Banyak syarikat yang saya temui sepanjang perjalanan AINNA - terutamanya pemilik 中小企业 di 马来西亚 - sedang membina strategi AI mereka atas satu andaian mudah:
选择 model bahasa besar (LLM) yang paling berkuasa, sambungkan dengan data syarikat, dan gunakannya untuk segala-galanya.
Pendekatan ini mungkin membantu ketika kita masih bereksperimen.
Tetapi apabila perniagaan mula berkembang, satu model sahaja tidak mampu menampung keseluruhan operasi.
Dalam dunia sebenar, perniagaan tidak berdepan dengan satu masalah sahaja.
Ia berdepan dengan pelbagai cabaran:
alur kerja berulang
transaksi berstruktur
pengekstrakan dokumen
pemeriksaan pematuhan
komunikasi pelanggan
penyesuaian kewangan
pemantauan operasi
pembuatan keputusan kompleks
Setiap tugas mempunyai keperluan tersendiri.
Ada yang memerlukan penaakulan lanjutan.
Yang lain pula memerlukan kelajuan, konsistensi, privasi, ketepatan deterministik atau kos yang amat rendah.
Malahan, banyak tugas tidak memerlukan LLM langsung.
Menggunakan model besar untuk mengesahkan tarikh, menyemak baki atau mengekstrak medan yang dikenali seringkali tidak perlu. Ia meningkatkan kos, kelewatan dan pergantungan tanpa menghasilkan nilai yang setimpal.
Arsitektur yang benar-benar kukuh untuk perusahaan akan menggabungkan pelbagai komponen:
peraturan perniagaan deterministik
penghurai khusus
model bahasa kecil (SLM)
model bahasa besar (LLM)
sistem pengambilan semula
enjin alur kerja
pengesahan bebas
kelulusan manusia
Lapisan kritikal di sini ialah 智能路由.
Sebelum memproses sesuatu tugas, sistem harus menilai kerumitannya, risiko, ketepatan yang diperlukan, sensitiviti data dan kos.
Tugas rutin boleh diselesaikan oleh sistem yang lebih ringan.
Tugas yang kabur atau kompleks boleh dihantar kepada model yang lebih cekap.
输出 berisiko tinggi harus disahkan secara bebas sebelum dilaksanakan.
Ini membawa kita kepada satu prinsip penting lagi:
Pengawalseliaan AI mesti wujud di luar model itu sendiri.
Sebuah model tidak patut menjana, mengesahkan dan meluluskan outputnya sendiri tanpa kawalan luaran.
系统 perusahaan memerlukan pemeriksaan skema, penyelarasan, keizinan, log audit, had transaksi dan mekanisme peningkatan kes.
Terdapat juga peranan yang semakin penting untuk 分离式系统.
AI boleh mereka bentuk, menganalisis atau mengubah suatu alur kerja, manakala perisian deterministik melaksanakan alur kerja itu secara berterusan tanpa memanggil model setiap kali.
Ini dapat mengurangkan kos inferens, meningkatkan kebolehpercayaan dan menjadikan automasi lebih boleh jangka.
Oleh itu, masa depan AI perusahaan bukanlah satu model universal yang mengawal segala-galanya.
Ia adalah satu ekosistem sistem yang bekerja serasi.
模型 besar tetap menjadi penting, tetapi ia akan menjadi satu komponen dalam arsitektur yang lebih luas - merangkumi routing, pengesahan, pemprosesan khusus dan pelaksanaan bebas.
Pemenang jangka panjang bukan semestinya syarikat yang paling banyak menggunakan AI.
Mereka mungkin ialah syarikat - termasuk 中小企业 马来西亚 - yang menggunakan AI canggih hanya di tempat kecerdasan canggih benar-benar diperlukan.
#企业版AI #AI基础设施 #Artificial智能 #LLM #AIAgents #自动化 #DigitalTransformation #主权AI #SmartRouting #Tech战略
Ruang pembaca
Apa pendapat anda?
Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.
看第二遍才注意到ada yang memerlukan penaakulan lanjutan的细节。
文章把选择 model bahasa besar (LLM和日常运营联系起来，这一点很有帮助。
如果有更多tetapi apabila perniagaan mula berkembang的数据和结果会更完整。
先存起来，主要是为了这个主题。
关于这部分的数字比我平时看到的大多数文章靠谱。
关于satu model sahaja tidak mampu的例子很实用，适合团队继续讨论。