GenAI pati od preopterećenja podacima
„Nema AI bez podataka, nema AI bez nestrukturiranih podataka, i nema AI bez nestrukturiranih podataka u velikim količinama“, rekao je Čet Kapur, predsednik i izvršni direktor kompanije DataStax.
Kompanije treba da se fokusiraju na manje, specifične ciljeve
Kapur je otvorio razgovor na TechCrunch Disrupt 2024 o „novim podacima“ u kontekstu modernih AI aplikacija, gde mu se pridružila Vanesa Larko, partnerka u VC firmi NEA; i Džordž Frejzer, izvršni direktor platforme za integraciju podataka Fivetran. Dok je razgovor obuhvatao više tema, kao što su važnost kvaliteta podataka i uloga podataka u realnom vremenu u generativnom AI, jedan od glavnih zaključaka bio je značaj prioritizacije usklađenosti proizvoda i tržišta nad skaliranjem, u onome što su i dalje rani dani AI. Savet za kompanije koje žele da uđu u zbunjujući svet generativnog AI je jasan — nemojte biti preambiciozni na početku, već se fokusirajte na praktičan, postepeni napredak. Razlog? Još uvek zaista sve otkrivamo.
„Najvažnija stvar za generativni AI je da se sve svodi na ljude“, rekao je Kapur. „SWAT timovi koji zapravo kreiraju prve projekte — oni ne čitaju priručnik; oni pišu priručnik o tome kako napraviti generativne AI aplikacije.“
Iako je tačno da podaci i AI idu ruku pod ruku, lako je biti preplavljen ogromnom količinom podataka koju kompanija može imati, neki od njih mogu biti osetljivi i podložni strogoj zaštiti, a možda su čak i smešteni na brojnim lokacijama. Larko, koja radi sa (i sedi u upravnom odboru) brojnim startupovima u B2C i B2B sektoru, predložila je jednostavan, ali pragmatičan pristup za otključavanje prave vrednosti u ovim ranim danima.
„Radite unazad od onoga što pokušavate da postignete — šta pokušavate da rešite, i koji su podaci koji su vam potrebni?“, rekla je Larko. „Pronađite te podatke, gde god da se nalaze, a zatim ih koristite za tu svrhu.“
Ovo je suprotno pokušaju da se generativni AI odmah primeni širom cele kompanije, bacajući sve svoje podatke na veliki jezički model (LLM) i nadajući se da će na kraju ispljunuti pravu stvar. To će, prema Larko, verovatno stvoriti netačan, skup haos.
„Započnite sa malim stvarima“, rekla je. „Ono što vidimo je da kompanije započinju sa malim stvarima, sa unutrašnjim aplikacijama, sa vrlo specifičnim ciljevima, a zatim pronalaze podatke koji odgovaraju onome što pokušavaju da postignu.“
Frejzer, koji vodi platformu za „pomeranje podataka“ Fivetran od njenog osnivanja pre 12 godina, stičući velike klijente kao što su OpenAI i Salesforce, predložio je da se kompanije fokusiraju na stvarne probleme sa kojima se suočavaju trenutno.
„Rešavajte samo probleme koje imate danas; to je mantra“, rekao je Frejzer. „Troškovi inovacije su uvek 99% u stvarima koje ste izgradili a nisu uspele, a ne u stvarima koje su uspele a za koje biste želeli da ste planirali za skaliranje unapred. Iako su to problemi o kojima uvek razmišljamo unazad, to nisu troškovi koje nosite 99%.“
Poput ranih dana interneta i, nedavno, revolucije pametnih telefona, rane aplikacije i upotrebe generativnog AI su pokazale naznake moćne nove budućnosti omogućene AI. No, do sada, one nisu nužno promenile igru.
„Nazivam ovo vremenom Angry Birds generativnog AI“, rekao je Kapur. „Ne menja mi život u potpunosti, još niko ne pere moj veš. Ove godine, svako preduzeće sa kojim radim stavlja nešto u proizvodnju — malo, interno, ali ga stavlja u proizvodnju jer zapravo rešavaju probleme, kako formirati timove da to postignu. Sledeća godina je ono što nazivam godinom transformacije, kada će ljudi početi da prave aplikacije koje zapravo menjaju putanju kompanije za koju rade.“
Izvor: Techcrunch
