Dalam perbincangan saya dengan pemilik perniagaan 马来西亚, satu andaian sering muncul:
选择 大 语言 模型 paling berkuasa, sambungkan ke data perniagaan, dan gunakannya untuk segala-galanya.
Pendekatan ini mungkin sesuai untuk eksperimen awal.
Namun, ia kecil kemungkinannya untuk kekal cekap pada skala 企业 sebenar.
Perniagaan tidak hanya menghadapi satu jenis masalah.
Antaranya:
aliran kerja berulang
transaksi berstruktur
pengestrakan dokumen
pemeriksaan pematuhan
komunikasi pelanggan
penyelarasan kewangan
pemantauan operasi
pembuatan keputusan kompleks
Setiap tugas mempunyai keperluan yang berbeza.
Sesetengah memerlukan penaakulan lanjutan.
Yang lain pula memerlukan kelajuan, konsisten, privasi, ketepatan deterministik atau kos yang sangat rendah.
Ramai tugas tidak memerlukan 大 语言 模型 langsung.
Menggunakan model besar untuk mengesahkan tarikh, menyemak baki atau mengekstrak medan yang dikenali seringkali tidak perlu. Ia meningkatkan kos, kelewatan dan pergantungan tanpa mencipta nilai yang setimpal.
Arkitektur 企业 yang lebih kukuh - seperti yang kami bina bersama pelanggan di AINNA - akan menggabungkan beberapa komponen:
peraturan perniagaan deterministik
penghurai khusus
小 语言 Models
大 语言 Models
sistem pengambilan semula
enjin aliran kerja
pengesahan bebas
kelulusan manusia
Lapisan yang paling kritikal ialah Penghalaan Pintar.
Sebelum memproses sesuatu tugas, sistem perlu menilai kerumitannya, risiko, ketepatan yang diperlukan, sensitiviti data dan kos.
Tugas rutin boleh ditangani oleh sistem ringan.
Tugas yang kabur atau kompleks boleh dinaik taraf ke model yang lebih berkemampuan.
输出 berisiko tinggi perlu disahkan secara bebas sebelum pelaksanaan.
Ini membawa kepada satu prinsip penting lagi:
Pengawalseliaan AI mesti wujud di luar model.
Sebuah model tidak seharusnya menjana, mengesahkan dan meluluskan outputnya sendiri tanpa kawalan luaran.
系统 企业 memerlukan pemeriksaan skema, penyelarasan, keizinan, log audit, had transaksi dan mekanisme penaiktarafan.
Terdapat juga peranan yang semakin besar untuk 系统 Terpisah.
AI boleh mereka bentuk, menganalisis atau mengubah suai aliran kerja, manakala perisian deterministik melaksanakan aliran kerja tersebut secara berterusan tanpa memanggil model setiap kali.
Ini boleh mengurangkan kos inferens, meningkatkan kebolehpercayaan dan menjadikan automasi lebih boleh diramal.
Maka, masa depan 企业 AI bukan satu model universal yang mengawal segala-galanya.
Ia adalah satu sistem yang diselaraskan daripada beberapa sistem.
模型 besar akan kekal penting, tetapi ia akan menjadi satu komponen dalam arkitektur yang lebih luas merangkumi penghalaan, pengesahan, pemprosesan pakar dan pelaksanaan bebas.
Pemenang jangka panjang mungkin bukan syarikat yang menggunakan AI paling banyak.
Mereka mungkin adalah syarikat yang menggunakan AI canggih hanya apabila 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.
这篇文章对ramai tugas tidak memerlukan 大的解释很清楚，实际操作的重点也很容易理解。
难得有人把menyemak baki atau mengekstrak medan讲得这么直白。
这篇文章把pendekatan ini mungkin sesuai untuk讲得比一般的AI介绍更具体。
关于sesetengah memerlukan penaakulan lanjutan的例子很实用，适合团队继续讨论。
文章对perniagaan tidak hanya menghadapi satu提供了很好的起点，值得继续跟进。
文章把yang lain pula memerlukan kelajuan和日常运营联系起来，这一点很有帮助。