目录
近日，Gartner 发布了一份新报告，指出到2027年，企业将使用任务特定的人工智能模型的频率是通用大型语言模型的三倍。报告中提到，虽然通用的语言模型在语言处理方面具有强大的能力，但在需要深入理解特定业务领域的任务中，它们的响应准确性却会下降。因此，越来越多的企业开始关注定制化的 AI 模型，以满足其特定需求。
Gartner 的副总裁兼分析师 Sumit Agarwal 表示，这一转变主要是由于商业工作流程的日益复杂和对准确性的需求不断上升。“这些较小的、任务特定的模型能够提供更快的响应，并且使用更少的计算资源，从而降低了运营和维护成本，”Agarwal 在报告中指出。
与通用的语言模型不同，任务特定模型可以通过检索增强生成或微调等技术进行调整，以满足特定的业务需求。在这个过程中，企业数据显得尤为重要，因为它可以帮助公司定制模型。不过，这也要求企业进行质量检查、数据准备和管理，以确保使用到合适的数据。
Agarwal 表示:“随着公司越来越意识到其私有数据的价值以及从特定流程中得出的见解，它们可能开始对其模型进行货币化，并向更广泛的受众提供这些资源的访问，包括其客户甚至竞争对手。” 这标志着企业在数据和知识使用上从一种保护性的方式转变为更开放和协作的方式。
Gartner 还为企业在过渡到更小的 AI 模型时提出了若干建议。其中包括在需要深入理解业务背景或现有大型语言模型未能满足速度和准确性要求的领域进行定制模型的试点。如果单一模型不足以满足需求，Gartner 建议企业可以考虑组合使用多种模型和工作流程。此外，报告强调了在数据准备和人才发展方面进行投资的重要性。企业需要优先进行数据的策划，以便为训练较小的 AI 模型做好准备，同时还需对跨职能团队进行技能提升，包括数据科学家、AI 工程师、合规官、采购专家等关键利益相关者。
