В этом году CIO и другим ИТ-руководителям следует обратить внимание на такие ключевые технологические тенденции, как обработка естественного языка (NLP), использование малых языковых моделей (SLM), энергоэффективный искусственный интеллект и ведущая роль работников начального уровня в использовании ИИ, пишет на портале InformationWeek Майк Томсон, президент и операционный директор Unisys.

Будущее корпоративных технологий формируется стремительно, и в начале 2025 г. их влияние на все предприятия, независимо от отрасли, только ускоряется. ИТ- и бизнес-руководители сталкиваются с невероятными возможностями и сложными проблемами, которые изменят все — от повседневных операций до предоставления ценности для клиентов.

Поскольку технологии определяют принципы нашей работы, организациям приходится внедрять инновации, чтобы использовать новые возможности и обеспечивать устойчивый рост, иначе они рискуют отстать. Чтобы преуспеть в этом динамичном ландшафте, руководители должны обратить внимание на следующие тенденции, формирующие технологический ландшафт.

Естественный язык: определяющий фактор для взаимодействия ИИ и человека

За последние несколько лет ИИ стал одним из основных направлений развития бизнеса и повседневной жизни. Мы прошли путь от зарождения ChatGPT до освоения инженерии подсказок и теперь приходим к пониманию вопросов конфиденциальности и управления, необходимых для безопасного использования технологии.

ИИ будет становиться все более интуитивным и доступным, переходя от базовых веб-интерфейсов к бесшовным, естественным взаимодействиям. ИИ будет интегрирован во все аспекты нашей жизни, позволив нам общаться с машинами так же естественно, как и с людьми. Кроме того, ИИ будет интегрирован в такие устройства, как телефоны и системы «умного» дома, где он будет реагировать на голосовые команды, жесты и предиктивные подсказки.

Это знаменует собой изменение нынешнего подхода к ИИ: от обучения людей подсказывать ИИ к обучению ИИ понимать человека. Сегодня инженерия подсказок играет центральную роль в обеспечении оптимальных результатов работы систем ИИ. Однако по мере совершенствования NLP и повышения уровня интуитивности ИИ, инженерия подсказок будет устаревать.

Чтобы опередить этот сдвиг, организациям следует определить ключевые процессы, уникальные для их бизнес-моделей, которые могут выиграть от автоматизации на основе естественного языка. Расширение использования ИИ за пределы традиционных интерфейсов — включение голоса, жестов и предиктивных функций — будет иметь решающее значение для достижения успеха. Руководители должны уделять первостепенное внимание интуитивно понятному пользовательскому опыту, который упрощает работу с инструментами ИИ для всех. Наконец, по мере роста возможностей ИИ убедитесь, что ваша инфраструктура и меры безопасности достаточно надежны, чтобы справиться с требованиями NLP в масштабе.

Малые языковые модели и периферийные вычисления

Из-за проблем с подключением, конфиденциальностью и безопасностью не все ИИ-приложения могут полагаться на большие языковые модели (LLM). SLM в сочетании с периферийными вычислениями позволяют обрабатывать данные ближе к источнику — например, на локальных серверах, ноутбуках и мобильных устройствах, — сокращая использование токенов LLM, уменьшая время ожидания и решая проблемы конфиденциальности.

Этот гибридный подход позволяет организациям обрабатывать конфиденциальные данные локально, что приводит к созданию более быстрых и безопасных ИИ-приложений. Организации могут получать более достоверные инсайты, основанные на ИИ, благодаря использованию локализованных моделей, которые опираются на курируемые данные, а также оптимизировать использование ресурсов и управлять операционными расходами. Это особенно полезно для организаций, работающих в регулируемых средах или обрабатывающих конфиденциальную информацию. Периферийное развертывание также помогает организациям контролировать свои операции с ИИ, снижая зависимость от внешних облачных провайдеров.

Организации могут использовать этот гибридный подход, оценив, в каких случаях перенос вычислительных мощностей на периферию может повысить конфиденциальность данных, безопасность и экономическую эффективность. Например, стоит рассмотреть области, где конфиденциальные или регулируемые данные можно обрабатывать локально, сводя к минимуму необходимость передачи информации по менее защищенным каналам. Сотрудничество с поставщиками периферийных вычислений позволит организациям расширить возможности ИИ, сохранив при этом конфиденциальность операций.

Энергоэффективный ИИ как конкурентное преимущество

По мере того как ИИ внедряется в повседневную жизнь, он заставляет строить энергоемкие дата-центры, создавая нагрузку на глобальные электросети и вызывая озабоченность состоянием окружающей среды. Поэтому сейчас основное внимание уделяется разработке энергоэффективных моделей, чтобы сбалансировать инновации и устойчивое развитие.

Практика устойчивого ИИ может стать отличительным фактором в двух направлениях: оптимизация использования энергоресурсов при обучении и эксплуатации ИИ, а также применение ИИ в энергоемких процессах и приложениях.

Бизнес-руководителям следует рассмотреть возможность внедрения таких методов повышения эффективности, как обрезка и квантование моделей и дистилляция знаний, чтобы снизить сложность вычислений и потребление ресурсов. Кроме того, следует сосредоточиться на повторном использовании наборов данных и оптимизации хранения данных, чтобы избежать избыточной обработки данных и снизить энергопотребление. Сотрудничество с поставщиками облачных услуг и производителями оборудования, которые уделяют приоритетное внимание энергоэффективным решениям в области ИИ, — еще один шаг на пути к устойчивому развитию.

Работники начального уровня и рабочая сила, поддерживаемая ИИ

Один из соблазнов, связанных с технологией генеративного ИИ, — предположение, что она сможет выполнять работу сотрудников начального уровня. Однако даже с учетом этой возможности такие работники по-прежнему важны для будущего бизнеса. Хотя ИИ может автоматизировать многие повторяющиеся задачи, сотрудники начального уровня часто обладают более глубоким пониманием инструментов генеративного ИИ и того, как эффективно интегрировать их в рабочие процессы. Эти работники — носители цифровых технологий, которые отличаются высокой адаптивностью, инновационностью и способностью работать с технологиями ИИ, что делает их ценным вкладом в трудовые ресурсы, способные работать с ИИ.

Чтобы использовать потенциал сотрудников с ИИ-поддержкой, организациям следует уделять первоочередное внимание найму таких работников. А их удержание — ключ к воспитанию будущих лидеров, которые смогут использовать возможности ИИ для достижения долгосрочного успеха. Кроме того, организациям следует организовать целевые программы обучения, чтобы помочь опытным сотрудникам адаптироваться к достижениям ИИ и интегрировать новые технологии в свою работу.

В эпоху стремительного технологического прогресса компаниям необходимо сохранять гибкость и одновременно планировать наперед. Тенденции, формирующие корпоративные технологии, предлагают как вызовы, так и возможности. Принятие мер сегодня позволит организациям обеспечить устойчивые инновации и конкурентные преимущества в 2025 г. и далее.