Birkaç ay önce Microsoft, müşterilerine kurumsal veriler üzerinde eğitilmiş yüksek otomatik ince ayarlı “tarifler” den yararlanmak için Microsoft Copilot Studio’da düşük kodlu araçları kullanmanın bir yolunu sunan Copilot Tuning’i tanıttı.
Üretken yapay zeka (genai) araçları, internet ve sosyal medya platformlarında geniş kamusal bilgiler alanları üzerinde eğitilmiş AI modelleri ile ilişkili olma eğilimindeyken, işletmeler dahili verilerini ve süreçlerini anlayan modellere ihtiyaç duyarlar ve şimdi büyük AI sağlayıcıları, Genai’nin işletme yöneticilerinin zihnine gücünü dikmişlerdir ve bu, bu, ticari AI’nın mevcut odağıdır.
Bu tür ürünler, serbestçe mevcut internet verileri konusunda eğitilmiş yüksek genelleştirilmiş modellere kıyasla endüstri sektörüne özgü bir AI sistemi sağlamayı amaçlamaktadır. Teorik olarak, daha genel AI modellerini etkileyen ve bir işletmenin çalışma şekliyle daha yakından eşleşen halüsinasyonlardan daha az muzdarip olmalıdır.
Microsoft’taki deneyim ve cihazların başkan yardımcısı ve grup ürün yöneticisi Ranveer Chandra, bir blogda yayınlandı: “Kutudan çıkmış LLMS tarafından desteklenen AI araçları [large language models] Ve geri alma artırılmış nesil, işinizi her zaman belirli süreçler, terminoloji ve stil açısından anlayamayabilir. ” Microsoft’un iş için AI modellerini optimize etme yaklaşımının, sık sık ince ayar projeleriyle ilişkili karmaşıklığı azaltmak olduğunu iddia etti.
Microsoft 365 Copilot (M365) Tuning Erken Erişim Programı’ndaki müşterilerden biri muhasebe firması Ernst & Young. Firmada vergi başkan yardımcısı Marna Ricker, şirketin piyasaya gelişmiş bir vergi hizmeti sunmak için M365 aracılığıyla işletme bilgisi ve vergi danışmanlarının uzmanlığı ile vergi alanı ince ayarlı bir LLM’yi entegre ettiğini söyledi. “Bu sinerji hizmet kalitesini artırıyor ve vergi ve yasal araştırmaları, insanların zaten çalıştığı M365’te kolayca mevcut olan ilgili bilgi ve zeka ile önemli ölçüde ilerletiyor” diye ekledi.
Gartner’dan gelen bir tahmine göre, özel Genai modelleri pazarının 2026 yılına kadar 2,5 milyar dolardan fazla ila 2,5 milyar dolardan fazla olacak. Bu, Gartner’ın General Genai modelleri için 23 milyar dolarlık tahmininden önemli ölçüde daha küçük olsa da, bu teknoloji için işletmelerde talep olduğunu gösteriyor.
Gartner kıdemli analisti Roberta Cozza, büyük AI sağlayıcıların işletmelerin hareket ettiği yer olduğu için modellerini ince ayarladıklarını söyledi. Kurumsal alıcıların güvenilir bir teknoloji sağlayıcısıyla çalışmaya değer olduğunu, ancak alan adlarına özgü bir şeye yanıt vermek için Genai tabanlı araçlara da ihtiyaçları olduğunu söyledi. “Aslında gördüğümüz, alana özgü modeller” dedi.
Cozza, bunların birçoğunun açık kaynak modellerinden bir temel olarak başladığını ve genellikle kaynak maliyetleri açısından verimlilik sunan küçük dil modelleri (SLM) olarak dağıtıldığını, ancak aynı zamanda bir işletmenin kendi verileri üzerinde eğitilebildikleri için daha iyi kontrol sağladığını belirtti.
Genai değer sağlayabilir, ancak konuştukları işletme BT liderleri, faaliyet gösterdikleri belirli endüstrinin sorunları, verileri ve içeriği ile eğitilmelerini istediklerini söylemek için konuştukları. Cozza, “Tescilli verilerini bir model oluşturucunun veya bir BT servis sağlayıcısının eline koymaları gerekiyor,” dedi.
“Temel açık kaynak modellerini kullanma engelleri çok azaldı, bu yüzden büyük müşterilere kendi küçük modelleriyle yardımcı olan çok sayıda daha küçük AI sağlayıcı gördük” diye ekledi. “CHATGPT gibi tescilli bir modeli damıtabilirler, ancak birçoğu Meta’nın lama ile başlıyor ve Avrupa’da Mistral’ı bir başlangıç noktası olarak görüyoruz.”
Genai modellerinin% 90’ı birkaç büyük sağlayıcı tarafından yönetilirken, Cozza, Gartner’ın özellikle Avrupa AI teknolojisini, çalışmaları için ihtiyaç duydukları değişken jeopolitik ortamı tamponlayan bir koruma olarak dağıtması gereken sorular alan soruşturma yaptığını söyledi.
“Yüksek riskli olduğu düşünülen AI uygulamaları ve teknolojileri, düzenlenmesi ve AB AI Yasası’na uyması gereken teknolojilerdir” dedi. “Ancak bu, İnternet verileri konusunda eğitilmiş sınır modellerini kapsıyor.”
Cozza, bir şirketin dahili verileri ve açıklanabilir SLM’ler üzerine inşa edilmiş modellerin düzenleyici inceleme gerektirme olasılığının daha düşük olduğunu söyledi. “Bir yapay zeka eğitimi ve daha fazla alana özgü bir şey yaratmak aslında genel uyumluluğu geliştirir, çünkü politikalara veya düzenlemelere uymasını sağlayabilirsiniz” diye ekledi.
M365 copilot ayarlama gibi araçlar, iş değeri ekleyebilecek genai yetenekleri sağlamakla görevlendirilen BT liderlerinin girişinin engelini kaçınmaya yardımcı olacaktır, ancak SLM’ler açıklanabilirlik sağlayabilecek ve AB AI Yasası ile daha kolay uyabilecek alternatif bir yaklaşım sunar.