โมเดล AI ขนาดเล็กมาแรง คาด 2 ปี องค์กรเลือกใช้มากกว่าโมเดลภาษาขนาดใหญ่ 3 เท่า

การ์ทเนอร์ คาดการณ์อีกสองปี องค์กรจะใช้โมเดล AI ขนาดเล็กเฉพาะงานมากกว่าโมเดลภาษาขนาดใหญ่ที่ใช้โดยทั่วไปถึง 3 เท่า ผลจากความต้องการโซลูชันเฉพาะด้าน ความน่าเชื่อถือ และความคุ้มค่า

การ์ทเนอร์ คาดการณ์ว่าในอีกสองปีข้างหน้า หรือปี 2570 องค์กรต่าง ๆ จะนำโมเดล AI ขนาดเล็กเฉพาะงานมาใช้ โดยมีปริมาณการใช้งานมากกว่าโมเดลภาษาขนาดใหญ่ที่ใช้โดยทั่วไป หรือ LLMs อย่างน้อย 3 เท่า

ทั้งนี้เนื่องจาก โมเดลภาษาขนาดใหญ่ทั่วไป แม้จะมีความสามารถด้านภาษาที่แข็งแกร่ง แต่กลับมีความแม่นยำในการตอบสนองลดลง เมื่อต้องทำงานที่ต้องการบริบทเฉพาะทางธุรกิจ

Sumit Agarwal รองประธานนักวิเคราะห์การ์ทเนอร์ กล่าวว่า ความหลากหลายของงานในกระบวนการทางธุรกิจ และความต้องการความแม่นยำที่มากขึ้น กำลังผลักดันให้เกิดการเปลี่ยนแปลงไปสู่การใช้โมเดลเฉพาะทาง ที่ได้รับการปรับแต่งสำหรับฟังก์ชันเฉพาะหรือข้อมูลในโดเมนนั้น ๆ

โมเดล AI ขนาดเล็กเฉพาะงานเหล่านี้ให้การตอบสนองที่เร็วกว่าและใช้พลังการประมวลผลน้อยกว่า ช่วยลดต้นทุนในการดำเนินงานและการบำรุงรักษา

นอกจากนี้ องค์กรสามารถปรับแต่งโมเดล LLMs สำหรับงานเฉพาะได้ โดยใช้เทคนิค Retrieval-Augmented Generation (RAG) หรือ Fine-Tuning เพื่อสร้างโมเดลเฉพาะทาง ในกระบวนการนี้

ข้อมูลขององค์กรจะเป็นตัวแปรสำคัญที่สร้างความแตกต่าง จำเป็นต้องมีการเตรียม ตรวจสอบคุณภาพ กำหนดเวอร์ชัน และการจัดการข้อมูลโดยรวม เพื่อให้มั่นใจว่าข้อมูลที่เกี่ยวข้องได้รับการจัดโครงสร้างมาอย่างเหมาะสมเพื่อตอบสนองความต้องการในการ Fine-Tuning ซึ่งเป็นกระบวนการปรับแต่งโมเดล AI ด้วยข้อมูลเฉพาะด้าน

เมื่อองค์กรตระหนักถึงคุณค่าของข้อมูลส่วนตัว และข้อมูลเชิงลึกที่ได้จากกระบวนการเฉพาะทางมากขึ้น พวกเขาก็มีแนวโน้มที่จะเริ่มสร้างรายได้จากโมเดลของตนและเสนอการเข้าถึงทรัพยากรเหล่านี้ให้กับกลุ่มเป้าหมายที่กว้างขึ้น รวมถึงลูกค้าและแม้แต่คู่แข่ง เป็นการเปลี่ยนจากแนวทางการป้องกันไปสู่การใช้ข้อมูลและความรู้ที่เปิดกว้างผ่านการร่วมมือกันมากขึ้น จากการทำให้โมเดลเป็นกรรมสิทธิ์เชิงพาณิชย์ องค์กรจะสามารถสร้างแหล่งรายได้ใหม่พร้อมกับส่งเสริมระบบนิเวศที่เชื่อมโยงถึงกันมากขึ้น

การนำโมเดล AI ขนาดเล็กเฉพาะงานไปใช้

องค์กรที่ต้องการนำโมเดล AI ขนาดเล็กเฉพาะงานไปใช้ ควรพิจารณาคำแนะนำดังต่อไปนี้

• ทดลองใช้โมเดลที่มีบริบทเฉพาะ (Pilot Contextualized Models)

นำโมเดล AI ขนาดเล็กที่มีบริบทเฉพาะไปใช้ในพื้นที่ที่บริบททางธุรกิจมีความสำคัญหรือในที่ที่ LLMs ไม่สามารถตอบสนองความคาดหวังด้านคุณภาพหรือความเร็วได้

• ใช้แนวทางแบบผสมผสาน (Adopt Composite Approaches)

ระบุยูสเคสการใช้งานที่โมเดลเดียวไม่เพียงพอ และเปลี่ยนมาใช้แนวทางแบบผสมผสานที่เกี่ยวข้องกับหลายโมเดลและมีขั้นตอนของเวิร์กโฟลว์

• เสริมสร้างข้อมูลและทักษะ (Strengthen Data and Skills)
  

ให้ความสำคัญกับการเตรียมข้อมูลเพื่อรวบรวม คัดสรร และจัดระเบียบข้อมูลที่จำเป็นสำหรับการ Fine-Tuning โมเดลภาษา ในขณะเดียวกัน ลงทุนพัฒนาทักษะบุคลากรในกลุ่มทางเทคนิคและในกลุ่มงานต่าง ๆ อาทิ สถาปนิก AI และข้อมูล นักวิทยาศาสตร์ข้อมูล วิศวกร AI และข้อมูล ทีมงานด้านความเสี่ยงและการปฏิบัติตามกฎระเบียบ ทีมจัดซื้อ และผู้เชี่ยวชาญในสาขาธุรกิจ เพื่อขับเคลื่อนแนวคิดริเริ่มนี้ได้อย่างมีประสิทธิภาพ

อ่านข่าวเพิ่มเติม

• 'ภัยพิบัติ' ใกล้ตัวกว่าที่คิด AI ช่วยค้าปลีกไทย เตรียมพร้อมรับมือเชิงรุก
• 6 ทักษะสำคัญที่มนุษย์ยุค AI ต้องมี ท่ามกลางเทคโนโลยีที่เปลี่ยนแปลงรวดเร็ว
• AI สร้างสลิปปลอม ภัยเงียบของผู้ประกอบการ SME แนะวิธีป้องกัน ที่นี่!!

ติดตามเราได้ที่

• เว็บไซต์ : https://www.thebangkokinsight.com/
• Facebook: https://www.facebook.com/TheBangkokInsight
• X (Twitter): https://twitter.com/BangkokInsight
• Instagram: https://www.instagram.com/thebangkokinsight/
• Youtube: https://www.youtube.com/channel/UCYmFfMznVRzgh5ntwCz2Yx