根據最新發佈的 Gartner 報告，到2027年，企業將使用任務特定的人工智能模型的頻率將是通用大語言模型的三倍。報告指出，儘管通用大語言模型在語言處理方面具備強大的能力，但在需要深入理解特定業務領域的任務時，它們的響應準確性會下降。因此，越來越多的企業開始關注能夠滿足特定需求的定製化模型。

人工智能 AI 機器人 機械手 (2)

圖源備註:圖片由AI生成，圖片授權服務商Midjourney

Gartner 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日益複雜，以及對準確性需求的提升。他強調:“這些小型的任務特定模型提供更快的響應，並且使用較少的計算能力，從而降低了運營和維護成本。” 與通用大語言模型不同，任務特定模型可以通過檢索增強生成或微調等方法來適應特定的業務需求。

在此背景下，企業數據的重要性日益凸顯，使得公司能夠定製化模型。然而，這也需要對數據進行質量檢查、準備和管理，以確保使用正確的數據。Agarwal 提到:“隨着公司越來越認識到其私人數據的價值，以及從專業流程中獲得的見解，它們可能會開始對其模型進行貨幣化，並向更廣泛的受衆（包括客戶甚至競爭對手）提供這些資源的訪問權。” 這標誌着從保護性數據使用向更加開放和協作的數據與知識使用的轉變。

Gartner 在報告中還提出了幾項建議，以支持企業向更小的 AI 模型轉型。這包括企業在需要深入理解業務背景或現有大語言模型未能滿足速度或準確性要求的領域中試點上下文模型。對於單一模型無法滿足需求的情況，Gartner 建議企業考慮採用複合方法，將多個模型和工作流程步驟進行整合。

此外，Gartner 強調了對數據準備和人才發展的投資重要性。報告指出，需要優先考慮數據的策劃，以便爲訓練較小的 AI 模型做好準備，同時提升跨職能團隊的技能，包括數據科學家、AI 工程師、合規官、採購專家及其他關鍵利益相關者的能力。

劃重點:

🌟2027年，任務特定 AI 將是通用 AI 的三倍使用頻率，滿足特定業務需求。

⚙️ 小型模型響應更快，計算能力需求更低，降低運營成本。

📊 企業需要重視數據質量與人才培養，以適應 AI 轉型。