
در سال 2023، پس از راه اندازی ChatGPT، چشم انداز هوش مصنوعی (AI) در شرکت ها دستخوش تغییر قابل توجهی شد که با افزایش آزمایش با فناوری های GenAI مشخص شد. سازمانها در سراسر صنایع، بسیاری از Proof of Concepts (POCs) را با هدف آزمایش امکانسنجی، کاربرد و پتانسیل ادغام GenAI در عملیات خود آغاز کردند. این POCها به عنوان آزمایشگاههایی برای نوآوری عمل میکردند و به کسبوکارها اجازه میدادند تا فناوریهای مختلف هوش مصنوعی را بررسی کنند و از موارد برای تعیین قابلیت حیات خود در زمینههای خاص خود استفاده کنند.
📷
هنگامی که گرد و غبار در سال 2023 فروکش کرد، برخی از پذیرندگان اولیه از ابتکارات GenAI خود با افزایش قابل توجه و بازده سرمایه گذاری (ROI) قابل توجهی مواجه شدند. داستان های موفقیت به عنوان چراغ های پیشرفت عمل کردند و مزایای ملموس و پتانسیل تحول آفرین فناوری های GenAI را نشان دادند. اکنون زمینه برای موج گستردهتری از پذیرش فراهم شده است، زیرا شرکتها به دنبال سرمایهگذاری بر روی شتاب و مقیاسبندی ابتکارات GenAI خود برای دستیابی به تأثیر و ادغام گستردهتر در عملیات خود هستند. سال 2024 به عنوان سال تولید GenAI در نظر گرفته شده است.
حرکت از سال 2023 به 2024 مستلزم آن است که شرکتها استراتژیها، فرآیندها و چارچوبهای حاکمیتی خود را برای همسویی با خواستههای استقرار GenAI در سراسر سازمان تنظیم مجدد کنند. این تغییر مستلزم درک عمیقتر مفاهیم فنی، عملیاتی و فرهنگی مقیاسپذیری طرحهای GenAI، و همچنین تمرکز بیشتر بر روی پرداختن به محدودیتها و چالشهای کلیدی است که ممکن است مانع پیشرفت شوند. از تضمین مقیاسپذیری و مدیریت دادهها تا مقابله با کمبود استعداد و شکافهای مهارتی، سازمانها باید برای غلبه بر موانع در مسیر تولید GenAI، یک ذهنیت فعال و سازگار اتخاذ کنند. همانطور که شرکت ها در چشم انداز هوش مصنوعی مولد (GenAI) حرکت می کنند، ایجاد یک منشور قوی برای بهینه سازی ملاحظات کلیدی که باعث موفقیت در این حوزه می شود ضروری است.
نمودار زیر اصول کلیدی طراحی را از منظر فنی نشان می دهد که باید در پلتفرم و چارچوب GenAI که شرکت ها برای دستیابی به اهداف سرعت، مقیاس، بهینه بودن هزینه و حاکمیت درست می سازند، وارد شوند. ما به بررسی عمیق این ملاحظات فنی برای ایجاد یک پلتفرم LLMOps مقیاس پذیر در وبلاگی جداگانه خواهیم پرداخت.
همانطور که شرکتها سفر ادغام هوش مصنوعی مولد را در عملیات خود آغاز میکنند، حاکمیت به عنوان یک عامل حیاتی برای تضمین موفقیت بدون به خطر انداختن چابکی ظاهر میشود. در حالی که چارچوبهای حاکمیتی برای حفظ انطباق، امنیت و همسویی با اهداف سازمانی ضروری هستند، اما نباید مانع از سرعت نوآوری و اجرای پروژههای هوش مصنوعی شوند.
دو رویکرد ساختاری رایج در شرکت ها در رابطه با حاکمیت در عرضه هوش مصنوعی پدیدار شده است.
با این حال، ما از یک رویکرد متعادل حمایت می کنیم که حکمرانی متمرکز را با اجرای فدرال ترکیب می کند. این مدل امکان ایجاد اصول و چارچوبهای حاکمیتی فراگیر را توسط تیم پلتفرم مرکزی فراهم میکند، در حالی که به تیمهای فردی استقلال میدهد تا پروژههای هوش مصنوعی خود را بر اساس الزامات و اهداف منحصر به فرد خود اجرا کنند. دستیابی به این تعادل ظریف نیازمند یک پلت فرم قوی است که در کنترل جنبه های مختلف حکمرانی، از جمله کنترل های دسترسی، مکانیسم های ردیابی هزینه، نرده های محافظ مقیاس پذیر و چارچوب های ارزیابی، انعطاف پذیری را ارائه می دهد.
در اصل، ساختار بهینه برای گسترش GenAI در شرکت ها مستلزم حاکمیت متمرکز برای اطمینان از ثبات، انطباق و همسویی با اهداف سازمانی، همراه با اجرای فدرال برای تقویت نوآوری، چابکی و پاسخگویی در سطح مردمی است. این رویکرد مستلزم سرمایه گذاری در یک پلتفرم همه کاره است که قادر به تسهیل همکاری یکپارچه، اجرای استانداردهای حاکمیتی و تطبیق طرح های متنوع GenAI در سراسر سازمان باشد.
TrueFoundry یک PaaS خود میزبان برای شرکتها است تا برنامههای کاربردی LLM ایمن را به شیوهای سریعتر، مقیاسپذیر و مقرونبهصرفه با کنترلهای حاکمیتی درست بسازند، مستقر کنند و ارسال کنند. ما مهندسی مورد نیاز را خلاصه میکنیم و شتابدهندههای GenAI را ارائه میکنیم – LLM PlayGround، LLM Gateway، LLM Deploy، LLM Finetune، RAG Playground و Application Templates که میتوانند سازمان را قادر به سرعت بخشیدن به طرحبندی چارچوب کلی GenAI/LLMOps خود کنند. شرکتها میتوانند این شتابدهندهها را با سیستمهای داخلی خود وصل کنند و اجرا کنند و همچنین بر روی شتابدهندههای ما بسازند تا پلتفرم LLMOps را به انتخاب خود برای توسعهدهندگان GenAI فعال کنند.