La promesa de AI a la IA no ha disminuido. De hecho, en los próximos tres años, el 92% de las empresas planean aumentar sus inversiones de IA, los grandes modelos de idiomas (LLM), los chatbots y los equipos de automatización se están construyendo a velocidades en el trabajo.
Sin embargo, a medida que se acelera la adopción, la influencia completa de la IA es limitada, ya que las empresas enfrentan sistemas de TI fragmentados, datos increíbles y desafíos de toma de decisiones con los resultados.
Vicepresidente global de IA y aprendizaje automático en Unicis.
Estos desafíos a menudo no son mayores que los resultados de la implementación débil, ya que se lanza múltiples equipos de IA sin una estructura limpia e integrada. Aunque este mosaico de los modelos de IA puede conducir a la victoria aislada, no llevará a cabo efectos de Derebrais y Dilapidados del Sistema que son igualmente importantes para los empleados y los clientes.
En los próximos años, las empresas necesitarán una forma de combinar y administrar su creciente ecosistema de IA. La orquestación de ai viene aquí ot
El progreso del estancamiento del refutado
Para muchas empresas, la realidad de la IA se está presentando pública, y no siempre se combina con lo que se prometió. En el sector financiero, es probable que la alta precisión de la IA detecte y evite el fraude en tiempo real.
Sin embargo, los sistemas de IA actuales a menudo producen muchos falsos positivos, equipos de fraude abrumadores y clientes de decepción. En la industria minorista, la IA está destinada a suministrar experiencias de compra hiperpersonalizadas y aumentar la satisfacción del cliente.
Sin embargo, muchos motores de IA no comprenden las necesidades de los clientes únicos. En la atención médica, es probable que los diagnósticos de IA causen revolución y detecten enfermedades como el cáncer y las afecciones cardíacas. Sin embargo, muchos equipos de diagnóstico de IA luchan por proporcionar recomendaciones de atención médica consistentes y adecuadas.
Es decir que estas herramientas no pueden vivir por su promesa si se le da tiempo. Sin embargo, el uso de equipos de estas herramientas está actualmente sellado, creando complicaciones innecesarias.
Por ejemplo, los empleados de diferentes categorías pueden interactuar con chatabs separados y popularizar conjuntos de datos separados. Para desafiar aún más a los sujetos, a menudo ocurre sin mantenimiento porque las empresas prueban con diferentes productos que no se ajustan a sus sistemas originales.
Resultados: una experiencia de usuario deshonesta que afecta la calidad del trabajo. Estas herramientas corren el riesgo de riesgo al desplegar a sus empleados y clientes con sus empleados y clientes, sin una forma combinada de administrar y escalar.
Orquestación de IA como nivel de integración
La orquestación de IA propone traer el creciente ecosistema de fuentes e interfaces de datos para ordenar métodos más innovadores. Además, con una mejor coordinación, las empresas pueden reducir la complejidad que eliminan los recursos y proporcionan resultados más continuos en la escala.
En la práctica, la orquestación de IA mejora cómo funciona la IA empresarial en diferentes niveles. Este proceso puede administrar el enrutamiento del modelo, garantiza que el modelo máximo relevante funcione cada consulta.
Quién está haciendo una pregunta, qué quieren lograr y qué datos se aprueban para el acceso a las fuentes de datos pueden generar la conciencia relevante en la ecuación al comprender qué fuente de información.
La orquestación de IA puede permitir experiencias unificadas en todo el negocio, permitir a los empleados comunicarse con el asistente único que se basa en datos público y de propiedad en lugar de despertar el equipo desconectado.
Este tipo de inteligencia es esencial para la escala AI en toda la empresa. Por ejemplo, si un empleado de servicio al cliente pregunta: “¿Cuál es nuestro puntaje de promotor neto?”, Los sistemas actuales pueden devolver respuestas parciales o irrelevantes debido a la falta de contexto.
En lugar de la orquestación de AI, el sistema puede determinar si el usuario está buscando un puntaje de cliente, empleado o socio, si la intención detrás de la pregunta y el conjunto de datos apropiado pueden comprender la ruta. Con este contexto apropiado, los usuarios pueden creer que la salida es confiable y puede funcionar en él de inmediato.
Avance de los obstáculos
Aunque la orquestación de IA proporciona beneficios obvios, también introduce nuevas capas de complicaciones, especialmente cuando los modelos propios, equipos de código abierto y un mosaico de soluciones de terceros juntos.
Este tipo de condensación puede crear desafíos con la consolidación, problemas con la gestión del ciclo de vida, el rendimiento inconsistente en todo el sistema y las preocupaciones de seguridad.
La falta de adoración simplemente combina estos desafíos. Las técnicas de orquestación de hoy hacen que sea difícil escalar a través de la empresa personalizada.
Aumenta los desafíos de la administración, principalmente distribuyendo empresas para garantizar el consentimiento, el monitoreo y la transparencia en todo el entorno de IA.
Para superar estos obstáculos, las empresas deben comenzar creando marcos de orquestación interna con la prioridad de flexibilidad, protección y administración desde el principio.
Deben fundarse sobre la base de su cambio de nombre futuro, asegurando que sea esquelético, elástico y protegido a medida que se desarrolla la orquestación.
Mirando hacia el futuro: en general marcos de edificios personalizados
La orquestación AI todavía está en sus primeras etapas, pero la trayectoria es clara. Las implementaciones de chatbot, como los pilotos experimentales, se han desarrollado en soluciones basadas en plataformas, ya que la orquestación está lista para seguir de la misma manera, transferida de edificios personalizados a marcos más unificados que escalan las industrias.
Para 2028, se espera que el 70% de las agencias que establecen aplicaciones multi-LLM y agentes de IA usen plataformas de integración para optimizar la conexión y el acceso a los datos.
Además, en los próximos meses y años, probablemente tomaremos más empresas para tomar la plataforma de orquestación específica de la industrial y contribuir a los modelos emergentes de código abierto.
Esta evolución ayudará a reducir la complejidad, mejorar el uso intermedio y proporcionar los resultados rápidamente. Las iniciativas que funcionan ahora y sus sistemas en sus estrategias de IA serán la mejor posición para que sus sistemas sean sostenibles, creen la confianza del usuario y aumenten el reclamo regulatorio y de consentimiento.
Hemos presentado el mejor fabricante del sitio web de IA.
Este artículo fue producido como parte del canal de Insight Specialist TechRaderPro, donde somos la mejor y brillante mente brillante en la industria de la tecnología. Las opiniones publicadas aquí están en el autor y no son esenciales para TechroderPro o Future PLC. Si está interesado en contribuir, busque más aquí:
