Infosys-formand forudsiger, at AI-modeller vil blive commoditized, med værdiskift til applikationer

Nandan Nilekani, medstifter og formand for Infosys, forudser et betydeligt skift i landskabet med kunstig intelligens (AI).

Ifølge Nilekani vil den fremtidige værdi af AI ikke findes i selve modellerne, men i de applikationer, der er bygget oven på dem.

Efterhånden som AI-modeller, såsom store sprogmodeller (LLM’er), bliver stadig mere udbredt og kommoditiseret, vil den reelle innovation og økonomiske fordel komme fra at skabe praktiske, virksomhedsfokuserede applikationer til specifikke use cases og regioner.

Nilekanis perspektiv fremhæver den udviklende dynamik i AI, hvor virksomheder vender deres opmærksomhed fra grundlæggende AI-modeller til løsninger på virksomhedsniveau.

Dette skift understreger behovet for, at virksomheder fokuserer på applikationer i den virkelige verden, der leverer håndgribelige fordele, der går ud over hypen omkring AI-modeller.

Regionsspecifikke AI-modeller kunne låse op for nye markeder

LLM’er, som dem, der bruges i populære AI-applikationer såsom ChatGPT, er AI-systemer, der er trænet på enorme mængder data.

Førende teknologigiganter som OpenAI, Meta og Google har investeret kraftigt i at udvikle disse modeller, hvilket har skabt et konkurrencepræget marked.

Men efterhånden som teknologien modnes, ser Nilekani en fremtid, hvor disse modeller bliver commoditized og skræddersyet til regionale behov.

For eksempel i Indien udvikler virksomheder allerede LLM’er, der er specielt designet til indiske sprog og lokale datasæt.

Denne regionale diversificering er afgørende, fordi AI-modeller klarer sig bedre, når de trænes på data, der er relevante for den region, hvor de opererer.

Ifølge eksperter kan virksomheder, der fokuserer på regionsspecifikke AI-modeller, frigøre nye markeder og drive innovation ved at tilbyde løsninger, der er skræddersyet til lokale behov.

Enterprise AI-løsninger kræver en skræddersyet tilgang

Efterhånden som LLM’er og AI-modeller bliver mere standardiserede og tilgængelige, hævder Nilekani, at den sande værdi i AI vil skifte til applikationslaget, hvor virksomheder kan differentiere sig ved at integrere AI i deres kerneaktiviteter.

Eksperter foreslår, at industrier som finans, sundhedspleje og detailhandel er klar til at drage betydelige fordele af AI-drevne applikationer, der optimerer arbejdsgange, forbedrer kundeoplevelser og forbedrer beslutningsprocesser.

Nilekani påpeger, at virksomheder skal fokusere på at integrere kunstig intelligens i deres eksisterende processer for maksimal effekt.

Mens forbruger-AI-applikationer, såsom chatbots, kan implementeres hurtigt, kræver virksomheds-AI-løsninger en mere strategisk og skræddersyet tilgang.

Dette fokus på applikationer vil drive en mere bæredygtig og virkningsfuld indførelse af AI-teknologier på tværs af industrier, ifølge industriens insidere.

Enterprise AI’s komplekse adoptionscyklus

Mens forbrugerorienterede AI-applikationer har vundet udbredt popularitet, understreger Nilekani, at enterprise AI har en længere og mere kompleks adoptionscyklus.

Integrering af kunstig intelligens i kerneforretningsdriften kræver, at organisationer genovervejer deres arbejdsgange, datastyring og teknologiske infrastruktur.

Selvom det er tidskrævende, tilbyder denne transformation betydelige konkurrencemæssige fordele for virksomheder, der med succes implementerer virksomheds-AI.

Eksperter siger, at virksomheder, der sigter på at udnytte virksomhedens AI, skal investere i at opbygge interne kapaciteter og forfine deres teknologistakke.

Efterhånden som virksomheder i stigende grad anerkender AI’s potentiale til at drive effektivitet og innovation, vil efterspørgslen efter tilpassede, branchespecifikke AI-applikationer fortsætte med at vokse.