Infosys ordförande förutspår att AI-modeller kommer att commoditiseras, med värdeförskjutning till applikationer

Nandan Nilekani, medgrundare och ordförande för Infosys, förutspår en betydande förändring i landskapet med artificiell intelligens (AI).

Enligt Nilekani kommer det framtida värdet av AI inte att hittas i själva modellerna, utan i applikationerna som byggs ovanpå dem.

I takt med att AI-modeller, såsom stora språkmodeller (LLM), blir allt mer utbredda och kommodifierade, kommer den verkliga innovationen och ekonomiska fördelen att komma från att skapa praktiska, företagsfokuserade applikationer för specifika användningsfall och regioner.

Nilekanis perspektiv belyser den utvecklande dynamiken hos AI, där företag vänder sin uppmärksamhet från grundläggande AI-modeller till lösningar på företagsnivå.

Denna förändring understryker behovet för företag att fokusera på verkliga applikationer som ger påtagliga fördelar och går bortom hypen kring AI-modeller.

Regionspecifika AI-modeller kan låsa upp nya marknader

LLM, som de som används i populära AI-applikationer som ChatGPT, är AI-system som tränas på stora mängder data.

Ledande teknikjättar som OpenAI, Meta och Google har investerat mycket i att utveckla dessa modeller och skapa en konkurrensutsatt marknad.

Men i takt med att tekniken mognar ser Nilekani en framtid där dessa modeller blir kommodifierade och skräddarsydda för regionala behov.

Till exempel i Indien utvecklar företag redan LLM:er speciellt utformade för indiska språk och lokala datauppsättningar.

Denna regionala diversifiering är avgörande eftersom AI-modeller presterar bättre när de tränas på data som är relevanta för den region där de verkar.

Enligt experter kan företag som fokuserar på regionspecifika AI-modeller låsa upp nya marknader och driva innovation genom att erbjuda lösningar skräddarsydda för lokala behov.

Enterprise AI-lösningar kräver ett skräddarsytt tillvägagångssätt

När LLM:er och AI-modeller blir mer standardiserade och tillgängliga, hävdar Nilekani att det verkliga värdet i AI kommer att flyttas till applikationslagret, där företag kan differentiera sig genom att integrera AI i sin kärnverksamhet.

Experter föreslår att branscher som finans, hälsovård och detaljhandel är redo att dra avsevärt nytta av AI-drivna applikationer som optimerar arbetsflöden, förbättrar kundupplevelser och förbättrar beslutsprocesser.

Nilekani påpekar att företag måste fokusera på att integrera AI i sina befintliga processer för maximal effekt.

Även om AI-applikationer för konsumenter, som chatbots, kan distribueras snabbt, kräver AI-lösningar för företag ett mer strategiskt och skräddarsytt tillvägagångssätt.

Detta fokus på applikationer kommer att driva på ett mer hållbart och effektfullt införande av AI-tekniker över branscher, enligt branschinsiders.

Enterprise AI:s komplexa användningscykel

Medan konsumentinriktade AI-applikationer har vunnit stor popularitet, betonar Nilekani att företags-AI har en längre och mer komplex användningscykel.

Att integrera AI i kärnverksamheten kräver att organisationer omprövar sina arbetsflöden, datahantering och tekniska infrastruktur.

Även om den är tidskrävande, erbjuder denna transformation betydande konkurrensfördelar för företag som framgångsrikt implementerar företags-AI.

Experter säger att företag som strävar efter att dra nytta av företags-AI måste investera i att bygga interna kapaciteter och förfina sina teknikstackar.

I takt med att företag i allt högre grad inser AI:s potential att driva effektivitet och innovation, kommer efterfrågan på skräddarsydda, branschspecifika AI-applikationer att fortsätta att växa.