近日，Gartner 發佈了一份新報告，指出到2027年，企業將使用任務特定的人工智能模型的頻率是通用大型語言模型的三倍。報告中提到，雖然通用的語言模型在語言處理方面具有強大的能力，但在需要深入理解特定業務領域的任務中，它們的響應準確性卻會下降。因此，越來越多的企業開始關注定製化的 AI 模型，以滿足其特定需求。

AI，人工智能

圖源備註：圖片由AI生成，圖片授權服務商Midjourney

Gartner 的副總裁兼分析師 Sumit Agarwal 表示，這一轉變主要是由於商業工作流程的日益複雜和對準確性的需求不斷上升。“這些較小的、任務特定的模型能夠提供更快的響應，並且使用更少的計算資源，從而降低了運營和維護成本，”Agarwal 在報告中指出。

與通用的語言模型不同，任務特定模型可以通過檢索增強生成或微調等技術進行調整，以滿足特定的業務需求。在這個過程中，企業數據顯得尤爲重要，因爲它可以幫助公司定製模型。不過，這也要求企業進行質量檢查、數據準備和管理，以確保使用到合適的數據。

Agarwal 表示:“隨着公司越來越意識到其私有數據的價值以及從特定流程中得出的見解，它們可能開始對其模型進行貨幣化，並向更廣泛的受衆提供這些資源的訪問，包括其客戶甚至競爭對手。” 這標誌着企業在數據和知識使用上從一種保護性的方式轉變爲更開放和協作的方式。

Gartner 還爲企業在過渡到更小的 AI 模型時提出了若干建議。其中包括在需要深入理解業務背景或現有大型語言模型未能滿足速度和準確性要求的領域進行定製模型的試點。如果單一模型不足以滿足需求，Gartner 建議企業可以考慮組合使用多種模型和工作流程。此外，報告強調了在數據準備和人才發展方面進行投資的重要性。企業需要優先進行數據的策劃，以便爲訓練較小的 AI 模型做好準備，同時還需對跨職能團隊進行技能提升，包括數據科學家、AI 工程師、合規官、採購專家等關鍵利益相關者。

劃重點:

🌟 任務特定 AI 模型將在2027年成爲企業的主流選擇，使用頻率是通用 AI 模型的三倍。  

⚙️ 這些模型響應更快，計算需求更低，有助於降低企業的運營成本。  

📊 企業需要關注數據準備和人才培養，以支持 AI 模型的定製和應用。