企業は独自の社内大規模言語モデル (LLM) を構築および維持する準備ができていますか?
人工知能、特に生成型は、技術専門家や経営幹部の抑えきれない関心を惹きつけています。考えてみてください。最近、クラウド サービスやインフラストラクチャの予算削減が延々と語られているにもかかわらず、AI 資金の蛇口は大きく開いています。しかし、その資金は外部のサービスに流れているのでしょうか、それとも社内の人材やリソースに流れているのでしょうか。
また： Apple がクラウドで処理された AI データを安全に保管する方法 (そしてそれが重要な理由)
OpenAI、Microsoft、Googleなどの多くの外部組織が、LLM、インフラストラクチャサポート、専門知識の主要なプロバイダーと見なされています。しかし、社内のLLMプロジェクトへの関心も高まっています。 調査 TCS が 1,300 人の CEO を対象に行った調査では、回答者の約半数 (51%) が独自の生成 AI 実装を構築する予定であると回答しています。これは、今後多くの作業が必要になることを意味しますが、幸いなことに、公開されている LLM によってすでに基礎が築かれています。
「GPT、クロード、ラマなどの基礎的なLLMは、世界的であると最もよく説明でき、インターネットの知識を再パッケージ化したものと考えることができます。」 ハリック・ヴィン博士TCSの最高技術責任者でこの研究の共著者である氏はZDNETに次のように語った。「彼らはまた、推論能力に加えて、高度なマルチモーダル理解および生成能力も備えています。」
これらの基礎モデルの構築は「複雑で費用がかかる」と Vin 氏は述べ、社内のエンタープライズ モデルはこれらのモデルの機能に基づいて構築されると指摘しました。「これらのモデルは、言語の理解と生成、推論、一般知識など、基礎モデルの基本的なスキルを活用します。ただし、業界、企業、活動のコンテキストに合わせて拡張および特化する必要があります。」
幸いなことに、「このような特化モデルの構築は、基礎モデルの開発に比べてはるかに簡単で安価です」と Vin 氏は言います。「実際、幅広い AI モデルである基礎 LLM を特化して、目的に特化した AI モデルやソリューションを作成することが比較的容易であることが、AI の民主化の主な理由です。」
これらの企業固有の LLM は、「オープンソースまたは商用のいずれかの基礎モデルを使用して構築された、業界、企業、および活動ごとのモデルを指します」と同氏は続けます。「将来、AI が成熟した企業は、基礎モデルの機能と特定の企業固有の機能を組み合わせて構築された、数百、数千の目的別 AI モデルを持つようになると考えています。」
また： AIの脅威が加速する中、企業のクラウドセキュリティの失敗は「懸念される」
モデルの構築と実装に加えて、企業は生成型 AI に備える必要があります。半数以上 (55%) が、AI に対応するために、現在、ビジネス モデルや運用モデル、または製品やサービスに積極的に変更を加えていると回答しています。TCS の調査によると、10 人中 4 人の経営幹部が、将来 AI を最大限に活用できるようになるまでには「ビジネスに多くの変更を加える必要がある」と回答しています。
これは、生成 AI と運用 AI の両方がゆっくりではあるが力強く普及していることを示しています。過去 1 年間、「あらゆる企業が生成 AI のユースケースを実験してきました。そして 2024 年以降は価値の拡大が重要になります」と Vin 氏は言います。「しかし、実験段階では、あらゆる企業が価値の拡大は難しいと認識しています。」
TCS の調査によると、現時点で AI について議論し、企業全体で AI に関する計画を立てているのはわずか 17% です。さらに、企業にとってのメリットを最大化するために、企業全体で AI 戦略を確立する準備ができているのは 28% にすぎません。それでも、Vin 氏はこの技術が急速に普及すると見ています。「AI ソリューションをアドホックまたはケースバイケースで実装することと、AI が成熟した企業を構築するための企業全体の計画を作成することには違いがあります」と Vin 氏は言います。「調査で比較的低い数値は、そのような企業全体の戦略の作成を示しています。これは予想どおりです。」
また： RAG のためのスペースを確保: Gen AI のパワーバランスがどのように変化しているか
AI ソリューションの導入に関しては、Vin 氏は次のように続けます。「数字はかなり高く、企業機能の 59% で AI 導入が進行中または完了しており、さらに 34% が AI 導入を計画しています。私たちは、技術の成熟と、大規模な企業導入の成熟の両方において、まだ初期段階にあります。ほとんどの企業は、特定のユースケースで AI と genAI を活用し始めており、メリットを定量化し、対応するコストとリスクを管理する長期的な取り組みに乗り出しています。」
過去 1 年間、「あらゆる企業が genAI のユースケースを実験してきました。2024 年以降は価値の拡大が重要になります」と Vin 氏は語ります。「しかし、実験段階では、あらゆる企業が価値の拡大は難しいと認識しています。」
まず第一に、「効果的な AI ソリューションを構築するには、高品質のデータが必要です」と彼は言います。「企業は大量のデータを保有していますが、多くの場合、データは互いに矛盾する多数の島に分散しています。ほとんどの企業は過去数年間にわたって統合とデータ資産の近代化の取り組みに着手していますが、これらの取り組みは完了にはほど遠い状態です。さらに、ほとんどの企業では、データ資産のクラウド環境への移行が進行中です。このため、企業がクラウドでホストされる基礎 LLM を企業データとともに活用することは困難です。」
また： ジェネレーティブAIは節約するよりも多くの作業を生み出す可能性がある
さらに、企業は「データの系統、使用、セキュリティ、プライバシーを積極的に管理するために成熟度を高める必要がある」と Vin 氏は言う。「偏見や不公平な慣行を防ぐために、たとえ意図的でなくても、どのデータがどのような目的で使用できるかを判断する技術を習得する必要がある。これは設計時の課題だけでなく、実行時の課題でもある」。必要なのは、「AI モデルが期待される動作から逸脱し始める新たな状況をリアルタイムで検出する」システムだ。
最後に、役割とスキル要件は、企業が追いつけないほどの速さで変化しています。「AI の導入により、企業の知識労働者の役割は、作業の実行者から、機械のトレーナーや質問者、機械が行った作業のレビュー者、そして批判的思考と創造性の持ち主へと変わります」と Vin 氏は言います。
