Після двох років шаленої гонки великих моделей AI гіганти всі разом розвернулися й почали лагодити «дата-базис»

Двигун уже встановили, але дорогу ще не відремонтували
Перший тайм: усі бігають у виставковому павільйоні
Оповідь про AI за минулі два роки була надто уніфікованою: моделі більші, параметрів більше, рейтинги вищі — команди з відкритим і закритим кодом змагаються за першість. Сценарії компаній також були майже однаковими: купити обчислювальні потужності, найняти команду з алгоритмів, розгорнути модель — і за замовчуванням, якщо модель досить сильна для розгортання, то «само собою» підхоплюється
Реальність завдала удару: історія CIO великого державного підприємства — типовий приклад. 17 бізнес-систем, 9 сховищ даних, 3 хмари. Формати даних — різноманітні, як ніколи. Багато паперових звітів не оцифровані. Зрештою навіть найбазовіший застосунок — діагностика несправностей обладнання — не запрацював: модель не може зрозуміти навіть історичні записи з ремонту
Ботлнек не в тому, що модель не підходить, а в тому, що дані не вдається «скормити»
Другий тайм: машина має заїхати в реальні вулиці
Завод має безперервно працювати, лікарня — бути безпечною, уряд — дотримуватися вимог відповідності. Навіть якщо модель сильна, доки дорогу даних не відремонтовано, їй залишається лише крутитися на місці
Дії глобальних виробничих ланцюгів почали збігатися: те саме «голе» велике Моделювання безпосередньо наданими даними підприємства та з повною системою інженерії даних для інтеграції — дає прірвисту різницю в точності. Різниця не в «мозку» моделі, а в тому, чи можливо зібрати правильні інгредієнти
Так з’являється нова архітектура: зверху — модель і можливості, знизу — інженерія даних, аудит прав, стратегії керування (governance). Модель і дані більше не є взаємозалежними «верхом і низом» конвеєра, а партнери, які годують одне одного
Складність у Китаї додається ще одним шаром
У промислових ланцюгах постачання їхня довжина більша, вимоги комплаєнсу суворіші, неконструктурованих даних більше, системи фрагментованіші, а формулювання (метрики/вимоги) різніші. Подолання прірви від загального інтелекту до інтелекту в конкретній галузі — лежить на плечах фундаментальної підтримки: даних по всьому ланцюгу інфраструктури
Це не про те, щоб «встановити мозок» AI, а спочатку — полагодити «нервову систему»
У чому справді дефіцит
Цей розворот і ремонт «дата-базису» за своєю суттю є корекцією сприйняття: масштабована цінність AI не залежить від того, скільки балів модель сьогодні показала, а від того, чи здатні дані безперервно постачатися належної якості, чи можна безперервно й надійно керувати довірою в рамках системи, і чи можна безперервно забезпечувати замкнене коло інженерного впровадження
Китаю не бракує 101-го відкритого великого Моделювання; бракує того, щоб спочатку «відмити» цю каламутну «ковтку даних», а потім «виварити» якісний суп
Поки цю справу не запустити до кінця, AI так і залишиться інструментом із гарячих новин, а не інструментом на робочому столі
DYOR Не є інвестиційною порадою