Zoals bij elke nieuwe technologie willen veel mensen graag generatieve AI gebruiken om hen te helpen bij hun werk. Accenture onderzoek ontdekte dat 89% van de bedrijven denkt dat het gebruik van generatieve AI om diensten menselijker te laten aanvoelen, meer kansen voor hen zal openen. Dit zal verandering afdwingen – Accenture ontdekte ook dat 86% van de bedrijven dacht dat ze hun IT- en technologie-infrastructuur zouden moeten moderniseren.

De uitdaging hierbij is dat generatieve AI-projecten voor ondernemingen tijd nodig zullen hebben om te ontwerpen, testen, bouwen en schalen. Zelfs met het snelle pad naar productie dat nieuwe generatieve AI-stacks bieden, bestaat het risico dat mensen het heft in eigen handen nemen. Dit zal leiden tot generatieve AI-implementaties die buiten de boeken vallen en buiten het domein van IT vallen, genaamd schaduw-AI. Deze ongeoorloofde implementaties van schaduw-AI zullen plaatsvinden wanneer bedrijven niet vroeg in gesprek gaan over generatieve AI en teams de tools met weinig wrijving bieden die ze nodig hebben om te slagen. 

Stel bijvoorbeeld dat een verkoopteam hulp wil bij het schrijven van hun e-mailbrieven over prospects en generatieve AI wil gebruiken bij hun prospectieactiviteiten. Gegevens openbaar maken groot taalmodel (LLM) kan dat team helpen productiever te zijn, meer deals binnen te halen en vervolgens groei voor het bedrijf te realiseren. Het argument zal zijn: waarom zouden ze stoppen en het risico lopen dat andere bedrijven vooruitgang boeken?

Wees een voorsprong op de vraag naar generatieve AI

Bedrijven moeten met hun afdelingen overleggen over hoe zij denken over generatieve AI en wat zij willen verbeteren. Dit kan mogelijkheden bieden om betrokken te raken, te luisteren naar wat bedrijfsteams willen, en vervolgens plannen te maken voor een completere strategie. Het kan ook een kans zijn om teams te adviseren over wat mogelijk is, op de voordelen in te gaan en eventuele hypes of misverstanden te ontkrachten. 

Deze gesprekken kunnen teamleden de kans bieden om meer te ontdekken over de zakelijke problemen waarmee hun collega’s worden geconfronteerd, en vervolgens te kijken hoe ze generatieve AI-diensten kunnen ontwerpen en bouwen die aan die behoeften voldoen. Een essentieel onderdeel hiervan zal zijn hoe bedrijven de gegevens die hun teams al hebben, kunnen gebruiken en combineren met generatieve AI om die nog nuttiger voor hen te maken.

Hoe kunt u, in het voorbeeld van een verkoopteam, informatie over uw producten gereed krijgen, zodat een generatief AI-systeem uw terminologie en precieze verkoopargumenten kan gebruiken in de reacties die het biedt? In plaats van alleen de gegevens te gebruiken waarop de LLM’s zijn getraind, kan het toevoegen van uw gegevens aan de mix een verbetering van de productiviteit opleveren, potentiële AI-hallucinaties verminderen en effectieve personalisatie opleveren. Tegelijkertijd kunt u gevoelig materiaal onder uw controle houden, in plaats van het aan derden over te dragen.

Differentiatie met data en generatieve AI

Generatieve AI moet u helpen onderscheid te maken in wat uw bedrijf doet. Het gebruik van openbare LLM's alleen zal dit echter niet opleveren, en u zult hetzelfde klinken als alle anderen. Bedrijven kunnen hun generatieve AI-strategieën effectiever maken en op maat maken voor hen en voor werknemers door hun eigen gegevens ter tafel te brengen met behulp van Retrieval Augmented Generation (RAG). 

RAG neemt uw eigen gegevens, maakt deze gereed voor gebruik met generatieve AI en geeft deze gegevens vervolgens als context door aan de LLM wanneer uw medewerker om een ​​reactie vraagt. RAG maakt deel uit van het oplossen van problemen zoals hallucinaties, en maakt de resultaten ook relevanter voor uw organisatie en uw klanten, in plaats van vergelijkbare resultaten te verkrijgen als andere bedrijven die dezelfde soort vragen stellen. Dit is iets dat u voor uw organisatie en klanten moet doen, aangezien geen enkel ander bedrijf over dezelfde diepgang of combinatie van gegevens beschikt als u kunt verstrekken.

Om dit te implementeren, zul je verschillende tools uit vectordatastores en AI-integraties moeten combineren om een ​​RAG-stack te bouwen waarmee je gemakkelijker en sneller aan de slag kunt. Door dit snel op te leveren, kunt u een aantal van die “off-the-books” implementaties voorkomen die teams misschien zelf proberen uit te voeren terwijl ze wachten op centrale IT. Technieken zoals RAG verminderen ook de risico's van datalekken doordat u bedrijfsgegevens kunt gebruiken voor een betere context zonder deze in de LLM te trainen.

In de loop van de tijd wilt u wellicht generatieve AI-services beschikbaar maken voor meer gebruikers binnen uw organisatie door low-code en no-code-benaderingen te omarmen bij het bouwen van services. Het hanteren van een ‘center of Excellence’-aanpak, waarbij u begeleiding en ondersteuning kunt bieden in plaats van volledige implementaties uit te voeren, vergroot de kansen om deze technologieën voor iedereen toegankelijk te maken zonder te worden afgeremd door centrale IT, terwijl u toch over de juiste vangrails beschikt voor hoe deze diensten worden in de praktijk gebruikt.

In de loop van de tijd een volwassen benadering van generatieve AI opbouwen

Als we breder kijken, zullen bedrijven hun eigen generatieve AI-volwassenheidsmodellen moeten bedenken, waarbij ze kijken naar de technologische elementen naast kwesties als gegevensprivacy en compliance, sociale impact en teamcultuur. Deze elementen gebeuren niet in een vacuüm, dus als u er vroeg over nadenkt, heeft u een betere kans om ervoor te zorgen dat u in de loop van de tijd de juiste aanpak kiest, waardoor het gemakkelijker wordt om te voldoen aan alle relevante regels en voorschriften die zijn ontwikkeld.

Daarnaast moet je de verwachtingen temperen en bepalen wat generatieve AI is en werkelijk kan waarmaken. Met generatieve AI kun je bijvoorbeeld geen delen van het personeel vervangen door AI. In plaats daarvan kan generatieve AI beter en productiever personeel leveren dat tools in hun werkzame leven kan gebruiken om te concurreren met andere bedrijven die ofwel niet over generatieve AI beschikken, ofwel standaard LLM-tools tot hun beschikking hebben. Door AI aangedreven medewerkers kunnen meer werk gedaan krijgen, met een hoger kwaliteitsniveau, en beginnen met het aanpakken van punten op uw achterstand waarvoor u voorheen niet over de bandbreedte beschikte om deze aan te pakken. Met zoveel potentieel voor deze tools moeten we de potentiële valkuilen, inclusief schaduw-AI, voorblijven.

Zoals Peter Parker in ‘Spiderman’ altijd wordt verteld: grote macht gaat gepaard met grote verantwoordelijkheid. In het geval van generatieve AI zal het benutten van deze kracht voor alle organisaties van cruciaal belang zijn. Door de verantwoordelijkheid te nemen om generatieve AI snel in handen te geven van degenen die echt van die macht kunnen profiteren, kunnen organisaties zich onderscheiden en de valkuilen van schaduw-AI vermijden.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://www.dataversity.net/getting-ahead-of-shadow-generative-ai/