Hallatud tehisintellekti kolm arhitektuuriprintsiipi: miks klassikalised tehisintellekti projektid ebaõnnestuvad ja mis eristab neid kiiretest juurutustest

Kõik, kes ikka veel ootavad ideaalset andmeladu, on ammu maha jäänud

Kuudest nädalateni: kuidas modulaarsed tehisintellekti arhitektuurid turgu revolutsiooniliselt muudavad

Tehisintellekt on ettevõtetele loonud paradoksaalse olukorra. Ühelt poolt investeerivad organisatsioonid üle maailma miljardeid tehisintellekti algatustesse, samas kui teiselt poolt näitavad uuringud, et kuni 88 protsenti neist projektidest ebaõnnestub juba pilootfaasis. Gartner ennustas, et vähemalt 30 protsenti generatiivsetest tehisintellekti projektidest loobutakse pärast kontseptsiooni tõestuse faasi, kuna kulud jäävad vahemikku 5–20 miljonit dollarit projekti kohta ja investeeringutasuvus on puudulik. Fivetrani uuring kinnitab seda pilti: 42 protsenti ettevõtetest teatab, et enam kui pooled nende tehisintellekti projektidest olid kas hilinenud, ei andnud oodatud tulemusi või ebaõnnestusid täielikult andmete kättesaadavuse probleemide tõttu. Põhjused ei peitu niivõrd mudelite endi jõudluses kuivõrd arhitektuurilises lähenemisviisis. Hallatud tehisintellekt tegeleb just nende struktuuriliste nõrkustega kolme põhilise disainipõhimõtte kaudu, mis teevad vahet kiire ja väärtust loova tehisintellekti juurutamise ning pika ja ressursimahuka juurutamise vahel.

Sellega seotud:

• Ettevõtte tehisintellekt ilma pika juurutamiseta: kuidas ettevõtted saavad nädalate jooksul algusest tootmiseni jõuda

Rike algab andmete masinaruumis

Enne hallatud tehisintellekti kolme arhitektuuripõhimõtte üksikasjalikku uurimist tasub heita kainelt pilk põhjustele, miks tavapärased tehisintellekti projektid nii sageli ebaõnnestuvad. Levinud eeldus on, et tehisintellekti mudelid toimivad ainult siis, kui kõik andmed kõigepealt koondatakse, puhastatakse ja ühtlustatakse tsentraalses süsteemis. Kuid just see lähenemisviis osutub kitsaskohaks. 67 protsenti ettevõtetest, kes haldavad oma andmeid tsentraalselt, pühendab üle 80 protsendi oma andmetehnika ressurssidest ainuüksi andmekanalite haldamisele. See tähendab, et suurem osa tehnilistest ressurssidest ei investeerita innovatsiooni, vaid pigem infrastruktuuri hooldusse.

Lisaks haldab või plaanib 74 protsenti ettevõtetest hallata enam kui 500 andmeallikat, mis suurendab integreerimise keerukust eksponentsiaalselt. Andmemigratsiooniprojektid ise on kurikuulsalt altid vigadele. 30–83 protsenti neist projektidest ei täida oma eesmärke, keskmine eelarve ületamine on 14–30 protsenti ja ajakava hilinemine on keskmiselt 30–41 protsenti. Andmekvaliteedi probleemid maksavad Saksa ettevõtetele keskmiselt 4,3 miljonit eurot aastas ja see kahju süveneb tehisintellekti projektides, kuna mudelid võivad olemasolevaid andmeprobleeme kümne- kuni sajakordselt võimendada.

Oluline on see, et ebaõnnestumine ei ole tehnoloogia, vaid arhitektuur. 37 protsenti tehisintellekti projektide ebaõnnestumistest on tingitud selgete investeeringutasuvuse (ROI) määratluste puudumisest, 28 protsenti andmete kvaliteedi probleemidest ja 21 protsenti integreerimise keerukusest. Need kolm põhjuste komplekti moodustavad kokku üle 85 protsendi kõigist ebaõnnestumistest ja viitavad süsteemsele probleemile, mida ei saa lahendada paremate algoritmidega, vaid ainult põhimõtteliselt erineva arhitektuurifilosoofia abil.

Esimene põhimõte: kasutage andmeid seal, kus need asuvad, selle asemel, et neid kõigepealt teisaldada

Hallatud tehisintellekti esimene arhitektuuriprintsiip murrab aastakümneid vana andmete konsolideerimise dogma. Selle asemel, et migreerida kõik ettevõtte andmed hiiglaslikku tsentraliseeritud andmelattu ja ehitada keerulisi ETL-torustikke, ühendub tehisintellekti kiht otse olemasolevate alliksüsteemidega standardiseeritud pistikute ja API-de kaudu. CRM, ERP, dokumendihaldus, piletisüsteemid: andmed jäävad füüsiliselt sinna, kus need juba olemas on, ja neid haldavad vastavad osakonnad.

See föderatiivse andmepääsu lähenemisviis pole mitte ainult pragmaatiline, vaid seda tunnustatakse üha enam arhitektuurilise parima praktikana. Gartner tõstab esile föderatiivset analüütikat kui mustrit, mis võimaldab koostalitlusvõimet ja teabe jagamist poolautonoomsete andmedomeenide vahel, toetades detsentraliseeritud juhtimist ja domeenide omandiõigust, ilma et see kahjustaks ettevõtte standardeid. MindsDB demonstreeris 2026. aasta alguses, kuidas föderatiivne andmepääs saab toimida Model Context Protocoli kaudu, võimaldades tehisintellekti rakendustel teostada föderatiivseid päringuid erinevates andmebaasides talletatud andmete põhjal ilma andmeid teisaldamata.

Selle põhimõtte majanduslikud eelised on märkimisväärsed. Tehisintellekti projektide suurim ajaraiskaja, nimelt andmete migratsioon ja torujuhtme arendamine, kõrvaldatakse suures osas. Ettevõtted, kus vähem kui pool andmetest on tsentraliseeritud, teatavad 68 protsendist tulude vähenemisest tehisintellekti projektide ebaõnnestumise või edasilükkamise tõttu. Föderaalne mudel lahendab selle probleemi otseselt, kuna see välistab tsentraliseerimise vajaduse tehisintellekti eeltingimusena. Andmete suveräänsus säilib, vastavusnõudeid on lihtsam täita, kuna tundlikke andmeid ei ole vaja uutesse süsteemidesse teisaldada ja kohalik juhtimine jääb puutumata. Rahvusvaheliselt tegutsevate ettevõtete jaoks, mis peavad samaaegselt järgima isikuandmete kaitse üldmäärust, valdkonnapõhiseid eeskirju ja sisemisi andmekaitsepoliitikaid, vähendab see oluliselt riski. Pole juhus, et 59 protsenti ettevõtetest nimetab vastavust tehisintellekti andmehalduse suurimaks väljakutseks.

Teine põhimõte: Tõestatud ehitusplokid nullist ettevõttesisese arenduse asemel

Hallatud tehisintellekti teine ​​disainipõhimõte nihutab fookuse programmeerimiselt konfigureerimisele. Põhifunktsioonide, nagu semantilise otsingu, andmete ekstraheerimise, loogilise arutluse või protsesside automatiseerimise, nullist arendamise asemel kasutatakse eelnevalt loodud ja praktikas tõestatud mooduleid. See muudab põhjalikult rakendusprotsessi: monoliitsest ettevõttesisesest arendusest, mis võtab kuid või aastaid, modulaarse integratsioonini, mis võib olla tootmisvalmis nädalate või isegi päevadega.

Selle lähenemisviisi silmapaistvaim näide on otsingu-laiendatud genereerimine ehk lühidalt RAG. See tehnika ühendab ettevõtte teadmiste hankimise ja mõistmise suurte keelemudelite genereeriva jõuga. RAG ületab puhaste keelemudelite ühe tõsisema nõrkuse: nende arusaamatuse ettevõttespetsiifilisest terminoloogiast, töövoogudest ja strateegiatest. Selle asemel, et mudelit vaevarikkalt ümber õpetada patenteeritud andmetega, mis võib maksta 5–20 miljonit dollarit, rikastatakse mudelit käitusajal asjakohase teabega, mis on hangitud sisemistest allikatest. See mitte ainult ei vähenda oluliselt hallutsinatsioone, vaid alandab ka üldkulusid, kuna kallis peenhäälestus jääb ära ja väiksemad mudelid koos otsingusüsteemidega suudavad pakkuda ettevõtte tasemel jõudlust.

Kompositsiooniliste, modulaarsete tehisintellekti arhitektuuride poole liikumine kinnitab seda põhimõtet laialdaselt. Ettevõtted liiguvad monoliitsetest platvormidest eemale komponeeritavate tehisintellekti pakettide poole, mis toetavad kiiret integreerimist, katsetamist ja tarnijate paindlikkust. Praktikas tähendab see, et semantilise otsingu komponenti saab arendada, testida ja asendada automatiseerimismoodulist sõltumatult. Üksikud ehitusplokid saavad ülesandest olenevalt kasutada erinevaid mudeleid ja üldist arhitektuuri saab järk-järgult laiendada ilma olemasolevat süsteemi destabiliseerimata. Sellest tulenev rakendamise kiirus on oluline eelis konkurentsitihedas keskkonnas, kus 54 protsenti IT-juhtidest koondab oma tehisintellekti eelarved tõestatud investeeringutasuvusega projektidele. Eelnevalt ehitatud ehitusplokid võimaldavad käivitada esialgseid tootmisprojekte kuue kuni kaheteistkümne nädala jooksul, samas kui täielikult ettevõttesiseseks arendamiseks kulub esimese tootmismudelini jõudmiseks tavaliselt üheksa kuni kaheksateist kuud.

Kolmas põhimõte: Mõelge konkreetse kasutusjuhtumi vaatenurgast, selle asemel et peale suruda universaalset mudelit

Hallatud tehisintellekti kolmas arhitektuuriprintsiip käsitleb üht tehisintellekti projektide kõige kallimat ja sagedasemat strateegilist viga: katset eelnevalt kujundada terviklik, kogu ettevõtet hõlmav andmemudel. Sellised universaalsed skeemipõhised lähenemisviisid on intellektuaalselt ahvatlevad, kuid ebaõnnestuvad operatiivses reaalsuses sageli. Need nõuavad terminoloogia, protsessiloogika ja andmestruktuuride ühtlustamist osakondade vahel, mis viib lõputute koordineerimisvoorudeni, projektibürokraatiani ja lõpuks stagnatsioonini. Enam kui 69 protsenti andme- ja tehisintellekti juhtidest kinnitab, et nende tehisintellekti projektid ei edene kunagi pilootfaasist kaugemale. Levinud põhjus on andmed, mis on ebajärjekindlad, halvasti märgistatud või millel puudub kontekst, mida tehisintellekt tõlgendamiseks vajab.

Hallatud tehisintellekt pöörab selle lähenemisviisi vastupidiseks. See modelleerib ainult konteksti, mida konkreetse kasutusjuhtumi jaoks tegelikult vaja on. Olgu selleks lepinguanalüüs, klienditeeninduse automatiseerimine või tehnilise dokumentatsiooni uurimine: iga kasutusjuhtum saab oma kohandatud kontekstimudeli, mis kaardistab täpselt asjakohased andmeallikad, ärireeglid ja semantilised seosed. Seejärel kasvab süsteem iga täiendava kasutusjuhtumiga orgaaniliselt.

Sellel kasutusjuhtumipõhisel lähenemisviisil on mitu olulist eelist. Esiteks võimaldab see kiiresti väärtuse tõestamist. Selle asemel, et kulutada kuid tervikliku teoreetilise mudeli väljatöötamisele, luuakse kiiresti toimiv süsteem, mis genereerib mõõdetavat kasu. See on ülioluline, sest Gartner märgib, et juhid muutuvad üha kannatamatumaks oma tehisintellekti investeeringute tulususe nägemiseks. Teiseks vähendab see keerukust hallatavale tasemele. Lepingute analüüsi kontekstuaalne mudel ei pea maadlema tootmisplaneerimise andmenõuetega ja vastupidi. Kolmandaks peegeldab see tänapäevase ettevõtte tehisintellekti tegelikku toimimist. Harvard Business Review väidab, et kontekstist saab otsustav konkurentsieelis, kui kõigil ettevõtetel on juurdepääs samadele tehisintellekti mudelitele. Need, kes suudavad oma konkreetsed äriprotsessid, kliendiandmed ja valdkonna loogika kõige paremini tehisintellekti konteksti tõlkida, võidavad operatiivse tipptaseme võidujooksu.

Kogemus näitab, et kontekstitehnika ehk kontekstuaalsete andmete süstemaatiline ettevalmistamine ja struktureerimine tehisintellekti süsteemide jaoks on end kehtestamas iseseisva distsipliinina. Eesmärk ei ole mudelile võimalikult suure hulga andmete edastamine, vaid just õigete andmete edastamine. Tootmiskeskkondades, kus telemeetriaandmed on mürarikkad, süsteemid killustatud ja panused kõrged, kukub enamik tehisintellekti agente surve all kokku kontekstuaalse arusaama puudumise tõttu. Lahendus ei peitu üha suuremates mudelites, vaid üha täpsemates kontekstimudelites, mis vastavad kirurgiliselt antud kasutusjuhu konkreetsetele teabevajadustele.

Hallatud tehisintellekti platvorm - pilt: Xpert.Digital

Siit saate teada, kuidas teie ettevõte saab kiiresti, turvaliselt ja ilma kõrgete sisenemisbarjäärideta rakendada kohandatud tehisintellekti lahendusi.

Hallatud tehisintellekti platvorm on teie kõikehõlmav ja muretu tehisintellekti lahendus. Keerulise tehnoloogia, kalli infrastruktuuri ja pikkade arendusprotsessidega tegelemise asemel saate spetsialiseerunud partnerilt teie vajadustele vastava valmislahenduse – sageli vaid mõne päeva jooksul.

Peamised eelised lühidalt:

⚡ Kiire teostus: Ideest kasutusvalmis rakenduseni päevade, mitte kuude jooksul. Pakume praktilisi lahendusi, mis loovad kohest lisaväärtust.

🔒 Maksimaalne andmeturve: Teie tundlikud andmed jäävad teie kätte. Garanteerime turvalise ja nõuetele vastava töötlemise ilma andmeid kolmandate osapooltega jagamata.

💸 Finantsriski pole: maksate ainult tulemuste eest. Suured esialgsed investeeringud riist- ja tarkvarasse või personali jäävad täielikult ära.

🎯 Keskendu oma põhitegevusele: Keskendu sellele, mida sa kõige paremini oskad. Meie hoolitseme sinu tehisintellekti lahenduse kogu tehnilise juurutamise, käitamise ja hoolduse eest.

📈 Tulevikukindel ja skaleeritav: teie tehisintellekt kasvab koos teiega. Tagame pideva optimeerimise ja skaleeritavuse ning kohandame mudeleid paindlikult uutele nõuetele.

Lisateavet leiate siit:

• Hallatud tehisintellekti platvorm

Kolm põhimõtet koos toimimas: uus tegutsemismudel ettevõtteülesele tehisintellektile

Nende kolme arhitektuuriprintsiibi jõud avaldub ainult nende kombinatsioonis. Födereeritud andmetele juurdepääs kõrvaldab migratsiooni kitsaskohad. Eelnevalt loodud komponendid kiirendavad rakendamist. Kasutusjuhtumipõhised kontekstimudelid tagavad täpsed ja väärtust lisavad tulemused. Koos moodustavad need operatsioonimudeli, mis süstemaatiliselt kõrvaldab tavapäraste tehisintellekti projektide tüüpilised kitsaskohad.

Hallatud tehisintellektil põhinev lähenemisviis erineb tavapärasest lähenemisviisist mitme olulise aspekti poolest. Kui tavapärased andmestrateegiad tuginevad keerukate andmekanalitega tsentraliseeritud andmelao loomisele, siis hallatud tehisintellektil põhinev lähenemisviis võimaldab alliksüsteemidele otse API-de kaudu juurdepääsu. See kajastub ka arendusmudelis: põhifunktsioonide ettevõttesisese arendamise asemel konfigureeritakse eelnevalt loodud moodulid, näiteks RAG-i jaoks. Lisaks kasutab tänapäevane lähenemisviis iga kasutusjuhu jaoks kontekstipõhiseid mudeleid, selle asemel, et algusest peale nõuda universaalset ettevõtte skeemi.

See lähenemisviis vähendab oluliselt väärtuse saavutamise aega 9 kuult 18 kuult vaid 6–12 nädalani tootmisprojekti puhul. Samuti väheneb märkimisväärselt andmetöötluseks vajalik pingutus; selle asemel, et siduda üle 80 protsendi ressurssidest torujuhtme hooldusele, tagavad konnektorid minimaalse integreerimispingutuse. Kuna andmed jäävad oma allikale, väheneb ka vastavusrisk, mis on andmete liikumise ja tsentraliseerimisega seoses suur. Lõpuks on skaleeritavus palju paindlikum: hallatud tehisintellekti lähenemisviis võimaldab orgaanilist kasvu uute kasutusjuhtude kaudu, samas kui traditsiooniline lähenemisviis nõuab sageli täielikku arhitektuuri muutmist.

See koosmõju lahendab ka organisatsioonilise inertsi probleemi. Ettevõtted ei pea enam kogu oma organisatsiooni ümber kujundama enne tehisintellekti esimeste eeliste realiseerimist. Selle asemel alustavad nad konkreetse, kaubanduslikult olulise kasutusjuhtumiga, kasutavad oma olemasolevat andmemaastikku föderaalse juurdepääsu kaudu, rakendavad tõestatud ehitusplokke ja annavad mõõdetavaid tulemusi mõne nädala jooksul. Iga täiendav kasutusjuhtum laiendab süsteemi järk-järgult, ilma et see ohustaks olemasolevat arhitektuuri.

Strateegilise paradigma muutus: täiuslikust ettevalmistusest iteratiivse väärtusloomeni

Hallatud tehisintellekti kolm arhitektuuriprintsiipi esindavad enamat kui lihtsalt tehnilist ümberkorraldust. Need tähistavad strateegilist paradigma muutust selles, kuidas ettevõtted tehisintellekti omaks võtavad ja skaleerivad. Tavapärane lähenemisviis järgib jugaloogikat: kõigepealt koondatakse kõik andmed, seejärel kujundatakse terviklik mudel, seejärel töötatakse välja lahendus ja lõpuks see juurutatakse. Iga etapp tuleb enne järgmise algust lõpule viia ja iga etapp kannab endas ebaõnnestumise ohtu.

Hallatud tehisintellekt seevastu järgib iteratiivset loogikat, mis ühendab agiilse tarkvaraarenduse tehisintellekti süsteemide spetsiifilise dünaamikaga. Esimese kasutusjuhtumi saab käivitada ilma kõiki andmeid tsentraliseerimata, kuna föderatiivne juurdepääs muudab selle tarbetuks. Rakendamine on kiire, kuna kohandatud arenduste asemel kasutatakse tõestatud ehitusplokke. Kontekst on täpselt kohandatud, kuna modelleeritakse ainult selle konkreetse kasutusjuhtumi jaoks olulisi seoseid. Lahenduse toimivust saab kohe mõõta ja saadud teadmised kaasatakse järgmisse iteratsiooni.

Euroopa ettevõtetele, kes seisavad silmitsi samaaegse konkurentsi, regulatsioonide ja oskustööjõu puuduse survega, pakub see lähenemisviis elujõulist edasiminekut. Praeguste tööstusharu analüüside kohaselt peetakse komponeeritavaid, modulaarseid tehisintellekti arhitektuure skaleeritavate ja vastupidavate tehisintellekti ökosüsteemide alustalaks. Samal ajal nõuab suurenev regulatsioon, näiteks ELi tehisintellekti seadusega kehtestatud, arhitektuure, mis hõlmavad läbipaistvust, auditeeritavust ja juhtimist algusest peale, mitte ei tembelda neid hiljem.

Fivetrani uuring näitab suunda, kuhu asjad liiguvad: 65 protsenti ettevõtetest plaanib investeerida andmete integreerimise tööriistadesse kui oma peamise strateegiasse tehisintellekti rakendamiseks. See annab selgelt märku, et tööstusharu on tunnistanud vajadust arhitektuurilise nihke järele. Hallatud tehisintellekt oma kolme põhimõttega pakub selleks kontseptuaalse raamistiku. Need, kes kasutavad andmeid seal, kus need asuvad, kasutavad ettevõttesisese arenduse asemel tõestatud ehitusplokke ja alustavad konkreetse kasutusjuhtumiga, mitte universaalse skeemiga, on loonud struktuurilised eeldused, et oluliselt lühendada teed tehisintellekti ambitsioonist toimiva tehisintellekti reaalsuseni.

Konrad Wolfenstein

Mul oleks hea meel olla teie isiklik nõustaja.

ühendust võtta aadressil wolfenstein ∂ xpert.digital

Helista mulle lihtsalt numbril +49 89 89 674 804 (München) .

LinkedIn