Gartner: 'Gebruik kleine, taalspecifieke AI-modellen gaat een vlucht nemen'

Hoewel algemene LLM's robuuste taalmogelijkheden bieden, neemt de nauwkeurigheid van hun antwoorden af bij taken die specifieke bedrijfsdomeinkennis vereisen. "De verscheidenheid aan taken in bedrijfsprocessen en de behoefte aan grotere nauwkeurigheid drijven de verschuiving naar gespecialiseerde modellen die zijn afgestemd op specifieke functies of domeingegevens," licht Sumit Agarwal, VP Analyst bij Gartner, toe. "Deze kleinere, taakspecifieke modellen bieden snellere antwoorden en gebruiken minder rekenkracht, wat de operationele en onderhoudskosten verlaagt."

Bedrijfsgegevens als differentiator

Organisaties kunnen LLM's voor specifieke taken aanpassen door middel van retrieval-augmented generation (RAG) of fine-tuning technieken om gespecialiseerde modellen te creëren. In dit proces wordt bedrijfsgegevens een belangrijke differentiator, waardoor gegevensvoorbereiding, kwaliteitscontroles, versiebeheer en algemeen beheer nodig zijn om relevante gegevens te structureren die voldoen aan de fine-tuning vereisten.

"Naarmate bedrijven de waarde van hun privégegevens en de inzichten die ze uit hun gespecialiseerde processen halen meer gaan waarderen, gaan ze waarschijnlijk hun modellen gaan monetiseren en toegang tot deze middelen aanbieden aan een breder publiek. Inclusief hun klanten en zelfs concurrenten", aldus Agarwal. "Dit markeert een verschuiving van een beschermende aanpak naar een meer open en samenwerkend gebruik van gegevens en kennis."

Door het commercialiseren hun propriëtaire modellen kunnen bedrijven nieuwe inkomstenstromen creëren terwijl ze tegelijkertijd een meer verweven ecosystem ondersteunen.

Aanbevelingen voor implementatie

Bedrijven die kleine taakspecifieke AI-modellen willen implementeren, moeten volgens Gartner een aantal aanbevelingen in overweging nemen:

• Pilotprojecten met contextualisatie van modellen: Implementeer kleine, gecontextualiseerde modellen in gebieden waar bedrijfscontext cruciaal is of waar LLM's niet aan de verwachtingen van antwoordkwaliteit of -snelheid hebben voldaan.
• Omarm samengestelde benaderingen: Identificeer use cases waar een enkel model niet voldoet en gebruik in plaats daarvan een samengestelde benadering met meerdere modellen en werkstappen.
• Versterk gegevens en vaardigheden: Geef prioriteit aan gegevensvoorbereiding om de gegevens te verzamelen, cureren en organiseren die nodig zijn voor het fine-tunen van taalmodellen. Investeer tegelijkertijd in het bijscholen van personeel in technische en functionele groepen zoals AI- en gegevensarchitecten, gegevenswetenschappers, AI- en gegevensingenieurs, risico- en compliance-teams, inkoopteams en bedrijfsspecialisten om deze initiatieven effectief te sturen.

Meer informatie is voor klanten van Gartner beschikbaar in 'Predicts 2025: AI-Powered Analytics Will Revolutionize Decision Making'. Ontdek daarnaast hoe je kunt zorgen dat je gegevens klaar zijn voor gebruik in de specifieke AI-initiatieven die je wilt nastreven in de gratis Gartner AI-Ready Data Essentials Roadmap. Analisten van Gartner bieden meer inzicht in trends op het gebied van gegevens en analyses tijdens de Gartner Data & Analytics Summits, die onder meer op 12 tot en met 14 mei plaatsvindt in het Britse Londen.