Tehditler ve Potansiyel Faydalar: Yapay zekayı benimseme riskinin tartılması


Yapay zeka (AI) aletlerini bir duvara atmak ve hangi çubukların büyük olasılıkla karışık sonuçlar vereceğini görmek. Bu nedenle, fırsatları gerçekleştirmek için, potansiyel riskleri önceden kapsamak ve en aza indirmek için ödeme yapmalıdır.

Sonuçta, iyi kaynaklanan şirketler bile, Data Analytics ve AI yazılım sağlayıcısı Databricks EMEA baş teknoloji sorumlusu Dael Williamson’ın onayladığı gibi, AI’ya yaklaşımlarını bulmak için hala mücadele ediyor.

Williamson, “Örneğin, tescilli bir şeyden diğerine kopyalamak ve yapıştırmak ve daha sonra bir diğeri, veri bütünlüğünde doğal bir ‘vergi’ ile geliyor. Tüm kontrollere ve dengelere ihtiyacınız var. Ve tüm şirketler bunu deneyimleyebilir, çünkü tüm şirketlerin siloları var” diyor Williamson.

Verileriniz sorunlu veya sadece yanlışsa, çıkarım zarar görür ve muhtemelen yatırım getirisini (YG) alamazsınız. Sonra ihtiyaçlarınız için yanlış dil modelini seçme riski var.

“Modelleri eğitmelisin. Ama çıkarım et ve patates [of] Aslında ne yapıyorsun, ”diyor Williamson.“ AI inanılmaz derecede yararlı olabilir. Ama aynı zamanda zor. ”

Yapay zeka sağlamak, sadece daha sofistike sosyal mühendislik, hızlı enjeksiyonlar veya eğim squatting gibi AI özellikli saldırılardan değil, risk sunar.

Cloud Veri Yönetimi Şirketi Rubrik’in EMEA Baş Bilgi Güvenlik Görevlisi Richard Cassidy, AI hedeflerinin “nasıl” olmasına eğilmezseniz, farklı türlerde güvenlik endişelerini tanıtabileceğinizi söylüyor.

Örneğin, AI, kullanıcıların – gerçek olaylardan da dahil olmak üzere – dikkatini dağıtan ve atık ve maliyetleri artıran bir “gürültü jeneratörü” haline gelebilir. Buna ek olarak, dikkatle tasarlanmış güvenlik kontrolleri AI iş akışına geçmeyebilir.

Bunun da ötesinde, ilgili dijital beceriler eksik olabilir ve iş akışları genellikle henüz yeterince sayısallaştırılmadığını söylüyor.

Temel işlemler kusurlu ise, AI bunu düzeltemez. Sadece kaosu yükseltecek

Richard Cassidy, Rubrik

Risk değerlendirmesi ve önceliklendirme

“İnsanlar pratikte AI benimsemesinin nasıl göründüğünü sormuyor” diyor. “CISOS, çok faktörlü kimlik doğrulama, kullanıcı ilişkilendirme, güvenli erişim vb. İle destansı oranlarda veri gölleri oluşturabilir. Daha sonra AI, iş akışına ve daha sonra vektör veritabanlarına sayısal bir gösterimi haritalayabilir, çıktıları geri alma artışı (RAG) iş akışları (RAG) iş akışları ve bu şekilde kaybolur.

Bu, yapay zeka benimsemesinin en yaygın engellerini gösteren ulusal istatistik (ONS) rakamlarıyla eşleşir, faaliyetleri veya iş kullanım durumlarını (%39) ve maliyeti (%21) tanımlamakta zorluktur. Firmaların yaklaşık% 16’sı AI uzmanlığı ve becerileri eksikliğinden bahsetti.

Cassidy, “Altta yatan süreçler kusurlu ise, AI bunu düzeltemez. Sadece kaosu güçlendirecek” diyor Cassidy.

“Her zaman olduğu gibi, hype değil, sorunla başlayın ve sadece yapmanız gerektiğini düşündüğünüz için AI benimsemeyin. Belirli iş zorluklarını – müşteri hizmetleri darboğazları veya yavaş döngüler – ve oradan oluşturduğunuzdan emin olun.”

Tek iş akışı pilotları için net kullanım politikaları ve korkuluklarla riski azaltın-belki de raporları özetlemek, sorgulara yardımcı olmak veya fatura üretimini otomatikleştirmek-sonra etkiyi ölçün.

Çalıştı mı? Maliyeti azalttı mı yoksa değeri mi artırdı? Bundan öğrenin ve coşku değil, kanıtlardan bir yol haritası oluşturun, Cassidy tavsiye ediyor.

Daha fazla azaltma stratejisi

Ne olursa olsun, muhtemelen hemen AI’ya atlamak istemiyorsunuz ve tüm hassas veya düzenlenmiş verilerinizi de eğitmek için hazır bir modele takmak istemiyorsunuz, Tony Lock, Tony Lock, BT Market Watcher FreeForm Dynamics’teki Seçkin Analist.

Lock, “Dil modeline veri koyduğunuzda, tekrar çıkaramazsınız. Sadece desene girer” diyor Lock. “Bu yüzden RAG etrafında, bu yüzden bir LLM’ye bilgi beslemek yerine her şeyi temizlersiniz.”

Peki ya modeliniz piyasadan çekilirse? Açık kaynak, paralel gelişmeler ve uygulama programlama arayüzü (API) ağ geçitleri kuruluşların korunmasına yardımcı olabilirken, Lock, Openai’nin başkalarının fikri mülkiyetini kullanma hakları konusunda devam eden bir dava açtığında risklerin nasıl oynayacağını tam olarak bilemeyeceğimizi gösteriyor.

Dil modeline veri koyduktan sonra, tekrar çıkaramazsınız. Sadece desen içine alınmıştır. Bu yüzden bez etrafında, bu yüzden bir LLM’ye bilgi beslemek yerine, her şeyi temizlersiniz

Tony Lock, Freeform Dinamikleri

Lock, “Bir hakim tarafından size tüm bu bilgileri çıkarmanız gerektiğini, eğitim amacıyla kullanmanıza izin verilmediğinizi söylerse, muhtemelen tüm dil modelinin edindiğiniz uygun şekilde güvenli verilerle tekrar başlamasını sağlayacaksınız” diyor Lock.

Cezalar ortaya çıkabilir. AI tedarikçileri nasıl yanıt verecek? İlgili maliyetleri müşterilere aktaracaklar mı? Müşterilerin kendileri cezalandırılacak mı? Bunlar, belirli yasal tavsiye gerektirebilecek cevaplanmamış sorulardır.

Belirli bir modelde belirli verileri kullanmaya bahse girmeden önce, boru hattında AI ile ilgili birden fazla dava olduğunu hatırlamak akıllıca olabilir.

Ulusal düzenlemeler çevreyi karmaşıklaştırıyor. Örneğin, Birleşik Krallık hükümeti şu anda Fikri Mülkiyet (IP) sahipleri için AI sürecinin henüz tespit edilmemiş bir tür “devre dışı bırakma” ı desteklemektedir.

Yine de Avrupa Birliği’nde, örneğin, bu işe yaramayacaktır, çünkü her şeyin genellikle “tercih etmesi” gerekir. Ve seçmek için, kullanıcıların IP’lerinin tam olarak nasıl kullanılacağı söylenmelidir.

“Belki ABD mahkemeleri eylemi zorlamayacak. Ama yine de, tüm bu şirketlerin Avrupa, İngiltere, Japon iştiraklerine sahip, belki de yerel CEO bile” diyor.

Aynı zamanda beklemek için ödeme yapabilir. Sonuçta, sadece bir “ilk taşıyıcı” olabilir; Daha sonra katılımcılar, erken benimseyenlerin ele alması gereken göreceli bir engel eksikliğinden yararlanabilirler.

En çok öneri

Databricks ‘Williamson, işletmelerin ilk önce veri evlerini sırayla almasını önerir, bu da evlat edinmeyi geciktirir. “Veri işleme ve organizasyon, parası olan şirketler ve büyük bir şirket içi ekibi için bile zor” diyor.

Genellikle, veriler AI için hazır değildir. Bu, tüm yapılandırılmış ve yapılandırılmamış verileri envanter, denetleme ve haritalama ihtiyacı anlamına gelir. Daha temiz, tekli, standartlaştırılmış, doğru ve ilgili bir veri temelini, üstte AI eklemeden çok önce silo konsolidasyonu gerektirebilir.

İyi haber şu ki, “daha ​​geniş anlamda” verileri düzeltmek, işletmelerin yaklaşımlarını dikkate almaları ve maliyet tasarrufu, depolama verimliliği ve miras veya gölgenin kaldırılması da dahil olmak üzere tüm iş için faydalar sağlayacak zaman satın alacak.

Rubrik’in Cassidy, fırsatların genellikle görevlerin “akıllı delegasyonu” ve veri tabanlı zekanın iş dünyasında demokratikleştirilmesi ile ilgili olduğuna inanıyor. “Ve AI, KOBİ’lere gerçek bir yükseltme yeteneği sunuyor.”

Uygulama planı ve zaman çizelgeleri

Red Hat’ta AI Kıdemli Baş Teknoloji Uzmanı Robbie Jerrom, Enterprises’ın AI ile ne yapmaları gerektiğine odaklanması ve bunu yapmaları gerektiği kadar zaman ayırmaları gerektiğini söylüyor.

Jerrom, “Önce, ihtiyacınızı anlayın, sonra kullanım durumunu daraltın. Okyanusu kaynatmaya çalışmayın” diyor.

Kuruluşların yapabileceği bir şey, her zaman kolay olmasa da, belirli bir AI etkinliği için gereken jetonları hesaplamaktır.

İlk olarak, ihtiyacınızı anlayın, sonra kullanım durumunu daraltın. Okyanusu kaynatmaya çalışma

Robbie Jerrom, Red Hat

“Bazı küçük python kodu parçaları, belki 10 dakikalık iş, 45.000 jeton kullanabilir. Maliyetle eşleştirin ve belki birkaç sent. Ama eğer bunu ölçeklendirirseniz ve 10 geliştiricinin gün boyu ne kadar yaptıysanız? Bir AI ajanı her bir şeyle konuştuğunda, örneğin, jetonlar kullanır.”

Küçük bir şey seçin, izlenebilir bir şey çalıştırma deneyimi alın ve işletmenin öğreneceği bir şey oluşturun.

Sandboxing, özellikle ajanlar gibi daha özerk sistemler düşünüldüğünde riski azaltabilir. Örneğin, şirketin statik politikalarında eğitilip eğitilemeyeceğini inceleyin.

Belki bir modelden bir sözleşmeyi gözden geçirmesini, önceki sözleşmelerle karşılaştırmasını ve farklılıkları, karışıklıkları veya düzensizlikleri göstermesini isteyin. İki usulsüzlük fark edebilirsiniz, ancak model ayrıca düşünmek için farklı bir şey vurgulayabilir. Örneğin, yıllardaki değişiklikler, müşteri ilişkisinde daha önce alınmayan olası bir zorluğa işaret edebilir.

AI düşüncenizi disipline etmeye ve yöntem uygulamanıza yardımcı olabilir. Daha sonra sonuçları iki kez kontrol edin ve yeniden değerlendirin. Modeli ihtiyaca daha iyi uyacak şekilde ayarlayabilir veya bir alternatif deneyebilir misiniz?

Jerrom, “Sıkıcı kullanım durumlarından bazıları değer görmeye başlayacağınız yerdir” diyor, üretken AI (Genai) hatalar yaparken insanlar da öyle.

İşçiler için eğitim ve öğretim eşit derecede önemlidir. Çoğunun AI hizmetlerini en iyi nasıl kullanacağını öğrenmek için yardıma ihtiyacı olacaktır.

“Bu sizi çok sıcak suya sokabilir,” diye uyarıyor Jerrom. “AI zaten her yerde.”

Kurumsal AI benimseme için sonraki adımlar

Techuk Teknoloji ve İnovasyon Direktörü Sue Daley, tüm AI’nın işletmeler için “büyük bir potansiyele” sahip olduğunu söylüyor. Şekil, boyut veya sektörden bağımsız olarak, AI’nın verimlilik ve etkinliği nasıl sağlayabileceğini tam olarak anlamak anahtardır. “Ne yapmasını istiyorsun ve ne elde etmek istiyorsun?”

Diğer teknolojilerde olduğu gibi, AI uygun araç mı? Bazen faydalar ajan olabilir, diğerleri ise küçük bir dil modeli veya çok özel bir yaklaşım gerektirebilir.

Daley, “Küçük dil modelleri tedarik zincirlerinde, lojistiklerinde veya operasyonlarında belirli bir iş ihtiyacı veya sorun için daha uygun olabilir. Bağlam çok önemli olacaktır” diyor Daley.

AI’nın neler yapabileceğini öğrenmek için “dikkatle” bir kum havuzu veya güvenli bir ortamda oynayın. Sorumlu yenilikle ilgili uyum, güvenlik politikaları ve uygulamalarını ve etikleri inceleyin. Upskilling ihtiyaçlarını düşünün. İnsanlardan perspektif edin ve işletme genelinde çapraz fonksiyonel ekipler inşa edin.

Daley, “Eğitim ve farkındalıkla başlayın. Kuruluşunuzu her düzeyde, yönetim kurulu düzeyinden orta yönetime ve bireysel işçilere kadar düşünün” diyor. “İnsanları sizinle yolculuğa çıkarmanın yollarını bulun. Bu, birçok insanın işini etkileyen bir değişim yönetimi süreci.”

İşletmeler Genai Tools’u başka bir chatbot olarak düşünse bile, birçok sohbet botu müşterileri tatmin etmedi. AI’dan yararlanmak, bir sonraki sürümün veya ürünün nasıl geliştiği de dahil olmak üzere ciddi düşünce gerektirir. Yine, üst ipucu çıkışların sadece veri girişleriniz kadar iyi olabileceğidir.

Freeform Dynamics ‘Lock ekliyor: “AI’nın nasıl çalışacağını anlayın, insanların’ etrafta dolaşacak ‘başka bir şey olmaktan ziyade, onlara gerçekten yardımcı olduğunu söyler. AI’yı kendi başlarına seçtiklerinde, bazılarının düşünmediğiniz – ya da yapmaması gereken bir şey yapabileceğini unutmayın. Kullanıcı etkinliği ve mutluluk çok önemlidir.”

Son olarak, bazılarının zaten deneyime sahip olabileceği farklı AI sınıfları olduğunu unutmayın.



Source link