۲۹ شهریور ۱۴۰۳

Techboy

اخبار و اطلاعات روز تکنولوژی

ساخت یا خرید هوش مصنوعی مولد مبتنی بر ابر؟

شعار محاسباتی استفاده از فناوری دیگران است، بنابراین تعجب آور است که به نظر نمی رسد هوش مصنوعی مولد از این الگو برای بسیاری از شرکت ها پیروی کند.

شعار محاسباتی استفاده از فناوری دیگران است، بنابراین تعجب آور است که به نظر نمی رسد هوش مصنوعی مولد از این الگو برای بسیاری از شرکت ها پیروی کند.

هوش مصنوعی مولد برخی از تصمیمات حیاتی را تحت فشار قرار می دهد و این کار را بسیار سریع انجام می دهد. هر سازمانی با تصمیم مهمی مواجه است که آیا یک پلتفرم AI مولد سفارشی را در داخل بسازد یا یک راه حل از پیش بسته بندی شده از یک فروشنده هوش مصنوعی بخرد که عموماً به عنوان یک سرویس ابری ارائه می شود.

اعداد و فرصت ها به نفع DIY کار می کنند. این بسیار عجیب است، اما دلایل ممکن است شما را شگفت زده کند. آنها حتی ممکن است شما را به بازنگری در استراتژی genAI شرکت خود سوق دهند.

سفارشی سازی و کنترل کامل

ساختن یک پلتفرم هوش مصنوعی مولد از ابتدا به یک شرکت کنترل کامل بر ویژگی ها و عملکردهای آن می دهد. فناوری هوش مصنوعی می تواند دقیقاً با نیازهای سازمان سازگار شود. این امر انطباق با گردش کار منحصر به فرد شرکت را تضمین می کند و یک تجربه کاربری سفارشی را ارائه می دهد. به یاد داشته باشید که هوش مصنوعی مولد DIY را می توان در پلتفرم های عمومی، خصوصی یا سنتی انجام داد. امروز، ما بر روی استفاده از فناوری خاص genAI، عمدتاً منبع باز، چه در محل یا در یک ابر عمومی متمرکز شده‌ایم.

تعامل‌های زبان طبیعی رویکرد «انسانی‌تری» را برای برخورد با فرآیندهای تجاری ثابت ارائه می‌دهد. با این حال، مردم نگران این هستند که این سیستم‌ها ممکن است به سرعت به هسته اصلی تجارت تبدیل شوند و اگر کنترل کاملی بر همه ویژگی‌ها و عملکردها نداشته باشند، این خطر را ایجاد می‌کنند که سیستم ارزش کلی را ارائه نکند. یعنی، اگر یک پلتفرم هوش مصنوعی خریداری‌شده با تمام زنگ‌ها و سوت‌ها تغییر جهت دهد یا حتی از بین برود، با یک سیستم شکست خورده و یک تجارت شکست خورده گیر می‌کند.

NoSQL چیست؟ پایگاه های داده برای آینده ای در مقیاس ابری

پول بیشتر، زمان بیشتر، خطرات بیشتر

ساختن یک پلتفرم پیچیده هوش مصنوعی مولد نیاز به تیمی از متخصصان با دانش تخصصی دارد و یافتن تعداد کافی از آنها در مجموعه استعدادهای موجود بسیار دشوار است. شما به دانشمندان داده و مهندسان هوش مصنوعی نیاز دارید تا با مهندسان پلتفرم، ابر و غیر ابری کار کنند تا راه‌حل‌های genAI سفارشی‌سازی شده با مشخصات دقیق کسب‌وکار را توسعه دهند.

این می تواند منجر به افزایش پیچیدگی و نیاز به استخدام استعدادهای گران قیمت شود. من یک دوست CIO دارم که کارکنان خود را به مراسم فارغ التحصیلی در دانشگاه های فنی خوب می فرستد و افراد را مستقیماً قبل از ورود به بازار کار با نزدیک شدن به آنها در پارکینگ های مدرسه استخدام می کند. این نگران کننده است اما در عین حال نوآورانه است.

بیشتر شرکت ها باید خلاق باشند تا افراد کافی را پیدا کنند. برخی از شرکت ها با این موانع استعداد مواجه شده اند و پروژه های خود را به تاخیر می اندازند یا تصمیم به خرید یک سیستم به جای ساختن یک سیستم می گیرند.

عملیات فناوری اطلاعات مبتنی بر ابر در حال افزایش است

ارزش خرید

خرید یک سیستم استقرار و عملکرد سریع را ارائه می دهد. این شامل راه حل های از پیش ساخته شده است که امکان اجرای سریع را فراهم می کند. شما ارزش فوری و زمان تسریع در بازار را دریافت می کنید. مهمتر از آن، خرید یک سرویس هوش مصنوعی مولد پشتیبانی، به روز رسانی و بهبود مستمر را تضمین می کند. اگرچه رویکرد DIY می‌تواند برای برخی از بخش‌ها کمک کند، اما اگر بخواهید بسازید، بیشتر خودتان هستید.

به هزینه ساخت و پشتیبانی پایگاه داده خود در مقابل خرید از یک فروشنده پایگاه داده فکر کنید. سیستم‌های هوش مصنوعی بسیار پیچیده‌تر هستند و مؤلفه‌های بسیار بیشتری دارند، اما این تشبیه مناسب است.

ارزش رویکرد ساخت به طور کامل به نیاز شما برای ایجاد یک راه حل منحصر به فرد و سفارشی برای نیازهای کسب و کار بستگی دارد. شما شرط می‌بندید که هزینه، زمان و ریسک اضافی در کنترل کامل سیستم اصلی که برای بسیاری تبدیل به کسب‌وکار می‌شود، نه فقط خودکارسازی کسب‌وکار، نتیجه خواهد داد. این احتمال وجود دارد که استفاده صحیح و استراتژیک از genAI در سال های آینده باعث ایجاد یا شکست یک تجارت شود. چیز زیادی در خطر است.

همه عوامل را وزن کنید

هنگام تصمیم گیری بین ساخت یا خرید یک پلتفرم هوش مصنوعی مولد، همه جوانب مثبت و منفی را در نظر بگیرید. اول، هزینه ساخت هوش مصنوعی مولد در داخل می تواند قابل توجه باشد. در مقابل، راه حل های خارج از قفسه عملی بودن و مقرون به صرفه بودن را ارائه می دهند. دوم، ساختن هوش مصنوعی مولد در داخل مستلزم گردآوری یک تیم ماهر است، در حالی که یک راه حل خارج از قفسه به شما امکان می دهد به تخصص فروشنده هوش مصنوعی که سیستم را ساخته است دسترسی داشته باشید. این به معنای تحمیل ریسک و هزینه به فروشنده یا ارائه دهنده است.

Tabnine تست واحد تولید شده توسط هوش مصنوعی را برای توسعه دهندگان آماده می کند

در نهایت، ایجاد راه حل های هوش مصنوعی از ابتدا به معنای خلاقیت و کنترل کامل بر فرآیند فنی است. این اجازه می دهد تا اقدامات انطباق و عملکرد دقیق را برای برآورده کردن الزامات از همان ابتدا ترکیب کنید. همه ما می دانیم که ساختمان چگونه پیش می رود. سفارشی سازی منجر به تکرارهای متعدد و توسعه زمان بر می شود. همچنین، پشتیبانی و نگهداری برای هوش مصنوعی داخلی بسیار مهم است. اگر این ارزش کافی برای توجیه رویکرد DIY ارائه نمی دهد، به خرید نگاه کنید، که ریسک، زمان و هزینه را حذف می کند.

من گمان می‌کنم که شاهد بسیاری از تصمیم‌های نادرست با سقوط کسب‌وکار باشیم. شاید آنها نمی توانستند ارزش فناوری را در صنعت خود ارائه دهند زیرا زمانی که باید می ساختند خرید کردند. شاید آنها نتوانستند چیزی با ارزش بسازند زیرا استعداد نداشتند و بودجه محدودی داشتند. بدون فشار.