Anthropic 在 2024 年 3 月發(fā)布的 Claude 3 系列模型及其在眾多基準(zhǔn)測(cè)試中的成功表現(xiàn)對(duì)企業(yè)來(lái)說(shuō)是個(gè)好消息，看起來(lái)企業(yè)客戶將能夠從更多供應(yīng)商那里評(píng)估和選擇更多高質(zhì)量的AI和GenAI工具。

然而，隨著公共工具和服務(wù)的質(zhì)量和種類的增加，至關(guān)重要的是要記住，這一切都始于數(shù)據(jù)，不僅僅是用于訓(xùn)練為 AI 和機(jī)器學(xué)習(xí)工具提供動(dòng)力的基礎(chǔ)模型的數(shù)據(jù)，還有這些工具為發(fā)現(xiàn)隱藏模式和洞察力而搜索和分析的數(shù)據(jù)。

正如我之前解釋的那樣，在讓你的企業(yè)準(zhǔn)備好利用 AI 方面，有一些關(guān)鍵的準(zhǔn)備工作，沒(méi)有成功的數(shù)據(jù)策略，就不可能有成功的 AI 策略。第一步是準(zhǔn)備你的數(shù)據(jù)，使其適合 AI，這涉及到評(píng)估、整合、保護(hù)和策劃你的分散的數(shù)字黃金，以便它可以被市場(chǎng)上各種不斷增長(zhǎng)的 AI 工具和服務(wù)所訪問(wèn)。

在這篇文章中，我將重點(diǎn)討論：為什么在你的數(shù)據(jù)和基于云的 AI 服務(wù)之間建立高效的管道至關(guān)重要，以及這可能為你的業(yè)務(wù)帶來(lái)什么。

設(shè)計(jì) AI 管道

一旦你在云中評(píng)估、整合和保護(hù)了你的數(shù)據(jù)，你就會(huì)希望策劃與不同組或用例相關(guān)的特定數(shù)據(jù)集，然后建立一個(gè)管道，將這些選定的數(shù)據(jù)傳輸?shù)侥氵x擇的 AI 工具。如果你的數(shù)據(jù)駐留在 Amazon Simple Storage Service(S3)存儲(chǔ)桶中，你會(huì)想要利用 S3 API，它們支持廣泛的 AI 工具和服務(wù)，可以全面且快速地訪問(wèn)數(shù)據(jù)。

不管怎樣，這兩個(gè)質(zhì)量都應(yīng)該是優(yōu)先考慮的——你希望這些工具以高速運(yùn)行，你希望避免將自己鎖定在特定的供應(yīng)商或提供商中。你今天選擇的領(lǐng)先 GenAI 工具可能不是三個(gè)月后最適合你需求的工具，你可能希望有靈活性來(lái)利用來(lái)自不同 AI 工具的數(shù)據(jù)。這個(gè)領(lǐng)域變化如此之快。

超大規(guī)模計(jì)算服務(wù)商通常避免迫使客戶進(jìn)入封閉的園區(qū)，所以即使你的數(shù)據(jù)駐留在 AWS S3 中，你仍然可以利用微軟或谷歌的工具。例如，如果你想利用 Google Vertex，你可以使用 S3 API 在你的 S3 數(shù)據(jù)集和谷歌服務(wù)之間建立一個(gè)管道。

那么接下來(lái)呢?好吧，一旦你的數(shù)據(jù)適合 AI，并且你已經(jīng)建立或規(guī)劃了管道將你選擇的服務(wù)連接到你的策劃數(shù)據(jù)，就是時(shí)候看看這些工具實(shí)際上能為你的企業(yè)做什么了。我們開(kāi)始注意到我們的客戶有各種有趣的用例。

企業(yè)今天如何使用 AI

如果你經(jīng)營(yíng)著一家制造業(yè)企業(yè)，你可能擁有在整個(gè)自動(dòng)化制造過(guò)程中捕獲數(shù)據(jù)的成像和物聯(lián)網(wǎng)設(shè)備。如今，在我的公司，我們正在與客戶合作，他們獲取這些掃描和物聯(lián)網(wǎng)數(shù)據(jù)，建立到云服務(wù)的管道，然后構(gòu)建其最終用戶可以與之交互的機(jī)器學(xué)習(xí)(ML)模型，以便更多了解其制造、質(zhì)量保證或裝配現(xiàn)場(chǎng)內(nèi)部發(fā)生的情況。他們正在發(fā)現(xiàn)使工作流程更有效的方法。他們正在更快地發(fā)現(xiàn)和修復(fù)產(chǎn)品缺陷。

如果你有一家營(yíng)銷公司，你可能想利用像 AWS Rekognition 或 AWS Kendra 這樣的服務(wù)來(lái)分析和搜索視頻和圖像內(nèi)容。我們的一位客戶是一家在全球擁有數(shù)百個(gè)工作室的廣告巨頭，每個(gè)工作室都有自己豐富的創(chuàng)意工作歷史。像這樣的全球企業(yè)可以利用 AI 工具幫助其創(chuàng)意團(tuán)隊(duì)輕松地從過(guò)去的項(xiàng)目中找到靈感，并使用 GenAI 服務(wù)在向新客戶提案時(shí)創(chuàng)造新的活動(dòng)。

然而，目前我們?cè)谄髽I(yè)中看到的最常見(jiàn)的 AI 應(yīng)用涉及某種變體的聊天界面。這個(gè)工具可以用于客戶支持、營(yíng)銷甚至內(nèi)部研究，以促進(jìn)機(jī)構(gòu)知識(shí)的傳播。

實(shí)施這些服務(wù)事實(shí)證明出奇地容易。Google Vertex 是一個(gè)非常好的選擇，因?yàn)樗子谑褂?、具有成本效益，并且在確保私有數(shù)據(jù)受到保護(hù)的同時(shí)利用 Google 的 LLM。亞馬遜 Bedrock 同樣令人印象深刻。

我們的客戶還一直在使用 Microsoft Copilot 和 Copilot Studio，這是一個(gè)幫助你創(chuàng)建針對(duì)特定需求的聊天機(jī)器人的網(wǎng)絡(luò)應(yīng)用程序，并以保持?jǐn)?shù)據(jù)隱私和合規(guī)性的方式進(jìn)行操作。一家擁有大量知識(shí)庫(kù)文檔的科技公司可以創(chuàng)建由這些文本組成的策劃數(shù)據(jù)集，訓(xùn)練一個(gè)定制的 Copilot，然后為其客戶或內(nèi)部用戶提供一個(gè)工具，使他們更容易從該知識(shí)庫(kù)中找到并提取相關(guān)信息。

每個(gè)行業(yè)和每個(gè)企業(yè)都有其特定需求，但近年來(lái)我所合作的每個(gè)企業(yè)都有一個(gè)共同問(wèn)題——數(shù)據(jù)量不斷增長(zhǎng)。歸根結(jié)底，這些 AI、GenAI 和 ML 工具可以為企業(yè)提供將分散數(shù)據(jù)轉(zhuǎn)化為資產(chǎn)的機(jī)會(huì)，從而幫助提高效率、加速業(yè)務(wù)流程并創(chuàng)造巨大的競(jìng)爭(zhēng)優(yōu)勢(shì)。

我們不知道哪些 AI 工具和服務(wù)將占上風(fēng)，或者哪些特定的工具最適合你的業(yè)務(wù)。然而有一點(diǎn)是明確的：這項(xiàng)技術(shù)將改變你的行業(yè)，明天的領(lǐng)先企業(yè)將是那些今天讓數(shù)據(jù)適合 AI 并開(kāi)始構(gòu)建用于 AI 工具和服務(wù)的數(shù)據(jù)管道的企業(yè)。