16 подписчиков

✨ SAP: Как управление ИИ в бизнесе обеспечивает прибыльность

1 мая1 мая

1 мин

По данным SAP, управление ИИ в бизнесе обеспечивает прибыльность, заменяя статистические предположения детерминированным контролем. Например, потребительская модель может ошибаться на десять процентов при подсчете слов в документе. Мано Раптопулос, глобальный президент по успеху клиентов в Европе, Азиатско-Тихоокеанском регионе, на Ближнем Востоке и в Африке в SAP, отмечает, что разрыв между почти идеальным и идеальным результатом является абсолютным. "Расстояние между 90% и 100% точности не является инкрементальным. В нашем мире это экзистенциально важный вопрос," - говорит Раптопулос. С увеличением внедрения больших языковых моделей в производственные среды, Раптопулос подчеркивает, что критерии оценки формально перешли к точности, управлению, масштабируемости и ощутимому бизнес-воздействию. Основная проблема для корпоративных советов заключается в переходе от пассивных инструментов к активным цифровым агентам. Современные системы ИИ теперь способны планировать, рассуждать, взаимо

Мано Раптопулос, глобальный президент по успеху клиентов в Европе, Азиатско-Тихоокеанском регионе, на Ближнем Востоке и в Африке в SAP, отмечает, что разрыв между почти идеальным и идеальным результатом является абсолютным. "Расстояние между 90% и 100% точности не является инкрементальным. В нашем мире это экзистенциально важный вопрос," - говорит Раптопулос.

С увеличением внедрения больших языковых моделей в производственные среды, Раптопулос подчеркивает, что критерии оценки формально перешли к точности, управлению, масштабируемости и ощутимому бизнес-воздействию. Основная проблема для корпоративных советов заключается в переходе от пассивных инструментов к активным цифровым агентам.

Современные системы ИИ теперь способны планировать, рассуждать, взаимодействовать с другими агентами и выполнять рабочие процессы автономно. Раптопулос утверждает, что отсутствие управления такими системами, как и человеческой рабочей силой, подвергает организацию серьезным операционным рискам.

Он предупреждает, что распространение агентов может повторить кризисы теневой ИТ, хотя ставки в данном случае значительно выше. Установление управления жизненным циклом агентов и определение границ автономии являются обязательными требованиями.

Интеграция современных векторных баз данных с устаревшими реляционными архитектурами требует значительных инженерных затрат. Команды должны активно ограничивать цикл вывода агента, чтобы предотвратить искажения, которые могут повлиять на финансовые или цепочки поставок.

Раптопулос подчеркивает, что корпоративные советы должны решить три основные проблемы перед развертыванием агентных моделей: определить, кто несет ответственность за ошибки агента, установить аудиторские следы для решений машин и определить точные пороги для человеческой эскалации.

Геополитическая фрагментация усложняет ответы на эти вопросы. Суверенные облачные инфраструктуры и мандаты локализации данных становятся реальностью в крупных рынках, таких как Нью-Йорк, Франкфурт, Эр-Рияд и Сингапур.

Источник

@aichangelogs • @modelping • @modelping