### Związek danych i sztucznej inteligencji
„Nie ma sztucznej inteligencji bez danych, nie ma sztucznej inteligencji bez danych nieustrukturyzowanych, a już na pewno nie ma sztucznej inteligencji bez danych nieustrukturyzowanych na dużą skalę” – stwierdził Chet Kapoor, przewodniczący i dyrektor generalny firmy zajmującej się zarządzaniem danymi, DataStax.
Wypowiedź ta była wstępem do rozmowy podczas wydarzenia Disrupt 2024, w której uczestniczyli również Vanessa Larco, partnerka w firmie VC NEA, oraz George Fraser, CEO platformy do integracji danych Fivetran. Dyskusja dotyczyła nowych koncepcji przepływu danych w kontekście nowoczesnych zastosowań sztucznej inteligencji. Mimo że omawiano wiele różnych tematów, jednym z kluczowych wniosków było to, że firmy powinny priorytetowo traktować dopasowanie produktu do rynku, zanim zaczną skupiać się na skalowaniu. W czasach, gdy generatywna AI dopiero raczkuje, rada dla firm jest prosta – nie należy być zbytnio ambitnym na początku, lepiej skupić się na stopniowych, praktycznych postępach. Powód? Nadal jesteśmy na etapie odkrywania, jak to wszystko działa.
### GenAI i rola zespołów projektowych
„Najważniejszym elementem w generatywnej AI są ludzie” – podkreśla Kapoor. „To zespoły SWAT, które realizują pierwsze projekty, nie korzystają z podręcznika – to oni właśnie piszą instrukcję, jak tworzyć aplikacje oparte na generatywnej AI.”
Kapoor zwraca uwagę na fakt, że dane i sztuczna inteligencja są ze sobą nierozerwalnie związane. Jednak łatwo można się przytłoczyć ogromem dostępnych danych, z których niektóre mogą być wrażliwe, chronione zgodnie z różnymi regulacjami i rozproszone po wielu lokalizacjach. Vanessa Larco, która współpracuje z wieloma startupami, zarówno z sektora B2C, jak i B2B, doradza podejście pragmatyczne, które pozwala skoncentrować się na realnej wartości danych.
### Praktyczne podejście do danych
„Zastanów się, co tak naprawdę chcesz osiągnąć – co próbujesz rozwiązać i jakie dane są do tego potrzebne?” – mówi Larco. „Znajdź te dane, niezależnie od tego, gdzie się znajdują, i użyj ich do realizacji swojego celu.”
To podejście jest zdecydowanie bardziej efektywne niż próba natychmiastowego wdrożenia generatywnej AI w całej firmie, polegająca na założeniu, że wrzucenie wszystkich danych do modelu językowego (LLM) przyniesie pożądane rezultaty. Takie działanie, według Larco, może prowadzić do nieprecyzyjnych wyników i generować ogromne koszty. „Zacznij od małych kroków” – doradza. „Obserwujemy, że firmy zaczynają od wewnętrznych aplikacji, mając bardzo konkretne cele, a następnie szukają danych pasujących do tych celów.”
### Rozwiązuj bieżące problemy
George Fraser, który od 12 lat prowadzi Fivetran, firmę specjalizującą się w przepływie danych i posiadającą klientów takich jak OpenAI czy Salesforce, sugeruje, aby firmy koncentrowały się na realnych wyzwaniach, z którymi obecnie się mierzą.
„Rozwiązuj tylko te problemy, które masz dzisiaj; to powinno być twoje motto” – mówi Fraser. „Koszty innowacji to w 99% rzeczy, które zbudowałeś, a które nie zadziałały, a nie te, o których myślisz, że powinieneś był je zaplanować z wyprzedzeniem na skalę. Chociaż w retrospektywie często skupiamy się na tych problemach, nie stanowią one 99% kosztów, które faktycznie ponosisz.”
### Pierwsze kroki w nowej erze AI
Podobnie jak w początkowych fazach rozwoju internetu czy ery smartfonów, wczesne aplikacje i przypadki użycia generatywnej AI pokazują jedynie przedsmak potężnej przyszłości, jaką może przynieść AI. Jednak, jak dotąd, nie zrewolucjonizowały one w pełni codziennego życia.
Kapoor porównuje obecny etap rozwoju generatywnej AI do początkowego okresu boomu na gry mobilne. „Nazywam to erą Angry Birds generatywnej AI” – mówi. „To jeszcze nie zmienia mojego życia w całości, nikt nie robi za mnie prania. W tym roku każda firma, z którą pracuję, wdraża coś do produkcji – małe, wewnętrzne projekty, ale są one uruchamiane, ponieważ firmy pracują nad dopracowaniem procesu i zespołów. Przyszły rok nazywam rokiem transformacji, kiedy ludzie zaczną tworzyć aplikacje, które rzeczywiście zmienią trajektorię firm, dla których pracują.”
### Podsumowanie
Generatywna AI to pole pełne możliwości, ale także wyzwań. Kluczowym wnioskiem, który wyłania się z dyskusji ekspertów, jest to, aby firmy skupiły się na małych, przemyślanych krokach, dopasowaniu rozwiązania do potrzeb rynku oraz na rozwiązywaniu realnych problemów. Zamiast rzucać się w wir generatywnej AI z nadzieją na szybkie rezultaty, warto podejść do tematu z rozwagą, koncentrując się na danych, które naprawdę są potrzebne do osiągnięcia konkretnych celów.
Przyszłość generatywnej AI zapowiada się ekscytująco, a nadchodzące lata mogą przynieść aplikacje, które faktycznie wpłyną na transformację wielu firm i branż. Jednak, jak na razie, jesteśmy na etapie pisania podręcznika, który w przyszłości wskaże nam, jak w pełni wykorzystać potencjał tej technologii.
