Infosys-formann spår at AI-modeller vil bli kommodisert, med verdiskifting til applikasjoner

Nandan Nilekani, medgründer og styreleder i Infosys, spår et betydelig skifte i landskapet med kunstig intelligens (AI).

I følge Nilekani vil den fremtidige verdien av AI ikke finnes i modellene selv, men i applikasjonene som er bygget på toppen av dem.

Etter hvert som AI-modeller, for eksempel store språkmodeller (LLM), blir stadig mer utbredt og kommodifisert, vil den virkelige innovasjonen og den økonomiske fordelen komme fra å lage praktiske, bedriftsfokuserte applikasjoner for spesifikke brukstilfeller og regioner.

Nilekanis perspektiv fremhever den utviklende dynamikken til AI, der selskaper vender oppmerksomheten fra grunnleggende AI-modeller til løsninger på bedriftsnivå.

Dette skiftet understreker behovet for bedrifter å fokusere på applikasjoner i den virkelige verden som gir konkrete fordeler, og går utover hypen rundt AI-modeller.

Regionspesifikke AI-modeller kan låse opp nye markeder

LLM-er, som de som brukes i populære AI-applikasjoner som ChatGPT, er AI-systemer trent på enorme mengder data.

Ledende teknologigiganter som OpenAI, Meta og Google har investert tungt i å utvikle disse modellene, og skape et konkurransedyktig marked.

Etter hvert som teknologien modnes, ser imidlertid Nilekani en fremtid der disse modellene blir kommodifisert og skreddersydd til regionale behov.

For eksempel, i India, utvikler selskaper allerede LLM-er spesielt utviklet for indiske språk og lokale datasett.

Denne regionale diversifiseringen er avgjørende fordi AI-modeller gir bedre resultater når de trenes på data som er relevante for regionen de opererer i.

Ifølge eksperter kan selskaper som fokuserer på regionspesifikke AI-modeller låse opp nye markeder og drive innovasjon ved å tilby løsninger skreddersydd til lokale behov.

Enterprise AI-løsninger krever en skreddersydd tilnærming

Etter hvert som LLM-er og AI-modeller blir mer standardiserte og tilgjengelige, argumenterer Nilekani for at den sanne verdien i AI vil skifte til applikasjonslaget, hvor bedrifter kan differensiere seg ved å integrere AI i kjernevirksomheten.

Eksperter antyder at bransjer som finans, helsevesen og detaljhandel er klar til å dra betydelig nytte av AI-drevne applikasjoner som optimerer arbeidsflyter, forbedrer kundeopplevelser og forbedrer beslutningsprosesser.

Nilekani påpeker at bedrifter må fokusere på å integrere AI i sine eksisterende prosesser for maksimal effekt.

Mens forbruker-AI-applikasjoner, for eksempel chatbots, kan distribueres raskt, krever bedrifts-AI-løsninger en mer strategisk og skreddersydd tilnærming.

Dette fokuset på applikasjoner vil drive en mer bærekraftig og virkningsfull bruk av AI-teknologier på tvers av bransjer, ifølge bransjeinnsidere.

Enterprise AIs komplekse adopsjonssyklus

Mens forbrukervendte AI-applikasjoner har fått stor popularitet, understreker Nilekani at bedrifts-AI har en lengre og mer kompleks adopsjonssyklus.

Integrering av AI i kjernevirksomheten krever at organisasjoner revurderer arbeidsflyten, dataadministrasjonen og teknologiinfrastrukturen.

Selv om det er tidkrevende, gir denne transformasjonen betydelige konkurransefortrinn for selskaper som lykkes med å implementere enterprise AI.

Eksperter sier at selskaper som tar sikte på å kapitalisere på bedrifts-AI må investere i å bygge interne kapasiteter og foredle teknologistablene sine.

Ettersom bedrifter i økende grad anerkjenner AIs potensial for å drive effektivitet og innovasjon, vil etterspørselen etter tilpassede, bransjespesifikke AI-applikasjoner fortsette å vokse.