網(wǎng)絡(luò)運營的AIOps：網(wǎng)絡(luò)優(yōu)化可以支持更好的AI性能，但AI也可以支持更好的網(wǎng)絡(luò)性能。雖然AIOps(面向IT運營的AI)還為時尚早，但它已經(jīng)開始顯示出潛力。雖然AIOps覆蓋了IT運營的所有領(lǐng)域，但現(xiàn)在正在成為一個重要組件的領(lǐng)域是網(wǎng)絡(luò)運營的AIOps。網(wǎng)絡(luò)工程師正面臨日益復(fù)雜的網(wǎng)絡(luò)環(huán)境，將分散的勞動力、大量設(shè)備和云基礎(chǔ)設(shè)施等結(jié)合在一起。AIOps通過基于大數(shù)據(jù)和機器學(xué)習(xí)的自動化、預(yù)測性分析和根本原因分析來簡化網(wǎng)絡(luò)運營管理。AIOPS可以為客戶加快故障排除和解決問題的速度，同時降低成本，因為寶貴的NOC員工可以從事更關(guān)鍵的任務(wù)，這些任務(wù)是當今AI無法解決的。2023年末，一項調(diào)查發(fā)現(xiàn)，雖然只有4%的受訪者已經(jīng)在組織范圍內(nèi)集成了某種AIOPS，但另有15%的受訪者實施了AIOPS作為概念證明，29%的受訪者確定了未來實施的用例。預(yù)計未來四年市場規(guī)模將增加兩倍，到2028年將達到近650億美元。

 

優(yōu)化AI的使用將決定未來供應(yīng)鏈的贏家：AI和預(yù)測分析將在未來十年區(qū)分制造業(yè)和零售業(yè)的贏家和輸家。利用大數(shù)據(jù)優(yōu)化庫存、預(yù)測需求、控制成本和個性化建議的領(lǐng)導(dǎo)者將主宰分析能力較差的同行。未能采用的公司將看到成本螺旋式上升，效率直線下降。

 

預(yù)計AI會遭到反彈，因為組織會浪費更多的時間和金錢來試圖“把它做對”：“隨著組織更深入地研究AI，實驗肯定會成為2024年上半年的一個關(guān)鍵主題。那些負責AI實施的人必須以“快速嘗試，快速失敗”的心態(tài)來領(lǐng)導(dǎo)，但太多時候，這些角色需要了解他們所瞄準的變量，沒有明確的預(yù)期結(jié)果，并且難以提出正確的AI問題。最成功的組織會很快失敗，并很快從吸取的教訓(xùn)中恢復(fù)過來。企業(yè)應(yīng)該預(yù)料到在AI實驗上花費額外的時間和金錢，因為這些做法中的大多數(shù)都不是植根于科學(xué)方法。今年年底，如果得出正確的結(jié)論，AI將出現(xiàn)明顯的贏家。失敗也帶來了圍繞數(shù)據(jù)的更多質(zhì)疑，這些數(shù)據(jù)助長了AI的潛力。例如，數(shù)據(jù)分析師和首席執(zhí)行官都會提出這樣的問題：我們正在使用的數(shù)據(jù)有多干凈？我們對這些數(shù)據(jù)的合法權(quán)利是什么，特別是如果在任何新型號中使用的話？那我們客戶的合法權(quán)益呢？任何新技術(shù)都會帶來更多的質(zhì)疑，反過來，整個企業(yè)也會有更多的參與。

 

組織將(最終)管理圍繞AI的炒作：隨著圍繞GenAI的震耳欲聾的噪音達到高潮，組織將被迫緩和炒作，并培養(yǎng)一種現(xiàn)實和負責任的方法來應(yīng)對這項顛覆性技術(shù)。無論是關(guān)于GPU短缺的AI危機，培訓(xùn)大型語言模型(LLM)的氣候影響，還是對隱私、倫理、偏見和/或治理的擔憂，這些挑戰(zhàn)在好轉(zhuǎn)之前將會惡化，導(dǎo)致許多人懷疑一開始應(yīng)用GenAI是否值得。雖然企業(yè)壓力可能會促使組織在AI方面做一些事情，但數(shù)據(jù)驅(qū)動必須是第一位的，并且仍然是首要任務(wù)。畢竟，確保數(shù)據(jù)是有組織的、可共享的和相互關(guān)聯(lián)的，就像詢問GenAI模型是否可信、可靠、確定、可解釋、合乎道德和沒有偏見一樣重要。在將GenAI解決方案部署到生產(chǎn)中之前，組織必須確保保護其知識產(chǎn)權(quán)并計劃潛在的責任問題。這是因為，雖然GenAI在某些情況下可以取代人，但LLM沒有專業(yè)責任保險。這意味著，涉及GenAI的業(yè)務(wù)流程仍需要廣泛的“人在回路”參與，這可能會抵消任何效率收益。2024年，預(yù)計將看到供應(yīng)商通過添加專注于滿足GenAI市場趨勢的新界面來加快其產(chǎn)品提供的增強。然而，組織需要意識到，這些可能只不過是固定的創(chuàng)可貼。應(yīng)對數(shù)據(jù)質(zhì)量等挑戰(zhàn)，并確保統(tǒng)一、語義一致地訪問準確、值得信賴的數(shù)據(jù)，將需要制定明確的數(shù)據(jù)戰(zhàn)略，并采取現(xiàn)實的業(yè)務(wù)驅(qū)動方法。如果沒有這一點，組織將繼續(xù)支付不良數(shù)據(jù)稅，因為AI/ML模型將難以通過概念驗證，最終無法實現(xiàn)炒作。

 

對AI的看法：與任何炒作周期一樣，許多人會因為糟糕的計劃或知識或能力不足而跳到這一步，他們將產(chǎn)生糟糕的、甚至危險的代碼和應(yīng)用程序。在AI上大舉投資然后失敗的組織可能會陷入困境。其他接受這些有問題的AI應(yīng)用程序和流程的組織可能會遭受數(shù)據(jù)泄露、糟糕或錯誤的決策，以及對糟糕代碼的依賴。 

 

推動更大的AI可解釋性：在過去的兩年里，商界見證了AI的重大進步。然而，包括神經(jīng)網(wǎng)絡(luò)在內(nèi)的復(fù)雜AI系統(tǒng)的一個決定性特征是，它們的行為并不總是像我們可能預(yù)期的那樣。事實上，AI系統(tǒng)選擇到達目的地的路徑可能與人類專家應(yīng)對相同挑戰(zhàn)的方式有很大不同。隨著AI系統(tǒng)變得越來越復(fù)雜，研究這些選擇并構(gòu)建AI可解釋性工具將變得越來越重要。組織必須有能力分析AI系統(tǒng)的決策，以制定足夠的保障措施。此外，AI系統(tǒng)提供的用于解釋他們思維的輸出將對隨著時間的推移做出進一步改進至關(guān)重要。

 

平衡AI內(nèi)容和禁令的行為-可見性與控制：出版商考慮AI禁令源于對其內(nèi)容保持控制的愿望。然而，這種方法可能會導(dǎo)致搜索結(jié)果的可見性降低，因為搜索引擎越來越依賴AI來管理內(nèi)容。整合與排除：雖然一些品牌可能會將AI禁令視為保護其內(nèi)容的一種方式，但他們可能會錯過AI，特別是LLM在內(nèi)容匹配和查詢理解方面提供的優(yōu)勢。反對AI禁令的理由是，LLMS可以利用替代手段訪問內(nèi)容，這使得完全排除具有挑戰(zhàn)性。平衡法案：品牌將需要在保護其內(nèi)容和利用AI來提高其在搜索結(jié)果中的可見度和相關(guān)性之間找到平衡。這可能涉及制定微妙的政策，在不完全排除的情況下規(guī)范AI與內(nèi)容的交互。

 

AI當然可以幫助清理“雜亂的數(shù)據(jù)”，但它也有點循環(huán)，因為AI的使用應(yīng)該建立在強有力的數(shù)據(jù)治理的基礎(chǔ)上，因為數(shù)據(jù)保護法要求公司了解哪些個人數(shù)據(jù)被用于AI用例。因此，在2024年，我們將看到更多的關(guān)注數(shù)據(jù)庫存和分類，作為希望依靠AI力量的公司的必要基礎(chǔ)。

 

在我看來，營銷界正準備從廣泛的營銷獨白轉(zhuǎn)向互動的、AI驅(qū)動的客戶對話。這一變化將要求重新評估營銷技術(shù)堆棧，以優(yōu)先考慮實時、有意義的互動。與此同時，個性化將從感知到的侵擾性過渡到通過響應(yīng)性對話建立信任。我相信這將逐步淘汰傳統(tǒng)的導(dǎo)航，如下拉菜單，取而代之的是搜索和聊天界面。在這種不斷發(fā)展的格局中，公司將認識到他們的AI戰(zhàn)略與他們的數(shù)據(jù)戰(zhàn)略內(nèi)在地聯(lián)系在一起。要有效、合規(guī)地利用新的接口和工具，確保數(shù)據(jù)質(zhì)量和相關(guān)性處于這些技術(shù)進步的前沿，強調(diào)精益數(shù)據(jù)變得至關(guān)重要。

 

優(yōu)化AI的使用將決定未來供應(yīng)鏈的贏家：AI和預(yù)測分析將在未來十年區(qū)分制造業(yè)和零售業(yè)的贏家和輸家。利用大數(shù)據(jù)優(yōu)化庫存、預(yù)測需求、控制成本和個性化建議的領(lǐng)導(dǎo)者將主宰分析能力較差的同行。未能采用的公司將看到成本螺旋式上升，效率直線下降。

 

對于開發(fā)人員來說，AI已經(jīng)被證明是一個極其強大的工具，盡管許多人對其能力的程度表示懷疑，并擔心它有可能擾亂傳統(tǒng)的工作場所做法、工作和流程。在我看來，AI將增強開發(fā)人員的日常工作流程，而不是取代它。越來越多的開發(fā)人員將使用AI來自動化簡單的任務(wù)，如掃描性能問題、發(fā)現(xiàn)工作流中的模式和編寫測試用例。它實際上將把開發(fā)人員解放出來，把更多的時間花在有影響力的、創(chuàng)新的工作上，而不是“AI頂升”。

 

隨著每個行業(yè)的領(lǐng)導(dǎo)者開始接受這項技術(shù)，AI將使團隊更緊密地聯(lián)系在一起：在未來一年內(nèi)，AI將成為開發(fā)生命周期的主要驅(qū)動力-不僅是作為IT助理，而且作為協(xié)作工具。開發(fā)人員和工程團隊的工作主要局限于后端，但我預(yù)計，隨著AI在企業(yè)總體目標中變得更加根深蒂固，IT領(lǐng)導(dǎo)者將成為關(guān)鍵顧問。隨著組織尋求利用AI進行自動化、原型制作、測試和質(zhì)量保證，以大幅減少開發(fā)新項目所需的時間，技術(shù)人員和非技術(shù)人員都需要協(xié)調(diào)他們的AI戰(zhàn)略。這將使技術(shù)人員能夠更頻繁地創(chuàng)新，而非技術(shù)人員可以參與構(gòu)建解決方案，而不僅僅是提供需求。

 

關(guān)于采用/投資AI：投資AI工具可以成為幫助一些開發(fā)人員提高生產(chǎn)率的杠桿。提示方面的培訓(xùn)越多，您就越有可能從開發(fā)人員那里獲得更高的生產(chǎn)力。缺點是，AI通常并不真正了解問題空間，并且可能使用低于平均水平的代碼?；ヂ?lián)網(wǎng)上的許多培訓(xùn)代碼不適合您的應(yīng)用程序。其中一些并不適合任何應(yīng)用程序，所以指望AI讓開發(fā)人員變得更好是不太可能的。AI是一種工具或杠桿，而不是訓(xùn)練和技能的替代品。

 

推動AI進步的數(shù)字容量競賽：AI是一項渴望數(shù)據(jù)的技術(shù)，未來幾年對移動和處理這些數(shù)據(jù)的帶寬需求將飆升。AI應(yīng)用程序的發(fā)展速度遠遠超過了基礎(chǔ)設(shè)施建設(shè)的速度，導(dǎo)致了容量短缺的風(fēng)險。網(wǎng)絡(luò)基礎(chǔ)設(shè)施必須迅速發(fā)展，以滿足連接需求并避免緊縮。這將需要在新技術(shù)和基礎(chǔ)設(shè)施方面進行投資，并在網(wǎng)絡(luò)運營商、超大規(guī)模巨頭和其他利益相關(guān)者之間采取更具協(xié)作性的方法。AI是一個價值萬億美元的機會，它將推動前所未有的帶寬需求，使其與5G和物聯(lián)網(wǎng)等其他炒作周期有很大不同，這些周期的貨幣化尚不清楚。嚴重依賴數(shù)據(jù)和計算的行業(yè)——如醫(yī)療保健、金融和制造業(yè)——將首先受益于AI。超大規(guī)模巨頭將在數(shù)字基礎(chǔ)設(shè)施上投入巨資，為這一激增做好準備，在我們展望未來時，規(guī)模較小的參與者必須效仿，否則就會被甩在后面。

 

公司將優(yōu)先關(guān)注數(shù)據(jù)基礎(chǔ)和AI創(chuàng)新之間的差距。沒有數(shù)據(jù)戰(zhàn)略就沒有AI戰(zhàn)略，公司將需要優(yōu)先填補數(shù)據(jù)戰(zhàn)略中的差距；具體地說，就是更高效、更安全地訪問更準確數(shù)據(jù)的基本要素。

 

總體而言，理解和利用AI的全部價值的門檻仍然很低，但這不會持續(xù)很長時間，因為市場壓力繼續(xù)加速AI的采用。企業(yè)AI的未來將集中在已在使用的產(chǎn)品和服務(wù)中內(nèi)置AI。但隨著AI創(chuàng)新的發(fā)展，我們將看到企業(yè)學(xué)會建立自己的內(nèi)部AI數(shù)據(jù)平臺，并將部分工作流轉(zhuǎn)移到自己的基礎(chǔ)設(shè)施中。對于想要走在前列的企業(yè)來說，現(xiàn)在就開始投資建立他們的內(nèi)部專業(yè)知識是至關(guān)重要的。與分散在公司各處的單個AI項目相比，建立一個AI和數(shù)據(jù)科學(xué)的中央“卓越中心”將更有利。

 

實時AI監(jiān)控：數(shù)據(jù)驅(qū)動的未來：2024年將見證實時AI監(jiān)控系統(tǒng)的崛起，能夠即時檢測和解決數(shù)據(jù)異常。這項變革性的技術(shù)將確保數(shù)據(jù)的可靠性和可訪問性，特別是對于不斷增長的非結(jié)構(gòu)化數(shù)據(jù)。

 

在繁榮之后，許多AI公司將會滅亡，這是對數(shù)據(jù)隱私、安全和安全加強審查的直接結(jié)果。因此，2024年將是安全、安全的AI公司之年，AI投資和創(chuàng)新的爆炸式增長將鞏固和加速。所有領(lǐng)域的贏家都將開始涌現(xiàn)。AI將成為主流，不再是試驗性生產(chǎn)的支持性工具，而是一項重要的戰(zhàn)略商業(yè)資產(chǎn)。它將以極快的速度運行，并在2024年底之前推動重大商業(yè)決策。在提供更高計算能力的同時降低能耗和總擁有成本的AI模型和芯片將成為趨勢。換句話說，ESG(環(huán)境、社會和治理)將很快成為新的北極星。

 

AGI將在未來一年取得進展：通用人工智能距離成為現(xiàn)實非常遙遠，但它比以往任何時候都更近。我們今天在LLMS中擁有的是人類智能的模糊副本。它相當不錯，它可以做一些令人驚嘆的事情來改善你的業(yè)務(wù)。但LLM能否發(fā)明一種有效的經(jīng)濟學(xué)理論或疫苗來抗擊大流行？人類可以！我相信我們在過去的幾年里取得了巨大的飛躍，但我相信我們中的任何一個人都不知道我們距離真正的創(chuàng)意天才還有多長時間。

 

AI將簡化軟件開發(fā)流程：“開發(fā)人員目前所做的許多耗時的任務(wù)將很快實現(xiàn)自動化，使流程和任務(wù)更加流暢，同時創(chuàng)造出我們以前從未見過的速度和效率水平。此外，對于開發(fā)人員來說，了解AI最終將成為一項必備技能。至關(guān)重要的是，行業(yè)繼續(xù)接受這項技術(shù)，并了解它的好處，以便提高創(chuàng)新的速度，并允許開發(fā)人員在消除乏味、重復(fù)的任務(wù)的同時，精益求精地專注于他們的專業(yè)。

 

非結(jié)構(gòu)化數(shù)據(jù)集缺少與成功的AI數(shù)據(jù)管道的鏈接：組織將使用分布式非結(jié)構(gòu)化數(shù)據(jù)集來加強其AI戰(zhàn)略和AI數(shù)據(jù)管道，同時實現(xiàn)傳統(tǒng)企業(yè)解決方案所不具備的性能和可擴展性。組織面臨的最大挑戰(zhàn)之一是讓分布式非結(jié)構(gòu)化數(shù)據(jù)集在其AI戰(zhàn)略中發(fā)揮作用，同時提供傳統(tǒng)企業(yè)解決方案所沒有的性能和規(guī)模。至關(guān)重要的是，數(shù)據(jù)管道設(shè)計為使用所有可用的計算能力，并可以使數(shù)據(jù)可用于云模型，如Databricks和Snowflake中的云模型。2024年，在全球數(shù)據(jù)環(huán)境中，對全球?qū)崟r協(xié)調(diào)的數(shù)據(jù)的高性能本地讀/寫訪問將變得不可或缺和無處不在。

 

大數(shù)據(jù)

 

投資于數(shù)字轉(zhuǎn)型將是2024年CIO議程上的優(yōu)先事項，特別是在通脹上升的情況下，因為這將允許更好的風(fēng)險管理、降低成本和改善客戶體驗。此外，按照我們今年看到的趨勢，GenAI也將得到持續(xù)的投資。在評估我們最初的業(yè)務(wù)需求和目標時，同樣至關(guān)重要的是我們致力于建立優(yōu)先考慮負責任使用的指導(dǎo)方針。最后，作為一個行業(yè)，我認為我們需要接受數(shù)據(jù)孤島。我們不能忽略豎井，因此我們需要更好地啟用它們，并使它們能夠提取所需的經(jīng)過審查的數(shù)據(jù)。

 

大數(shù)據(jù)的固有特征-數(shù)量、速度、價值、多樣性和準確性-每年都保持不變，而每年涌現(xiàn)的不斷發(fā)展的技術(shù)幫助我們使用領(lǐng)域知識來了解數(shù)據(jù)并獲得更多洞察力，從而加速業(yè)務(wù)轉(zhuǎn)型。

 

大數(shù)據(jù)洞察將不再只是數(shù)據(jù)科學(xué)家的專利：從大數(shù)據(jù)中提取有意義的商業(yè)洞察的能力在很大程度上一直是高度專業(yè)化的數(shù)據(jù)科學(xué)家的領(lǐng)域。但是，就像在網(wǎng)絡(luò)安全領(lǐng)域一樣，這些專家相當稀少，越來越多的團隊對這種有限的資源提出了要求。在接下來的一年里，我們將看到這種變化呈指數(shù)級增長。數(shù)據(jù)交換矩陣平臺和數(shù)據(jù)科學(xué)與機器語言(DSML)平臺正在改變游戲規(guī)則，統(tǒng)一并簡化對企業(yè)數(shù)據(jù)的訪問。這些平臺更友好的用戶界面使更多團隊中的更多人能夠看到企業(yè)面臨的威脅或其他挑戰(zhàn)并采取行動。數(shù)據(jù)的民主化來得并不是太快，因為AI的進步正在使不良行為者更容易滲透。隨著更多的人關(guān)注并能夠采取保護行動，企業(yè)真正有機會保持領(lǐng)先于威脅。 

 

首席數(shù)據(jù)官(或任何數(shù)據(jù)領(lǐng)導(dǎo)者)首先需要成為變革管理專家，其次是數(shù)據(jù)專家，才能在2024年取得成功。創(chuàng)造一種數(shù)據(jù)文化與夢想之地“建立它，他們就會來”的方法完全相反；CDO們發(fā)現(xiàn)自己太多地獨自呆在一個領(lǐng)域，只有自己的夢想。你必須將“數(shù)據(jù)夢想”帶到組織的所有領(lǐng)域，才能使數(shù)據(jù)驅(qū)動的文化成為現(xiàn)實；創(chuàng)生式AI是CDO必須做到這一點的最有形和最相關(guān)的容器。

 

在接下來的一年里，我們預(yù)測對演進數(shù)據(jù)湖的需求將不斷增長，以及genAI如何幫助組織更容易訪問大數(shù)據(jù)。企業(yè)領(lǐng)導(dǎo)者將尋求的不僅僅是一個有組織的存儲空間；他們將尋找一個智能和交互的平臺，促進與數(shù)據(jù)的有意義的對話，并將其轉(zhuǎn)化為可操作的見解。GenAI中的大型語言模型(LLM)為彌合大數(shù)據(jù)和決策之間的差距帶來了新的機會。在LLMS的支持下，智能代理將具有理解和響應(yīng)自然語言查詢的創(chuàng)造性能力，為企業(yè)開辟了新的天地，因為它將允許他們的用戶以對話的方式與數(shù)據(jù)打交道。這種轉(zhuǎn)變推動組織走向組織良好的數(shù)據(jù)存儲庫，使用戶能夠?qū)ζ鋽?shù)據(jù)有有用的理解。

 

2024年是我們停止移動數(shù)據(jù)并開始使用數(shù)據(jù)的一年：20多年來，數(shù)據(jù)增長速度超過了連接速度，導(dǎo)致了一個指數(shù)級的問題。指數(shù)級的問題可能會突然變得不堪重負，就像一個裝滿沙粒的罐子，每天都會翻一番。前一天它還是半滿的，第二天它就滿了。數(shù)據(jù)傳輸速率無法滿足我們的需求，這促使了像亞馬遜的AWS Snowmobile這樣的解決方案，這是一個45英尺長的航運集裝箱，由一輛卡車拉著，旨在傳輸艾字節(jié)級的數(shù)據(jù)。我們已經(jīng)到了無法將所有數(shù)據(jù)轉(zhuǎn)移到需要分析或使用的地方的地步——我們已經(jīng)從數(shù)據(jù)中心轉(zhuǎn)移到了數(shù)據(jù)中心。每天在邊緣(例如，工廠、醫(yī)院、自動駕駛汽車)產(chǎn)生數(shù)以億計的數(shù)據(jù)，為新的AI模型提供動力。然而，我們的AI生態(tài)系統(tǒng)主要駐留在云中，將這些海量數(shù)據(jù)從邊緣轉(zhuǎn)移到云中是不可行的。2024年，我們預(yù)見到工具的興起，這些工具允許我們在不移動數(shù)據(jù)的情況下就地處理數(shù)據(jù)。這些工具將使云應(yīng)用程序能夠像訪問本地數(shù)據(jù)一樣訪問邊緣數(shù)據(jù)，或使數(shù)據(jù)中心應(yīng)用程序能夠像訪問本地數(shù)據(jù)一樣訪問云數(shù)據(jù)。歡迎來到數(shù)據(jù)無處不在的時代。

 

云計算

 

云和操作系統(tǒng)無關(guān)的高可用性成為大多數(shù)應(yīng)用程序的預(yù)期要求：IT團隊將尋找跨操作系統(tǒng)和云一致的應(yīng)用程序高可用性解決方案，以降低復(fù)雜性并提高成本效益。隨著對HA需求的增加，在本地和云環(huán)境中運行應(yīng)用程序的公司以及在Windows和Linux環(huán)境中運行應(yīng)用程序的公司將尋求使用HA解決方案來簡化其應(yīng)用程序環(huán)境，該解決方案可在其所有環(huán)境中提供一致的用戶界面，并與HA供應(yīng)商提供的云和操作系統(tǒng)技術(shù)支持和服務(wù)相匹配。

 

組織將繼續(xù)尋找公共云DBaaS替代方案：我們從用戶、客戶和整個市場聽到的是，他們希望使用公共云DBaaS替代方案。原因有很多，例如，他們可能想要更獨立于供應(yīng)商，他們可能想要優(yōu)化成本，或者在數(shù)據(jù)庫配置方面獲得更大的靈活性。目前，對于那些愿意做出改變的人來說，市場提供的選擇有限。開源私有數(shù)據(jù)庫平臺使組織和IT團隊能夠更好地控制與基于云的數(shù)據(jù)庫相關(guān)的數(shù)據(jù)訪問、配置靈活性和成本，而不是考慮來自特定提供商的DBaaS。Kubernetes和Kubernetes運營商的發(fā)展使這種方法的實現(xiàn)變得更容易，但圍繞這一方法仍然存在多個空白，使其在生產(chǎn)中部署和運行變得更加困難?？s小這些差距并提供完全開源的DBaaS選項將在2024年取得成果。

 

構(gòu)建從提示開始，托管從云開始：在不久的將來，AI驅(qū)動的語言模型(LLM)將繼續(xù)變革基于服務(wù)器的(虛擬化)計算，其中使用自動化工具的快速部署將推動這一變化。它從一個簡單的提示開始，指導(dǎo)你創(chuàng)建一個網(wǎng)站。添加額外的方向，以指導(dǎo)您正在建設(shè)的網(wǎng)站類型。云托管將是當務(wù)之急，能夠隨著在線業(yè)務(wù)的增長進行擴展、負載平衡、保護和處理大量流量。出于可靠性、安全性和靈活性的考慮，越來越多的用戶可能希望切換到多云方法，從而避免被單一提供商鎖定。無需管理基礎(chǔ)設(shè)施、配置服務(wù)器或升級硬件即可按需運行代碼的無服務(wù)器功能將更成為開發(fā)人員的首選架構(gòu)。它簡化了部署過程，允許更高效的資源分配，并將大大節(jié)省工作和時間。隨著量子計算的進步，即使進展緩慢，它也將擾亂傳統(tǒng)的加密方法。云托管提供商必須通過提供抗量子安全解決方案來保護敏感數(shù)據(jù)來進行適應(yīng)。不斷上漲的能源價格將推動云托管采用更可持續(xù)的做法。更多的供應(yīng)商將致力于使用可再生能源、重復(fù)利用廢水、減少碳足跡，并推廣環(huán)保的云服務(wù)。

 

數(shù)據(jù)庫/數(shù)據(jù)倉庫/數(shù)據(jù)湖/數(shù)據(jù)管理

 

數(shù)據(jù)模型將實現(xiàn)從高度結(jié)構(gòu)化的傳統(tǒng)數(shù)據(jù)庫的結(jié)構(gòu)性轉(zhuǎn)變。隨著越來越多的公司集成AI能力以獲得競爭優(yōu)勢并改變業(yè)務(wù)的實時步伐，傳統(tǒng)的數(shù)據(jù)管理方法將被擱置，需要一種新的數(shù)據(jù)模式取而代之。

 

一種新的數(shù)據(jù)倉庫將會出現(xiàn)：Snowflake、BigQuery和RedShift將企業(yè)數(shù)據(jù)帶到云端。2024年，我們將看到新一代數(shù)據(jù)庫從這些單一的數(shù)據(jù)倉庫中竊取工作負載。這些實時數(shù)據(jù)倉庫將通過更快、更高效地處理實時數(shù)據(jù)驅(qū)動的應(yīng)用程序來實現(xiàn)這一點，這些應(yīng)用程序在可觀察性和分析方面為產(chǎn)品提供動力。

 

SQL將繼續(xù)存在：結(jié)構(gòu)化查詢語言或SQL每隔幾年就會被宣布過于過時，在2024年，使用LLMAI工具生成數(shù)據(jù)庫查詢的提議將得到大量關(guān)注。但SQL是20世紀70年代以來唯一一種至今仍在廣泛使用的編程語言，其原因之一是它在查詢數(shù)據(jù)方面的能力。您可能不喜歡它的語法。你可能會發(fā)現(xiàn)它的規(guī)則有些武斷。你可能對學(xué)習(xí)這樣一門古老的語言有怨言。但幾十年來，SQL一次又一次地證明自己是操縱數(shù)據(jù)的首要工具。它不會很快過時的。

 

比以往任何時候都更需要靈活的全球架構(gòu)

 

對全球數(shù)據(jù)庫的需求將來自對數(shù)據(jù)駐留的合規(guī)要求的增加，以及向全球分布的用戶群提供低延遲數(shù)據(jù)的需要。隨著越來越多的國家實施數(shù)據(jù)駐留法規(guī)，全球企業(yè)將需要評估其數(shù)據(jù)庫，以確保它們可以部署在靈活的全球架構(gòu)中。

 

《一般數(shù)據(jù)保護條例》(GDPR)(2018年5月25日頒布)是世界上最嚴厲的數(shù)據(jù)保護政策。它對企業(yè)提出了嚴格的要求，以保護歐盟公民的個人數(shù)據(jù)和隱私。如果一家企業(yè)不符合GDPR，他們將被處以最高1000萬歐元的罰款，或上一財年全球總營業(yè)額的2%。這些嚴厲的處罰(加上媒體報道造成的聲譽損失)使得企業(yè)無論總部設(shè)在哪里，滿足和遵守全球法規(guī)變得越來越重要。擁有靈活的全球架構(gòu)有助于企業(yè)避免與這些法規(guī)發(fā)生沖突。對全球數(shù)據(jù)庫的需求可能是日益嚴格的合規(guī)要求的結(jié)果，但擁有靈活的全球架構(gòu)也可以改善組織的隱私衛(wèi)生。擁有靈活的全球架構(gòu)使企業(yè)能夠適應(yīng)不斷變化的市場和客戶需求，并以低延遲將數(shù)據(jù)提供給全球分布的用戶數(shù)據(jù)庫。

 

數(shù)據(jù)湖的興起和數(shù)據(jù)湖供應(yīng)商的衰落：雖然一些公司可能會選擇收集更少的數(shù)據(jù)，但不斷增加的監(jiān)管要求意味著大多數(shù)團隊別無選擇，只能用更少的錢做更多的事情。隨著它們努力尋找具有成本效益的方式來存儲不可預(yù)測的數(shù)據(jù)，企業(yè)正越來越多地重新考慮數(shù)據(jù)湖。一旦被認為是非結(jié)構(gòu)化數(shù)據(jù)的最終落腳點，我預(yù)計2024年將加速向數(shù)據(jù)湖遷移，原因是存儲成本增加，以及跨數(shù)據(jù)湖和對象存儲的查詢功能的進步，以及數(shù)據(jù)可以相對輕松地路由到它們。有了快速、經(jīng)濟高效地搜索大型數(shù)據(jù)存儲的能力，公司將開始將數(shù)據(jù)湖作為數(shù)據(jù)的第一站，而不是最終目的地。這將導(dǎo)致數(shù)據(jù)量從分析平臺和熱存儲轉(zhuǎn)移到數(shù)據(jù)湖。與這種增長形成對比的是，我們預(yù)計，隨著市場從理論和部署到現(xiàn)實和使用的成熟，不是同類中最好的數(shù)據(jù)湖供應(yīng)商明年可能會看到增長和整合放緩。對于那些經(jīng)歷了過快增長導(dǎo)致經(jīng)濟低迷的細分行業(yè)來說，這種痛苦將更加尖銳，數(shù)據(jù)湖供應(yīng)商肯定在名單上。

 

英語將取代SQL成為業(yè)務(wù)分析師的通用語言：我們可以預(yù)見，在成功地解決了語言到SQL技術(shù)的準確性、性能和安全問題之后，語言到SQL技術(shù)將被廣泛采用。此外，用于語言到SQL的LLM將在使用這些LLM時移入數(shù)據(jù)庫以保護敏感數(shù)據(jù)，從而解決圍繞數(shù)據(jù)隱私和安全的主要問題之一。語言到SQL技術(shù)的成熟將向更廣泛的受眾打開大門，使數(shù)據(jù)和數(shù)據(jù)庫管理工具的訪問民主化，并進一步將自然語言處理集成到與日常數(shù)據(jù)相關(guān)的任務(wù)中。

 

開放格式將對數(shù)據(jù)倉庫模式造成最后的打擊。盡管許多人預(yù)計數(shù)據(jù)倉庫模式將取代倉庫，但真正的顛覆者是開放格式和數(shù)據(jù)堆棧。它們將公司從供應(yīng)商鎖定中解放出來，這一限制同時影響了湖邊和倉庫的建筑。

 

數(shù)據(jù)優(yōu)先架構(gòu)意味著和數(shù)據(jù)管理策略：我們即將看到人們保存的數(shù)據(jù)的又一次爆炸。到2025年，全球數(shù)據(jù)創(chuàng)建預(yù)計將增長到180 ZB以上。數(shù)據(jù)對組織來說變得越來越有價值，即使他們不知道自己將如何使用或長期需要它。數(shù)據(jù)爆炸將繼續(xù)推動對高可用性和可擴展解決方案的需求。為了利用這種突發(fā)，組織將需要跨部門的數(shù)據(jù)民主化，以實現(xiàn)數(shù)據(jù)優(yōu)先的方法，這樣所有事情都將真正使組織的各個方面受益。

 

2024年是事務(wù)型分布式數(shù)據(jù)庫進入主流應(yīng)用的一年。直到最近，還有一種看法認為，分布式數(shù)據(jù)庫只對小眾用例有用。然而，隨著AI和云采用的增長，以及企業(yè)跨多個時區(qū)和地點擴展運營，越來越多的應(yīng)用程序?qū)⑿枰蓴U展性、彈性、高可用性和數(shù)據(jù)地理分布。經(jīng)過行業(yè)領(lǐng)先企業(yè)驗證的云本地分布式數(shù)據(jù)庫將成為其中許多組織的明顯選擇。對數(shù)據(jù)駐留立法征稅和合規(guī)的需要將進一步推動采用。我們預(yù)計，AWS、Google Cloud和Microsoft Azure等主要參與者將在未來一年宣布更多分布式關(guān)系數(shù)據(jù)庫功能，以利用這一趨勢。

 

數(shù)據(jù)工程

 

AI技術(shù)不會取代開發(fā)人員：AI正在走向軟件開發(fā)的前沿，IT領(lǐng)導(dǎo)者使用AI來加快上市時間，緩解開發(fā)人員短缺。雖然基于AI的生成性工具可以加快許多常見的開發(fā)人員任務(wù)的速度，但復(fù)雜的任務(wù)目前仍然屬于開發(fā)人員的領(lǐng)域。AI技術(shù)將用于增強開發(fā)人員，而不是取代他們，因為一些任務(wù)仍然需要熟練的開發(fā)人員專業(yè)知識。

 

AI生成的代碼將產(chǎn)生對數(shù)字免疫系統(tǒng)的需求：在2024年，更多的組織將經(jīng)歷由于低質(zhì)量和監(jiān)管不足的軟件代碼而導(dǎo)致的重大數(shù)字服務(wù)中斷。開發(fā)人員將越來越多地使用GenAI支持的自主代理來為他們編寫代碼，這將使他們的組織面臨更大的意外問題風(fēng)險，這些問題會影響客戶和用戶體驗。這是因為維護自主代理生成的代碼的挑戰(zhàn)類似于保留由離開組織的開發(fā)人員創(chuàng)建的代碼。剩下的團隊成員都不能完全理解代碼。因此，當代碼中出現(xiàn)問題時，沒有人可以快速解決這些問題。此外，那些試圖使用生成式AI來審查和解決由自主代理創(chuàng)建的代碼中的問題的人將發(fā)現(xiàn)自己面臨著一個遞歸問題，因為他們?nèi)匀蝗狈τ行Ч芾硭璧幕局R和理解。這些挑戰(zhàn)將推動組織開發(fā)數(shù)字免疫系統(tǒng)，將軟件設(shè)計、開發(fā)、運營和分析的實踐和技術(shù)結(jié)合起來，通過確保默認情況下的代碼彈性來保護其軟件免受內(nèi)部影響。為了實現(xiàn)這一點，組織將利用預(yù)測性AI在代碼或應(yīng)用程序中出現(xiàn)問題之前自動預(yù)測問題，并觸發(fā)即時、自動響應(yīng)，以保障用戶體驗。例如，開發(fā)團隊可以設(shè)計具有自我修復(fù)功能的應(yīng)用程序。如果新版本引入錯誤或自動配置額外的云資源以支持計算能力需求的增加，這些功能可以自動回滾到代碼庫的最新穩(wěn)定版本。

 

數(shù)據(jù)治理和監(jiān)管

 

40%的企業(yè)將主動投資于AI治理以實現(xiàn)合規(guī)。隨著歐盟即將通過新的歐盟AI法案，美國監(jiān)管機構(gòu)匆忙生產(chǎn)AI和GenAI抵押品，以及中國最近出臺的genAI監(jiān)管規(guī)定，一些公司將進一步推動AI合規(guī)。如果做不到這一點，就意味著錯過了合規(guī)截止日期，并不得不改造AI治理，這增加了復(fù)雜性、成本和時間。為了滿足當前和未來的合規(guī)要求，企業(yè)將投資于獲取新技術(shù)、填補人才缺口并獲得所需的第三方支持。

 

數(shù)據(jù)治理將演變?yōu)閿?shù)據(jù)智能：在數(shù)據(jù)治理的早期，數(shù)據(jù)丟失預(yù)防和保護策略占據(jù)主導(dǎo)地位。盡管這些工具仍然有助于滿足政府的要求，但可能會阻礙對數(shù)據(jù)的有效利用。當數(shù)據(jù)被嚴密鎖定時，管理人員無法了解如何使用、移動或訪問他們的數(shù)據(jù)，因此他們無法有效地改進他們的數(shù)據(jù)存儲和實施實踐。但我預(yù)計變化很快就會到來。是的，數(shù)據(jù)治理仍將是維護合規(guī)性的關(guān)鍵。然而，現(xiàn)在已經(jīng)出現(xiàn)了進化的數(shù)據(jù)智能能力，使從業(yè)者不僅可以控制數(shù)據(jù)，還可以理解數(shù)據(jù)-這些能力在現(xiàn)代商業(yè)世界中是必不可少的。挖掘元數(shù)據(jù)以了解其生命周期將使團隊能夠更有效地支持其業(yè)務(wù)需求。這些開明的治理策略將幫助組織實現(xiàn)數(shù)據(jù)合規(guī)性的共同目標，同時發(fā)現(xiàn)細粒度的數(shù)據(jù)洞察。

 

AI將被拖過一個混亂的監(jiān)管迷宮。監(jiān)管將從世界各地如雨點般落在AI身上，創(chuàng)造一個復(fù)雜的監(jiān)管迷宮，企業(yè)將難以駕馭。具體地說，在美國國內(nèi)，AI的監(jiān)管可能而且很可能會在各州甚至城市的基礎(chǔ)上有所不同，類似于目前稅法因司法管轄區(qū)而異的方式。2024年，當各組織努力解決監(jiān)管AI框架的拼湊問題時，他們必須問自己：‘這里應(yīng)該啟用AI嗎？如果應(yīng)該，如何啟用？’

 

美國不太可能在2024年制定與AI相關(guān)的法律：如果歷史可以借鑒的話，立法者需要很長時間才能形成關(guān)于AI的實用知識，了解他們的選擇，并形成足夠的共識來制定法律。預(yù)測任何復(fù)雜政治進程的結(jié)果都很困難，尤其是在總統(tǒng)選舉即將到來的情況下。然而，鑒于GenAI在2023年占據(jù)了公眾的想象力，人們有一種緊迫感，這可能是拜登總統(tǒng)關(guān)于安全、可靠和可信賴的AI的行政命令(EO)的動力。EO將取代指導(dǎo)低成本管理和AI使用和發(fā)展的聯(lián)邦法律，通過利用國土安全部、國防、能源、商務(wù)等行政部門的權(quán)力和資源，幫助進一步促進AI的安全和安保。政府通過其廣泛的購買力對市場的影響力也將被利用，以推動安全和安?？刂频拈_發(fā)和采用。

 

可信數(shù)據(jù)將成為世界上最關(guān)鍵的資產(chǎn)：可信數(shù)據(jù)在AI系統(tǒng)中的關(guān)鍵作用正在成為技術(shù)未來的基石。確保來自AI系統(tǒng)的信息和數(shù)據(jù)是值得信任的，這同樣至關(guān)重要。在一個越來越接近通用人工智能(AGI)的世界里，知道應(yīng)該相信什么和相信誰將對我們學(xué)習(xí)的一切和我們認為知道的一切都至關(guān)重要。Forrester強調(diào)了這一轉(zhuǎn)變，他預(yù)測，注入大型語言模型(LLM)的特定領(lǐng)域的數(shù)字同事很快將幫助十分之一的運營任務(wù)。當針對特定的業(yè)務(wù)需求量身定做時，這些LLM承諾獲得可觀的投資回報。這一趨勢導(dǎo)致組織更多地關(guān)注尋找、理解和管理高質(zhì)量、可靠的數(shù)據(jù)，這對于培訓(xùn)根據(jù)特定業(yè)務(wù)需求定制的AI模型至關(guān)重要。其結(jié)果是，AI治理將很快變得重要起來。它涉及的不僅僅是管理數(shù)據(jù)；它還涉及理解信息和模型的整個生命周期。在GenAI和幻覺帶來的挑戰(zhàn)的時代，將數(shù)據(jù)類比為新石油現(xiàn)在似乎是不夠的。在當今的商業(yè)環(huán)境中，僅僅收集和分析大型數(shù)據(jù)集已經(jīng)不夠用了。在2024年及以后，可信數(shù)據(jù)以及與建立對數(shù)據(jù)的信任相關(guān)的所有工具將成為組織的頭號商品。

 

由于監(jiān)管障礙，GenAI的采用將放緩，將重點轉(zhuǎn)向企業(yè)數(shù)據(jù)可用性：在2023年成為聚光燈下后，GenAI將在新的一年面臨監(jiān)管逆風(fēng)，導(dǎo)致企業(yè)在進入2024年時更加謹慎。迫在眉睫的法規(guī)和日益加劇的安全擔憂促使各組織對大規(guī)模收養(yǎng)踩下了剎車。雖然試點項目將很多，但許多項目可能達不到預(yù)期的結(jié)果，降低了企業(yè)的熱情。隨著AI評估的加強，供應(yīng)商將面臨更嚴格的審查。然而，這種審查可能會為更以數(shù)據(jù)為中心、用戶友好的應(yīng)用程序環(huán)境鋪平道路。

 

數(shù)據(jù)集成、數(shù)據(jù)質(zhì)量

 

大大小小的企業(yè)都會優(yōu)先考慮清潔數(shù)據(jù)集：隨著公司意識到AI驅(qū)動的數(shù)據(jù)分析的力量，他們會想要加入這一潮流-但如果沒有整合的、清潔的數(shù)據(jù)集，他們不會走得太遠，因為AI算法的有效性在很大程度上依賴于數(shù)據(jù)的質(zhì)量和清潔度。干凈的數(shù)據(jù)集將成為成功實施AI的基礎(chǔ)，使企業(yè)能夠獲得有價值的見解并保持競爭力。

 

數(shù)據(jù)網(wǎng)狀、數(shù)據(jù)交換矩陣

 

隨著公司尋求在分布式環(huán)境中共享數(shù)據(jù)，數(shù)據(jù)交換矩陣和數(shù)據(jù)網(wǎng)格將繼續(xù)成為熱門話題。實施數(shù)據(jù)網(wǎng)狀體系結(jié)構(gòu)。讓每個業(yè)務(wù)部門設(shè)計自己的數(shù)據(jù)解決方案，然后只將其連接到他們需要的更大規(guī)模的組件。

 

數(shù)據(jù)可觀測性

 

數(shù)據(jù)可觀察性：數(shù)據(jù)可觀察性成為一種重要趨勢，可主動確保數(shù)據(jù)質(zhì)量并解決整個數(shù)據(jù)管道中的異常情況。數(shù)據(jù)可觀察性的5個關(guān)鍵支柱是世系、質(zhì)量、新鮮度、數(shù)量和架構(gòu)漂移。對云設(shè)置中的這些支柱進行主動監(jiān)控可以顯著節(jié)省成本，有可能降低30%-40%的成本。其意義在于，高質(zhì)量的數(shù)據(jù)對于明智的決策是必不可少的。確保整個環(huán)境中的適當可觀察性使用戶能夠訪問值得信賴和精心策劃的數(shù)據(jù)資產(chǎn)，以獲得有價值的見解。

 

深度學(xué)習(xí)

 

深度假貨危險：2024年將帶來一系列消費者應(yīng)該警惕的深度假貨危險——特別是在虛擬客服環(huán)境中。身份和驗證(ID&V)是大多數(shù)行業(yè)的標準做法，在這些行業(yè)中，客戶身份和交易權(quán)是確立的。然而，如果客戶生成一張?zhí)摷賵D像，暗示一家公司的產(chǎn)品被用于犯罪，那么深度偽造有可能克服生物特征驗證和認證方法——使身份盜竊變得容易得多。而這僅僅是個開始。深度假冒技術(shù)還處于初級階段，只會變得更好、更狡猾。幸運的是，更具預(yù)測性的信號可以用來檢測可能發(fā)生的欺詐，因為被盜的身份可能意味著在某些情況下壞人可以通過ID&V。技術(shù)正在不斷發(fā)展，以解決這些問題，我們無疑將在這一年看到硬幣兩邊的重大技術(shù)創(chuàng)新。

 

GenAI

 

GenAI將轉(zhuǎn)向現(xiàn)代數(shù)據(jù)管理。從歷史上看，數(shù)據(jù)管理有點像一個黑匣子，需要高度的技術(shù)技能來制定戰(zhàn)略并高效地管理數(shù)據(jù)。在LLMS的幫助下，現(xiàn)代數(shù)據(jù)管理將改變其框架，允許用戶以完全受治理和合規(guī)的方式參與整個數(shù)據(jù)堆棧。

 

2023年，隨著ChatGPT的發(fā)布，我們見證了人們過高的期望和數(shù)十億美元的資金涌入AI初創(chuàng)公司。2024年，我們將開始看到GenAI法案2.0，公司不僅構(gòu)建基礎(chǔ)模型，而且構(gòu)建重新想象工作流程的整體產(chǎn)品解決方案。我們將看到市場從“每個人都可以做任何事情”的喧囂過渡到少數(shù)幾家贏得GenAI的公司提供真正的價值。

 

從以基礎(chǔ)設(shè)施為基礎(chǔ)的GenAI將迅速轉(zhuǎn)變?yōu)楸镜谿enAI，因為目前，這是不可能的。一般的初創(chuàng)公司沒有幾千美元可以投給云提供商，事實將證明，自己運營幾乎是不可能的，但隨著圍繞本地GenAI的創(chuàng)新，這種情況正在迅速改變。隨著它的本地化，您將擁有一個完整的RAG堆棧，并在您的訪問控制下進行控制。這樣，您就不必以任何方式公開您的專有數(shù)據(jù)。當我們從集中式的、基于API的LLM轉(zhuǎn)變?yōu)楸镜豅LM時，這將很快發(fā)生。能夠奏效的方案將會像野火一樣被采納。只需注意其不利之處，因為去中心化的LLM在循環(huán)中引入了不良行為者的概念。

 

大型語言模型將在2024年商品化：今天的公司將展開一場巨大的競賽，要構(gòu)建自己獨特的大型語言模型(LLM)，比如OpenAI的GPT-4或Meta的駱駝。然而，我預(yù)測這些模型將在2024年商品化。這種區(qū)別將歸結(jié)為哪些數(shù)據(jù)正在被輸入LLM，以及它的目的是什么。這類似于有線電視和流媒體領(lǐng)域的情況，一個月的有線電視賬單變成了許多完全不同的流媒體訂閱。隨著許多新公司的成立，每個公司都有自己的差異化模式，我們看到了類似的AI模式的“拆分”。在未來，這些AI模型可能會聚合回一項單一技術(shù)，數(shù)據(jù)是唯一的差異化因素。

 

在2024年，GenAI將產(chǎn)生的一個重要影響是，讓人們能夠毫無畏懼或?qū)擂蔚赜懻撍麄兊呢攧?wù)擔憂或困難。對于一些人來說，在尋求有關(guān)金融事務(wù)的建議時，與聊天機器人交談比與活人交談更容易。通過提供一種保密和非評判的方式來獲得財務(wù)建議和支持，AI將創(chuàng)造一個更具財務(wù)包容性的未來，每個人都可以獲得他們需要的財務(wù)建議和支持，無論他們的背景或情況如何。

 

隨著GenAI變得更加主流，潛在的生產(chǎn)力收益將使這些組織顯著受益。我們將看到科技領(lǐng)導(dǎo)者在培訓(xùn)、創(chuàng)新中心的建立和采用新的開發(fā)平臺方面投入更多資金，以最大限度地發(fā)揮科技團隊的價值。科技領(lǐng)導(dǎo)者將需要采取雙管齊下的方法，在應(yīng)用AI服務(wù)加速成果的同時，為數(shù)據(jù)實驗創(chuàng)造條件。所有這些都將被要求管理創(chuàng)新創(chuàng)造，并緩解與公共AI模型相關(guān)的風(fēng)險。

 

在ChatGPT引發(fā)的AI革命進入一年后，我們是否很快就會被戲劇性的GenAI成功故事包圍，或者我們將看到迄今為止最快的崩潰，陷入一項技術(shù)的幻滅低谷？兩個都是！精通AI的企業(yè)已經(jīng)在增加他們最有價值的員工，偶爾還會將他們自動化，隨著清晰、可重復(fù)的GenAI用例成熟以及對MLOP和LLMOP的投資取得成果，這一趨勢將獲得勢頭。與此同時，大多數(shù)POC-被民主化的、外包的GenAI海市蜃樓弄得眼花繚亂——首先陷入了生產(chǎn)級GenAI應(yīng)用程序的運營現(xiàn)實，導(dǎo)致了廣泛的幻想破滅。事實證明，人類關(guān)于AI的智慧是GenAI成功的最重要因素，而對于特定的用例和垂直領(lǐng)域來說，專門針對特定用例和垂直市場的“通用預(yù)先訓(xùn)練的變形金剛模型”更有價值。

 

LLMS將幫助GenAI進行更多的推理，減少幻覺：AI正在超越ChatGPT的大型語言模型(LLM)文本世界，以及向大型多模式模型(LMM)過渡的過程，這些系統(tǒng)可以跨不同的媒體類型進行推理。這正在開辟新類型的應(yīng)用和可能性，例如基于圖像的庫存或面向小企業(yè)的虛擬產(chǎn)品支持助理，并可能有助于未來的AI系統(tǒng)基于更多真實世界的例子，以減輕幻覺的可能性。我們預(yù)計在接下來的12個月里會有更多的應(yīng)用，隨著GenAI用聲音、視覺和其他感官學(xué)習(xí)，在不久的將來可能會帶來能夠區(qū)分現(xiàn)實和虛構(gòu)的AI系統(tǒng)。

 

分析的商品化：自然語言處理(NLP)有助于增加用戶對分析的采用?，F(xiàn)在，NLP和大型語言模型(LLM)的正確組合將有助于進一步將分析商品化。LLM在幫助用戶在分析軟件中執(zhí)行復(fù)雜計算方面一直很有幫助。分析供應(yīng)商將在不依賴LLM的情況下將這些功能整合到分析軟件中，以填補LLMS帶來的空白并緩解LLMS帶來的隱私問題。

 

2024年，重點將放在車型轉(zhuǎn)型上，針對特定市場需求的專業(yè)化程度將提高。像ChatGPT這樣的大型語言模型將演變成新一代，變得更加專門用于特定的用例。在改進的GenAI模型的推動下，廣告和新聞等視覺應(yīng)用的AI內(nèi)容使用量將大幅上升。此外，目前AI中的種族偏見可能會減少?，F(xiàn)在，如果你向AI模特要一張男性的照片，90%的照片都是白人男性。AI模特必須變得更能反映世界，才能繼續(xù)跟上。

 

到2025年，ChatGPT將不再是企業(yè)的主流技術(shù)：與大多數(shù)技術(shù)先行者一樣，隨著時間的推移，ChatGPT將變得越來越不重要。像Llama2這樣的本地LLM(以及接下來的任何事情)將成為企業(yè)AI的引擎。這有很多原因，但數(shù)據(jù)安全和通過使用特定于行業(yè)的內(nèi)容增強本地LLM來影響結(jié)果的能力可能是推動這一變化的兩個因素。

 

新一代AI將發(fā)展銷售代表的角色：隨著B2B公司專注于增加每個銷售代表的收入，他們將尋求通過AI為每個銷售代表配備一個虛擬助理。為了高效增長，他們需要在銷售和推向市場的技術(shù)堆棧中嚴重依賴GenAI能力。根據(jù)Forrester Research的數(shù)據(jù)，通過自動化圍繞潛在客戶調(diào)查和接洽渠道的某些任務(wù)，普通銷售代表將能夠多花50%的時間用于創(chuàng)造性的問題解決和富有成效的行動。

 

AI冷水澡：根據(jù)CCS Insight的最新數(shù)據(jù)顯示，2024年將是GenAI面臨一場‘冷水澡’的喚醒之年。圍繞AI的過度炒作吸引了企業(yè)制定充滿希望的長期目標，以提高生產(chǎn)率和實現(xiàn)轉(zhuǎn)型。在這些盲目的情況下，許多人忽視了采用和部署新一代AI所涉及的成本、風(fēng)險和復(fù)雜性的負擔。而且情況只會變得更糟——現(xiàn)在我們被告知，到2027年，AI可能需要與整個國家一樣多的電力。AI的前景是巨大的，但資源是一個問題。并不是每個組織或政府都能負擔得起，也不是每個人都有資源將其嵌入其現(xiàn)有的系統(tǒng)和流程。世界仍處于制定AI法規(guī)的早期階段，缺乏設(shè)定的邊界和安全網(wǎng)可能會將許多行業(yè)置于風(fēng)險之中。在AI方面，我們已經(jīng)看到了一段時間的碎片化。事實是，AI的發(fā)展速度比許多人準備的要快，這項技術(shù)需要不同的資源才能運行。為了防止明年陷入冷水澡，組織必須戰(zhàn)略性地投資于他們將如何為未來的AI提供動力(投資于光子學(xué)和數(shù)字雙胞胎等東西，以解決資源不平等的根本問題)。利用尖端技術(shù)的力量可以幫助建立一個更智能的世界，在這個世界中，人們和社會使用所有類型的可訪問、互聯(lián)和有凝聚力的信息進行優(yōu)化。

 

數(shù)據(jù)中毒：對GenAI的最新威脅：也許沒有什么比ChatGPT更能說明機器學(xué)習(xí)和AI的快速主流。但隨著算法成為日常生活的一部分，它們也代表著一個新的攻擊面。這種類型的攻擊被稱為數(shù)據(jù)中毒，隨著壞人獲得更大的計算能力和新工具，這種攻擊正變得更加猖獗。展望2024年，考慮到新的機器學(xué)習(xí)和AI工具的普及和普及，公司可以預(yù)計會看到數(shù)據(jù)中毒攻擊的增加，其中包括可用性攻擊、后門攻擊、定向攻擊和子群攻擊。不幸的現(xiàn)實是，數(shù)據(jù)中毒很難補救。唯一的解決辦法是徹底重新訓(xùn)練這個模型。但這并不簡單，也不便宜。隨著組織將AI和機器學(xué)習(xí)用于更廣泛的用例，了解和預(yù)防此類漏洞至關(guān)重要。雖然GenAI有一長串有希望的用例，但只有在我們將對手擋在門外并保護模型的情況下，它的全部潛力才能實現(xiàn)。

 

GenAI將改變程序員的工作性質(zhì)和未來程序員的學(xué)習(xí)方式。編寫源代碼將變得更容易、更快，但編程與其說是磨代碼行，不如說是解決問題。GenAI將允許程序員花更多的時間了解他們需要解決的問題，管理復(fù)雜性，并測試結(jié)果，從而產(chǎn)生更好的軟件：更可靠、更容易使用的軟件。

 

最終將確定在企業(yè)中采用LLM的主要價值用例。雖然2023年是關(guān)于夢想GenAI的可能性，但2024年將是該企業(yè)將其付諸實施的一年。經(jīng)過一年的猜測，企業(yè)最終將具體應(yīng)用低成本管理來簡化他們的工作流程。到今年年底，將有幾個命名的基于場景的價值領(lǐng)域為人們所理解，讓我們超越“假設(shè)”，并揭示清晰的用例。

 

GenAI將繼續(xù)面臨組織審查：隨著2023年GenAI工具的快速增長，組織將在新的一年加強對AI工具對員工和系統(tǒng)影響的審查。一個挑戰(zhàn)是圍繞AI工具合法性的錯誤信息和問題的持續(xù)存在，包括被曝光的源代碼和確定員工收到的結(jié)果的合法性的能力。領(lǐng)導(dǎo)者將需要建立方法來驗證和驗證信息，同時定義明確的參數(shù)來確定員工如何在其組織內(nèi)使用AI工具。

 

將GenAI從試點轉(zhuǎn)向生產(chǎn)：GenAI正在影響組織的投資決策。雖然早期的GenAI試點顯示出了希望，但由于實踐經(jīng)驗有限和快速發(fā)展，大多數(shù)組織仍然對全面生產(chǎn)部署持謹慎態(tài)度。2023年，大多數(shù)組織都在進行小規(guī)模、有針對性的試驗，以仔細評估收益和風(fēng)險。隨著GenAI技術(shù)的成熟，并通過預(yù)先培訓(xùn)的模型、云計算和開源工具變得更加民主化，2024年預(yù)算分配將更多地轉(zhuǎn)向GenAI。

 

GenAI將釋放隱藏在非結(jié)構(gòu)化企業(yè)數(shù)據(jù)中的價值和風(fēng)險：非結(jié)構(gòu)化數(shù)據(jù)-主要是內(nèi)部文檔存儲庫-將成為企業(yè)IT和數(shù)據(jù)治理團隊的緊迫重點。到目前為止，這些內(nèi)容存儲庫幾乎沒有在操作系統(tǒng)和傳統(tǒng)預(yù)測模型中使用，因此它們一直不在數(shù)據(jù)和治理團隊的雷達上?；贕enAI的聊天機器人和微調(diào)的基礎(chǔ)模型將解鎖這些數(shù)據(jù)的一系列新應(yīng)用，但也將使治理變得至關(guān)重要。在沒有實施管理數(shù)據(jù)和GenAI模型的必要流程和平臺的情況下，匆忙開發(fā)GenAI用例的公司將發(fā)現(xiàn)自己的項目陷入了PoC煉獄，甚至更糟。這些新要求將產(chǎn)生管理非結(jié)構(gòu)化數(shù)據(jù)源的專門工具和技術(shù)。

 

OpenAI戲劇將繼續(xù)充斥著2024年：山姆·奧特曼被趕下臺并重新加入OpenAI創(chuàng)造了充斥著八卦和熱門鏡頭的新聞周期，我懷疑OpenAI故事將繼續(xù)占據(jù)整個明年的頭條新聞。潛在的催化劑-獨特的非營利性/營利性混合結(jié)構(gòu)、巨大的成本、風(fēng)險和AI的承諾-沒有改變，隨著該領(lǐng)域的發(fā)展速度，這些力量明年有足夠的機會一次又一次達到頂點。

 

隨著“GenAI時代”進入第二個年頭，我們將開始在企業(yè)中看到AI應(yīng)用的更多目的和秩序：在OpenAI和谷歌等公司隨后推出的創(chuàng)新的推動下，關(guān)于如何使用GenAI所能做的事情，“哇”效應(yīng)連續(xù)第二年保持突出，世界各地的組織都將開始弄清楚如何利用AI能力來實現(xiàn)他們的目的，而不僅僅是對“可能的藝術(shù)”感到驚訝。各種企業(yè)產(chǎn)品中的第一代AI能力，專注于低懸、不復(fù)雜的場景，如各類副駕駛，將不再輕易讓每一個第一次看到它們的人驚嘆和眼花繚亂。其結(jié)果將是要求AI支持的能力專注于使用價值，并被利用來解決真正的問題。

 

更多地采用GenAI將推動對干凈數(shù)據(jù)的需求。GenAI的基礎(chǔ)是數(shù)據(jù)。也就是說，為了發(fā)揮預(yù)期的作用，數(shù)據(jù)是這項新技術(shù)的基礎(chǔ)。然而，這些數(shù)據(jù)也需要是干凈的。無論您從哪里提取數(shù)據(jù)——無論您使用的是建模還是您選擇的倉庫——高質(zhì)量的數(shù)據(jù)都是必不可少的。糟糕的數(shù)據(jù)可能會導(dǎo)致糟糕的建議、不準確、偏見等。隨著越來越多的組織尋求在其組織中利用GenAI的力量，擁有強大的數(shù)據(jù)治理戰(zhàn)略將變得更加重要。確保您的數(shù)據(jù)管理員能夠訪問和控制這些數(shù)據(jù)也將是關(guān)鍵。

 

60%的企業(yè)員工將接受及時的工程培訓(xùn)。隨著AI成為所有員工未來企業(yè)工作場所生產(chǎn)力的中心，團隊將需要繼續(xù)投資于數(shù)據(jù)/AI素養(yǎng)計劃，以縮小學(xué)習(xí)如何設(shè)計成功提示的技能差距。不要將這項重要的培訓(xùn)留給L&D-IT需要為員工制定BYOAI指南和企業(yè)培訓(xùn)計劃，以幫助他們一致而安全地最好地利用GenAI。

 

更多的組織將加入AI操作系統(tǒng)的潮流：GenAI操作系統(tǒng)將在未來一年得到更多關(guān)注和投資。AI操作系統(tǒng)是AI與其他一切事物之間的接口，從利用GenAI工具的工程師和設(shè)計師，到由GenAI訓(xùn)練的機器人系統(tǒng)，以模仿人類在物理世界中的行為和行動。由于廣泛采用AI的高風(fēng)險得到了很好的證明，隨著更多的公司和公共部門組織大規(guī)模采用先進的AI技術(shù)，組織將更加強調(diào)構(gòu)建操作系統(tǒng)的重要性，這些操作系統(tǒng)可以充當AI和其他一切之間的中介。

 

從搜索引擎到智能助手：檢索增強生成(RAG)如何在2024年改善大型語言模型響應(yīng)：隨著日歷翻到2024年，一個鮮為人知的術(shù)語將吸引科技界的注意力。盡管到目前為止還沒有得到廣泛的認可，但提取增強生成(RAG)作為一種技術(shù)人員的變革性框架已經(jīng)開始引起轟動。RAG通過從外部來源(如外部知識庫)捕獲信息來增強大型語言模型(LLM)的功能，并通過包括LLM新的數(shù)據(jù)來提高搜索響應(yīng)的質(zhì)量和準確性?？梢詫AG看作是根據(jù)您的需求個性化LLM，提供相同的LLM智能洞察，但來自您的數(shù)據(jù)。這就像從常規(guī)的互聯(lián)網(wǎng)搜索升級到擁有一個私人研究助理，他能準確地找到你需要的東西。財務(wù)決策者已經(jīng)看到了GenAI為其組織中的其他利益相關(guān)者帶來的好處。首席投資官們渴望應(yīng)用GenAI，以縮小“洞察時間”差距，同時過濾更多信息，以產(chǎn)生更準確的結(jié)果。多虧了改進RAG的創(chuàng)新，確保適當訪問查詢的復(fù)雜圈護已經(jīng)成為現(xiàn)實。在短期內(nèi)，我相信RAG將繼續(xù)克服與低成本管理的知識差距，提高準確性，并作為包括投資管理在內(nèi)的多個行業(yè)的知識密集型活動的解決方案。此外，RAG可以限制LLM使用哪些數(shù)據(jù)來處理，從而確保響應(yīng)僅來自RAG數(shù)據(jù)，而不是來自一般的LLM數(shù)據(jù)。RAG還可以提供數(shù)據(jù)來源的引用，這樣用戶就可以對回答有信心。增強安全性，您可以擁有多個RAG數(shù)據(jù)源并鎖定對某些數(shù)據(jù)源的訪問。這樣，只有這些數(shù)據(jù)源的授權(quán)用戶才能使用LLM來回答有關(guān)該敏感數(shù)據(jù)的問題。展望2024年，高度監(jiān)管的行業(yè)預(yù)計將推動GenAI的采用，RAG能夠為其利益相關(guān)者捕獲更好的信息。

 

私有LLM將騰飛：對數(shù)據(jù)隱私和安全的擔憂將促使組織在2024年投資于根據(jù)其特定需求和數(shù)據(jù)集定制的私有LLM。這些私人LLM將進行微調(diào)，以確保更好地遵守監(jiān)管標準和數(shù)據(jù)保護要求。這種向以隱私為中心的LLMS的轉(zhuǎn)變將使企業(yè)能夠更好地控制其AI應(yīng)用程序，培養(yǎng)用戶之間的信任，并為從醫(yī)療保健到金融等行業(yè)的創(chuàng)新和安全的AI解決方案打開大門。

 

創(chuàng)造性的AI計劃將由業(yè)務(wù)線而不是IT驅(qū)動：高管傳統(tǒng)上要求組織采用新工具來支持新的(更好的)業(yè)務(wù)實踐并節(jié)省資金，即使用戶更愿意堅持他們已經(jīng)知道的。它支持在實施團隊討論變更管理程序、對可能不情愿的用戶進行廣泛培訓(xùn)并杜絕任何繼續(xù)使用舊工具的情況下推出這些工具。然而，確保合規(guī)并迅速實現(xiàn)預(yù)期的好處并不是一件容易的事情。到2024年，GenAI將是相反的。用戶對支持GenAI的解決方案的熱情是顯而易見的，因為許多人已經(jīng)以各種形式嘗試過這些工具。GenAI的用戶友好特性及其自然語言界面，促進了非技術(shù)利益相關(guān)者的無縫采用。然而，技術(shù)團隊仍在努力應(yīng)對固有的挑戰(zhàn)，包括幻覺、缺乏可解釋性、特定領(lǐng)域的知識限制和成本問題。在一些組織中，在他們的技術(shù)團隊跟上速度之前，禁止使用GenAI。檢測“影子”使用情況，即個人在短暫的安靜之后突然變得高度高效，這給實施挑戰(zhàn)增加了額外的復(fù)雜性。明年，各組織將制定一個流程來評估眾多可用選項，并允許企業(yè)使用能夠應(yīng)對GenAI在企業(yè)環(huán)境中的所有挑戰(zhàn)的少數(shù)工具。

 

GenAI成熟度如表中所示：GenAI能力的廣泛民主化永遠重塑了知識工作和全球勞動力市場的動態(tài)，已經(jīng)被大流行和復(fù)蘇時間表撼動。整個行業(yè)的廣泛共識是，盡管接受GenAI在今天似乎是可選的，但很快就會面臨要么擁抱它，要么滅亡的選擇。預(yù)計GenAI將增強業(yè)務(wù)、技術(shù)和安全決策，導(dǎo)致對AI治理和道德要求的更多關(guān)注。這種努力的一個例子是最近發(fā)布的白宮行政命令，呼吁AI供應(yīng)商在國家安全和公共安全的背景下確保AI平臺的信任、安全和保障。隨著這一領(lǐng)域的創(chuàng)新重新定義我們與數(shù)字生態(tài)系統(tǒng)的關(guān)系，對AI技能的需求將繼續(xù)增長。

 

釋放GenAI的潛力將需要卓越的數(shù)據(jù)：數(shù)據(jù)是釋放GenAI潛力的貨幣。沒有準確、可靠的數(shù)據(jù)，組織將無法交付關(guān)鍵結(jié)果。在接下來的一年里，CIO將需要優(yōu)先考慮數(shù)據(jù)質(zhì)量，以便試驗和測試GenAI如何最好地為整個組織提供服務(wù)并推動其發(fā)展。

 

AI的下一個階段是從Gen.AI到AGI：GenAI及其方向有了明顯的轉(zhuǎn)變。人們的注意力越來越集中在通用人工智能(AGI)和智能代理的崛起上。對于代理來說，在AlOps和MLOPS世界中有兩個部分將是至關(guān)重要的。一個純粹是關(guān)于學(xué)習(xí)控制和基礎(chǔ)設(shè)施管理，代理確保自動配置管理和漂移保護。學(xué)習(xí)代理需要了解如何進行改進、執(zhí)行、提供反饋并確定應(yīng)該如何修改績效。這種做法適用于AI基礎(chǔ)設(shè)施管理，確保由代理構(gòu)建和測試部署任務(wù)。展望近期的議程，工作場所內(nèi)的趨勢，尤其是大公司，將與AI聯(lián)系在一起，組織將需要控制代理。如果沒有適當?shù)幕A(chǔ)設(shè)施，組織不能讓AI變得自主。要使AI的下一階段從GenAI延伸到AGI，首先需要建立基礎(chǔ)設(shè)施，而嵌入平臺工程將對加快應(yīng)用程序的交付至關(guān)重要。無論學(xué)習(xí)系統(tǒng)位于何處(混合云或私有云)，組織都需要配置才能正常工作。

 

定制企業(yè)基礎(chǔ)模型(FM)的興起：隨著我們進入2024年，圍繞開源與封閉源代碼的爭論只會變得更加激烈。像Meta的Llama這樣的開源LLM正在追趕像GPT-4這樣的閉源LLM。這兩種模式都在性能和隱私方面進行了權(quán)衡。企業(yè)會希望在兩條戰(zhàn)線上都能做到。最近的更新，如OpenAI Enterprise，允許企業(yè)構(gòu)建適合其解決方案的定制模型。同樣，開源模型允許企業(yè)構(gòu)建考慮隱私的輕量級定制模型。這一趨勢將繼續(xù)下去，我們將看到定制的微型語言模型占據(jù)中心舞臺。

 

“我也是”AI供應(yīng)商沉沒，GenAI陷入幻滅的低谷：目前，GenAI正處于其炒作周期的頂峰。明年，當一些組織的AI投資無法提供他們預(yù)期的完全轉(zhuǎn)型時，他們的幻想將開始破滅?？蛻魧δ切┰贏I競賽中姍姍來遲的供應(yīng)商變得謹慎，他們增加了幾乎沒有商業(yè)價值或令人信服的功能的AI功能。但是，權(quán)衡自己的期望并正確使用GenAI的組織-支持經(jīng)過驗證的用例-可以避免這種幻想破滅，并從AI中看到預(yù)期的價值。

 

2024年將是企業(yè)級開源AI采用年。到目前為止，在企業(yè)中采用基于生產(chǎn)的有意義的LLM的例子還不多。例如，圍繞企業(yè)級彈性、安全性、正常運行時間或可預(yù)測性構(gòu)建的產(chǎn)品并不多。在接下來的一年里，一些公司將通過利用開放源碼語言模型并使其更適合生產(chǎn)來扭轉(zhuǎn)局面。這將產(chǎn)生更多用于企業(yè)級場景的無服務(wù)器、開放源碼語言模型，允許企業(yè)以一種更交鑰匙的方式采用這項技術(shù)。

 

多虧了檢索增強生成(RAG)，GenAI將變得更加現(xiàn)實：這項技術(shù)將允許工程師將干凈的業(yè)務(wù)數(shù)據(jù)輸入LLMS模型，以減少幻覺和基于事實信息的地面輸出。這些干凈的業(yè)務(wù)數(shù)據(jù)將由在組織范圍內(nèi)處理數(shù)據(jù)提取、清理、標準化和豐富的傳統(tǒng)數(shù)據(jù)管道生成。RAG現(xiàn)在開始出現(xiàn)，并將在明年看到越來越多的人采用，因為企業(yè)尋求確保從GenAI獲得更準確的結(jié)果。

 

走向AGI-記憶、輸入和學(xué)習(xí)：AGI的追求將集中在三個關(guān)鍵領(lǐng)域：增強LLMS的長期記憶，實現(xiàn)持續(xù)輸入和內(nèi)部狀態(tài)，以及推進強化學(xué)習(xí)。克勞德2和GPT-4 Turbo中增加的上下文長度以及旨在更好地記憶和持續(xù)學(xué)習(xí)的體系結(jié)構(gòu)等發(fā)展就是這種趨勢的例證。關(guān)于OpenAI的Q*算法的傳言也表明在這個方向上取得了重大進展。這些對2024年的預(yù)測不僅反映了AI和大數(shù)據(jù)的快速發(fā)展，還突顯了行業(yè)格局的轉(zhuǎn)變，效率、多模式和更深層次的AI能力將推動創(chuàng)新和競爭。

 

GenAI可能會扼殺創(chuàng)新：當你擁有第一部iPhone時，你很快就會忘記別人的電話號碼。當你開始使用谷歌地圖或Waze時，你的導(dǎo)航能力也會發(fā)生同樣的變化。同樣，在接下來的幾年里，我們將看到人們失去了創(chuàng)新技能，因為他們變得更加依賴GenAI來幫助生成代碼。我們將不得不開始思考如何在2024年保存知識和鼓勵創(chuàng)新。

 

多模式LLM和數(shù)據(jù)庫將使各行業(yè)的AI應(yīng)用程序進入一個新的前沿：2024年最令人興奮的趨勢之一將是多模式LLM的興起。隨著這種情況的出現(xiàn)，對能夠存儲、管理和允許跨不同數(shù)據(jù)類型進行高效查詢的多模式數(shù)據(jù)庫的需求也在增長。然而，多模式數(shù)據(jù)集的大小和復(fù)雜性對傳統(tǒng)數(shù)據(jù)庫構(gòu)成了挑戰(zhàn)，這些數(shù)據(jù)庫通常被設(shè)計為存儲和查詢單一類型的數(shù)據(jù)，如文本或圖像。另一方面，多模式數(shù)據(jù)庫的用途和功能要強大得多。它們代表了LLMS發(fā)展的自然進程，包括使用文本、圖像、音頻和視頻等多種形式處理和理解信息的不同方面。將有許多用例和行業(yè)直接受益于多模式方法，包括醫(yī)療保健、機器人、電子商務(wù)、教育、零售和游戲。2024年及以后，多模式數(shù)據(jù)庫將出現(xiàn)顯著增長和投資，因此企業(yè)可以繼續(xù)推動AI支持的應(yīng)用程序。

 

GenAI將很快從夸大期望的巔峰走向幻想破滅的低谷。說得委婉些，現(xiàn)在有很多關(guān)于GenAI的炒作。然而，所有這些炒作都意味著，對于一些組織來說，采用這項技術(shù)更多的是為了“與瓊斯并駕齊驅(qū)”，而不是因為它確實是他們試圖解決的特定問題的最佳解決方案。因此，我們很可能會看到大量資金投資于失敗的GenAI項目——因此，失敗進入了幻想破滅的低谷。這是一個閃亮的新物體，許多CIO和其他高級領(lǐng)導(dǎo)人可能會感到壓力，不得不說他們已經(jīng)有了一個富有創(chuàng)造力的AI項目。限制這些失敗項目的關(guān)鍵在于真正確保您的組織理解使用GenAI的具體原因，它與定義的業(yè)務(wù)結(jié)果捆綁在一起，并且有一種衡量投資成功的方法。

 

創(chuàng)新型AI將導(dǎo)致高管之間的沖突，因為他們正在爭奪企業(yè)內(nèi)部對其議程的控制權(quán)：近一半的高管報告稱，他們的AI投資明年將增加，以加入創(chuàng)新型AI的潮流，而70%的高管已經(jīng)處于創(chuàng)新型AI探索模式?，F(xiàn)在，組織正在加快企業(yè)對AI的采用，每個高管都希望成為帶領(lǐng)他們的公司踏上AI之旅的人。2024年，隨著更多參與者進入聊天以獲得控制權(quán)，從首席技術(shù)官到CIO再到數(shù)據(jù)分析高管，AI議程將變得更加復(fù)雜。首席執(zhí)行官將需要確定他們在AI方面的機會在哪里，以及他們必須與不同部門進行什么對話，以決定誰應(yīng)該是帶頭人。與此同時，CIO們正面臨著來自首席執(zhí)行官的壓力，要求他們擴大對GenAI的使用。2024年，隨著戰(zhàn)斗的繼續(xù)，我們將看到CIO們繼續(xù)推進他們的探索性AI實驗和項目。

 

一支由較小的、專業(yè)的大型語言模型組成的大軍將戰(zhàn)勝巨大的通用模型。正如我們在“大數(shù)據(jù)”時代所看到的——越大越好。模型的“贏家”不是基于它們擁有多少參數(shù)，而是基于它們在特定領(lǐng)域任務(wù)上的有效性和效率。公司將擁有自己的專注型機型組合，而不是由一兩個巨型機型來統(tǒng)領(lǐng)一切，每個機型都針對特定的任務(wù)進行了微調(diào)，并將規(guī)模降至最小，以降低計算成本和提高性能。

 

GenAI將其重點轉(zhuǎn)向結(jié)構(gòu)化的企業(yè)數(shù)據(jù)：企業(yè)將接受使用GenAI從結(jié)構(gòu)化數(shù)字數(shù)據(jù)中提取見解，從而增強GenAI在從圖像、視頻、文本和音頻生成原創(chuàng)內(nèi)容方面的傳統(tǒng)應(yīng)用。生成式AI將堅持自動化數(shù)據(jù)分析，簡化模式、異常和趨勢的快速識別，特別是在傳感器和機器數(shù)據(jù)用例中。這種自動化將支持預(yù)測性分析，使企業(yè)能夠主動響應(yīng)不斷變化的條件、優(yōu)化運營并改善客戶體驗。

 

AI支持的人類質(zhì)量翻譯將使生產(chǎn)率提高10倍或更多：在2023年初，每個人都認為僅靠LLMS就能產(chǎn)生人類質(zhì)量的翻譯。在過去的一年里，我們發(fā)現(xiàn)了LLM翻譯中的多個差距，從幻覺到英語以外的語言表現(xiàn)不佳。與云存儲或服務(wù)一樣，AI支持的人類質(zhì)量翻譯正日益朝著這樣一種成本發(fā)展：翻譯幾乎所有內(nèi)容的ROI都變得有吸引力，為那些使用它進入全球市場的公司創(chuàng)造了競爭優(yōu)勢。與2024年語言服務(wù)行業(yè)將萎縮的共同信念相反，隨著更多內(nèi)容的本地化，該行業(yè)將會增長，但成本更低。2024年將是翻譯成本直線下降的一年。由語言AI和AI支持的語言質(zhì)量保證支持的翻譯人員將其工作效率提高10倍或更多。

 

雖然2023年人們對似乎潛力無限的AI(AI)的出現(xiàn)大肆炒作，但在醫(yī)療保健領(lǐng)域，我們已經(jīng)開始看到基于大型語言模型(LLM)的說明性解決方案在提供臨床建議和見解方面的局限性。2024年，我們預(yù)計，在AI方面日益成熟的臨床醫(yī)生將想方設(shè)法降低接受基于LLM的解決方案的處方建議的潛在風(fēng)險，轉(zhuǎn)而選擇提供基于證據(jù)和可解釋的建議的負責任的AI解決方案。隨著重點轉(zhuǎn)向負責任的AI，尋求將創(chuàng)新的AI技術(shù)納入其組織的臨床工作流的醫(yī)療領(lǐng)導(dǎo)者將需要意識到這些工具是如何工作的。依賴許可的LLM的解決方案不能為個別患者的護理提供量身定制的建議，因為這些解決方案基于數(shù)百萬個數(shù)據(jù)點，而沒有特別強調(diào)個人。這些解決方案的“黑箱”性質(zhì)缺乏個性化的焦點和“可解釋性”，這將強調(diào)臨床醫(yī)生在他們的決策中擁有最終決定權(quán)的必要性。因此，我們預(yù)計2024年將出現(xiàn)自然分裂：現(xiàn)有的提供臨床建議的解決方案將越來越多地基于特定數(shù)據(jù)，并為AI生成的見解提供證據(jù)。相比之下，旨在支持臨床醫(yī)生編寫文檔和訪問摘要的解決方案嚴重依賴自然語言生成，將從使用通用LLM中受益。

 

在AI和低成本管理不斷增加人氣的同時，潛在的危險也會增加：隨著2023年AI和低成本管理的快速崛起，以創(chuàng)新和效率為標志的商業(yè)格局已經(jīng)發(fā)生了深刻的變化。但這種快速增長也引發(fā)了人們對敏感數(shù)據(jù)的利用和保護的擔憂。不幸的是，初步跡象顯示，數(shù)據(jù)安全問題明年只會加劇。在有效的提示下，LLM擅長從訓(xùn)練數(shù)據(jù)中提取有價值的見解，但這帶來了一系列獨特的挑戰(zhàn)，需要現(xiàn)代技術(shù)解決方案。隨著AI和低成本管理的使用在2024年繼續(xù)增長，至關(guān)重要的是在潛在好處與降低風(fēng)險和確保負責任使用的需要之間取得平衡。如果對AI可以訪問的數(shù)據(jù)沒有嚴格的數(shù)據(jù)保護，數(shù)據(jù)泄露的風(fēng)險就會增加，這可能會導(dǎo)致財務(wù)損失、監(jiān)管罰款和組織聲譽嚴重受損。?組織內(nèi)部也存在內(nèi)部威脅的危險風(fēng)險，可信人員可以利用AI和LLM工具進行未經(jīng)授權(quán)的數(shù)據(jù)共享，無論是否惡意操作，都可能導(dǎo)致知識產(chǎn)權(quán)盜竊、企業(yè)間諜活動和組織聲譽受損。?在未來一年，組織將通過實施全面的數(shù)據(jù)治理框架來應(yīng)對這些挑戰(zhàn)，包括數(shù)據(jù)分類、訪問控制、匿名化、頻繁的審計和監(jiān)控、監(jiān)管合規(guī)性、。和持續(xù)的員工培訓(xùn)。此外，基于SaaS的數(shù)據(jù)治理和數(shù)據(jù)安全解決方案將在保護數(shù)據(jù)方面發(fā)揮關(guān)鍵作用，因為它使組織能夠?qū)⑵淙谌肫洮F(xiàn)有框架，而不會遇到障礙。 

 

GenAI和大型語言模型(LLM)的炒作將開始消退：毫無疑問，GenAI是一次重大飛躍；然而，許多人嚴重高估了實際可能發(fā)生的事情。盡管生成的文本、圖像和聲音可能看起來非常真實，看起來就像是經(jīng)過深思熟慮和對準確性的渴望創(chuàng)造出來的，但它們實際上只是統(tǒng)計上相關(guān)的詞或圖像的集合，它們很好地結(jié)合在一起(但在現(xiàn)實中，可能完全不準確)。好消息是，如果最終用戶充分考慮到AI的所有好處和限制，那么AI的實際輸出可能會非常有用。

 

因此，2024年將對組織進行現(xiàn)實檢查，了解GenAI和LLMS可以為其業(yè)務(wù)帶來的真正限制和好處，評估的結(jié)果將重置這些技術(shù)的戰(zhàn)略和采用。供應(yīng)商需要讓那些對AI創(chuàng)造的任何東西都持適當懷疑態(tài)度的最終用戶清楚地看到這些好處和限制。必須考慮準確性、可解釋性、安全性和總成本等關(guān)鍵要素。在接下來的一年里，GenAI領(lǐng)域?qū)⑦m應(yīng)企業(yè)的一種新范式，在這種范式中，他們只在生產(chǎn)中部署少數(shù)幾個由GenAI支持的應(yīng)用程序，以解決特定的用例。

 

向量城鎮(zhèn)的單程票：隨著AI從頭開始構(gòu)建新的應(yīng)用程序，以及隨著LLMS集成到現(xiàn)有應(yīng)用程序中，向量數(shù)據(jù)庫將在技術(shù)堆棧中扮演越來越重要的角色，就像過去的應(yīng)用程序數(shù)據(jù)庫一樣。團隊將需要可擴展、易于使用和操作簡單的矢量數(shù)據(jù)存儲，因為他們尋求創(chuàng)建具有新的LLM支持功能的支持AI的產(chǎn)品。

 

LLM提供商之間的競爭：大型語言模型(LLM)的格局正在升溫。OpenAI憑借其GPT-4 Turbo一直處于領(lǐng)先地位，但其他公司，如Anthropic的Claude，谷歌的Gemini和Meta的Llama緊隨其后。OpenAI最近的管理層動蕩，尤其是涉及Sam Altman的動蕩，為這些競爭對手打開了前進的機會，并有可能在某些領(lǐng)域超越OpenAI。

 

隨著組織機構(gòu)意識到?jīng)]有靈丹妙藥，GenAI將達到幻滅的低谷。毫無疑問，GenAI的使用將在2024年繼續(xù)爆炸式增長。然而，許多組織可能會對GenAI的性能感到失望，如果他們對其好處多快就能實現(xiàn)的期望是不切實際的，或者如果他們沒有專業(yè)知識來有效地實施和使用它。在2024年，我們可以預(yù)期看到對GenAI的幻想破滅。這并不是說GenAI是一種失敗。這只是意味著，GenAI解決方案需要更多時間才能達到預(yù)期結(jié)果，才能與炒作相匹配。

 

人們對矢量數(shù)據(jù)庫的興趣將會激增，但它不會持久：矢量數(shù)據(jù)庫將成為許多人討論的熱門新領(lǐng)域，但最終將在幾年后被關(guān)系數(shù)據(jù)庫所吸收。每隔十年左右，就會有一種新的數(shù)據(jù)庫技術(shù)被宣布為關(guān)系數(shù)據(jù)庫的終結(jié)，開發(fā)人員跳上了這股潮流，結(jié)果卻發(fā)現(xiàn)關(guān)系模型非常靈活，關(guān)系數(shù)據(jù)庫供應(yīng)商可以很容易地將新技術(shù)適應(yīng)到他們的產(chǎn)品中。以PostgreSQL的pgVector為例，說明關(guān)系數(shù)據(jù)庫如何處理今天的矢量數(shù)據(jù)，以及為什么您將能夠忽略有關(guān)專用矢量數(shù)據(jù)庫的炒作。圍繞pgVector和PostgreSQL的社區(qū)能夠快速支持這一圍繞矢量數(shù)據(jù)的用例-該項目始于2021年，但今年發(fā)展迅速，所有人都對GenAI和矢量數(shù)據(jù)感興趣。對于那些考慮這一領(lǐng)域并考慮在他們的項目中實現(xiàn)開放源碼組件的人來說，pgVector使PostgreSQL成為一個顯而易見的選擇。

 

公司正在加快投資，以保護員工的GenAI，以及它們的整體AI投資：對技術(shù)的投資正在增加，甚至超過了對辦公空間的投資。AI帶來的增長潛力可能是當今所有類別中最大的，但也是一些最大的風(fēng)險。公司將投資于抓住AI優(yōu)勢，同時積極緩解和解決其風(fēng)險因素。隨著GenAI在工作場所發(fā)揮作用，雇主們正在投資于指導(dǎo)方針、風(fēng)險緩解技術(shù)和參數(shù)，特別是在保護公司信息不受“未知”風(fēng)險因素影響方面。麥肯錫2023年的一份報告稱，報告采用AI的公司中有60%正在使用GenAI。Walkme相信，這一數(shù)字將繼續(xù)增長，沿著類似于云和互聯(lián)網(wǎng)采用的道路。同一份報告發(fā)現(xiàn)，GenAI最大的兩個風(fēng)險是不準確和網(wǎng)絡(luò)安全。我們預(yù)計這些問題將會升級，隨著技術(shù)狀況的改善，企業(yè)面對風(fēng)險的能力將會提高。

 

越來越多的組織正在嘗試GenAI，并在更廣泛的范圍內(nèi)增加對機器學(xué)習(xí)的投資。對于想要促進在云平臺上運行ML作業(yè)的平臺團隊來說，有如此多的操作挑戰(zhàn)。MLOPS目前是一個熱門話題，但仍處于采用的早期階段——隨著越來越多的組織成熟其ML基礎(chǔ)設(shè)施，我們將看到那里的進步。

 

LLM過渡到更小的模型以實現(xiàn)更好的可訪問性：盡管LLM的通用性令人印象深刻，但它們需要大量的計算和存儲來開發(fā)、調(diào)優(yōu)和使用，因此可能會使絕大多數(shù)組織望而卻步。只有資源極其豐富的公司才有辦法獲取這些資源。由于需要有一條使它們在經(jīng)濟上更可行的前進道路，我們應(yīng)該期待看到分散使用它們并使其民主化的解決方案。我們應(yīng)該期待更多、更專注、更小、功耗更低的機型更容易為更廣泛的用戶所用。這些聚焦的模型也應(yīng)該不太容易受到LLM經(jīng)常遭受的幻覺影響的影響。

 

數(shù)據(jù)所有權(quán)的討論將會升溫：隨著大型語言模型(LLM)變得更加強大和復(fù)雜，關(guān)于數(shù)據(jù)所有權(quán)的辯論將會越來越激烈。與我們看到的開源代碼類似，關(guān)于大公司如何使用他們不擁有的數(shù)據(jù)來訓(xùn)練他們的模型的討論正在進行中，這可能導(dǎo)致權(quán)力集中在少數(shù)幾家大公司手中。為了解決這個問題，我們將看到新的數(shù)據(jù)許可框架。這些框架應(yīng)確保數(shù)據(jù)所有者因使用其數(shù)據(jù)而得到公平補償，并確保用戶能夠以負責任和合乎道德的方式訪問和使用數(shù)據(jù)。

 

投資AI聊天機器人，還是不投資：我們知道，Z世代通常會尋找數(shù)字交流形式，而不是必須通過電話與某人交談，這在客戶服務(wù)請求方面尤其如此。需要注意的是，這一群體希望他們的媒體和技術(shù)以一種支持連接、參與和實用的共生關(guān)系工作；他們在看到時知道良好的客戶體驗，并會避免任何提供低于平均水平的體驗的東西。組織正在投資于GenAI功能，以吸引人們更長時間地使用他們的應(yīng)用程序，并在Z世代用戶中推動更多的活動。這是正確的舉措，如果操作得當，可能會產(chǎn)生巨大的影響。組織不會僅僅通過創(chuàng)造更好的聊天機器人來獲得成功，因為Z世代渴望真實的聯(lián)系和實用，這是很難復(fù)制的。如果聊天機器人能夠為用戶提供新的體驗、推薦和其他有用的服務(wù)，那么它可能會增加特定應(yīng)用程序或品牌網(wǎng)站的活躍度。話雖如此，用戶可能會對genAI機器人持懷疑和謹慎態(tài)度，組織將需要展示漸進式的勝利，以加強聊天機器人的安全性和價值。

 

雖然2023年是GenAI的突破之年，但由于數(shù)據(jù)障礙，供應(yīng)鏈行業(yè)的采用一直滯后-只有3%的組織報告使用GenAI進行供應(yīng)鏈管理。手工、基于紙面的流程仍然主導(dǎo)著全球貿(mào)易，因此許多供應(yīng)鏈公司難以統(tǒng)一來自不同來源的海量非結(jié)構(gòu)化數(shù)據(jù)。然而，解決了這一數(shù)據(jù)問題的公司將使2024年成為GenAI供應(yīng)鏈突破的一年。隨著多產(chǎn)AI模型被培訓(xùn)為供應(yīng)鏈專家，全球供應(yīng)鏈將變得更加自主、自我修復(fù)和自我優(yōu)化。例如，生成式AI可以告訴發(fā)貨人異常(其發(fā)貨因極端天氣而延遲)，如何處理(重新路由到更可靠的位置)，最終甚至執(zhí)行解決方案。通過告訴公司需要將精力集中在哪里，這些AI創(chuàng)新將使全球品牌能夠提供更好的客戶體驗，并以最低的成本和對環(huán)境的影響發(fā)展業(yè)務(wù)。

 

GenAI主導(dǎo)了今年的討論，這是有充分理由的-它將在2024年顯著成熟并擴大規(guī)模。GenAI有大量的應(yīng)用程序，目前正處于實驗階段，并準備發(fā)展。真正的價值在于它能夠幫助人們理解各種內(nèi)部用例中的非結(jié)構(gòu)化信息——解析大量的文檔，生成更簡潔、更具信息性的摘要，并促進與這些文檔的問答交互，從而確?？缍鄠€領(lǐng)域的一致性。最重要的是，LLM界面和基于文本的界面將成為幾乎所有軟件產(chǎn)品不可或缺的組件。這些界面將用于一切，從控制應(yīng)用程序到為用戶關(guān)于應(yīng)用程序本身的詢問提供答案。我們開始在擁有面向消費者元素的企業(yè)網(wǎng)站上看到這一點。此外，在接下來的一年里，我們預(yù)計將看到向更小、更專業(yè)的LLM轉(zhuǎn)變，從而減少他們培訓(xùn)所需的數(shù)據(jù)量。這一轉(zhuǎn)變與更廣泛地推動開放源碼解決方案相一致，特別是可以證明信息源譜系的模型。

 

GenAI和AI編碼助手將從一些人所說的代碼接受率為25%-30%的初級開發(fā)人員級別，通過嵌入的上下文狀態(tài)轉(zhuǎn)變?yōu)镃TO狀態(tài)。添加更多上下文的能力，包括運行時上下文，將指數(shù)級增加價值，并大幅提高AI生成代碼的接受率(70%或更高)。目前，深度調(diào)試、多文件更改、使用大文件作為輸入等活動超出了大多數(shù)編碼助手的范圍。

 

GenAI將轉(zhuǎn)型：2024年，GenAI將驅(qū)動各個領(lǐng)域的轉(zhuǎn)型，使其更具緊迫性和變革性。在定制的GenAI代理的幫助下，閱讀、組織和清理非結(jié)構(gòu)化數(shù)據(jù)等任務(wù)可以“AI優(yōu)先”完成，從而減少了大量的手動工作。GenAI可以從任何地方訪問數(shù)據(jù)，但治理、數(shù)據(jù)管道和流程仍將是管理質(zhì)量、支持結(jié)果、評估價值、確定權(quán)利和實現(xiàn)合規(guī)性所必需的。GenAI與云相結(jié)合，可以加快與數(shù)據(jù)相關(guān)的轉(zhuǎn)型計劃。此外，GenAI可以使組織超越競爭對手，加速轉(zhuǎn)型，處理財務(wù)、稅務(wù)、法律、IT、合規(guī)和其他部門的復(fù)雜任務(wù)和流程。利用GenAI作為轉(zhuǎn)型的催化劑可能會在競爭對手之間造成分歧，而未能利用GenAI的組織可能難以與那些利用GenAI的組織競爭。

 

我們?nèi)绾螌enAI用于我們的業(yè)務(wù)？我們是構(gòu)建還是購買自己的AI解決方案？我們?nèi)绾翁岣邌T工的技能，以跟上AI的步伐？這些問題圍繞著所有行業(yè)——不僅僅是科技行業(yè)——并指向一個共同的主題：2024年是產(chǎn)生型AI將顯著影響工作未來的一年。新技術(shù)的引入往往伴隨著來自企業(yè)領(lǐng)導(dǎo)人的巨大壓力，要求他們迅速部署這些新解決方案。在2024年，我們將看到組織意識到他們不能再等待和觀望。他們需要找到在AI上全力以赴的方法。在接下來的6-12個月里，我們將看到一場重大變革，更多的組織將投資于AI戰(zhàn)略，并找到使用該技術(shù)重新想象其工作流程并提高效率的方法。

 

2023年，公司正在探索AI的基礎(chǔ)知識，但我們預(yù)計2024年對定制AI模型的需求將激增。盡管像GPT-4這樣的LLM知識淵博，但將它們應(yīng)用于新的領(lǐng)域會帶來挑戰(zhàn)。為了解決這一知識鴻溝，我們預(yù)計會出現(xiàn)“知識注入”，即LLM與領(lǐng)域特定的數(shù)據(jù)集成，以獲得更專門的、上下文感知的AI解決方案。例如，將通用LLM與患者記錄合并可以增強醫(yī)療保健部門的整體患者-提供者體驗。在商業(yè)上，將AI與客戶互動聯(lián)系起來，可以提供模式銷售領(lǐng)域的專業(yè)知識，并使收入團隊受益。隨著我們接近2024年，像知識注入這樣的趨勢為企業(yè)提供了利用具有特定數(shù)據(jù)庫的LLM來促進創(chuàng)新和增長的機會。

 

 

國內(nèi)主流的to B IT門戶，同時在運營國內(nèi)最大的甲方CIO專家?guī)旌椭橇敵黾吧缃黄脚_-信眾智(www.cioall.com)。同時運營19個IT行業(yè)公眾號(微信搜索D1net即可關(guān)注)。

 

版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需在文章開頭注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責任的權(quán)利。