)見(jiàn)，在成功地解決了語(yǔ)言到SQL技術(shù)的準(zhǔn)確性、性能和安全問(wèn)題之后，語(yǔ)言到SQL技術(shù)將被廣泛采用。此外，用于語(yǔ)言到SQL的LLM將在使用這些LLM時(shí)移入數(shù)據(jù)庫(kù)以保護(hù)敏感數(shù)據(jù)，從而解決圍繞數(shù)據(jù)隱私和安全的主要問(wèn)題之一。語(yǔ)言到SQL技術(shù)的成熟將向更廣泛的受眾打開(kāi)大門(mén)，使數(shù)據(jù)和數(shù)據(jù)庫(kù)管理工具的訪問(wèn)民主化，并進(jìn)一步將自然語(yǔ)言處理集成到與日常數(shù)據(jù)相關(guān)的任務(wù)中。

 

開(kāi)放格式將對(duì)數(shù)據(jù)倉(cāng)庫(kù)模式造成最后的打擊。盡管許多人預(yù)計(jì)數(shù)據(jù)倉(cāng)庫(kù)模式將取代倉(cāng)庫(kù)，但真正的顛覆者是開(kāi)放格式和數(shù)據(jù)堆棧。它們將公司從供應(yīng)商鎖定中解放出來(lái)，這一限制同時(shí)影響了湖邊和倉(cāng)庫(kù)的建筑。

 

數(shù)據(jù)優(yōu)先架構(gòu)意味著和數(shù)據(jù)管理策略：我們即將看到人們保存的數(shù)據(jù)的又一次爆炸。到2025年，全球數(shù)據(jù)創(chuàng)建預(yù)計(jì)將增長(zhǎng)到180 ZB以上。數(shù)據(jù)對(duì)組織來(lái)說(shuō)變得越來(lái)越有價(jià)值，即使他們不知道自己將如何使用或長(zhǎng)期需要它。數(shù)據(jù)爆炸將繼續(xù)推動(dòng)對(duì)高可用性和可擴(kuò)展解決方案的需求。為了利用這種突發(fā)，組織將需要跨部門(mén)的數(shù)據(jù)民主化，以實(shí)現(xiàn)數(shù)據(jù)優(yōu)先的方法，這樣所有事情都將真正使組織的各個(gè)方面受益。

 

2024年是事務(wù)型分布式數(shù)據(jù)庫(kù)進(jìn)入主流應(yīng)用的一年。直到最近，還有一種看法認(rèn)為，分布式數(shù)據(jù)庫(kù)只對(duì)小眾用例有用。然而，隨著AI和云采用的增長(zhǎng)，以及企業(yè)跨多個(gè)時(shí)區(qū)和地點(diǎn)擴(kuò)展運(yùn)營(yíng)，越來(lái)越多的應(yīng)用程序?qū)⑿枰蓴U(kuò)展性、彈性、高可用性和數(shù)據(jù)地理分布。經(jīng)過(guò)行業(yè)領(lǐng)先企業(yè)驗(yàn)證的云本地分布式數(shù)據(jù)庫(kù)將成為其中許多組織的明顯選擇。對(duì)數(shù)據(jù)駐留立法征稅和合規(guī)的需要將進(jìn)一步推動(dòng)采用。我們預(yù)計(jì)，AWS、Google Cloud和Microsoft Azure等主要參與者將在未來(lái)一年宣布更多分布式關(guān)系數(shù)據(jù)庫(kù)功能，以利用這一趨勢(shì)。

 

數(shù)據(jù)工程

 

AI技術(shù)不會(huì)取代開(kāi)發(fā)人員：AI正在走向軟件開(kāi)發(fā)的前沿，IT領(lǐng)導(dǎo)者使用AI來(lái)加快上市時(shí)間，緩解開(kāi)發(fā)人員短缺。雖然基于AI的生成性工具可以加快許多常見(jiàn)的開(kāi)發(fā)人員任務(wù)的速度，但復(fù)雜的任務(wù)目前仍然屬于開(kāi)發(fā)人員的領(lǐng)域。AI技術(shù)將用于增強(qiáng)開(kāi)發(fā)人員，而不是取代他們，因?yàn)橐恍┤蝿?wù)仍然需要熟練的開(kāi)發(fā)人員專(zhuān)業(yè)知識(shí)。

 

AI生成的代碼將產(chǎn)生對(duì)數(shù)字免疫系統(tǒng)的需求：在2024年，更多的組織將經(jīng)歷由于低質(zhì)量和監(jiān)管不足的軟件代碼而導(dǎo)致的重大數(shù)字服務(wù)中斷。開(kāi)發(fā)人員將越來(lái)越多地使用GenAI支持的自主代理來(lái)為他們編寫(xiě)代碼，這將使他們的組織面臨更大的意外問(wèn)題風(fēng)險(xiǎn)，這些問(wèn)題會(huì)影響客戶(hù)和用戶(hù)體驗(yàn)。這是因?yàn)榫S護(hù)自主代理生成的代碼的挑戰(zhàn)類(lèi)似于保留由離開(kāi)組織的開(kāi)發(fā)人員創(chuàng)建的代碼。剩下的團(tuán)隊(duì)成員都不能完全理解代碼。因此，當(dāng)代碼中出現(xiàn)問(wèn)題時(shí)，沒(méi)有人可以快速解決這些問(wèn)題。此外，那些試圖使用生成式AI來(lái)審查和解決由自主代理創(chuàng)建的代碼中的問(wèn)題的人將發(fā)現(xiàn)自己面臨著一個(gè)遞歸問(wèn)題，因?yàn)樗麄內(nèi)匀蝗狈τ行Ч芾硭璧幕局R(shí)和理解。這些挑戰(zhàn)將推動(dòng)組織開(kāi)發(fā)數(shù)字免疫系統(tǒng)，將軟件設(shè)計(jì)、開(kāi)發(fā)、運(yùn)營(yíng)和分析的實(shí)踐和技術(shù)結(jié)合起來(lái)，通過(guò)確保默認(rèn)情況下的代碼彈性來(lái)保護(hù)其軟件免受內(nèi)部影響。為了實(shí)現(xiàn)這一點(diǎn)，組織將利用預(yù)測(cè)性AI在代碼或應(yīng)用程序中出現(xiàn)問(wèn)題之前自動(dòng)預(yù)測(cè)問(wèn)題，并觸發(fā)即時(shí)、自動(dòng)響應(yīng)，以保障用戶(hù)體驗(yàn)。例如，開(kāi)發(fā)團(tuán)隊(duì)可以設(shè)計(jì)具有自我修復(fù)功能的應(yīng)用程序。如果新版本引入錯(cuò)誤或自動(dòng)配置額外的云資源以支持計(jì)算能力需求的增加，這些功能可以自動(dòng)回滾到代碼庫(kù)的最新穩(wěn)定版本。

 

數(shù)據(jù)治理和監(jiān)管

 

40%的企業(yè)將主動(dòng)投資于AI治理以實(shí)現(xiàn)合規(guī)。隨著歐盟即將通過(guò)新的歐盟AI法案，美國(guó)監(jiān)管機(jī)構(gòu)匆忙生產(chǎn)AI和GenAI抵押品，以及中國(guó)最近出臺(tái)的genAI監(jiān)管規(guī)定，一些公司將進(jìn)一步推動(dòng)AI合規(guī)。如果做不到這一點(diǎn)，就意味著錯(cuò)過(guò)了合規(guī)截止日期，并不得不改造AI治理，這增加了復(fù)雜性、成本和時(shí)間。為了滿(mǎn)足當(dāng)前和未來(lái)的合規(guī)要求，企業(yè)將投資于獲取新技術(shù)、填補(bǔ)人才缺口并獲得所需的第三方支持。

 

數(shù)據(jù)治理將演變?yōu)閿?shù)據(jù)智能：在數(shù)據(jù)治理的早期，數(shù)據(jù)丟失預(yù)防和保護(hù)策略占據(jù)主導(dǎo)地位。盡管這些工具仍然有助于滿(mǎn)足政府的要求，但可能會(huì)阻礙對(duì)數(shù)據(jù)的有效利用。當(dāng)數(shù)據(jù)被嚴(yán)密鎖定時(shí)，管理人員無(wú)法了解如何使用、移動(dòng)或訪問(wèn)他們的數(shù)據(jù)，因此他們無(wú)法有效地改進(jìn)他們的數(shù)據(jù)存儲(chǔ)和實(shí)施實(shí)踐。但我預(yù)計(jì)變化很快就會(huì)到來(lái)。是的，數(shù)據(jù)治理仍將是維護(hù)合規(guī)性的關(guān)鍵。然而，現(xiàn)在已經(jīng)出現(xiàn)了進(jìn)化的數(shù)據(jù)智能能力，使從業(yè)者不僅可以控制數(shù)據(jù)，還可以理解數(shù)據(jù)-這些能力在現(xiàn)代商業(yè)世界中是必不可少的。挖掘元數(shù)據(jù)以了解其生命周期將使團(tuán)隊(duì)能夠更有效地支持其業(yè)務(wù)需求。這些開(kāi)明的治理策略將幫助組織實(shí)現(xiàn)數(shù)據(jù)合規(guī)性的共同目標(biāo)，同時(shí)發(fā)現(xiàn)細(xì)粒度的數(shù)據(jù)洞察。

 

AI將被拖過(guò)一個(gè)混亂的監(jiān)管迷宮。監(jiān)管將從世界各地如雨點(diǎn)般落在AI身上，創(chuàng)造一個(gè)復(fù)雜的監(jiān)管迷宮，企業(yè)將難以駕馭。具體地說(shuō)，在美國(guó)國(guó)內(nèi)，AI的監(jiān)管可能而且很可能會(huì)在各州甚至城市的基礎(chǔ)上有所不同，類(lèi)似于目前稅法因司法管轄區(qū)而異的方式。2024年，當(dāng)各組織努力解決監(jiān)管AI框架的拼湊問(wèn)題時(shí)，他們必須問(wèn)自己：‘這里應(yīng)該啟用AI嗎？如果應(yīng)該，如何啟用？’

 

美國(guó)不太可能在2024年制定與AI相關(guān)的法律：如果歷史可以借鑒的話(huà)，立法者需要很長(zhǎng)時(shí)間才能形成關(guān)于AI的實(shí)用知識(shí)，了解他們的選擇，并形成足夠的共識(shí)來(lái)制定法律。預(yù)測(cè)任何復(fù)雜政治進(jìn)程的結(jié)果都很困難，尤其是在總統(tǒng)選舉即將到來(lái)的情況下。然而，鑒于GenAI在2023年占據(jù)了公眾的想象力，人們有一種緊迫感，這可能是拜登總統(tǒng)關(guān)于安全、可靠和可信賴(lài)的AI的行政命令(EO)的動(dòng)力。EO將取代指導(dǎo)低成本管理和AI使用和發(fā)展的聯(lián)邦法律，通過(guò)利用國(guó)土安全部、國(guó)防、能源、商務(wù)等行政部門(mén)的權(quán)力和資源，幫助進(jìn)一步促進(jìn)AI的安全和安保。政府通過(guò)其廣泛的購(gòu)買(mǎi)力對(duì)市場(chǎng)的影響力也將被利用，以推動(dòng)安全和安保控制的開(kāi)發(fā)和采用。

 

可信數(shù)據(jù)將成為世界上最關(guān)鍵的資產(chǎn)：可信數(shù)據(jù)在AI系統(tǒng)中的關(guān)鍵作用正在成為技術(shù)未來(lái)的基石。確保來(lái)自AI系統(tǒng)的信息和數(shù)據(jù)是值得信任的，這同樣至關(guān)重要。在一個(gè)越來(lái)越接近通用人工智能(AGI)的世界里，知道應(yīng)該相信什么和相信誰(shuí)將對(duì)我們學(xué)習(xí)的一切和我們認(rèn)為知道的一切都至關(guān)重要。Forrester強(qiáng)調(diào)了這一轉(zhuǎn)變，他預(yù)測(cè)，注入大型語(yǔ)言模型(LLM)的特定領(lǐng)域的數(shù)字同事很快將幫助十分之一的運(yùn)營(yíng)任務(wù)。當(dāng)針對(duì)特定的業(yè)務(wù)需求量身定做時(shí)，這些LLM承諾獲得可觀的投資回報(bào)。這一趨勢(shì)導(dǎo)致組織更多地關(guān)注尋找、理解和管理高質(zhì)量、可靠的數(shù)據(jù)，這對(duì)于培訓(xùn)根據(jù)特定業(yè)務(wù)需求定制的AI模型至關(guān)重要。其結(jié)果是，AI治理將很快變得重要起來(lái)。它涉及的不僅僅是管理數(shù)據(jù)；它還涉及理解信息和模型的整個(gè)生命周期。在GenAI和幻覺(jué)帶來(lái)的挑戰(zhàn)的時(shí)代，將數(shù)據(jù)類(lèi)比為新石油現(xiàn)在似乎是不夠的。在當(dāng)今的商業(yè)環(huán)境中，僅僅收集和分析大型數(shù)據(jù)集已經(jīng)不夠用了。在2024年及以后，可信數(shù)據(jù)以及與建立對(duì)數(shù)據(jù)的信任相關(guān)的所有工具將成為組織的頭號(hào)商品。

 

由于監(jiān)管障礙，GenAI的采用將放緩，將重點(diǎn)轉(zhuǎn)向企業(yè)數(shù)據(jù)可用性：在2023年成為聚光燈下后，GenAI將在新的一年面臨監(jiān)管逆風(fēng)，導(dǎo)致企業(yè)在進(jìn)入2024年時(shí)更加謹(jǐn)慎。迫在眉睫的法規(guī)和日益加劇的安全擔(dān)憂(yōu)促使各組織對(duì)大規(guī)模收養(yǎng)踩下了剎車(chē)。雖然試點(diǎn)項(xiàng)目將很多，但許多項(xiàng)目可能達(dá)不到預(yù)期的結(jié)果，降低了企業(yè)的熱情。隨著AI評(píng)估的加強(qiáng)，供應(yīng)商將面臨更嚴(yán)格的審查。然而，這種審查可能會(huì)為更以數(shù)據(jù)為中心、用戶(hù)友好的應(yīng)用程序環(huán)境鋪平道路。

 

數(shù)據(jù)集成、數(shù)據(jù)質(zhì)量

 

大大小小的企業(yè)都會(huì)優(yōu)先考慮清潔數(shù)據(jù)集：隨著公司意識(shí)到AI驅(qū)動(dòng)的數(shù)據(jù)分析的力量，他們會(huì)想要加入這一潮流-但如果沒(méi)有整合的、清潔的數(shù)據(jù)集，他們不會(huì)走得太遠(yuǎn)，因?yàn)锳I算法的有效性在很大程度上依賴(lài)于數(shù)據(jù)的質(zhì)量和清潔度。干凈的數(shù)據(jù)集將成為成功實(shí)施AI的基礎(chǔ)，使企業(yè)能夠獲得有價(jià)值的見(jiàn)解并保持競(jìng)爭(zhēng)力。

 

數(shù)據(jù)網(wǎng)狀、數(shù)據(jù)交換矩陣

 

隨著公司尋求在分布式環(huán)境中共享數(shù)據(jù)，數(shù)據(jù)交換矩陣和數(shù)據(jù)網(wǎng)格將繼續(xù)成為熱門(mén)話(huà)題。實(shí)施數(shù)據(jù)網(wǎng)狀體系結(jié)構(gòu)。讓每個(gè)業(yè)務(wù)部門(mén)設(shè)計(jì)自己的數(shù)據(jù)解決方案，然后只將其連接到他們需要的更大規(guī)模的組件。

 

數(shù)據(jù)可觀測(cè)性

 

數(shù)據(jù)可觀察性：數(shù)據(jù)可觀察性成為一種重要趨勢(shì)，可主動(dòng)確保數(shù)據(jù)質(zhì)量并解決整個(gè)數(shù)據(jù)管道中的異常情況。數(shù)據(jù)可觀察性的5個(gè)關(guān)鍵支柱是世系、質(zhì)量、新鮮度、數(shù)量和架構(gòu)漂移。對(duì)云設(shè)置中的這些支柱進(jìn)行主動(dòng)監(jiān)控可以顯著節(jié)省成本，有可能降低30%-40%的成本。其意義在于，高質(zhì)量的數(shù)據(jù)對(duì)于明智的決策是必不可少的。確保整個(gè)環(huán)境中的適當(dāng)可觀察性使用戶(hù)能夠訪問(wèn)值得信賴(lài)和精心策劃的數(shù)據(jù)資產(chǎn)，以獲得有價(jià)值的見(jiàn)解。

 

深度學(xué)習(xí)

 

深度假貨危險(xiǎn)：2024年將帶來(lái)一系列消費(fèi)者應(yīng)該警惕的深度假貨危險(xiǎn)——特別是在虛擬客服環(huán)境中。身份和驗(yàn)證(ID&V)是大多數(shù)行業(yè)的標(biāo)準(zhǔn)做法，在這些行業(yè)中，客戶(hù)身份和交易權(quán)是確立的。然而，如果客戶(hù)生成一張?zhí)摷賵D像，暗示一家公司的產(chǎn)品被用于犯罪，那么深度偽造有可能克服生物特征驗(yàn)證和認(rèn)證方法——使身份盜竊變得容易得多。而這僅僅是個(gè)開(kāi)始。深度假冒技術(shù)還處于初級(jí)階段，只會(huì)變得更好、更狡猾。幸運(yùn)的是，更具預(yù)測(cè)性的信號(hào)可以用來(lái)檢測(cè)可能發(fā)生的欺詐，因?yàn)楸槐I的身份可能意味著在某些情況下壞人可以通過(guò)ID&V。技術(shù)正在不斷發(fā)展，以解決這些問(wèn)題，我們無(wú)疑將在這一年看到硬幣兩邊的重大技術(shù)創(chuàng)新。

 

GenAI

 

GenAI將轉(zhuǎn)向現(xiàn)代數(shù)據(jù)管理。從歷史上看，數(shù)據(jù)管理有點(diǎn)像一個(gè)黑匣子，需要高度的技術(shù)技能來(lái)制定戰(zhàn)略并高效地管理數(shù)據(jù)。在LLMS的幫助下，現(xiàn)代數(shù)據(jù)管理將改變其框架，允許用戶(hù)以完全受治理和合規(guī)的方式參與整個(gè)數(shù)據(jù)堆棧。

 

2023年，隨著ChatGPT的發(fā)布，我們見(jiàn)證了人們過(guò)高的期望和數(shù)十億美元的資金涌入AI初創(chuàng)公司。2024年，我們將開(kāi)始看到GenAI法案2.0，公司不僅構(gòu)建基礎(chǔ)模型，而且構(gòu)建重新想象工作流程的整體產(chǎn)品解決方案。我們將看到市場(chǎng)從“每個(gè)人都可以做任何事情”的喧囂過(guò)渡到少數(shù)幾家贏得GenAI的公司提供真正的價(jià)值。

 

從以基礎(chǔ)設(shè)施為基礎(chǔ)的GenAI將迅速轉(zhuǎn)變?yōu)楸镜谿enAI，因?yàn)槟壳埃@是不可能的。一般的初創(chuàng)公司沒(méi)有幾千美元可以投給云提供商，事實(shí)將證明，自己運(yùn)營(yíng)幾乎是不可能的，但隨著圍繞本地GenAI的創(chuàng)新，這種情況正在迅速改變。隨著它的本地化，您將擁有一個(gè)完整的RAG堆棧，并在您的訪問(wèn)控制下進(jìn)行控制。這樣，您就不必以任何方式公開(kāi)您的專(zhuān)有數(shù)據(jù)。當(dāng)我們從集中式的、基于API的LLM轉(zhuǎn)變?yōu)楸镜豅LM時(shí)，這將很快發(fā)生。能夠奏效的方案將會(huì)像野火一樣被采納。只需注意其不利之處，因?yàn)槿ブ行幕腖LM在循環(huán)中引入了不良行為者的概念。

 

大型語(yǔ)言模型將在2024年商品化：今天的公司將展開(kāi)一場(chǎng)巨大的競(jìng)賽，要構(gòu)建自己獨(dú)特的大型語(yǔ)言模型(LLM)，比如OpenAI的GPT-4或Meta的駱駝。然而，我預(yù)測(cè)這些模型將在2024年商品化。這種區(qū)別將歸結(jié)為哪些數(shù)據(jù)正在被輸入LLM，以及它的目的是什么。這類(lèi)似于有線電視和流媒體領(lǐng)域的情況，一個(gè)月的有線電視賬單變成了許多完全不同的流媒體訂閱。隨著許多新公司的成立，每個(gè)公司都有自己的差異化模式，我們看到了類(lèi)似的AI模式的“拆分”。在未來(lái)，這些AI模型可能會(huì)聚合回一項(xiàng)單一技術(shù)，數(shù)據(jù)是唯一的差異化因素。

 

在2024年，GenAI將產(chǎn)生的一個(gè)重要影響是，讓人們能夠毫無(wú)畏懼或?qū)擂蔚赜懻撍麄兊呢?cái)務(wù)擔(dān)憂(yōu)或困難。對(duì)于一些人來(lái)說(shuō)，在尋求有關(guān)金融事務(wù)的建議時(shí)，與聊天機(jī)器人交談比與活人交談更容易。通過(guò)提供一種保密和非評(píng)判的方式來(lái)獲得財(cái)務(wù)建議和支持，AI將創(chuàng)造一個(gè)更具財(cái)務(wù)包容性的未來(lái)，每個(gè)人都可以獲得他們需要的財(cái)務(wù)建議和支持，無(wú)論他們的背景或情況如何。

 

隨著GenAI變得更加主流，潛在的生產(chǎn)力收益將使這些組織顯著受益。我們將看到科技領(lǐng)導(dǎo)者在培訓(xùn)、創(chuàng)新中心的建立和采用新的開(kāi)發(fā)平臺(tái)方面投入更多資金，以最大限度地發(fā)揮科技團(tuán)隊(duì)的價(jià)值。科技領(lǐng)導(dǎo)者將需要采取雙管齊下的方法，在應(yīng)用AI服務(wù)加速成果的同時(shí)，為數(shù)據(jù)實(shí)驗(yàn)創(chuàng)造條件。所有這些都將被要求管理創(chuàng)新創(chuàng)造，并緩解與公共AI模型相關(guān)的風(fēng)險(xiǎn)。

 

在ChatGPT引發(fā)的AI革命進(jìn)入一年后，我們是否很快就會(huì)被戲劇性的GenAI成功故事包圍，或者我們將看到迄今為止最快的崩潰，陷入一項(xiàng)技術(shù)的幻滅低谷？?jī)蓚€(gè)都是！精通AI的企業(yè)已經(jīng)在增加他們最有價(jià)值的員工，偶爾還會(huì)將他們自動(dòng)化，隨著清晰、可重復(fù)的GenAI用例成熟以及對(duì)MLOP和LLMOP的投資取得成果，這一趨勢(shì)將獲得勢(shì)頭。與此同時(shí)，大多數(shù)POC-被民主化的、外包的GenAI海市蜃樓弄得眼花繚亂——首先陷入了生產(chǎn)級(jí)GenAI應(yīng)用程序的運(yùn)營(yíng)現(xiàn)實(shí)，導(dǎo)致了廣泛的幻想破滅。事實(shí)證明，人類(lèi)關(guān)于AI的智慧是GenAI成功的最重要因素，而對(duì)于特定的用例和垂直領(lǐng)域來(lái)說(shuō)，專(zhuān)門(mén)針對(duì)特定用例和垂直市場(chǎng)的“通用預(yù)先訓(xùn)練的變形金剛模型”更有價(jià)值。

 

LLMS將幫助GenAI進(jìn)行更多的推理，減少幻覺(jué)：AI正在超越ChatGPT的大型語(yǔ)言模型(LLM)文本世界，以及向大型多模式模型(LMM)過(guò)渡的過(guò)程，這些系統(tǒng)可以跨不同的媒體類(lèi)型進(jìn)行推理。這正在開(kāi)辟新類(lèi)型的應(yīng)用和可能性，例如基于圖像的庫(kù)存或面向小企業(yè)的虛擬產(chǎn)品支持助理，并可能有助于未來(lái)的AI系統(tǒng)基于更多真實(shí)世界的例子，以減輕幻覺(jué)的可能性。我們預(yù)計(jì)在接下來(lái)的12個(gè)月里會(huì)有更多的應(yīng)用，隨著GenAI用聲音、視覺(jué)和其他感官學(xué)習(xí)，在不久的將來(lái)可能會(huì)帶來(lái)能夠區(qū)分現(xiàn)實(shí)和虛構(gòu)的AI系統(tǒng)。

 

分析的商品化：自然語(yǔ)言處理(NLP)有助于增加用戶(hù)對(duì)分析的采用。現(xiàn)在，NLP和大型語(yǔ)言模型(LLM)的正確組合將有助于進(jìn)一步將分析商品化。LLM在幫助用戶(hù)在分析軟件中執(zhí)行復(fù)雜計(jì)算方面一直很有幫助。分析供應(yīng)商將在不依賴(lài)LLM的情況下將這些功能整合到分析軟件中，以填補(bǔ)LLMS帶來(lái)的空白并緩解LLMS帶來(lái)的隱私問(wèn)題。

 

2024年，重點(diǎn)將放在車(chē)型轉(zhuǎn)型上，針對(duì)特定市場(chǎng)需求的專(zhuān)業(yè)化程度將提高。像ChatGPT這樣的大型語(yǔ)言模型將演變成新一代，變得更加專(zhuān)門(mén)用于特定的用例。在改進(jìn)的GenAI模型的推動(dòng)下，廣告和新聞等視覺(jué)應(yīng)用的AI內(nèi)容使用量將大幅上升。此外，目前AI中的種族偏見(jiàn)可能會(huì)減少。現(xiàn)在，如果你向AI模特要一張男性的照片，90%的照片都是白人男性。AI模特必須變得更能反映世界，才能繼續(xù)跟上。

 

到2025年，ChatGPT將不再是企業(yè)的主流技術(shù)：與大多數(shù)技術(shù)先行者一樣，隨著時(shí)間的推移，ChatGPT將變得越來(lái)越不重要。像Llama2這樣的本地LLM(以及接下來(lái)的任何事情)將成為企業(yè)AI的引擎。這有很多原因，但數(shù)據(jù)安全和通過(guò)使用特定于行業(yè)的內(nèi)容增強(qiáng)本地LLM來(lái)影響結(jié)果的能力可能是推動(dòng)這一變化的兩個(gè)因素。

 

新一代AI將發(fā)展銷(xiāo)售代表的角色：隨著B(niǎo)2B公司專(zhuān)注于增加每個(gè)銷(xiāo)售代表的收入，他們將尋求通過(guò)AI為每個(gè)銷(xiāo)售代表配備一個(gè)虛擬助理。為了高效增長(zhǎng)，他們需要在銷(xiāo)售和推向市場(chǎng)的技術(shù)堆棧中嚴(yán)重依賴(lài)GenAI能力。根據(jù)Forrester Research的數(shù)據(jù)，通過(guò)自動(dòng)化圍繞潛在客戶(hù)調(diào)查和接洽渠道的某些任務(wù)，普通銷(xiāo)售代表將能夠多花50%的時(shí)間用于創(chuàng)造性的問(wèn)題解決和富有成效的行動(dòng)。

 

AI冷水澡：根據(jù)CCS Insight的最新數(shù)據(jù)顯示，2024年將是GenAI面臨一場(chǎng)‘冷水澡’的喚醒之年。圍繞AI的過(guò)度炒作吸引了企業(yè)制定充滿(mǎn)希望的長(zhǎng)期目標(biāo)，以提高生產(chǎn)率和實(shí)現(xiàn)轉(zhuǎn)型。在這些盲目的情況下，許多人忽視了采用和部署新一代AI所涉及的成本、風(fēng)險(xiǎn)和復(fù)雜性的負(fù)擔(dān)。而且情況只會(huì)變得更糟——現(xiàn)在我們被告知，到2027年，AI可能需要與整個(gè)國(guó)家一樣多的電力。AI的前景是巨大的，但資源是一個(gè)問(wèn)題。并不是每個(gè)組織或政府都能負(fù)擔(dān)得起，也不是每個(gè)人都有資源將其嵌入其現(xiàn)有的系統(tǒng)和流程。世界仍處于制定AI法規(guī)的早期階段，缺乏設(shè)定的邊界和安全網(wǎng)可能會(huì)將許多行業(yè)置于風(fēng)險(xiǎn)之中。在AI方面，我們已經(jīng)看到了一段時(shí)間的碎片化。事實(shí)是，AI的發(fā)展速度比許多人準(zhǔn)備的要快，這項(xiàng)技術(shù)需要不同的資源才能運(yùn)行。為了防止明年陷入冷水澡，組織必須戰(zhàn)略性地投資于他們將如何為未來(lái)的AI提供動(dòng)力(投資于光子學(xué)和數(shù)字雙胞胎等東西，以解決資源不平等的根本問(wèn)題)。利用尖端技術(shù)的力量可以幫助建立一個(gè)更智能的世界，在這個(gè)世界中，人們和社會(huì)使用所有類(lèi)型的可訪問(wèn)、互聯(lián)和有凝聚力的信息進(jìn)行優(yōu)化。

 

數(shù)據(jù)中毒：對(duì)GenAI的最新威脅：也許沒(méi)有什么比ChatGPT更能說(shuō)明機(jī)器學(xué)習(xí)和AI的快速主流。但隨著算法成為日常生活的一部分，它們也代表著一個(gè)新的攻擊面。這種類(lèi)型的攻擊被稱(chēng)為數(shù)據(jù)中毒，隨著壞人獲得更大的計(jì)算能力和新工具，這種攻擊正變得更加猖獗。展望2024年，考慮到新的機(jī)器學(xué)習(xí)和AI工具的普及和普及，公司可以預(yù)計(jì)會(huì)看到數(shù)據(jù)中毒攻擊的增加，其中包括可用性攻擊、后門(mén)攻擊、定向攻擊和子群攻擊。不幸的現(xiàn)實(shí)是，數(shù)據(jù)中毒很難補(bǔ)救。唯一的解決辦法是徹底重新訓(xùn)練這個(gè)模型。但這并不簡(jiǎn)單，也不便宜。隨著組織將AI和機(jī)器學(xué)習(xí)用于更廣泛的用例，了解和預(yù)防此類(lèi)漏洞至關(guān)重要。雖然GenAI有一長(zhǎng)串有希望的用例，但只有在我們將對(duì)手擋在門(mén)外并保護(hù)模型的情況下，它的全部潛力才能實(shí)現(xiàn)。

 

GenAI將改變程序員的工作性質(zhì)和未來(lái)程序員的學(xué)習(xí)方式。編寫(xiě)源代碼將變得更容易、更快，但編程與其說(shuō)是磨代碼行，不如說(shuō)是解決問(wèn)題。GenAI將允許程序員花更多的時(shí)間了解他們需要解決的問(wèn)題，管理復(fù)雜性，并測(cè)試結(jié)果，從而產(chǎn)生更好的軟件：更可靠、更容易使用的軟件。

 

最終將確定在企業(yè)中采用LLM的主要價(jià)值用例。雖然2023年是關(guān)于夢(mèng)想GenAI的可能性，但2024年將是該企業(yè)將其付諸實(shí)施的一年。經(jīng)過(guò)一年的猜測(cè)，企業(yè)最終將具體應(yīng)用低成本管理來(lái)簡(jiǎn)化他們的工作流程。到今年年底，將有幾個(gè)命名的基于場(chǎng)景的價(jià)值領(lǐng)域?yàn)槿藗兯斫猓屛覀兂?ldquo;假設(shè)”，并揭示清晰的用例。

 

GenAI將繼續(xù)面臨組織審查：隨著2023年GenAI工具的快速增長(zhǎng)，組織將在新的一年加強(qiáng)對(duì)AI工具對(duì)員工和系統(tǒng)影響的審查。一個(gè)挑戰(zhàn)是圍繞AI工具合法性的錯(cuò)誤信息和問(wèn)題的持續(xù)存在，包括被曝光的源代碼和確定員工收到的結(jié)果的合法性的能力。領(lǐng)導(dǎo)者將需要建立方法來(lái)驗(yàn)證和驗(yàn)證信息，同時(shí)定義明確的參數(shù)來(lái)確定員工如何在其組織內(nèi)使用AI工具。

 

將GenAI從試點(diǎn)轉(zhuǎn)向生產(chǎn)：GenAI正在影響組織的投資決策。雖然早期的GenAI試點(diǎn)顯示出了希望，但由于實(shí)踐經(jīng)驗(yàn)有限和快速發(fā)展，大多數(shù)組織仍然對(duì)全面生產(chǎn)部署持謹(jǐn)慎態(tài)度。2023年，大多數(shù)組織都在進(jìn)行小規(guī)模、有針對(duì)性的試驗(yàn)，以仔細(xì)評(píng)估收益和風(fēng)險(xiǎn)。隨著GenAI技術(shù)的成熟，并通過(guò)預(yù)先培訓(xùn)的模型、云計(jì)算和開(kāi)源工具變得更加民主化，2024年預(yù)算分配將更多地轉(zhuǎn)向GenAI。

 

GenAI將釋放隱藏在非結(jié)構(gòu)化企業(yè)數(shù)據(jù)中的價(jià)值和風(fēng)險(xiǎn)：非結(jié)構(gòu)化數(shù)據(jù)-主要是內(nèi)部文檔存儲(chǔ)庫(kù)-將成為企業(yè)IT和數(shù)據(jù)治理團(tuán)隊(duì)的緊迫重點(diǎn)。到目前為止，這些內(nèi)容存儲(chǔ)庫(kù)幾乎沒(méi)有在操作系統(tǒng)和傳統(tǒng)預(yù)測(cè)模型中使用，因此它們一直不在數(shù)據(jù)和治理團(tuán)隊(duì)的雷達(dá)上。基于GenAI的聊天機(jī)器人和微調(diào)的基礎(chǔ)模型將解鎖這些數(shù)據(jù)的一系列新應(yīng)用，但也將使治理變得至關(guān)重要。在沒(méi)有實(shí)施管理數(shù)據(jù)和GenAI模型的必要流程和平臺(tái)的情況下，匆忙開(kāi)發(fā)GenAI用例的公司將發(fā)現(xiàn)自己的項(xiàng)目陷入了PoC煉獄，甚至更糟。這些新要求將產(chǎn)生管理非結(jié)構(gòu)化數(shù)據(jù)源的專(zhuān)門(mén)工具和技術(shù)。

 

OpenAI戲劇將繼續(xù)充斥著2024年：山姆·奧特曼被趕下臺(tái)并重新加入OpenAI創(chuàng)造了充斥著八卦和熱門(mén)鏡頭的新聞周期，我懷疑OpenAI故事將繼續(xù)占據(jù)整個(gè)明年的頭條新聞。潛在的催化劑-獨(dú)特的非營(yíng)利性/營(yíng)利性混合結(jié)構(gòu)、巨大的成本、風(fēng)險(xiǎn)和AI的承諾-沒(méi)有改變，隨著該領(lǐng)域的發(fā)展速度，這些力量明年有足夠的機(jī)會(huì)一次又一次達(dá)到頂點(diǎn)。

 

隨著“GenAI時(shí)代”進(jìn)入第二個(gè)年頭，我們將開(kāi)始在企業(yè)中看到AI應(yīng)用的更多目的和秩序：在OpenAI和谷歌等公司隨后推出的創(chuàng)新的推動(dòng)下，關(guān)于如何使用GenAI所能做的事情，“哇”效應(yīng)連續(xù)第二年保持突出，世界各地的組織都將開(kāi)始弄清楚如何利用AI能力來(lái)實(shí)現(xiàn)他們的目的，而不僅僅是對(duì)“可能的藝術(shù)”感到驚訝。各種企業(yè)產(chǎn)品中的第一代AI能力，專(zhuān)注于低懸、不復(fù)雜的場(chǎng)景，如各類(lèi)副駕駛，將不再輕易讓每一個(gè)第一次看到它們的人驚嘆和眼花繚亂。其結(jié)果將是要求AI支持的能力專(zhuān)注于使用價(jià)值，并被利用來(lái)解決真正的問(wèn)題。

 

更多地采用GenAI將推動(dòng)對(duì)干凈數(shù)據(jù)的需求。GenAI的基礎(chǔ)是數(shù)據(jù)。也就是說(shuō)，為了發(fā)揮預(yù)期的作用，數(shù)據(jù)是這項(xiàng)新技術(shù)的基礎(chǔ)。然而，這些數(shù)據(jù)也需要是干凈的。無(wú)論您從哪里提取數(shù)據(jù)——無(wú)論您使用的是建模還是您選擇的倉(cāng)庫(kù)——高質(zhì)量的數(shù)據(jù)都是必不可少的。糟糕的數(shù)據(jù)可能會(huì)導(dǎo)致糟糕的建議、不準(zhǔn)確、偏見(jiàn)等。隨著越來(lái)越多的組織尋求在其組織中利用GenAI的力量，擁有強(qiáng)大的數(shù)據(jù)治理戰(zhàn)略將變得更加重要。確保您的數(shù)據(jù)管理員能夠訪問(wèn)和控制這些數(shù)據(jù)也將是關(guān)鍵。

 

60%的企業(yè)員工將接受及時(shí)的工程培訓(xùn)。隨著AI成為所有員工未來(lái)企業(yè)工作場(chǎng)所生產(chǎn)力的中心，團(tuán)隊(duì)將需要繼續(xù)投資于數(shù)據(jù)/AI素養(yǎng)計(jì)劃，以縮小學(xué)習(xí)如何設(shè)計(jì)成功提示的技能差距。不要將這項(xiàng)重要的培訓(xùn)留給L&D-IT需要為員工制定BYOAI指南和企業(yè)培訓(xùn)計(jì)劃，以幫助他們一致而安全地最好地利用GenAI。

 

更多的組織將加入AI操作系統(tǒng)的潮流：GenAI操作系統(tǒng)將在未來(lái)一年得到更多關(guān)注和投資。AI操作系統(tǒng)是AI與其他一切事物之間的接口，從利用GenAI工具的工程師和設(shè)計(jì)師，到由GenAI訓(xùn)練的機(jī)器人系統(tǒng)，以模仿人類(lèi)在物理世界中的行為和行動(dòng)。由于廣泛采用AI的高風(fēng)險(xiǎn)得到了很好的證明，隨著更多的公司和公共部門(mén)組織大規(guī)模采用先進(jìn)的AI技術(shù)，組織將更加強(qiáng)調(diào)構(gòu)建操作系統(tǒng)的重要性，這些操作系統(tǒng)可以充當(dāng)AI和其他一切之間的中介。

 

從搜索引擎到智能助手：檢索增強(qiáng)生成(RAG)如何在2024年改善大型語(yǔ)言模型響應(yīng)：隨著日歷翻到2024年，一個(gè)鮮為人知的術(shù)語(yǔ)將吸引科技界的注意力。盡管到目前為止還沒(méi)有得到廣泛的認(rèn)可，但提取增強(qiáng)生成(RAG)作為一種技術(shù)人員的變革性框架已經(jīng)開(kāi)始引起轟動(dòng)。RAG通過(guò)從外部來(lái)源(如外部知識(shí)庫(kù))捕獲信息來(lái)增強(qiáng)大型語(yǔ)言模型(LLM)的功能，并通過(guò)包括LLM新的數(shù)據(jù)來(lái)提高搜索響應(yīng)的質(zhì)量和準(zhǔn)確性。可以將RAG看作是根據(jù)您的需求個(gè)性化LLM，提供相同的LLM智能洞察，但來(lái)自您的數(shù)據(jù)。這就像從常規(guī)的互聯(lián)網(wǎng)搜索升級(jí)到擁有一個(gè)私人研究助理，他能準(zhǔn)確地找到你需要的東西。財(cái)務(wù)決策者已經(jīng)看到了GenAI為其組織中的其他利益相關(guān)者帶來(lái)的好處。首席投資官們渴望應(yīng)用GenAI，以縮小“洞察時(shí)間”差距，同時(shí)過(guò)濾更多信息，以產(chǎn)生更準(zhǔn)確的結(jié)果。多虧了改進(jìn)RAG的創(chuàng)新，確保適當(dāng)訪問(wèn)查詢(xún)的復(fù)雜圈護(hù)已經(jīng)成為現(xiàn)實(shí)。在短期內(nèi)，我相信RAG將繼續(xù)克服與低成本管理的知識(shí)差距，提高準(zhǔn)確性，并作為包括投資管理在內(nèi)的多個(gè)行業(yè)的知識(shí)密集型活動(dòng)的解決方案。此外，RAG可以限制LLM使用哪些數(shù)據(jù)來(lái)處理，從而確保響應(yīng)僅來(lái)自RAG數(shù)據(jù)，而不是來(lái)自一般的LLM數(shù)據(jù)。RAG還可以提供數(shù)據(jù)來(lái)源的引用，這樣用戶(hù)就可以對(duì)回答有信心。增強(qiáng)安全性，您可以擁有多個(gè)RAG數(shù)據(jù)源并鎖定對(duì)某些數(shù)據(jù)源的訪問(wèn)。這樣，只有這些數(shù)據(jù)源的授權(quán)用戶(hù)才能使用LLM來(lái)回答有關(guān)該敏感數(shù)據(jù)的問(wèn)題。展望2024年，高度監(jiān)管的行業(yè)預(yù)計(jì)將推動(dòng)GenAI的采用，RAG能夠?yàn)槠淅嫦嚓P(guān)者捕獲更好的信息。

 

私有LLM將騰飛：對(duì)數(shù)據(jù)隱私和安全的擔(dān)憂(yōu)將促使組織在2024年投資于根據(jù)其特定需求和數(shù)據(jù)集定制的私有LLM。這些私人LLM將進(jìn)行微調(diào)，以確保更好地遵守監(jiān)管標(biāo)準(zhǔn)和數(shù)據(jù)保護(hù)要求。這種向以隱私為中心的LLMS的轉(zhuǎn)變將使企業(yè)能夠更好地控制其AI應(yīng)用程序，培養(yǎng)用戶(hù)之間的信任，并為從醫(yī)療保健到金融等行業(yè)的創(chuàng)新和安全的AI解決方案打開(kāi)大門(mén)。

 

創(chuàng)造性的AI計(jì)劃將由業(yè)務(wù)線而不是IT驅(qū)動(dòng)：高管傳統(tǒng)上要求組織采用新工具來(lái)支持新的(更好的)業(yè)務(wù)實(shí)踐并節(jié)省資金，即使用戶(hù)更愿意堅(jiān)持他們已經(jīng)知道的。它支持在實(shí)施團(tuán)隊(duì)討論變更管理程序、對(duì)可能不情愿的用戶(hù)進(jìn)行廣泛培訓(xùn)并杜絕任何繼續(xù)使用舊工具的情況下推出這些工具。然而，確保合規(guī)并迅速實(shí)現(xiàn)預(yù)期的好處并不是一件容易的事情。到2024年，GenAI將是相反的。用戶(hù)對(duì)支持GenAI的解決方案的熱情是顯而易見(jiàn)的，因?yàn)樵S多人已經(jīng)以各種形式嘗試過(guò)這些工具。GenAI的用戶(hù)友好特性及其自然語(yǔ)言界面，促進(jìn)了非技術(shù)利益相關(guān)者的無(wú)縫采用。然而，技術(shù)團(tuán)隊(duì)仍在努力應(yīng)對(duì)固有的挑戰(zhàn)，包括幻覺(jué)、缺乏可解釋性、特定領(lǐng)域的知識(shí)限制和成本問(wèn)題。在一些組織中，在他們的技術(shù)團(tuán)隊(duì)跟上速度之前，禁止使用GenAI。檢測(cè)“影子”使用情況，即個(gè)人在短暫的安靜之后突然變得高度高效，這給實(shí)施挑戰(zhàn)增加了額外的復(fù)雜性。明年，各組織將制定一個(gè)流程來(lái)評(píng)估眾多可用選項(xiàng)，并允許企業(yè)使用能夠應(yīng)對(duì)GenAI在企業(yè)環(huán)境中的所有挑戰(zhàn)的少數(shù)工具。

 

GenAI成熟度如表中所示：GenAI能力的廣泛民主化永遠(yuǎn)重塑了知識(shí)工作和全球勞動(dòng)力市場(chǎng)的動(dòng)態(tài)，已經(jīng)被大流行和復(fù)蘇時(shí)間表撼動(dòng)。整個(gè)行業(yè)的廣泛共識(shí)是，盡管接受GenAI在今天似乎是可選的，但很快就會(huì)面臨要么擁抱它，要么滅亡的選擇。預(yù)計(jì)GenAI將增強(qiáng)業(yè)務(wù)、技術(shù)和安全決策，導(dǎo)致對(duì)AI治理和道德要求的更多關(guān)注。這種努力的一個(gè)例子是最近發(fā)布的白宮行政命令，呼吁AI供應(yīng)商在國(guó)家安全和公共安全的背景下確保AI平臺(tái)的信任、安全和保障。隨著這一領(lǐng)域的創(chuàng)新重新定義我們與數(shù)字生態(tài)系統(tǒng)的關(guān)系，對(duì)AI技能的需求將繼續(xù)增長(zhǎng)。

 

釋放GenAI的潛力將需要卓越的數(shù)據(jù)：數(shù)據(jù)是釋放GenAI潛力的貨幣。沒(méi)有準(zhǔn)確、可靠的數(shù)據(jù)，組織將無(wú)法交付關(guān)鍵結(jié)果。在接下來(lái)的一年里，CIO將需要優(yōu)先考慮數(shù)據(jù)質(zhì)量，以便試驗(yàn)和測(cè)試GenAI如何最好地為整個(gè)組織提供服務(wù)并推動(dòng)其發(fā)展。

 

AI的下一個(gè)階段是從Gen.AI到AGI：GenAI及其方向有了明顯的轉(zhuǎn)變。人們的注意力越來(lái)越集中在通用人工智能(AGI)和智能代理的崛起上。對(duì)于代理來(lái)說(shuō)，在AlOps和MLOPS世界中有兩個(gè)部分將是至關(guān)重要的。一個(gè)純粹是關(guān)于學(xué)習(xí)控制和基礎(chǔ)設(shè)施管理，代理確保自動(dòng)配置管理和漂移保護(hù)。學(xué)習(xí)代理需要了解如何進(jìn)行改進(jìn)、執(zhí)行、提供反饋并確定應(yīng)該如何修改績(jī)效。這種做法適用于AI基礎(chǔ)設(shè)施管理，確保由代理構(gòu)建和測(cè)試部署任務(wù)。展望近期的議程，工作場(chǎng)所內(nèi)的趨勢(shì)，尤其是大公司，將與AI聯(lián)系在一起，組織將需要控制代理。如果沒(méi)有適當(dāng)?shù)幕A(chǔ)設(shè)施，組織不能讓AI變得自主。要使AI的下一階段從GenAI延伸到AGI，首先需要建立基礎(chǔ)設(shè)施，而嵌入平臺(tái)工程將對(duì)加快應(yīng)用程序的交付至關(guān)重要。無(wú)論學(xué)習(xí)系統(tǒng)位于何處(混合云或私有云)，組織都需要配置才能正常工作。

 

定制企業(yè)基礎(chǔ)模型(FM)的興起：隨著我們進(jìn)入2024年，圍繞開(kāi)源與封閉源代碼的爭(zhēng)論只會(huì)變得更加激烈。像Meta的Llama這樣的開(kāi)源LLM正在追趕像GPT-4這樣的閉源LLM。這兩種模式都在性能和隱私方面進(jìn)行了權(quán)衡。企業(yè)會(huì)希望在兩條戰(zhàn)線上都能做到。最近的更新，如OpenAI Enterprise，允許企業(yè)構(gòu)建適合其解決方案的定制模型。同樣，開(kāi)源模型允許企業(yè)構(gòu)建考慮隱私的輕量級(jí)定制模型。這一趨勢(shì)將繼續(xù)下去，我們將看到定制的微型語(yǔ)言模型占據(jù)中心舞臺(tái)。

 

“我也是”AI供應(yīng)商沉沒(méi)，GenAI陷入幻滅的低谷：目前，GenAI正處于其炒作周期的頂峰。明年，當(dāng)一些組織的AI投資無(wú)法提供他們預(yù)期的完全轉(zhuǎn)型時(shí)，他們的幻想將開(kāi)始破滅。客戶(hù)將對(duì)那些在AI競(jìng)賽中姍姍來(lái)遲的供應(yīng)商變得謹(jǐn)慎，他們?cè)黾恿藥缀鯖](méi)有商業(yè)價(jià)值或令人信服的功能的AI功能。但是，權(quán)衡自己的期望并正確使用GenAI的組織-支持經(jīng)過(guò)驗(yàn)證的用例-可以避免這種幻想破滅，并從AI中看到預(yù)期的價(jià)值。

 

2024年將是企業(yè)級(jí)開(kāi)源AI采用年。到目前為止，在企業(yè)中采用基于生產(chǎn)的有意義的LLM的例子還不多。例如，圍繞企業(yè)級(jí)彈性、安全性、正常運(yùn)行時(shí)間或可預(yù)測(cè)性構(gòu)建的產(chǎn)品并不多。在接下來(lái)的一年里，一些公司將通過(guò)利用開(kāi)放源碼語(yǔ)言模型并使其更適合生產(chǎn)來(lái)扭轉(zhuǎn)局面。這將產(chǎn)生更多用于企業(yè)級(jí)場(chǎng)景的無(wú)服務(wù)器、開(kāi)放源碼語(yǔ)言模型，允許企業(yè)以一種更交鑰匙的方式采用這項(xiàng)技術(shù)。

 

多虧了檢索增強(qiáng)生成(RAG)，GenAI將變得更加現(xiàn)實(shí)：這項(xiàng)技術(shù)將允許工程師將干凈的業(yè)務(wù)數(shù)據(jù)輸入LLMS模型，以減少幻覺(jué)和基于事實(shí)信息的地面輸出。這些干凈的業(yè)務(wù)數(shù)據(jù)將由在組織范圍內(nèi)處理數(shù)據(jù)提取、清理、標(biāo)準(zhǔn)化和豐富的傳統(tǒng)數(shù)據(jù)管道生成。RAG現(xiàn)在開(kāi)始出現(xiàn)，并將在明年看到越來(lái)越多的人采用，因?yàn)槠髽I(yè)尋求確保從GenAI獲得更準(zhǔn)確的結(jié)果。

 

走向AGI-記憶、輸入和學(xué)習(xí)：AGI的追求將集中在三個(gè)關(guān)鍵領(lǐng)域：增強(qiáng)LLMS的長(zhǎng)期記憶，實(shí)現(xiàn)持續(xù)輸入和內(nèi)部狀態(tài)，以及推進(jìn)強(qiáng)化學(xué)習(xí)。克勞德2和GPT-4 Turbo中增加的上下文長(zhǎng)度以及旨在更好地記憶和持續(xù)學(xué)習(xí)的體系結(jié)構(gòu)等發(fā)展就是這種趨勢(shì)的例證。關(guān)于OpenAI的Q*算法的傳言也表明在這個(gè)方向上取得了重大進(jìn)展。這些對(duì)2024年的預(yù)測(cè)不僅反映了AI和大數(shù)據(jù)的快速發(fā)展，還突顯了行業(yè)格局的轉(zhuǎn)變，效率、多模式和更深層次的AI能力將推動(dòng)創(chuàng)新和競(jìng)爭(zhēng)。

 

GenAI可能會(huì)扼殺創(chuàng)新：當(dāng)你擁有第一部iPhone時(shí)，你很快就會(huì)忘記別人的電話(huà)號(hào)碼。當(dāng)你開(kāi)始使用谷歌地圖或Waze時(shí)，你的導(dǎo)航能力也會(huì)發(fā)生同樣的變化。同樣，在接下來(lái)的幾年里，我們將看到人們失去了創(chuàng)新技能，因?yàn)樗麄冏兊酶右蕾?lài)GenAI來(lái)幫助生成代碼。我們將不得不開(kāi)始思考如何在2024年保存知識(shí)和鼓勵(lì)創(chuàng)新。

 

多模式LLM和數(shù)據(jù)庫(kù)將使各行業(yè)的AI應(yīng)用程序進(jìn)入一個(gè)新的前沿：2024年最令人興奮的趨勢(shì)之一將是多模式LLM的興起。隨著這種情況的出現(xiàn)，對(duì)能夠存儲(chǔ)、管理和允許跨不同數(shù)據(jù)類(lèi)型進(jìn)行高效查詢(xún)的多模式數(shù)據(jù)庫(kù)的需求也在增長(zhǎng)。然而，多模式數(shù)據(jù)集的大小和復(fù)雜性對(duì)傳統(tǒng)數(shù)據(jù)庫(kù)構(gòu)成了挑戰(zhàn)，這些數(shù)據(jù)庫(kù)通常被設(shè)計(jì)為存儲(chǔ)和查詢(xún)單一類(lèi)型的數(shù)據(jù)，如文本或圖像。另一方面，多模式數(shù)據(jù)庫(kù)的用途和功能要強(qiáng)大得多。它們代表了LLMS發(fā)展的自然進(jìn)程，包括使用文本、圖像、音頻和視頻等多種形式處理和理解信息的不同方面。將有許多用例和行業(yè)直接受益于多模式方法，包括醫(yī)療保健、機(jī)器人、電子商務(wù)、教育、零售和游戲。2024年及以后，多模式數(shù)據(jù)庫(kù)將出現(xiàn)顯著增長(zhǎng)和投資，因此企業(yè)可以繼續(xù)推動(dòng)AI支持的應(yīng)用程序。

 

GenAI將很快從夸大期望的巔峰走向幻想破滅的低谷。說(shuō)得委婉些，現(xiàn)在有很多關(guān)于GenAI的炒作。然而，所有這些炒作都意味著，對(duì)于一些組織來(lái)說(shuō)，采用這項(xiàng)技術(shù)更多的是為了“與瓊斯并駕齊驅(qū)”，而不是因?yàn)樗_實(shí)是他們?cè)噲D解決的特定問(wèn)題的最佳解決方案。因此，我們很可能會(huì)看到大量資金投資于失敗的GenAI項(xiàng)目——因此，失敗進(jìn)入了幻想破滅的低谷。這是一個(gè)閃亮的新物體，許多CIO和其他高級(jí)領(lǐng)導(dǎo)人可能會(huì)感到壓力，不得不說(shuō)他們已經(jīng)有了一個(gè)富有創(chuàng)造力的AI項(xiàng)目。限制這些失敗項(xiàng)目的關(guān)鍵在于真正確保您的組織理解使用GenAI的具體原因，它與定義的業(yè)務(wù)結(jié)果捆綁在一起，并且有一種衡量投資成功的方法。

 

創(chuàng)新型AI將導(dǎo)致高管之間的沖突，因?yàn)樗麄冋跔?zhēng)奪企業(yè)內(nèi)部對(duì)其議程的控制權(quán)：近一半的高管報(bào)告稱(chēng)，他們的AI投資明年將增加，以加入創(chuàng)新型AI的潮流，而70%的高管已經(jīng)處于創(chuàng)新型AI探索模式。現(xiàn)在，組織正在加快企業(yè)對(duì)AI的采用，每個(gè)高管都希望成為帶領(lǐng)他們的公司踏上AI之旅的人。2024年，隨著更多參與者進(jìn)入聊天以獲得控制權(quán)，從首席技術(shù)官到CIO再到數(shù)據(jù)分析高管，AI議程將變得更加復(fù)雜。首席執(zhí)行官將需要確定他們?cè)贏I方面的機(jī)會(huì)在哪里，以及他們必須與不同部門(mén)進(jìn)行什么對(duì)話(huà)，以決定誰(shuí)應(yīng)該是帶頭人。與此同時(shí)，CIO們正面臨著來(lái)自首席執(zhí)行官的壓力，要求他們擴(kuò)大對(duì)GenAI的使用。2024年，隨著戰(zhàn)斗的繼續(xù)，我們將看到CIO們繼續(xù)推進(jìn)他們的探索性AI實(shí)驗(yàn)和項(xiàng)目。

 

一支由較小的、專(zhuān)業(yè)的大型語(yǔ)言模型組成的大軍將戰(zhàn)勝巨大的通用模型。正如我們?cè)?ldquo;大數(shù)據(jù)”時(shí)代所看到的——越大越好。模型的“贏家”不是基于它們擁有多少參數(shù)，而是基于它們?cè)谔囟I(lǐng)域任務(wù)上的有效性和效率。公司將擁有自己的專(zhuān)注型機(jī)型組合，而不是由一兩個(gè)巨型機(jī)型來(lái)統(tǒng)領(lǐng)一切，每個(gè)機(jī)型都針對(duì)特定的任務(wù)進(jìn)行了微調(diào)，并將規(guī)模降至最小，以降低計(jì)算成本和提高性能。

 

GenAI將其重點(diǎn)轉(zhuǎn)向結(jié)構(gòu)化的企業(yè)數(shù)據(jù)：企業(yè)將接受使用GenAI從結(jié)構(gòu)化數(shù)字?jǐn)?shù)據(jù)中提取見(jiàn)解，從而增強(qiáng)GenAI在從圖像、視頻、文本和音頻生成原創(chuàng)內(nèi)容方面的傳統(tǒng)應(yīng)用。生成式AI將堅(jiān)持自動(dòng)化數(shù)據(jù)分析，簡(jiǎn)化模式、異常和趨勢(shì)的快速識(shí)別，特別是在傳感器和機(jī)器數(shù)據(jù)用例中。這種自動(dòng)化將支持預(yù)測(cè)性分析，使企業(yè)能夠主動(dòng)響應(yīng)不斷變化的條件、優(yōu)化運(yùn)營(yíng)并改善客戶(hù)體驗(yàn)。

 

AI支持的人類(lèi)質(zhì)量翻譯將使生產(chǎn)率提高10倍或更多：在2023年初，每個(gè)人都認(rèn)為僅靠LLMS就能產(chǎn)生人類(lèi)質(zhì)量的翻譯。在過(guò)去的一年里，我們發(fā)現(xiàn)了LLM翻譯中的多個(gè)差距，從幻覺(jué)到英語(yǔ)以外的語(yǔ)言表現(xiàn)不佳。與云存儲(chǔ)或服務(wù)一樣，AI支持的人類(lèi)質(zhì)量翻譯正日益朝著這樣一種成本發(fā)展：翻譯幾乎所有內(nèi)容的ROI都變得有吸引力，為那些使用它進(jìn)入全球市場(chǎng)的公司創(chuàng)造了競(jìng)爭(zhēng)優(yōu)勢(shì)。與2024年語(yǔ)言服務(wù)行業(yè)將萎縮的共同信念相反，隨著更多內(nèi)容的本地化，該行業(yè)將會(huì)增長(zhǎng)，但成本更低。2024年將是翻譯成本直線下降的一年。由語(yǔ)言AI和AI支持的語(yǔ)言質(zhì)量保證支持的翻譯人員將其工作效率提高10倍或更多。

 

雖然2023年人們對(duì)似乎潛力無(wú)限的AI(AI)的出現(xiàn)大肆炒作，但在醫(yī)療保健領(lǐng)域，我們已經(jīng)開(kāi)始看到基于大型語(yǔ)言模型(LLM)的說(shuō)明性解決方案在提供臨床建議和見(jiàn)解方面的局限性。2024年，我們預(yù)計(jì)，在AI方面日益成熟的臨床醫(yī)生將想方設(shè)法降低接受基于LLM的解決方案的處方建議的潛在風(fēng)險(xiǎn)，轉(zhuǎn)而選擇提供基于證據(jù)和可解釋的建議的負(fù)責(zé)任的AI解決方案。隨著重點(diǎn)轉(zhuǎn)向負(fù)責(zé)任的AI，尋求將創(chuàng)新的AI技術(shù)納入其組織的臨床工作流的醫(yī)療領(lǐng)導(dǎo)者將需要意識(shí)到這些工具是如何工作的。依賴(lài)許可的LLM的解決方案不能為個(gè)別患者的護(hù)理提供量身定制的建議，因?yàn)檫@些解決方案基于數(shù)百萬(wàn)個(gè)數(shù)據(jù)點(diǎn)，而沒(méi)有特別強(qiáng)調(diào)個(gè)人。這些解決方案的“黑箱”性質(zhì)缺乏個(gè)性化的焦點(diǎn)和“可解釋性”，這將強(qiáng)調(diào)臨床醫(yī)生在他們的決策中擁有最終決定權(quán)的必要性。因此，我們預(yù)計(jì)2024年將出現(xiàn)自然分裂：現(xiàn)有的提供臨床建議的解決方案將越來(lái)越多地基于特定數(shù)據(jù)，并為AI生成的見(jiàn)解提供證據(jù)。相比之下，旨在支持臨床醫(yī)生編寫(xiě)文檔和訪問(wèn)摘要的解決方案嚴(yán)重依賴(lài)自然語(yǔ)言生成，將從使用通用LLM中受益。

 

在AI和低成本管理不斷增加人氣的同時(shí)，潛在的危險(xiǎn)也會(huì)增加：隨著2023年AI和低成本管理的快速崛起，以創(chuàng)新和效率為標(biāo)志的商業(yè)格局已經(jīng)發(fā)生了深刻的變化。但這種快速增長(zhǎng)也引發(fā)了人們對(duì)敏感數(shù)據(jù)的利用和保護(hù)的擔(dān)憂(yōu)。不幸的是，初步跡象顯示，數(shù)據(jù)安全問(wèn)題明年只會(huì)加劇。在有效的提示下，LLM擅長(zhǎng)從訓(xùn)練數(shù)據(jù)中提取有價(jià)值的見(jiàn)解，但這帶來(lái)了一系列獨(dú)特的挑戰(zhàn)，需要現(xiàn)代技術(shù)解決方案。隨著AI和低成本管理的使用在2024年繼續(xù)增長(zhǎng)，至關(guān)重要的是在潛在好處與降低風(fēng)險(xiǎn)和確保負(fù)責(zé)任使用的需要之間取得平衡。如果對(duì)AI可以訪問(wèn)的數(shù)據(jù)沒(méi)有嚴(yán)格的數(shù)據(jù)保護(hù)，數(shù)據(jù)泄露的風(fēng)險(xiǎn)就會(huì)增加，這可能會(huì)導(dǎo)致財(cái)務(wù)損失、監(jiān)管罰款和組織聲譽(yù)嚴(yán)重受損。?組織內(nèi)部也存在內(nèi)部威脅的危險(xiǎn)風(fēng)險(xiǎn)，可信人員可以利用AI和LLM工具進(jìn)行未經(jīng)授權(quán)的數(shù)據(jù)共享，無(wú)論是否惡意操作，都可能導(dǎo)致知識(shí)產(chǎn)權(quán)盜竊、企業(yè)間諜活動(dòng)和組織聲譽(yù)受損。?在未來(lái)一年，組織將通過(guò)實(shí)施全面的數(shù)據(jù)治理框架來(lái)應(yīng)對(duì)這些挑戰(zhàn)，包括數(shù)據(jù)分類(lèi)、訪問(wèn)控制、匿名化、頻繁的審計(jì)和監(jiān)控、監(jiān)管合規(guī)性、。和持續(xù)的員工培訓(xùn)。此外，基于SaaS的數(shù)據(jù)治理和數(shù)據(jù)安全解決方案將在保護(hù)數(shù)據(jù)方面發(fā)揮關(guān)鍵作用，因?yàn)樗菇M織能夠?qū)⑵淙谌肫洮F(xiàn)有框架，而不會(huì)遇到障礙。 

 

GenAI和大型語(yǔ)言模型(LLM)的炒作將開(kāi)始消退：毫無(wú)疑問(wèn)，GenAI是一次重大飛躍；然而，許多人嚴(yán)重高估了實(shí)際可能發(fā)生的事情。盡管生成的文本、圖像和聲音可能看起來(lái)非常真實(shí)，看起來(lái)就像是經(jīng)過(guò)深思熟慮和對(duì)準(zhǔn)確性的渴望創(chuàng)造出來(lái)的，但它們實(shí)際上只是統(tǒng)計(jì)上相關(guān)的詞或圖像的集合，它們很好地結(jié)合在一起(但在現(xiàn)實(shí)中，可能完全不準(zhǔn)確)。好消息是，如果最終用戶(hù)充分考慮到AI的所有好處和限制，那么AI的實(shí)際輸出可能會(huì)非常有用。

 

因此，2024年將對(duì)組織進(jìn)行現(xiàn)實(shí)檢查，了解GenAI和LLMS可以為其業(yè)務(wù)帶來(lái)的真正限制和好處，評(píng)估的結(jié)果將重置這些技術(shù)的戰(zhàn)略和采用。供應(yīng)商需要讓那些對(duì)AI創(chuàng)造的任何東西都持適當(dāng)懷疑態(tài)度的最終用戶(hù)清楚地看到這些好處和限制。必須考慮準(zhǔn)確性、可解釋性、安全性和總成本等關(guān)鍵要素。在接下來(lái)的一年里，GenAI領(lǐng)域?qū)⑦m應(yīng)企業(yè)的一種新范式，在這種范式中，他們只在生產(chǎn)中部署少數(shù)幾個(gè)由GenAI支持的應(yīng)用程序，以解決特定的用例。

 

向量城鎮(zhèn)的單程票：隨著AI從頭開(kāi)始構(gòu)建新的應(yīng)用程序，以及隨著LLMS集成到現(xiàn)有應(yīng)用程序中，向量數(shù)據(jù)庫(kù)將在技術(shù)堆棧中扮演越來(lái)越重要的角色，就像過(guò)去的應(yīng)用程序數(shù)據(jù)庫(kù)一樣。團(tuán)隊(duì)將需要可擴(kuò)展、易于使用和操作簡(jiǎn)單的矢量數(shù)據(jù)存儲(chǔ)，因?yàn)樗麄儗で髣?chuàng)建具有新的LLM支持功能的支持AI的產(chǎn)品。

 

LLM提供商之間的競(jìng)爭(zhēng)：大型語(yǔ)言模型(LLM)的格局正在升溫。OpenAI憑借其GPT-4 Turbo一直處于領(lǐng)先地位，但其他公司，如Anthropic的Claude，谷歌的Gemini和Meta的Llama緊隨其后。OpenAI最近的管理層動(dòng)蕩，尤其是涉及Sam Altman的動(dòng)蕩，為這些競(jìng)爭(zhēng)對(duì)手打開(kāi)了前進(jìn)的機(jī)會(huì)，并有可能在某些領(lǐng)域超越OpenAI。

 

隨著組織機(jī)構(gòu)意識(shí)到?jīng)]有靈丹妙藥，GenAI將達(dá)到幻滅的低谷。毫無(wú)疑問(wèn)，GenAI的使用將在2024年繼續(xù)爆炸式增長(zhǎng)。然而，許多組織可能會(huì)對(duì)GenAI的性能感到失望，如果他們對(duì)其好處多快就能實(shí)現(xiàn)的期望是不切實(shí)際的，或者如果他們沒(méi)有專(zhuān)業(yè)知識(shí)來(lái)有效地實(shí)施和使用它。在2024年，我們可以預(yù)期看到對(duì)GenAI的幻想破滅。這并不是說(shuō)GenAI是一種失敗。這只是意味著，GenAI解決方案需要更多時(shí)間才能達(dá)到預(yù)期結(jié)果，才能與炒作相匹配。

 

人們對(duì)矢量數(shù)據(jù)庫(kù)的興趣將會(huì)激增，但它不會(huì)持久：矢量數(shù)據(jù)庫(kù)將成為許多人討論的熱門(mén)新領(lǐng)域，但最終將在幾年后被關(guān)系數(shù)據(jù)庫(kù)所吸收。每隔十年左右，就會(huì)有一種新的數(shù)據(jù)庫(kù)技術(shù)被宣布為關(guān)系數(shù)據(jù)庫(kù)的終結(jié)，開(kāi)發(fā)人員跳上了這股潮流，結(jié)果卻發(fā)現(xiàn)關(guān)系模型非常靈活，關(guān)系數(shù)據(jù)庫(kù)供應(yīng)商可以很容易地將新技術(shù)適應(yīng)到他們的產(chǎn)品中。以PostgreSQL的pgVector為例，說(shuō)明關(guān)系數(shù)據(jù)庫(kù)如何處理今天的矢量數(shù)據(jù)，以及為什么您將能夠忽略有關(guān)專(zhuān)用矢量數(shù)據(jù)庫(kù)的炒作。圍繞pgVector和PostgreSQL的社區(qū)能夠快速支持這一圍繞矢量數(shù)據(jù)的用例-該項(xiàng)目始于2021年，但今年發(fā)展迅速，所有人都對(duì)GenAI和矢量數(shù)據(jù)感興趣。對(duì)于那些考慮這一領(lǐng)域并考慮在他們的項(xiàng)目中實(shí)現(xiàn)開(kāi)放源碼組件的人來(lái)說(shuō)，pgVector使PostgreSQL成為一個(gè)顯而易見(jiàn)的選擇。

 

公司正在加快投資，以保護(hù)員工的GenAI，以及它們的整體AI投資：對(duì)技術(shù)的投資正在增加，甚至超過(guò)了對(duì)辦公空間的投資。AI帶來(lái)的增長(zhǎng)潛力可能是當(dāng)今所有類(lèi)別中最大的，但也是一些最大的風(fēng)險(xiǎn)。公司將投資于抓住AI優(yōu)勢(shì)，同時(shí)積極緩解和解決其風(fēng)險(xiǎn)因素。隨著GenAI在工作場(chǎng)所發(fā)揮作用，雇主們正在投資于指導(dǎo)方針、風(fēng)險(xiǎn)緩解技術(shù)和參數(shù)，特別是在保護(hù)公司信息不受“未知”風(fēng)險(xiǎn)因素影響方面。麥肯錫2023年的一份報(bào)告稱(chēng)，報(bào)告采用AI的公司中有60%正在使用GenAI。Walkme相信，這一數(shù)字將繼續(xù)增長(zhǎng)，沿著類(lèi)似于云和互聯(lián)網(wǎng)采用的道路。同一份報(bào)告發(fā)現(xiàn)，GenAI最大的兩個(gè)風(fēng)險(xiǎn)是不準(zhǔn)確和網(wǎng)絡(luò)安全。我們預(yù)計(jì)這些問(wèn)題將會(huì)升級(jí)，隨著技術(shù)狀況的改善，企業(yè)面對(duì)風(fēng)險(xiǎn)的能力將會(huì)提高。

 

越來(lái)越多的組織正在嘗試GenAI，并在更廣泛的范圍內(nèi)增加對(duì)機(jī)器學(xué)習(xí)的投資。對(duì)于想要促進(jìn)在云平臺(tái)上運(yùn)行ML作業(yè)的平臺(tái)團(tuán)隊(duì)來(lái)說(shuō)，有如此多的操作挑戰(zhàn)。MLOPS目前是一個(gè)熱門(mén)話(huà)題，但仍處于采用的早期階段——隨著越來(lái)越多的組織成熟其ML基礎(chǔ)設(shè)施，我們將看到那里的進(jìn)步。

 

LLM過(guò)渡到更小的模型以實(shí)現(xiàn)更好的可訪問(wèn)性：盡管LLM的通用性令人印象深刻，但它們需要大量的計(jì)算和存儲(chǔ)來(lái)開(kāi)發(fā)、調(diào)優(yōu)和使用，因此可能會(huì)使絕大多數(shù)組織望而卻步。只有資源極其豐富的公司才有辦法獲取這些資源。由于需要有一條使它們?cè)诮?jīng)濟(jì)上更可行的前進(jìn)道路，我們應(yīng)該期待看到分散使用它們并使其民主化的解決方案。我們應(yīng)該期待更多、更專(zhuān)注、更小、功耗更低的機(jī)型更容易為更廣泛的用戶(hù)所用。這些聚焦的模型也應(yīng)該不太容易受到LLM經(jīng)常遭受的幻覺(jué)影響的影響。

 

數(shù)據(jù)所有權(quán)的討論將會(huì)升溫：隨著大型語(yǔ)言模型(LLM)變得更加強(qiáng)大和復(fù)雜，關(guān)于數(shù)據(jù)所有權(quán)的辯論將會(huì)越來(lái)越激烈。與我們看到的開(kāi)源代碼類(lèi)似，關(guān)于大公司如何使用他們不擁有的數(shù)據(jù)來(lái)訓(xùn)練他們的模型的討論正在進(jìn)行中，這可能導(dǎo)致權(quán)力集中在少數(shù)幾家大公司手中。為了解決這個(gè)問(wèn)題，我們將看到新的數(shù)據(jù)許可框架。這些框架應(yīng)確保數(shù)據(jù)所有者因使用其數(shù)據(jù)而得到公平補(bǔ)償，并確保用戶(hù)能夠以負(fù)責(zé)任和合乎道德的方式訪問(wèn)和使用數(shù)據(jù)。

 

投資AI聊天機(jī)器人，還是不投資：我們知道，Z世代通常會(huì)尋找數(shù)字交流形式，而不是必須通過(guò)電話(huà)與某人交談，這在客戶(hù)服務(wù)請(qǐng)求方面尤其如此。需要注意的是，這一群體希望他們的媒體和技術(shù)以一種支持連接、參與和實(shí)用的共生關(guān)系工作；他們?cè)诳吹綍r(shí)知道良好的客戶(hù)體驗(yàn)，并會(huì)避免任何提供低于平均水平的體驗(yàn)的東西。組織正在投資于GenAI功能，以吸引人們更長(zhǎng)時(shí)間地使用他們的應(yīng)用程序，并在Z世代用戶(hù)中推動(dòng)更多的活動(dòng)。這是正確的舉措，如果操作得當(dāng)，可能會(huì)產(chǎn)生巨大的影響。組織不會(huì)僅僅通過(guò)創(chuàng)造更好的聊天機(jī)器人來(lái)獲得成功，因?yàn)閆世代渴望真實(shí)的聯(lián)系和實(shí)用，這是很難復(fù)制的。如果聊天機(jī)器人能夠?yàn)橛脩?hù)提供新的體驗(yàn)、推薦和其他有用的服務(wù)，那么它可能會(huì)增加特定應(yīng)用程序或品牌網(wǎng)站的活躍度。話(huà)雖如此，用戶(hù)可能會(huì)對(duì)genAI機(jī)器人持懷疑和謹(jǐn)慎態(tài)度，組織將需要展示漸進(jìn)式的勝利，以加強(qiáng)聊天機(jī)器人的安全性和價(jià)值。

 

雖然2023年是GenAI的突破之年，但由于數(shù)據(jù)障礙，供應(yīng)鏈行業(yè)的采用一直滯后-只有3%的組織報(bào)告使用GenAI進(jìn)行供應(yīng)鏈管理。手工、基于紙面的流程仍然主導(dǎo)著全球貿(mào)易，因此許多供應(yīng)鏈公司難以統(tǒng)一來(lái)自不同來(lái)源的海量非結(jié)構(gòu)化數(shù)據(jù)。然而，解決了這一數(shù)據(jù)問(wèn)題的公司將使2024年成為GenAI供應(yīng)鏈突破的一年。隨著多產(chǎn)AI模型被培訓(xùn)為供應(yīng)鏈專(zhuān)家，全球供應(yīng)鏈將變得更加自主、自我修復(fù)和自我優(yōu)化。例如，生成式AI可以告訴發(fā)貨人異常(其發(fā)貨因極端天氣而延遲)，如何處理(重新路由到更可靠的位置)，最終甚至執(zhí)行解決方案。通過(guò)告訴公司需要將精力集中在哪里，這些AI創(chuàng)新將使全球品牌能夠提供更好的客戶(hù)體驗(yàn)，并以最低的成本和對(duì)環(huán)境的影響發(fā)展業(yè)務(wù)。

 

GenAI主導(dǎo)了今年的討論，這是有充分理由的-它將在2024年顯著成熟并擴(kuò)大規(guī)模。GenAI有大量的應(yīng)用程序，目前正處于實(shí)驗(yàn)階段，并準(zhǔn)備發(fā)展。真正的價(jià)值在于它能夠幫助人們理解各種內(nèi)部用例中的非結(jié)構(gòu)化信息——解析大量的文檔，生成更簡(jiǎn)潔、更具信息性的摘要，并促進(jìn)與這些文檔的問(wèn)答交互，從而確保跨多個(gè)領(lǐng)域的一致性。最重要的是，LLM界面和基于文本的界面將成為幾乎所有軟件產(chǎn)品不可或缺的組件。這些界面將用于一切，從控制應(yīng)用程序到為用戶(hù)關(guān)于應(yīng)用程序本身的詢(xún)問(wèn)提供答案。我們開(kāi)始在擁有面向消費(fèi)者元素的企業(yè)網(wǎng)站上看到這一點(diǎn)。此外，在接下來(lái)的一年里，我們預(yù)計(jì)將看到向更小、更專(zhuān)業(yè)的LLM轉(zhuǎn)變，從而減少他們培訓(xùn)所需的數(shù)據(jù)量。這一轉(zhuǎn)變與更廣泛地推動(dòng)開(kāi)放源碼解決方案相一致，特別是可以證明信息源譜系的模型。

 

GenAI和AI編碼助手將從一些人所說(shuō)的代碼接受率為25%-30%的初級(jí)開(kāi)發(fā)人員級(jí)別，通過(guò)嵌入的上下文狀態(tài)轉(zhuǎn)變?yōu)镃TO狀態(tài)。添加更多上下文的能力，包括運(yùn)行時(shí)上下文，將指數(shù)級(jí)增加價(jià)值，并大幅提高AI生成代碼的接受率(70%或更高)。目前，深度調(diào)試、多文件更改、使用大文件作為輸入等活動(dòng)超出了大多數(shù)編碼助手的范圍。

 

GenAI將轉(zhuǎn)型：2024年，GenAI將驅(qū)動(dòng)各個(gè)領(lǐng)域的轉(zhuǎn)型，使其更具緊迫性和變革性。在定制的GenAI代理的幫助下，閱讀、組織和清理非結(jié)構(gòu)化數(shù)據(jù)等任務(wù)可以“AI優(yōu)先”完成，從而減少了大量的手動(dòng)工作。GenAI可以從任何地方訪問(wèn)數(shù)據(jù)，但治理、數(shù)據(jù)管道和流程仍將是管理質(zhì)量、支持結(jié)果、評(píng)估價(jià)值、確定權(quán)利和實(shí)現(xiàn)合規(guī)性所必需的。GenAI與云相結(jié)合，可以加快與數(shù)據(jù)相關(guān)的轉(zhuǎn)型計(jì)劃。此外，GenAI可以使組織超越競(jìng)爭(zhēng)對(duì)手，加速轉(zhuǎn)型，處理財(cái)務(wù)、稅務(wù)、法律、IT、合規(guī)和其他部門(mén)的復(fù)雜任務(wù)和流程。利用GenAI作為轉(zhuǎn)型的催化劑可能會(huì)在競(jìng)爭(zhēng)對(duì)手之間造成分歧，而未能利用GenAI的組織可能難以與那些利用GenAI的組織競(jìng)爭(zhēng)。

 

我們?nèi)绾螌enAI用于我們的業(yè)務(wù)？我們是構(gòu)建還是購(gòu)買(mǎi)自己的AI解決方案？我們?nèi)绾翁岣邌T工的技能，以跟上AI的步伐？這些問(wèn)題圍繞著所有行業(yè)——不僅僅是科技行業(yè)——并指向一個(gè)共同的主題：2024年是產(chǎn)生型AI將顯著影響工作未來(lái)的一年。新技術(shù)的引入往往伴隨著來(lái)自企業(yè)領(lǐng)導(dǎo)人的巨大壓力，要求他們迅速部署這些新解決方案。在2024年，我們將看到組織意識(shí)到他們不能再等待和觀望。他們需要找到在AI上全力以赴的方法。在接下來(lái)的6-12個(gè)月里，我們將看到一場(chǎng)重大變革，更多的組織將投資于AI戰(zhàn)略，并找到使用該技術(shù)重新想象其工作流程并提高效率的方法。

 

2023年，公司正在探索AI的基礎(chǔ)知識(shí)，但我們預(yù)計(jì)2024年對(duì)定制AI模型的需求將激增。盡管像GPT-4這樣的LLM知識(shí)淵博，但將它們應(yīng)用于新的領(lǐng)域會(huì)帶來(lái)挑戰(zhàn)。為了解決這一知識(shí)鴻溝，我們預(yù)計(jì)會(huì)出現(xiàn)“知識(shí)注入”，即LLM與領(lǐng)域特定的數(shù)據(jù)集成，以獲得更專(zhuān)門(mén)的、上下文感知的AI解決方案。例如，將通用LLM與患者記錄合并可以增強(qiáng)醫(yī)療保健部門(mén)的整體患者-提供者體驗(yàn)。在商業(yè)上，將AI與客戶(hù)互動(dòng)聯(lián)系起來(lái)，可以提供模式銷(xiāo)售領(lǐng)域的專(zhuān)業(yè)知識(shí)，并使收入團(tuán)隊(duì)受益。隨著我們接近2024年，像知識(shí)注入這樣的趨勢(shì)為企業(yè)提供了利用具有特定數(shù)據(jù)庫(kù)的LLM來(lái)促進(jìn)創(chuàng)新和增長(zhǎng)的機(jī)會(huì)。

 

 

國(guó)內(nèi)主流的to B IT門(mén)戶(hù)，同時(shí)在運(yùn)營(yíng)國(guó)內(nèi)最大的甲方CIO專(zhuān)家?guī)旌椭橇敵黾吧缃黄脚_(tái)-信眾智(www.cioall.com)。同時(shí)運(yùn)營(yíng)19個(gè)IT行業(yè)公眾號(hào)(微信搜索D1net即可關(guān)注)。

 

版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需在文章開(kāi)頭注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。