تطور أدوات الذكاء الاصطناعي التوليدي للأعمال: لا تزال هناك تحديات أمام الذكاء الاصطناعي التوليدي

في معظم المناقشات حول الذكاء الاصطناعي التوليدي (Generative AI)، يميل الأشخاص إلى التركيز على الأشياء التي يمكن لأدوات مثل ChatGPT و Midjourney و Google Bard و Bing Chat القيام بها. ومن السهل أن نفهم السبب - لقد قلبت هذه القدرات الرائعة عالم التكنولوجيا والأعمال على آذانهم. من المحتمل أيضًا أنهم ما دفع 88% من الشركات الأمريكية إلى البدء بالفعل في استخدام أدوات GenAI - إحدى الحقائق العديدة غير المتوقعة التي تم الكشف عنها في دراسة جديدة أجرتها شركة TECHnalysis Research.

لكن ما وجدته هذه الدراسة أيضًا هو أنه في حين أن الناس متحمسون بلا شك بشأن الاحتمالات التي يوفرها الجيل الحالي من أدوات GenAI، فإن لديهم أيضًا عددًا من المخاوف بشأن الميزات والقدرات غير المدرجة حاليًا بالإضافة إلى كيفية تعبئة المنتجات و تسعيرها.

كجزء من الاستطلاع الذي شارك فيه 1000 من صانعي القرار في مجال تكنولوجيا المعلومات، سُئل المستجيبون عن الوظائف التي يرغبون في إضافتها إلى أدوات GenAI. كما يوضح الشكل 1 أدناه، كانت هناك خمسة خيارات يرغب أكثر من نصف المشاركين في الاستطلاع في تضمينها في التكرارات المستقبلية ...

 

يتصدر القائمة التدريب السريع المتكامل، والذي طلبه 62% من المشاركين. نظرًا للأهمية المذهلة التي تحث على اللعب في الاستخدام الفعال لأدوات GenAI، لا يبدو هذا مفاجئًا بشكل رهيب، ولكن هناك القليل من المنتجات الحالية التي تتضمنها، إن وجدت.

من المؤكد أنه كان هناك الكثير من النقاش حول "المهندسين الفوريين prompt engineers" كونهم فئة وظيفية جديدة ومثيرة تتيحها أدوات GenAI، ولكن لتبني GenAI لتعميمها، فمن المنطقي فقط التأكد من أن كل شخص يستخدم هذه الأدوات يمكنه تعلم كيفية الحصول على أفضل النتائج الممكنة منها. لا ينبغي أن تقتصر القدرة على إنشاء مطالبات فعالة على المتخصصين، لذلك دعونا نأمل أن يستجيب البائعون بسرعة لهذا الطلب ويبدأوا في دمج هذه الإمكانات في إصدارات جديدة من أدواتهم.

تأتي القدرة على الحصول على تعليم معزز مخصص في المرتبة الثانية، وهو أمر مثير للاهتمام على عدة مستويات. أولاً، يعكس الرغبة في الحصول على نماذج أساس مخصصة يمكنها دمج التعليقات البشرية، مثل التعلم المعزز من التعليقات البشرية (Reinforcement Learning from Human Feedback RLHF)، وهي قدرة جديدة نسبيًا لتحسين جودة ودقة نماذج GenAI. يعكس اختياره من قبل 6 من بين 10 مشاركين في الاستطلاع درجة مدهشة إلى حد ما من التطور من جانب المستجيبين. في الوقت نفسه، لا تزال القدرة غير معروفة، مما قد يشير إلى مستوى من الارتباك أو سوء الفهم المحتمل من جانب المستجيبين - وهي نقطة بدت واضحة من الإجابات على الأسئلة الفنية الأخرى. ما يبدو واضحًا هو أن الرغبة في تخصيص نماذج GenAI التي تعمل بها المنظمات بطرق متعددة تحتل مكانة عالية في قائمة الأولويات لمعظم المشاركين في الاستطلاع.

في سؤال منفصل، سُئل صناع القرار في مجال تكنولوجيا المعلومات الذين شاركوا في الدراسة عن استخدامهم للعلامة المائية أو إخطار الأشخاص الذين يرون مخرجات هذه الأدوات التي تم إنشاؤها بواسطة GenAI. قال 91٪ أنهم فعلوا ذلك لمجموعات مختلفة من المحتوى (أو غيرها من المخرجات التي تم إنشاؤها) لأغراض داخلية أو خارجية. مرة أخرى، ومع ذلك، فإن القليل من أدوات GenAI من الجيل الحالي لديها آليات لدمج نوع من العلامات المائية تلقائيًا - وهي فرصة واضحة للبائعين لتحسينها.

عندما يتعلق الأمر بكيفية تعبئة نماذج GenAI وبيعها، لا تزال هناك مجموعة متنوعة من الآراء أو التوقعات، ولكن هناك قدرًا لا بأس به من الارتباك أيضًا. حتى الأشياء البسيطة مثل معرفة ما إذا كان البائع يبيع نموذج GenAI مستقل أم لا، أو تطبيق أو خدمة يتم تشغيلها بواسطة نموذج GenAI، أو بعض الاختلافات الأخرى حول هذه الموضوعات، لم يكن من السهل فهمها. (كما أنه ليس موجودًا في الرسائل الحالية حول العديد من أدوات GenAI، لهذه المسألة).

عندما سئل المستجيبون على وجه التحديد عما يعتقده المستجيبون أنه أفضل طريقة لتقديم أدوات GenAI إلى السوق، لم تكن هناك إجابة واضحة، كما يوضح الشكل 2.

 

تعتقد المجموعة الأكبر التي يزيد عدد سكانها عن 51% أنه يجب دمج قدرات GenAI في التطبيقات الحالية، ولكن يعتقد حوالي ربعها أنه يجب أن تكون قائمة بذاتها ويعتقد الجزء المتبقي أنه يجب بيعها في نموذج كخدمة لتطبيقات محددة أو أي تطبيق. هذه كلها أساليب مختلفة للغاية ومن المحتمل أن نرى البائعين يجربون عدة طرق مختلفة.