2024年のビッグデータと関連分野の予測

データ分析

オムニチャネルコマースが拡大するにつれ、広告分析の状況は劇的に変化しようとしています。オンラインとオフラインの消費者間のやり取りにおける従来のサイロが崩壊し、真のオムニチャネル消費者への道が開かれています。消費者の購買行動全体にわたって物理的/デジタル的な壁が崩れつつある一方で、消費者のプライバシーは依然として分析を複雑にしており、このオムニチャネル消費者の成長にはマーケティング測定モデルの再調整が必要になります。従来のデジタルラストクリックアトリビューションは、カスタマージャーニーにおける複数のタッチポイントの影響を認識する、より微妙なアプローチに取って代わられ、消費者の需要の創出と変換における各チャネルの貢献をより正確に反映するようになります。プライバシーの問題はますます顕著になり、データ主導のパーソナライゼーションとユーザーのプライバシーの尊重との間で微妙なバランスを取ることが必要になります。消費者の信頼を維持しながらオムニチャネル分析の可能性を最大限に引き出すには、バランスをとることが重要です。オムニチャネル e コマース時代の広告分析の未来は、データの融合、アトリビューションの再定義、プライバシーとの微妙な調和を特徴とします。これは単なる変革ではありません。広告の芸術と科学のために消費者データを理解、解釈、活用する方法における革命です。

人工知能

AI はローコードに取って代わることはありませんが、成果を向上させるためにそれを補強します。長年にわたり、ローコードにより、シチズン デベロッパーはコーディング経験がなくてもアプリケーションを作成できるようになりました。現在、ChatGPT は、コード作成の生産性を大幅に向上させる可能性をもたらしています。ただし、開発者がいずれにせよ作成するコードを ChatGPT を使用して作成するだけでは、適切な規模で生産性の問題を解決することはできません。再利用とメンテナンスの問題は未解決のままです。開発者は、上流チームからのアップグレードを吸収し、技術スタックのアップグレードを実行し、アプリケーションを最新の UI/UX パターンにアップグレードするための再設計を実装するなど、数か月を費やしました。したがって、AI はローコードに取って代わるものではなく、ローコードと組み合わせて使用​​することで生産性を向上させることになります。来年は、エンタープライズ ソフトウェア ベンダーがコンピューター ビジョンやトレーニング済みモデルの組み合わせを使用してパターンを理解し、ローコード プラットフォーム内でコード生成を開始するようになるでしょう。

所有権は、企業の AI イニシアチブが 2024 年に実際に開始されるかどうかの重要な決定要因になります。企業は、特に社内の生産性にすぐに影響が出ると考えている場合、2023 年に GenAI の導入を開始することに熱心です。しかし、新年には、企業が AI をいじるのは簡単だが、実際にビジネスに影響を与えるにはそれ以上のことが必要であることがわかってくるでしょう。明確な問題や専門チームなしに AI 探索を委託する企業は、失敗に終わり、効果のない結果につながることがよくあります。所有権は、企業の AI イニシアチブが 2024 年以降に実際に開始されるかどうかを決定する重要な要因になります。経営者がデジタルイノベーションに強い関心を持ち、具体的な課題を特定し、実験と行動を行うチームを編成すると、成功の可能性が高まります。所有権は、AI の変革の可能性を誰がうまく活用し、誰が活用しないかを決定する上で重要な要因となります。

エンタープライズ AI からゼロ トラスト AI へ: 2024 年には、企業の AI へのアプローチ方法が、パフォーマンス重視から説明責任重視へと大きく変化するでしょう。 AI が重要な意思決定プロセスにますます統合されるようになるにつれて、組織は AI 出力の正確性と信頼性の確保を優先するようになります。この変化は、データソースの検証と AI による変更の透明性が重要になる「ゼロトラスト AI」の開発につながります。目標は、運用と決定が効果的であるだけでなく、すべての関係者が理解し、検討できる AI システムを作成し、AI の使用に関する信頼と責任の文化を育むことです。

AIは今後も成長を続け、生活のほぼすべての分野で適応が見られるようになるでしょう。間違いなく、さまざまな点で私たちの生活は楽になりますが、この技術の賢さは、トレーニングに使用された言語の賢さに左右されるため、エラー率は増加するでしょう。 AI は必然的に、より多くの人々や仕事を奪うことになりますが、良いニュースとしては、より多くの仕事も生み出すということです。数年後には、多くの IoT デバイスが大量の高カーディナリティ データを生成するようになるでしょう。 AI の可能性はほぼ無限であり、私たちはそれを探求し始めたばかりです。

2023年はAIにとって非常に良い年となり、見出しを独占し、大手アナリスト企業はAIが今後数年間で大きな影響を及ぼすと予測しています。しかし、2024年以降も成功するためには、AIは、テクノロジーが置き換えるのではないかと多くの人が懸念しているまさにそのリソース、つまり人材とデータに頼らざるを得なくなるだろう。小売データは非常に複雑かつ動的であり、消費者の購買行動、出荷の遅延、製品不足、労働需要など、サイロ化された情報は絶えず変化しています。小売の注文および在庫データ管理システムを担当するチームは、企業が AI を最大限に活用するために必要な、クリーンかつ正確でアクセス可能なデータの作成と維持を支援する上で、来年重要な役割を果たすことになります。

組織は、AI の安全で責任ある使用を監督するために最高 AI 責任者を任命します。2024 年には、AI のセキュリティ、コンプライアンス、ガバナンスへの影響に備えるために、組織がリーダーシップ チームに上級管理職を任命するケースが増えます。従業員が ChatGPT のようなツールに触れることで私生活で AI を使用することに慣れてくると、職場での生産性向上のために AI を利用しようとする傾向が強まります。組織は、従業員に AI ツールの使用権限を正式に与えなければ、従業員は同意なしに AI ツールを使用するだろうと認識しています。その結果、多くの組織がリーダーシップ チームにセキュリティ責任者または CISO を置いているのと同様に、組織はこれらのテクノロジーの使用を監督するために最高 AI 責任者 (CAIO) を任命することになります。 CAIO は、偶発的な侵害、知的財産の漏洩、セキュリティの脅威から組織を保護するために、ポリシーの策定、従業員への AI の安全な使用に関する教育と権限付与に重点を置きます。これらの実践は、組織における AI の広範な導入への道を開くでしょう。この傾向が進むにつれて、AI は携帯電話と同じようにコモディティ化されるでしょう。

2024 年は AI とデータの経営幹部リーダーの年になります。2023 年がエンタープライズ AI が突如登場した年であったとすれば、2024 年は企業が AI を競争上の優位性のためにどのように活用し、避けられない将来の規制に準拠するかを理解しようとする統合の年となります。将来を見据えた AI 導入のために、組織は AI のイノベーションとコンプライアンスを監督する役職を経営幹部レベルで確立しようとする傾向が強まっていますが、これは必ずしも最高 AI 責任者という形をとるわけではありません。むしろ、AI によって新世代の最高データ責任者が誕生し、既存のデータリーダーに新しいスキルセットの開発が求められるようになる可能性が高いでしょう。最高データおよび分析責任者の台頭が見られるのと同じように、AI モデルのデータ基盤が新しい法律に準拠し、ビジネスに競争上の優位性をもたらすのに十分な品質であることを保証することに重点を置く、新世代の最高データおよび AI 責任者の登場が間もなく見られるかもしれません。確かに、AI ガバナンス協議会の台頭は、データ担当者が過去何年にもわたって行ってきたのとほぼ同じように、法務、倫理、セキュリティ、プライバシーの各部門と連携して、安全で効率的なエンタープライズ AI を確保する上で機能横断的な役割を果たしています。

AI の醜い側面がさらに明らかになる: 2024 年の大統領選挙は、来年 AI の悪質な能力がさらに明らかになることを示す一例です。選挙に影響を与えるために作られたディープフェイクやその他の AI 生成の偽情報が、驚くべき速さで出現すると予想されます。抜け目のない脅威の担い手によってこれらの画像が悪用された場合、説得力のあるプロパガンダとなり、有権者にとっては現実と綿密に作成された偽情報とを区別するのが困難な、まさに鏡の荒野を作り出すことになるだろう。両候補の選挙運動が本格化するにつれ、この点はますます注目されるようになるだろう。おそらく、ここ数ヶ月増加している AI 生成の虐待画像ほど、テクノロジーの醜い側面を示す良い例はないでしょう。 2024 年にはこの問題の防止にさらに注目が集まり、この問題に対処するためのさまざまな新しいソリューションがリリースされるでしょう。もちろん、ハッカーが組織や従業員を攻撃して機密データを盗み出すという本業の遂行に AI をますます活用するようになると予想されます。脅威アクターがこのテクノロジーを活用してマルウェア コードを改善したり、GenAI を利用してより正当なフィッシング メールを作成したりすることを想像してみてください。そうなると、組織はトレーニングを調整する必要があります。たとえば、かつてはフィッシング行為の兆候であった文法の誤りは、GenAI のおかげで、もはや危険信号ではなくなります。

AI のピーク時の誇大宣伝は消え去るでしょう。しかし、最も革新的で競争力のある企業であっても、AI によるデジタル ディスラプションの真の課題、つまり人材に直面することになります。企業が求めるトップスキルは「適切な判断力」であり、これはソフトスキルから、人間が関与する上で不可欠なスキルへと昇格します。企業は、AI を導入する際の課題はテクノロジーを獲得することではなく、これらのプロジェクトをサポートできるスキルと能力を備えた人材を見つけることであることに気づくでしょう。

AI 規制: 2024 年には AI 規制が始まります。たとえば、大量の GPU コンピューティングを消費する最先端モデルの開発を監視することに関する議論などです。 2024年の大統領選挙を念頭に置き、インターネット上のディープフェイクに対するガードレールも必要だ。こうした取り組みにより、FDA が製薬業界を規制するのと同様に、AI がより安全になると考えています。

2024 年には、AI が誇大宣伝サイクルを超え、IT 効率が急激に向上するでしょう。他の新しいテクノロジーと同様に、AI もまだ誇大宣伝サイクルの途中にあります。人々は AI がどのようなものかをより深く理解し始めており、2024 年には誇大宣伝を超えて、より効果的な使用例へと移行するでしょう。その結果、CIO は AI を AI のために使用しているのではないことを実証する必要が出てきます。 IT プロフェッショナルがワークフローを自動化し、効率性を高めるために AI を採用するのを見ると、CIO はビジネスを改善し、チーム全体の IT ワークフローを最適化できる AI ツールをチームに装備することに重点を置く必要があります。

AI 導入の将来と障壁: AI 導入は加速し、拡大します。モデルの機能は今後も大きく進歩し、モデルの仕組みについての理解も深まり、それ自体が新たな進歩につながるでしょう。コードから DNA、CAD、化学構造、画像分析まで、特定のユースケースに合わせて調整されたモデルがさらに増えるでしょう。また、テキスト ボックスに文章を入力するだけでなく、アプリケーションやワークフローの統合と UX デザインも向上します。モデルを「自然に」使えるようにすることが、GPT-3 を微調整してチャット アプリにパッケージ化し、何百万人ものユーザーが利用できるようにするのと同じように、実際には最も影響力のある開発である可能性があります。金融システムの状況にかかわらず、GenAI テクノロジーを構築する企業への投資と資金調達は来年も減速しないでしょう。しかし、GenAI の開発を遅らせる可能性があるのは、需要に追いつくのに十分なハードウェアがないことです。このような状況では、大規模な新しいアプローチを開発し続けることができるのは、最大規模の企業、またはすでに大量のハードウェアを保有している企業だけです。

表面的な AI ソリューションが露呈する: 自動化を謳いながら実際には AI ステッカーを貼っただけの、過度に複雑な SaaS プラグインや機能は、生産的な作業時間を奪う結果となる。 AI に関してはユーザーが賢くなってきており、最近の調査では、IT プロフェッショナルの大多数 (71%) が AI を使用して独自のワークロードをサポートしていることが示されています。特に新しい AI 時代においては、アプリケーションの合理化とレビューを継続的に行うことが重要です。

AI の収益性をめぐる争いは今後も続くだろうが、それはそれで構わない。大規模な AI アプリケーションを構築する企業はすぐには利益を上げられないため、実際に AI アプリケーションを運用できるのは Google や Microsoft のような資金力のある企業だけである。しかし、これらの企業は2024年も苦戦を続け、規模の経済によってチップや処理の価格が下がるまで長期間にわたって損失を出すことになるだろう。これらの企業が成長するにつれて、オープンソースがどのように適合するかが検討すべき問題となります。これらの大企業にとってのリスクは、自社のモデルに多額の投資をする可能性があることです。そして、実際に勝利するのはオープンソース モデルです。したがって、オープンソース コミュニティが対応できる範囲を超えて、モデルに差別化を生み出す方法を考えることが重要になります。

AI に関する倫理的な枠組みと規制は、組織が利益を追求する際の妨げになるだけでなく、必要不可欠です。 AI は、非対称のサイバー戦場で作戦を拡大できる唯一の方法であるため、避けることはできません。 AI が効率的かつ公正に運用されるためには、倫理的な枠組みと規制ガバナンスが重要になります。すべての新しいソフトウェアやサービスには、AI または ML の要素が含まれます。 AI テクノロジーは急速に進化しているため、AI 倫理に関するベスト プラクティスを確立することは困難ですが、いくつかの公共部門および民間部門の組織が倫理的問題に対処するためのフレームワークと情報ハブを独自に導入しています。こうした動きは、主要経済国や貿易ブロック全体で規制強化を引き起こす可能性が高く、少なくとも現時点では、規制環境が今後しばらくはますます断片化していく可能性がある。確かなのは、AI と ML の現在の「ワイルド ウェスト」時代はすぐに終わりを迎え、組織がこのテクノロジーを活用しようとすると、かなりのコンプライアンス上の負担に直面することになるということです。

取締役会や経営幹部が AI への注力を強化するにつれて、根本的なデータの問題に対処する緊急性がさらに注目されるようになります。2024 年には、より多くの CEO や取締役会が、データが AI の成功の鍵であることにますます気付くでしょう。私は、経営幹部の考え方が劇的に変化しているのを目撃しました。何年もぶりに、CEO たちは、大きな可能性を感じているため、特に AI におけるテクノロジーへの支出を積極的に増やそうとしています。 CEO たちは AI の可能性に興味をそそられるだけでなく、顧客体験の変革からサプライ チェーンの最適化、リスク管理の強化まで、ビジネスのやり方を再定義するという GenAI の約束にも魅力を感じています。 AI の魅力は否定できません。AI は、新しい市場を開拓し、何百万ドルもの費用を節約し、企業を一挙に独自のリーグに押し上げる鍵を握っています。しかし、すべての CIO が理解している厳しい事実は、AI がプラグアンドプレイの驚異ではないということです。私たちの最大の弱点はデータです。データは最も価値があるにもかかわらず、断片化されているため、パフォーマンスが低い資産です。データを統合して管理し、データがクリーンで、接続されていて、信頼できるものであることを保証しなければ、AI への投資は無駄になります。 AI の可能性への道は、データの統合によって開かれます。これは、データを単一の相互運用可能な製品に変換し、デジタル変革を真に促進し、AI の変革力を活用できるようにすることです。

2024 年は AI ツールの適応性と使いやすさの年になります。2023 年は AI ツールを慎重に実験した年でしたが、2024 年には組織は責任ある導入に重点を移します。 AI とそれに伴うリスクについて企業が十分に理解していない点はまだ多くありますが、ビジネスや生活の前進に活用できる機会はまだ数多くあります。 AI 導入競争で遅れをとると、組織にとって大きな課題が生じる可能性があります。ただし、すべての人に当てはまる万能のモデルは存在しません。テクノロジーリーダーは、新しい AI ツールの統合によってどのユースケースがメリットを享受できるか、またどのツールを変更せずにそのままにしておくのが最善かを評価する必要があります。また、GenAI ツールが安全かつ責任ある方法で使用され、組織のガバナンス プロセスによって管理および制御されていることも確認する必要があります。この戦略的アプローチにより、AI の導入が組織独自の目標とニーズに一致することが保証されます。

AI は不況とインフレに対する防御策です。経済の逆風や追い風にかかわらず、経済がどちらの方向に向かおうとも、2024 年も AI への関心は高いままです。イノベーションと競争上の優位性を推進する AI の可能性は必須であり、予算に専用の項目が設けられています。 AI の ROI を測定することは非常に重要であり、実際の使用事例が精査されることになります。たとえば、AI によってデータ分析などの日常的なタスクがいかに安価になり、ビジネス ユーザーがより広く利用できるようになるかを示すことが重要です。同様に、投資家も AI 企業に対してより警戒するようになるだろう。

信頼できない世界における AI の整合性の確保: ディープフェイクや自動コンテンツ生成などの AI テクノロジーの普及に伴い、AI を検証するメカニズムの必要性が高まっています。 Web3 テクノロジーは、透明性と検証性に優れた AI 操作のフレームワークを提供することで、この課題に対するソリューションを提供します。 AI への依存度が高まっている業界にとって、この変化は極めて重要であり、AI の運用が分散化され、不透明になりがちな性質にもかかわらず、AI が信頼できるツールであり続けることを保証します。

2024 年は中小企業が AI に目を向ける年になります。過去 1 年間、多くの大企業が AI の「ゴールド ラッシュ」を活用してきましたが、ほとんどの中小企業はまだ AI を導入していません。 AI は、業務効率と生産性を向上させることができる急速に進化したツールであり、そのメリットは否定できません。 2024 年までに、より多くの中小企業経営者がこれらのツールを自社に直接導入し始めると予想され、彼らが利用するアプリケーションの多くが AI を使用して既存の機能を強化するようになるでしょう。 AI を活用して、請求書の発行、データ入力、スケジュール作成など、従来は時間のかかる多くのタスクを自動化することで、中小企業の経営者は管理業務に費やす時間を減らし、ビジネスの成長と優れた顧客体験の提供に多くの時間を費やすことができます。

従業員の 60% が独自の AI を使用して仕事やタスクを実行します。企業は AI の機会を活用すべく急いでいますが、従業員が使用するコンシューマー AI サービス (BYOAI (Bring Your Own AI) とも呼ばれる) の普及に追いつくほどのスピードでイノベーションを進めていません。企業は今、正式な会社承認の AI リソースを開発しながら、BYO AI を管理および保護するための戦略を確立することに重点を置く必要があります。

アクセス、規模、信頼: 2024 年に AI 企業が直面する上位 3 つの課題は、AI ツールへのアクセス、特定の業界内での拡張性、一般的な AI ツールに対するユーザーの信頼です。 2023年にはすでに信頼の問題が浮上しており、AI法の影響が見られる2024年にはこの問題はさらに深刻化するでしょう。

2023 年は AI コミットメントの年であり、2024 年は AI アクションの年となります。当社が実施してきた取り組みから目に見える成果が現れ始め、それが顧客にどのような影響を与えているかがわかってきます。 AI が人間の知能に取って代わるのではなく、人間の知能と連携する機会を特定し、リソースを投資することを選択する人が、市場を獲得する準備が整った者となるでしょう。

2024年には、建設現場でのデータ収集プロセスの自動化が進むと予想されます。今日、チームには安全性と品質の要件を念頭に置きながら、プロジェクトを期限通りに予算内で完了するという任務が課せられています。コンピューター ビジョンであろうと GenAI であろうと、AI を使用すると、企業はプロジェクトのライフサイクル全体にわたってデータを整理し、標準化できるようになります。設計プロセス中にビルディング インフォメーション モデリング (BIM) や図面を使用する場合でも、材料を購入するためにクレジットカードを入力する場合でも、作業員やプロジェクトを保護するために保険情報を確認する場合でも、建設業界では大量のデータが処理されます。ゼネコンが独自の方法でデータを活用してビジネスを改善するケースが増えていますが、こうしたデータの多くは構造化されておらず、十分に活用されていません。典型的なプロジェクトの時間の約 20% がデータと情報の検索に費やされていると報告されています。 AI はデータ収集を自動化することでこの問題を解決し、個人がより多くの時間とリソースを費やしてデータから洞察を抽出し、リスクを軽減してビジネスを改善できるようにします。

デジタルトランスフォーメーションは AI によって一変します。AI は、質問に迅速かつ適切に回答し、最初の接触で問題を解決し、明確にコミュニケーションし、顧客を満足させることで、エンジニアが成功に貢献できるよう支援します。これにより、AI を中心とした新しいデジタル変革戦略が生まれ、新しい、または再考された顧客サービス エクスペリエンスを設計、実行、測定できるようになります。 Forrester によると、2024S の多くの改善の鍵となるのは、顧客サービス エージェントの能力を強化する舞台裏の GenAI です。

2024 年には、企業は AI 導入についてトップダウンの指示を受けることになります。多くのチーム リーダーが休暇から戻ると、CEO や CFO から AI 導入で達成すべき明確な目標を指示されることになります。運用経費の 20% 削減、CSAT/NRR の 10% 向上、AI ベースの製品とエクスペリエンスによるトップライン収益の 10% 増加などの期待が上位にランクされます。これらの目標を達成するために、一部の経営陣は、過去 10 年間のデジタル変革の成功例を模倣し、AI のリーダーシップ役を任命するでしょう。組織がこの新しいテクノロジーを従来の業務に迅速に統合する方法を模索するにつれて、最高 AI 責任者または同様の役職が一般的になると思われます。 CIO の役割はますます細分化されているため、この新しい役割は多少物議を醸すことになるだろう。 CIO が AI に注力できるだけの自動化を導入できるのか、あるいは最終的にその領域を CEO 部門の新参者に譲り渡すのか、注目される点となるでしょう。

過去数年間、CTO の役割は、適切なソリューションを実現して全体的に最良のビジネス成果を生み出す責任を負う、技術に精通した人々とビジネスに精通した人々の間の架け橋として浮上してきました。これに伴い、CTO はテクノロジーを組織の取締役会や経営陣の ROI にどのように変換するかを検討する必要があるため、コミュニケーションの課題も生じます。 2024 年には、人工知能 (AI) テクノロジーが普及するにつれて、経営幹部レベルの同僚をトレーニングする能力がさらに重要になります。 CTO は、AI 分野における現実的な可能性を確保するためにビジネスの技術面と連携できる必要があるだけでなく、従業員の生産性と製品の両方の観点から、ビジネス レベルでの AI の可能性を伝える必要もあります。

AI はマネージャーと直属の部下の間の溝を埋めます。 2024 年には、管理者がうっかり作り出したギャップを AI が埋めるでしょう。より思慮深い業績評価を作成する場合でも、直属の部下の内部成長機会を特定する場合でも、AI は、マネージャーが経験不足または疲労で対応できないタスクに対して、非常に必要なサポートを提供します。これらの AI 機能は、管理者がより強力な管理者になるのに役立ち、その結果、管理者は直属の部下をより効果的に管理できるようになります。

AI は自らを説明する必要があります。ユーザーは、AI の取り組みについてより透明性の高い理解と、すべてのステップがガバナンスとコンプライアンスの規制に準拠していることを示す方法を要求するでしょう。ホワイトハウスの最近のAIに関する大統領令により、サイバーセキュリティ、消費者データのプライバシー、偏見、差別に関する新しい基準への準拠を証明するよう組織に圧力が強まることになるだろう。

2024年に、AIはブランド名をリニューアルします。 AI の流行語は「AI の冬」、つまり一部の方面での過剰露出によりこの技術への関心が薄れることを予測していますが、現在の注目の多くは AI のマイナス面に集中していることは注目に値します。イーロン・マスク氏は最近、AI が「すべての仕事を終わらせる」と語り、ブレッチリー・パークで最近開催された「AI 安全サミット」でもリスク軽減の要素が示唆された。事実、恐怖は人々の注意を惹きつけるほどに売れるのです。しかし、AI ツールを使いこなせる人が増え、ChatGPT などの認知度がさらに高まるにつれ、来年は、これまで認識していなかった生活に役立つ力として AI がどのように使われるべきか (そして多くの点ですでに使われています) に気づく人が増えるはずです。もちろん、テクノロジーのリスクや限界を無視することなく、それらのリスクを最小限に抑える実用的かつ現実的な方法を見つけることによってこれを実行する必要があります。 AI がより主流かつ流行するにつれて、より多くの消費者向けブランドが、差別化と顧客エンゲージメントの手段として AI をどのように活用しているかをより明確に表現するようになるでしょう。

AI は私たちにデータの整理を強制します。AI の性能は、入力されたデータの品質によって決まります。 AI が私たちの生活のより多くの部分に適用されるにつれて、質の低いデータ ソースと優れたデータ ソースによって情報が提供される領域がますます明らかになるでしょう。来年は、製品リーダー、データ サイエンティスト、チーフ アーキテクトがさらに緊密に連携し、製品をサポートするデータが最新のものであり、サイロ化されておらず、唯一の真実のソースとして機能し、適切にバージョン管理されていることを確認する必要があります。

2024 年大統領選挙における AI の影響: AI は 2024 年の選挙運動のアプローチと討論を形作ると期待されていますが、興味深いことに、テクノロジーのバックグラウンドを持つ候補者でさえ、これまでのところ AI の詳細には触れていません。 AI と機械学習は、世界の仕組み、ビジネスのやり方、データの使用方法を変革しており、大きな関心が寄せられています。グローバル社会として、私たちは、意図しない偏見、誤ったベースラインデータ、倫理的配慮など、AI の潜在的な欠点を認識し、慎重に考慮する必要があります。たとえ議論の中でその話題が取り上げられなかったとしても、AI の課題と機会は次期政権が取り組まなければならない問題となるだろう。

AI は、データ過剰の管理を支援するという要請に応えます。今日のデータ プロフェッショナルは豊富な情報をすぐに利用できますが、必要な実用的な洞察が不足しているケースが多くあります。また、分散ソース間で分類されるデータの量が増加し続けているため (1 日あたり 3 億 2,877 万 TB)、組織はデータ管理の課題に対応するのに苦労しています。データは企業が持つ最も貴重な資産の 1 つですが、効果的に活用、理解、適用できなければ、根本的に役に立ちません。 2024 年が近づくにつれ、データ管理は AI 主導の未来へと急速に進化しています。 AI は、ますます複雑化する今日の分散型およびハイブリッド デジタル環境に対応する IT チームにとっての答えです。これらのテクノロジーは人間よりも多くの情報を処理するため、人間の介入を必要とせずにアプリケーションとサービスが適切に機能することを保証し、リソースが限られた IT チームをサポートします。特に、AI を活用した可観測性と ITSM ソリューションは、タスクの自動化、セキュリティの脅威やパフォーマンスの異常の検出、パフォーマンスの最適化、データ分析に基づくより適切な意思決定を可能にすることで、IT チームのレベルを向上させることができます。しかし、2024 年に向けて私たちが進むべき道には、AI がどのように、どのような方法で私たちを助けることができるかについての慎重な計画と深い理解が必要です。今年、いくつかの主要な IT カンファレンスの展示ホールを歩き回っていたとき、ほぼすべてのベンダーのブースに AI に関する発表が数多く掲載されていることに驚きました。こうした誇張された見出しによって、悪い製品や平凡な製品が優れた製品に変わることはありません。そして、分析を行わずに最新の新技術を急いで実装して AI の導入を開始する組織は、長期的かつ持続可能な成功を収める可能性が最も低くなります。代わりに、AI 戦略を慎重に計画すれば、将来にわたってその恩恵を受けることができます。

企業は、AI が支配する未来に備えるために、データと分析の非技術チームのスキルを向上させるでしょう。AI は多くの知識労働者の役割を変革する大きな可能性を秘めていますが、問題があります。データと分析を理解し、効果的に使用できる従業員が少なすぎるのです。生成モデルは実際にはデータを生成するように設計されています。これまで以上に、ビジネス コンテキストで出力とレイヤーを解釈したり、元のアウトバウンドを調整して適切であることを確認したりできる人材が必要です。

ネットワーク運用のための AIOps: ネットワーク最適化は AI パフォーマンスの向上をサポートできますが、AI もネットワーク パフォーマンスの向上をサポートできます。 AIOps (IT 運用のための AI) はまだ初期段階ですが、すでにその可能性を示し始めています。 AIOps は IT 運用のすべての領域をカバーしますが、現在重要なコンポーネントとして浮上している領域の 1 つがネットワーク運用のための AIOps です。ネットワーク エンジニアは、分散した労働力、多数のデバイス、クラウド インフラストラクチャを組み合わせた、ますます複雑化するネットワーク環境に直面しています。 AIOps は、ビッグデータと機械学習に基づく自動化、予測分析、根本原因分析を通じて、ネットワーク運用管理を簡素化します。 AIOPS を使用すると、貴重な NOC スタッフを今日の AI の能力を超えるより重要なタスクに割り当てできるため、コストを削減しながら顧客のトラブルシューティングと問題解決をスピードアップできます。 2023 年末の調査では、回答者のわずか 4% が組織全体で何らかの AIOPS を統合していた一方で、15% が概念実証として AIOPS を実装し、29% が将来の実装のためのユースケースを特定していたことがわかりました。市場規模は今後4年間で3倍に拡大し、2028年までに650億ドル近くに達すると予想されています。

AI の使用を最適化することで、将来のサプライ チェーンの勝者が決まります。AI と予測分析により、今後 10 年間で製造業と小売業の勝者と敗者が決まります。ビッグデータを活用して在庫を最適化し、需要を予測し、コストを管理し、推奨事項をパーソナライズするリーダーは、分析に精通していない同業者よりも優位に立つでしょう。導入に失敗した企業はコストが急上昇し、効率が急落することになります。

組織が「正しいことをする」ために、より多くの時間とお金を浪費するため、AIに対するバックラッシュは、AIの責任者が「速く、失敗した」メンタリティを導く必要があるため、2024年上半期に重要なテーマになります。 ONSは、これらの慣行のほとんどが今年の終わりまでに根付いていることを期待しています。新しいテクノロジーがより多くの疑念をもたらす新しいモデルはどうでしょうか。

組織は（最終的に）AIの周りの誇大広告を管理します。Genai周辺の耳をつんざくようなノイズがクレッシェンドに到達すると、組織は誇大広告を抑え、この破壊的な技術に対する現実的で責任あるアプローチを培うことを余儀なくされます。 GPU不足に関するAIの危機、大規模な言語モデル（LLM）のトレーニングの気候の影響、プライバシー、倫理、バイアス、および/またはガバナンスに関する懸念であるかどうかにかかわらず、これらの課題はより良くなる前に悪化し、Genaiを適用することはそもそも価値があるかどうかを疑問視します。企業の圧力は組織にAIについて何かをするように促すかもしれませんが、データ駆動型であることは最初に来て、優先事項であり続けなければなりません。結局のところ、データが整理され、共有可能で、相互接続されたことを保証することは、Genaiモデルが信頼できる、信頼性があり、決定論的で、説明可能で、倫理的で、偏見がないかどうかを尋ねるのと同じくらい重要です。 Genai Solutionsを生産に展開する前に、組織は知的財産を保護し、潜在的な責任の問題を計画する必要があります。それは、Genaiが特定の状況で人々を置き換えることができたが、LLMは専門責任保険を持っていないからです。これは、gena​​iを含むビジネスプロセスには、依然として広範な「ループの人間」の関与が必要であり、効率の向上を相殺する可能性があることを意味します。 2024年には、Genai市場の動向に焦点を当てた新しいインターフェイスを追加することにより、ベンダーが製品の提供を加速することを期待しています。ただし、組織は、これらが固定バンドエイドにすぎない可能性があることを認識する必要があります。データ品質などの課題に対処し、正確で信頼できるデータへの均一で意味的に一貫したアクセスを確保するには、明確なデータ戦略と現実的なビジネス駆動型のアプローチが必要です。これがないと、AI/MLモデルは概念の証明を通過するのに苦労し、最終的には誇大広告に耐えられないため、組織は引き続き悪いデータ税を支払います。

AIの認識：誇大広告サイクルと同様に、多くの人々は、計画が不十分であるか、知識や能力が不十分であるため、このステップに飛びつき、貧弱または危険なコードやアプリケーションさえも生成します。 AIに多額の投資をし、失敗した組織は立ち往生する可能性があります。これらの問題のあるAIアプリケーションとプロセスを受け入れる他の組織は、データ侵害、不十分または誤った決定、および書かれていないコードへの依存に苦しむ可能性があります。

より大きなAIの説明可能性を促進する：過去2年間、ビジネスの世界はAIで大きな進歩を目撃しました。ただし、ニューラルネットワークを含む複雑なAIシステムの明確な特徴は、予想通り常に動作するとは限らないことです。実際、AIシステムが目的地に到達することを選択するパスは、人間の専門家が同じ課題にどのようにアプローチするかとは大きく異なる場合があります。 AIシステムがより複雑になるにつれて、これらの選択を研究し、AIの説明ツールを構築することがますます重要になります。組織には、適切な保護手段を開発するためにAIシステムの決定を分析する能力が必要です。さらに、AI Systemsが提供するために提供する出力は、時間の経過とともにさらなる改善を行うために重要です。

AIコンテンツのバランスと動作の禁止 - 可視性とコントロール：パブリッシャーのAI禁止の考慮は、コンテンツを制御したいという欲求に由来します。ただし、このアプローチは、検索エンジンがコンテンツをキュレートするためにAIにますます依存するため、検索結果の可視性が低下する可能性があります。統合と除外：一部のブランドは、AIバンをコンテンツを保護する方法と見なす場合がありますが、AI、特にLLMがコンテンツのマッチングとクエリの理解に関して提供する利点を逃す可能性があります。 AI禁止に対する議論は、LLMSが代替手段を使用してコンテンツにアクセスできることであり、これにより完全な排除が困難になる可能性があります。バランス法：ブランドは、コンテンツを保護することとAIを活用して、検索結果の可視性と関連性を向上させることとのバランスを見つける必要があります。これには、AIのコンテンツを完全に排除することなく、コンテンツとの相互作用を規制する微妙なポリシーの開発が含まれる場合があります。

AIは確かに「乱雑なデータ」をクリーンアップするのに役立ちますが、AIの使用は強力なデータガバナンスに基づいている必要があるため、少し循環しています。したがって、2024年には、AIの力に依存することを望んでいる企業にとって必要な根拠として、データベースストレージと分類にもっと焦点を当てます。

私の意見では、マーケティングコミュニティは、幅広いマーケティングの独白からインタラクティブなAI主導の顧客会話に移行する準備をしています。この変更には、リアルタイムで意味のある相互作用を優先するために、マーケティングテクノロジースタックの再評価が必要です。同時に、パーソナライズは、認識された侵入性から、応答性のある対話を通じて信頼を築くことに移行します。これにより、検索やチャットインターフェイスの代わりに、従来のナビゲーションが段階的に段階的になり、メニューを引き下げられると思います。この進化し続けるこの風景では、企業はAI戦略が本質的にデータ戦略にリンクしていることを認識します。データの品質と関連性がこれらの技術的進歩の最前線にあることを保証するために、新しいインターフェイスとツールを効果的かつ複雑に活用するために、無駄のないデータを強調することが重要になります。

AIの使用を最適化すると、将来のサプライチェーンの勝者が決定されます。AIと予測分析は、今後10年間で製造業と小売業の勝者と敗者を区別します。ビッグデータを使用して在庫を最適化し、需要を予測し、コストを抑え、推奨事項をパーソナライズするリーダーは、分析が不十分な仲間を支配します。採用に失敗した企業は、コストのスパイラルと効率の急激な低下を見るでしょう。

AIは開発者にとって非常に強力なツールであることが証明されていますが、多くの人々はその能力の範囲に懐疑的であり、従来の職場の慣行、仕事、プロセスを混乱させる可能性があることを恐れています。私の意見では、AIは開発者の毎日のワークフローを交換するのではなく、デベロッパーの毎日のワークフローを強化します。ますます多くの開発者が、AIを使用して、パフォーマンスの問題のスキャン、ワークフローのパターンの発見、テストケースの作成などの簡単なタスクを自動化します。実際に開発者を解放し、「AIブースト」ではなく、影響力のある革新的な仕事にもっと時間を費やします。

あらゆる業界のリーダーがテクノロジーを受け入れ始めると、AIはチームを統合します。来年、AIはITアシスタントとしてだけでなく、コラボレーションツールとしても開発ライフサイクルの主な要因となります。開発者とエンジニアリングチームの仕事は主にバックエンドに限定されていますが、AIがエンタープライズの全体的な目標を把握するにつれて、ITリーダーが重要なコンサルタントになると予想しています。組織が自動化、プロトタイピング、テスト、品質保証のためにAIを活用して、新しいプロジェクトの開発にかかる時間を大幅に削減しようとするため、技術者と非技術者の両方がAI戦略を調整する必要があります。これにより、技術者は、非技術者が単に需要を提供するのではなく、ソリューションの構築に参加できるよりも頻繁に革新することができます。

AIへの採用/投資について：AIツールへの投資は、一部の開発者が生産性を向上させるためのレバレッジになる可能性があります。ヒントに関するトレーニングが多いほど、開発者から生産性を高める可能性が高くなります。欠点は、AIが通常​​問題空間を実際に理解しておらず、平均以下のコードを使用する可能性があることです。インターネット上の多くのトレーニングコードは、アプリケーションには適していません。これらのいくつかはどのアプリケーションにも適していないため、開発者をより良くするためにAIを期待することはほとんどありません。 AIはツールまたはレバレッジであり、トレーニングやスキルに代わるものではありません。

AIを促進するためのデジタルキャパシティレース：AIはデータに飢えたテクノロジーであり、帯域幅が移動して処理するための需要は今後数年間で急上昇します。 AIアプリケーションの開発速度は、インフラストラクチャ構造の速度をはるかに上回り、能力不足のリスクをもたらします。ネットワークインフラストラクチャは、接続のニーズを満たし、引き締めを避けるために迅速に進化する必要があります。これには、新しいテクノロジーとインフラストラクチャへの投資と、ネットワークオペレーター、超大型の巨人、その他の利害関係者間のより協力的なアプローチが必要になります。 AIは、前例のない帯域幅の需要を促進する兆ドルの機会であり、5Gやモノのインターネットのような他の誇大広告サイクルとは大きく異なります。ヘルスケア、金融、製造など、データやコンピューティングに大きく依存している業界は、最初にAIの恩恵を受けます。超大型ジャイアンツは、この急増に備えるためにデジタルインフラストラクチャに多額の投資を行います。

企業は、Data FoundationとAI Innovationのギャップを優先します。データ戦略がなければ、AI戦略はありません。企業は、データ戦略の充填ギャップを優先する必要があります。

全体として、AIの完全な値を理解して活用するためのしきい値は低いままですが、市場の圧力がAIの採用を加速し続けているため、これは長続きしません。 Enterprise AIの将来は、すでに使用されている製品とサービスの組み込みAIに焦点を当てます。しかし、AIのイノベーションが発展するにつれて、企業は独自の内部AIデータプラットフォームを構築し、ワークフローの一部を独自のインフラストラクチャに転送することを学びます。最前線にいたい企業にとっては、内部の専門知識を構築するために今投資を開始することが重要です。社内に散らばる単一のAIプロジェクトよりも、AIとデータサイエンスの中心的な「卓越性」を確立することがより有益です。

リアルタイムAI監視：データ駆動型の将来：2024は、リアルタイムでデータの異常を検出および解決できるリアルタイムAI監視システムの増加を目撃します。この変革的テクノロジーは、特に非構造化データの拡大のために、データの信頼性とアクセシビリティを確保します。

ブームの後、多くのAI企業が滅びることになります。これは、データのプライバシー、セキュリティ、セキュリティの精査の強化の直接的な結果です。したがって、2024年は安全で安全なAI企業の年となり、AIの投資とイノベーションの爆発的な成長は統合し、加速します。すべての分野の勝者が出現し始めます。 AIは主流になり、実験的な生産のための支援ツールではなく、重要な戦略的商業資産です。 2024年末までに非常に速いペースで動作し、主要なビジネス上の決定を推進します。エネルギー消費と総所有コストを削減しながらより高いコンピューティングパワーを提供するAIモデルとチップが傾向になります。言い換えれば、ESG（環境、社会、ガバナンス）はまもなく新しいノーススターになります。

AGIは来年に進歩を遂げます。AI将軍は現実になることからはるかに離れていますが、これまで以上に近いです。今日LLMSにあるのは、人間の知能の曖昧なコピーです。それはかなり良いことであり、あなたのビジネスを改善するために驚くべきことをすることができます。しかし、LLMは、過去数年間で大規模な跳躍をしたと信じていますが、私たちの誰もが私たちがどれだけ長くているかを知っていると信じています。

AIはソフトウェア開発プロセスを簡素化します。反復タスク。

非構造化データセットには、成功したAIデータパイプラインへのリンクがありません。組織は、分散している非構造化データセットを使用してAI戦略とAIデータパイプラインを強化しながら、従来のエンタープライズソリューションにはないパフォーマンスとスケーラビリティを実現します。組織にとって最大の課題の1つは、分散された非構造化データセットがAI戦略で役割を果たすことを可能にすることです。重要なことに、データパイプラインは、利用可能なすべてのコンピューティングパワーを使用するように設計されており、DatabricksやSnowflakeなどのクラウドモデルでデータを利用可能にすることができます。 2024年、グローバルに調整されたデータへの高性能ローカル読み取り/書き込みアクセスは、グローバルデータ環境で不可欠で遍在します。

ビッグデータ

デジタルトランスフォーメーションへの投資は、2024年のCIOアジェンダ、特にインフレの上昇の場合に優先事項となります。これにより、リスク管理の向上、コストの削減、顧客体験の向上が可能になります。さらに、今年見られる傾向によると、Genaiも継続的な投資を受けます。また、初期のビジネスニーズと目標を評価する際にも重要です。これは、責任ある使用を優先するガイドラインを確立することへのコミットメントです。最後に、業界として、データサイロを受け入れる必要があると思います。サイロを無視することはできないので、それらをより良く有効にし、必要なレビューデータを抽出できるようにする必要があります。

数量、速度、価値、多様性、精度のビッグデータの固有の特性は毎年同じままであり、毎年進化し続けるテクノロジーは、ドメインの知識を使用してデータを理解し、より多くの洞察を得ることができ、それによりビジネスの変革を加速させます。

ビッグデータの洞察は、もはやデータサイエンティストの特許にすぎません。ビッグデータから意味のあるビジネス洞察を抽出する能力は、主に高度に専門化されたデータサイエンティストの分野でした。しかし、サイバーセキュリティの分野のように、これらの専門家は非常に少なく、ますます多くのチームがこのような限られたリソースを要求しています。翌年、この変化が指数関数的に増加していることがわかります。データマトリックスプラットフォームとデータサイエンスおよびマシン言語（DSML）プラットフォームがゲームを変更し、エンタープライズデータへのアクセスを統合および簡素化しています。これらのプラットフォームのよりフレンドリーなユーザーインターフェイスにより、より多くのチームのより多くのチームがビジネスが直面している脅威やその他の課題を確認し、行動を起こすことができます。 AIの進歩により、悪い俳優が浸透しやすくなっているため、データの民主化はそれほど速くありません。より多くの人々が注意を払い、保護行動をとることができるため、企業は脅威に先んじている本当のチャンスがあります。

チーフデータ責任者（またはデータリーダー）は、最初に変更管理の専門家である必要があり、2024年に成功するためにデータの専門家が続く必要があります。データカルチャーを作成することは、「それを構築する」方法の正反対です。データ駆動型の文化を現実にするために、「データの夢」を組織のすべての領域にもたらす必要があります。

来年には、進化データ湖に対する需要の高まりと、Genaiが組織がビッグデータに簡単にアクセスできるようにする方法を予測しています。ビジネスリーダーは、単なる組織化されたストレージスペース以上のものを探します。 Genaiの大規模な言語モデル（LLM）は、ビッグデータと意思決定の間のギャップを埋めるための新しい機会をもたらします。 LLMSにサポートされているスマートエージェントは、自然言語の質問を理解して対応する創造的な能力を持ち、ユーザーが会話の方法でデータを処理できるようにするため、ビジネスの新しい世界を開きます。このシフトは、組織がよく組織化されたデータリポジトリに向かって駆り立てられ、ユーザーがデータを有用に理解できるようにします。

2024年は、データの移動を停止して使用を開始する年です。20年以上にわたって、データは接続速度よりも速く成長し、指数関数的な問題につながります。指数関数的な問題は、毎日2倍になる砂で満たされた瓶のように、突然圧倒される可能性があります。前日は半分いっぱいでしたが、翌日はいっぱいでした。データ転送速度は、私たちのニーズを満たすのに十分ではありません。これにより、アマゾンのAWS Snowmobileなどのソリューションが促されました。これは、エグゼベンゼンレベルのデータを転送するために設計されたトラックで引っ張られた45フィートの輸送コンテナです。すべてのデータを分析または使用する必要がある場所に転送できないポイントに到達しました。データセンターからデータセンターに移動しました。新しいAIモデルに電力を供給するために、毎日何百万ものデータがエッジ（工場、病院、自動運転車など）で生成されます。ただし、AIエコシステムは主にクラウドに存在しており、この膨大な量のデータをエッジからクラウドに転送することは不可能です。 2024年には、データを移動せずにデータを処理できるツールの上昇を予測しています。これらのツールは、クラウドアプリケーションがローカルデータにアクセスするときにエッジデータにアクセスできるようにするか、ローカルデータにアクセスするときにデータセンターアプリケーションがクラウドデータにアクセスできるようにします。データがどこにでもある時代へようこそ。

クラウドコンピューティング

クラウドおよびオペレーティングシステムに依存しない高可用性は、ほとんどのアプリケーションで期待される要件になります。ITチームは、複雑さを軽減し、費用対効果を高めるためにオペレーティングシステムとクラウド全体で一貫したアプリケーションの高可用性ソリューションを探します。 HAの需要が増加するにつれて、オンプレミスやクラウド環境でアプリケーションを実行している企業、およびWindowsおよびLinux環境でアプリケーションを実行している企業は、すべての環境で一貫したユーザーインターフェイスを提供し、HAベンダーが提供するクラウドおよびオペレーティングシステムのテクニカルサポートとサービスを提供するHAソリューションを使用してアプリケーション環境を簡素化しようとします。

組織は引き続きパブリッククラウドDBAASの代替品を探します。ユーザー、顧客、市場全体から聞いていることは、パブリッククラウドDBAASの代替品を使用したいということです。たとえば、より多くの理由があります。たとえば、よりベンダーに依存しないようにしたい場合、コストを最適化したり、データベース構成の柔軟性を高めたい場合もあります。現在、市場は、変化を起こそうとする人々に限られたオプションを提供しています。オープンソースのプライベートデータベースプラットフォームにより、組織とITチームは、特定のプロバイダーからのDBAAを考慮するのではなく、クラウドベースのデータベースに関連するデータアクセス、構成の柔軟性、コストをより適切に制御できます。 KubernetesとKubernetesのオペレーターの開発により、このアプローチの実装が容易になりますが、このアプローチにはまだ複数のギャップがあり、生産を展開して実行することをより困難にしています。これらのギャップを閉じて、完全にオープンソースのDBAASオプションを提供すると、2024年に結果が得られます。

ビルドはプロンプトから始まり、ホスティングはクラウドから始まります。近い将来、AI搭載言語モデル（LLMS）はサーバーベース（仮想化）コンピューティングを変換し続け、自動化ツールを使用する迅速な展開がこの変更を促進します。それは、あなたがウェブサイトを作成するように導く簡単なプロンプトから始まります。あなたが構築しているウェブサイトの種類をガイドするために、追加の道順を追加します。クラウドホスティングは、オンラインビジネスが拡大するにつれて、大量のトラフィックを拡大し、バランスを積み、保護し、処理できるようにするための緊急の作業です。信頼性、セキュリティ、柔軟性の考慮事項のために、ますます多くのユーザーがマルチクラウドアプローチに切り替えて、単一のプロバイダーによってロックされることを避けることができます。インフラストラクチャの管理、サーバーの構成、またはハードウェアのアップグレードなしでオンデマンドでコードを実行できるサーバーレス機能は、開発者にとって好ましいアーキテクチャになります。展開プロセスを簡素化し、より効率的なリソース割り当てを可能にし、作業と時間を大幅に節約できます。量子コンピューティングの進歩により、たとえ遅い場合でも、従来の暗号化方法が混乱します。クラウドホスティングプロバイダーは、機密データを保護するために量子耐性セキュリティソリューションを提供することにより、適応する必要があります。エネルギー価格の上昇は、より持続可能なアプローチを採用するためにクラウドホスティングを促進します。より多くのサプライヤーが、再生可能エネルギーの使用、廃水の再利用、二酸化炭素排出量の削減、環境に優しいクラウドサービスの促進に取り組むことに取り組んでいます。

データベース/データウェアハウス/データ湖/データ管理

データモデルは、高度に構造化された従来のデータベースからの構造変換を可能にします。 AI機能を統合して競争上の優位性を獲得し、ビジネスのリアルタイムのペースを変更するにつれて、従来のデータ管理アプローチが保留され、新しいデータモデルを置き換える必要があります。

新しいデータウェアハウスが出現します。Snowflake、BigQuery、Redshiftがエンタープライズデータをクラウドにもたらします。 2024年には、これらの単一のデータウェアハウスからワークロードを盗む新しい世代のデータベースが表示されます。これらのリアルタイムデータウェアハウスは、リアルタイムのデータ駆動型アプリケーションをより速く、より効率的に電力を供給し、観察可能性と分析の観点からより効率的に電力を供給することにより、これを行います。

SQLは引き続き存在します：構造化されたクエリ言語またはSQLは数年ごとにあまりにも時代遅れであると宣言されており、2024年には、LLMAIツールを使用してデータベースクエリを生成する提案は多くの注目を集めます。しかし、SQLは1970年代以来まだ広く使用されている唯一のプログラミング言語であり、その理由の1つはデータを照会する機能です。あなたはその構文が気に入らないかもしれません。そのルールはarbitrary意的です。あなたはそのような古代の言語を学ぶことについて不満を持っているかもしれません。しかし、何十年もの間、SQLはデータを操作するための主要なツールとして何度も何度も証明してきました。すぐに時代遅れになることはありません。

これまで以上に、柔軟なグローバルアーキテクチャが必要です

グローバルデータベースの需要は、データレジデンシーのコンプライアンス要件の増加と、グローバルに分散されたユーザーベースに低遅延データを提供する必要性からもたらされます。より多くの国がデータレジデンシー規制を実施するにつれて、グローバルビジネスはデータベースを評価して、柔軟なグローバルアーキテクチャに展開できるようにする必要があります。

一般的なデータ保護規則（GDPR）（2018年5月25日に制定）は、世界で最も厳しいデータ保護ポリシーです。 EU市民の個人データとプライバシーを保護するために、企業に厳しい要件を課しています。企業がGDPRを満たしていない場合、彼らは前の会計年度の最大1,000万ユーロ、つまり世界の総売上高の2％の罰金を科されます。これらの深刻な罰則（さらに、メディアの報道によって引き起こされた評判の損失）により、企業は本社に関係なく世界の規制を満たし、遵守することがますます重要になっています。柔軟なグローバルアーキテクチャを持つことで、企業はこれらの規制との対立を回避できます。グローバルデータベースの必要性は、ますます厳しいコンプライアンス要件の結果である可能性がありますが、柔軟なグローバルアーキテクチャを持つことで、組織のプライバシーと衛生を改善することもできます。柔軟なグローバルアーキテクチャを持つことにより、企業は変化する市場と顧客のニーズに適応し、レイテンシの低いグローバルに分散したユーザーデータベースにデータを配信できます。

データ湖の増加とデータレイクサプライヤーの減少：一部の企業はより少ないデータを収集することを選択するかもしれませんが、規制要件の増加は、ほとんどのチームがより少ないお金でより多くのことをする以外に選択肢がないことを意味します。予測不可能なデータを保存するための費用対効果の高い方法を見つけるよう努めているため、企業はますますデータ湖を再考しています。非構造化データの最終エンドポイントと見なされると、ストレージコストの増加、データ湖とオブジェクトストレージ全体のクエリ機能の進歩、およびそれらに比較的簡単にデータをルーティングする機能により、2024年にデータ湖への移行を加速することを期待しています。大規模なデータストレージを迅速かつ費用対効果に検索する機能により、企業は最終目的地ではなく、データの最初の停留所としてデータ湖の使用を開始します。これにより、データの量が分析プラットフォームとサーマルストレージからデータ湖に転送されます。この成長とは対照的に、市場が理論や展開から現実、使用に成熟するにつれて、クラスの最良のデータサプライヤーは来年の成長と統合が遅くなる可能性があると予想しています。この痛みは、成長が速すぎて経済学の低迷につながったセグメントでさらに鋭くなり、データ湖のサプライヤーは確かにリストに載っています。

英語は、ビジネスアナリストの共通言語としてSQLを置き換えます。言語間テクノロジーの正確性、パフォーマンス、セキュリティの問題をうまく解決した後、言語間テクノロジーが広く採用されると予測できます。さらに、言語にSQLに使用されるLLMは、これらのLLMを使用して機密データを保護するときにデータベースに移動し、データのプライバシーとセキュリティを取り巻く主要な問題の1つに対処します。言語間テクノロジーの成熟度は、より多くの視聴者への扉を開き、データとデータベース管理ツールへのアクセスを民主化し、日々のデータに関連するタスクに自然言語処理をさらに統合します。

オープンフォーマットは、データウェアハウスモデルに最終的な打撃を与えます。多くの人々は、データウェアハウスモデルが倉庫に代わることを期待していますが、実際の破壊者はオープンフォーマットとデータスタックです。彼らは、湖sideと倉庫の建設の両方に影響を与える制限であるサプライヤーの封鎖から会社を解放しました。

データファーストアーキテクチャの手段とデータ管理戦略：私たちは、人々が保存するデータの別の爆発を見ようとしています。 2025年までに、グローバルデータの作成は180 ZBを超えるまで成長すると予想されます。データは、どのように使用するか、または長い間必要とするかを知らなくても、組織にとってますます価値が高まっています。データ爆発は、高可用性とスケーラブルなソリューションの必要性を引き続き促進します。この爆発を活用するには、組織がデータファーストアプローチを達成するために、部門間でデータを民主化する必要があります。そうすれば、すべてが組織のあらゆる側面に本当に利益をもたらすようにします。

2024は、トランザクション分散データベースが主流のアプリケーションに入る年です。最近まで、分散データベースはニッチのユースケースにのみ役立つという見解がありました。ただし、AIとクラウドの採用の成長により、企業は複数のタイムゾーンと場所でオペレーションを拡大することで、ますます多くのアプリケーションには、スケーラビリティ、回復力、高可用性、およびデータの地理的分布が必要になります。業界をリードする企業によって検証されているクラウドネイティブ分散データベースは、これらの組織の多くにとって明らかな選択となります。データレジデンシー法に対する課税とコンプライアンスの必要性は、採用をさらに促進するでしょう。 AWS、Google Cloud、Microsoft Azureなどの主要なプレーヤーが、この傾向を活用するために、来年により多くの分散リレーショナルデータベース機能を発表することを期待しています。

データエンジニアリング

AIテクノロジーは開発者に取って代わりません。AIはソフトウェア開発の最前線に向かっており、ITリーダーはAIを使用して、開発者の不足を市場に出し、緩和します。 AIベースの生成ツールは多くの一般的な開発者タスクを高速化できますが、複雑なタスクはまだ開発者の分野にあります。 AIテクノロジーは、開発者を強化するために使用され、それらを置き換えるのではなく、一部のタスクでは熟練した開発者の専門知識が必要です。

AIに生成されたコードは、デジタル免疫システムの必要性を生み出します。2024年には、より多くの組織が、低品質で規制されていないソフトウェアコードのために大幅なデジタルサービスの中断を経験します。開発者は、Genaiを搭載した自律エージェントを使用してコードを作成するようになります。これにより、顧客とユーザーエクスペリエンスに影響を与える予期しない問題のリスクが高まります。これは、自律エージェントによって生成されたコードを維持するという課題は、組織を離れる開発者によって作成されたコードを保持することに似ているためです。残りのチームメンバーは誰もコードを完全に理解していません。そのため、コードで問題が発生した場合、これらの問題をすばやく修正することはできません。さらに、生成AIを使用して自律エージェントによって作成されたコードの問題を確認および解決しようとする人は、それを効果的に管理するために必要な基本的な知識と理解がまだ欠けているため、再帰的な問題に直面していることに気付くでしょう。これらの課題により、組織は、デフォルトでコードの回復力を確保することにより、ソフトウェアの設計、開発、運用、および分析の実践と技術を組み合わせて、ソフトウェアを内部の影響から保護するデジタル免疫システムを開発するようになります。これを達成するために、組織は、コードまたはアプリケーションで問題が発生する前に、予測AIを使用して問題を自動的に予測し、ユーザーエクスペリエンスを確保するためにインスタントの自動応答をトリガーします。たとえば、開発チームは、自己修復機能を備えたアプリケーションを設計できます。新しいバージョンがエラーを導入するか、コンピューティング電力要件の増加をサポートするために追加のクラウドリソースを自動的に構成する場合、これらの機能はコードベースの最新バージョンバージョンに自動的に戻ることができます。

データガバナンスと規制

企業の40％は、コンプライアンスを達成するためにAIガバナンスに積極的に投資します。随着欧盟即将通过新的欧盟AI法案，美国监管机构匆忙生产AI和GenAI抵押品，以及中国最近出台的genAI监管规定，一些公司将进一步推动AI合规。如果做不到这一点，就意味着错过了合规截止日期，并不得不改造AI治理，这增加了复杂性、成本和时间。为了满足当前和未来的合规要求，企业将投资于获取新技术、填补人才缺口并获得所需的第三方支持。

数据治理将演变为数据智能：在数据治理的早期，数据丢失预防和保护策略占据主导地位。尽管这些工具仍然有助于满足政府的要求，但可能会阻碍对数据的有效利用。当数据被严密锁定时，管理人员无法了解如何使用、移动或访问他们的数据，因此他们无法有效地改进他们的数据存储和实施实践。但我预计变化很快就会到来。是的，数据治理仍将是维护合规性的关键。然而，现在已经出现了进化的数据智能能力，使从业者不仅可以控制数据，还可以理解数据-这些能力在现代商业世界中是必不可少的。挖掘元数据以了解其生命周期将使团队能够更有效地支持其业务需求。这些开明的治理策略将帮助组织实现数据合规性的共同目标，同时发现细粒度的数据洞察。

AI将被拖过一个混乱的监管迷宫。监管将从世界各地如雨点般落在AI身上，创造一个复杂的监管迷宫，企业将难以驾驭。具体地说，在美国国内，AI的监管可能而且很可能会在各州甚至城市的基础上有所不同，类似于目前税法因司法管辖区而异的方式。2024年，当各组织努力解决监管AI框架的拼凑问题时，他们必须问自己：'这里应该启用AI吗?如果应该，如何启用?'

美国不太可能在2024年制定与AI相关的法律：如果历史可以借鉴的话，立法者需要很长时间才能形成关于AI的实用知识，了解他们的选择，并形成足够的共识来制定法律。预测任何复杂政治进程的结果都很困难，尤其是在总统选举即将到来的情况下。然而，鉴于GenAI在2023年占据了公众的想象力，人们有一种紧迫感，这可能是拜登总统关于安全、可靠和可信赖的AI的行政命令(EO)的动力。EO将取代指导低成本管理和AI使用和发展的联邦法律，通过利用国土安全部、国防、能源、商务等行政部门的权力和资源，帮助进一步促进AI的安全和安保。政府通过其广泛的购买力对市场的影响力也将被利用，以推动安全和安保控制的开发和采用。

可信数据将成为世界上最关键的资产：可信数据在AI系统中的关键作用正在成为技术未来的基石。确保来自AI系统的信息和数据是值得信任的，这同样至关重要。在一个越来越接近通用人工智能(AGI)的世界里，知道应该相信什么和相信谁将对我们学习的一切和我们认为知道的一切都至关重要。Forrester强调了这一转变，他预测，注入大型语言模型(LLM)的特定领域的数字同事很快将帮助十分之一的运营任务。当针对特定的业务需求量身定做时，这些LLM承诺获得可观的投资回报。这一趋势导致组织更多地关注寻找、理解和管理高质量、可靠的数据，这对于培训根据特定业务需求定制的AI模型至关重要。其结果是，AI治理将很快变得重要起来。它涉及的不仅仅是管理数据;它还涉及理解信息和模型的整个生命周期。在GenAI和幻觉带来的挑战的时代，将数据类比为新石油现在似乎是不够的。在当今的商业环境中，仅仅收集和分析大型数据集已经不够用了。在2024年及以后，可信数据以及与建立对数据的信任相关的所有工具将成为组织的头号商品。

由于监管障碍，GenAI的采用将放缓，将重点转向企业数据可用性：在2023年成为聚光灯下后，GenAI将在新的一年面临监管逆风，导致企业在进入2024年时更加谨慎。迫在眉睫的法规和日益加剧的安全担忧促使各组织对大规模收养踩下了刹车。虽然试点项目将很多，但许多项目可能达不到预期的结果，降低了企业的热情。随着AI评估的加强，供应商将面临更严格的审查。然而，这种审查可能会为更以数据为中心、用户友好的应用程序环境铺平道路。

数据集成、数据质量

大大小小的企业都会优先考虑清洁数据集：随着公司意识到AI驱动的数据分析的力量，他们会想要加入这一潮流-但如果没有整合的、清洁的数据集，他们不会走得太远，因为AI算法的有效性在很大程度上依赖于数据的质量和清洁度。干净的数据集将成为成功实施AI的基础，使企业能够获得有价值的见解并保持竞争力。

数据网状、数据交换矩阵

随着公司寻求在分布式环境中共享数据，数据交换矩阵和数据网格将继续成为热门话题。实施数据网状体系结构。让每个业务部门设计自己的数据解决方案，然后只将其连接到他们需要的更大规模的组件。

数据可观测性

数据可观察性：数据可观察性成为一种重要趋势，可主动确保数据质量并解决整个数据管道中的异常情况。数据可观察性的5个关键支柱是世系、质量、新鲜度、数量和架构漂移。对云设置中的这些支柱进行主动监控可以显著节省成本，有可能降低30%-40%的成本。其意义在于，高质量的数据对于明智的决策是必不可少的。确保整个环境中的适当可观察性使用户能够访问值得信赖和精心策划的数据资产，以获得有价值的见解。

ディープラーニング

深度假货危险：2024年将带来一系列消费者应该警惕的深度假货危险——特别是在虚拟客服环境中。身份和验证(ID&V)是大多数行业的标准做法，在这些行业中，客户身份和交易权是确立的。然而，如果客户生成一张虚假图像，暗示一家公司的产品被用于犯罪，那么深度伪造有可能克服生物特征验证和认证方法——使身份盗窃变得容易得多。そしてこれはほんの始まりに過ぎません。深度假冒技术还处于初级阶段，只会变得更好、更狡猾。幸运的是，更具预测性的信号可以用来检测可能发生的欺诈，因为被盗的身份可能意味着在某些情况下坏人可以通过ID&V。技术正在不断发展，以解决这些问题，我们无疑将在这一年看到硬币两边的重大技术创新。

ジェンAI

GenAI将转向现代数据管理。从历史上看，数据管理有点像一个黑匣子，需要高度的技术技能来制定战略并高效地管理数据。在LLMS的帮助下，现代数据管理将改变其框架，允许用户以完全受治理和合规的方式参与整个数据堆栈。

2023年，随着ChatGPT的发布，我们见证了人们过高的期望和数十亿美元的资金涌入AI初创公司。2024年，我们将开始看到GenAI法案2.0，公司不仅构建基础模型，而且构建重新想象工作流程的整体产品解决方案。我们将看到市场从“每个人都可以做任何事情”的喧嚣过渡到少数几家赢得GenAI的公司提供真正的价值。

从以基础设施为基础的GenAI将迅速转变为本地GenAI，因为目前，这是不可能的。一般的初创公司没有几千美元可以投给云提供商，事实将证明，自己运营几乎是不可能的，但随着围绕本地GenAI的创新，这种情况正在迅速改变。随着它的本地化，您将拥有一个完整的RAG堆栈，并在您的访问控制下进行控制。这样，您就不必以任何方式公开您的专有数据。当我们从集中式的、基于API的LLM转变为本地LLM时，这将很快发生。能够奏效的方案将会像野火一样被采纳。只需注意其不利之处，因为去中心化的LLM在循环中引入了不良行为者的概念。

大型语言模型将在2024年商品化：今天的公司将展开一场巨大的竞赛，要构建自己独特的大型语言模型(LLM)，比如OpenAI的GPT-4或Meta的骆驼。然而，我预测这些模型将在2024年商品化。这种区别将归结为哪些数据正在被输入LLM，以及它的目的是什么。这类似于有线电视和流媒体领域的情况，一个月的有线电视账单变成了许多完全不同的流媒体订阅。随着许多新公司的成立，每个公司都有自己的差异化模式，我们看到了类似的AI模式的“拆分”。在未来，这些AI模型可能会聚合回一项单一技术，数据是唯一的差异化因素。

在2024年，GenAI将产生的一个重要影响是，让人们能够毫无畏惧或尴尬地讨论他们的财务担忧或困难。对于一些人来说，在寻求有关金融事务的建议时，与聊天机器人交谈比与活人交谈更容易。通过提供一种保密和非评判的方式来获得财务建议和支持，AI将创造一个更具财务包容性的未来，每个人都可以获得他们需要的财务建议和支持，无论他们的背景或情况如何。

随着GenAI变得更加主流，潜在的生产力收益将使这些组织显著受益。我们将看到科技领导者在培训、创新中心的建立和采用新的开发平台方面投入更多资金，以最大限度地发挥科技团队的价值。科技领导者将需要采取双管齐下的方法，在应用AI服务加速成果的同时，为数据实验创造条件。所有这些都将被要求管理创新创造，并缓解与公共AI模型相关的风险。

在ChatGPT引发的AI革命进入一年后，我们是否很快就会被戏剧性的GenAI成功故事包围，或者我们将看到迄今为止最快的崩溃，陷入一项技术的幻灭低谷?两个都是!精通AI的企业已经在增加他们最有价值的员工，偶尔还会将他们自动化，随着清晰、可重复的GenAI用例成熟以及对MLOP和LLMOP的投资取得成果，这一趋势将获得势头。与此同时，大多数POC-被民主化的、外包的GenAI海市蜃楼弄得眼花缭乱——首先陷入了生产级GenAI应用程序的运营现实，导致了广泛的幻想破灭。事实证明，人类关于AI的智慧是GenAI成功的最重要因素，而对于特定的用例和垂直领域来说，专门针对特定用例和垂直市场的“通用预先训练的变形金刚模型”更有价值。

LLMS将帮助GenAI进行更多的推理，减少幻觉：AI正在超越ChatGPT的大型语言模型(LLM)文本世界，以及向大型多模式模型(LMM)过渡的过程，这些系统可以跨不同的媒体类型进行推理。这正在开辟新类型的应用和可能性，例如基于图像的库存或面向小企业的虚拟产品支持助理，并可能有助于未来的AI系统基于更多真实世界的例子，以减轻幻觉的可能性。我们预计在接下来的12个月里会有更多的应用，随着GenAI用声音、视觉和其他感官学习，在不久的将来可能会带来能够区分现实和虚构的AI系统。

分析的商品化：自然语言处理(NLP)有助于增加用户对分析的采用。现在，NLP和大型语言模型(LLM)的正确组合将有助于进一步将分析商品化。LLM在帮助用户在分析软件中执行复杂计算方面一直很有帮助。分析供应商将在不依赖LLM的情况下将这些功能整合到分析软件中，以填补LLMS带来的空白并缓解LLMS带来的隐私问题。

2024年，重点将放在车型转型上，针对特定市场需求的专业化程度将提高。像ChatGPT这样的大型语言模型将演变成新一代，变得更加专门用于特定的用例。在改进的GenAI模型的推动下，广告和新闻等视觉应用的AI内容使用量将大幅上升。此外，目前AI中的种族偏见可能会减少。现在，如果你向AI模特要一张男性的照片，90%的照片都是白人男性。AI模特必须变得更能反映世界，才能继续跟上。

到2025年，ChatGPT将不再是企业的主流技术：与大多数技术先行者一样，随着时间的推移，ChatGPT将变得越来越不重要。像Llama2这样的本地LLM(以及接下来的任何事情)将成为企业AI的引擎。这有很多原因，但数据安全和通过使用特定于行业的内容增强本地LLM来影响结果的能力可能是推动这一变化的两个因素。

新一代AI将发展销售代表的角色：随着B2B公司专注于增加每个销售代表的收入，他们将寻求通过AI为每个销售代表配备一个虚拟助理。为了高效增长，他们需要在销售和推向市场的技术堆栈中严重依赖GenAI能力。根据Forrester Research的数据，通过自动化围绕潜在客户调查和接洽渠道的某些任务，普通销售代表将能够多花50%的时间用于创造性的问题解决和富有成效的行动。

AI冷水澡：根据CCS Insight的最新数据显示，2024年将是GenAI面临一场'冷水澡'的唤醒之年。围绕AI的过度炒作吸引了企业制定充满希望的长期目标，以提高生产率和实现转型。在这些盲目的情况下，许多人忽视了采用和部署新一代AI所涉及的成本、风险和复杂性的负担。而且情况只会变得更糟——现在我们被告知，到2027年，AI可能需要与整个国家一样多的电力。AI的前景是巨大的，但资源是一个问题。并不是每个组织或政府都能负担得起，也不是每个人都有资源将其嵌入其现有的系统和流程。世界仍处于制定AI法规的早期阶段，缺乏设定的边界和安全网可能会将许多行业置于风险之中。在AI方面，我们已经看到了一段时间的碎片化。事实是，AI的发展速度比许多人准备的要快，这项技术需要不同的资源才能运行。为了防止明年陷入冷水澡，组织必须战略性地投资于他们将如何为未来的AI提供动力(投资于光子学和数字双胞胎等东西，以解决资源不平等的根本问题)。利用尖端技术的力量可以帮助建立一个更智能的世界，在这个世界中，人们和社会使用所有类型的可访问、互联和有凝聚力的信息进行优化。

数据中毒：对GenAI的最新威胁：也许没有什么比ChatGPT更能说明机器学习和AI的快速主流。但随着算法成为日常生活的一部分，它们也代表着一个新的攻击面。这种类型的攻击被称为数据中毒，随着坏人获得更大的计算能力和新工具，这种攻击正变得更加猖獗。展望2024年，考虑到新的机器学习和AI工具的普及和普及，公司可以预计会看到数据中毒攻击的增加，其中包括可用性攻击、后门攻击、定向攻击和子群攻击。不幸的现实是，数据中毒很难补救。唯一的解决办法是彻底重新训练这个模型。但这并不简单，也不便宜。随着组织将AI和机器学习用于更广泛的用例，了解和预防此类漏洞至关重要。虽然GenAI有一长串有希望的用例，但只有在我们将对手挡在门外并保护模型的情况下，它的全部潜力才能实现。

GenAI将改变程序员的工作性质和未来程序员的学习方式。编写源代码将变得更容易、更快，但编程与其说是磨代码行，不如说是解决问题。GenAI将允许程序员花更多的时间了解他们需要解决的问题，管理复杂性，并测试结果，从而产生更好的软件：更可靠、更容易使用的软件。

最终将确定在企业中采用LLM的主要价值用例。虽然2023年是关于梦想GenAI的可能性，但2024年将是该企业将其付诸实施的一年。经过一年的猜测，企业最终将具体应用低成本管理来简化他们的工作流程。到今年年底，将有几个命名的基于场景的价值领域为人们所理解，让我们超越“假设”，并揭示清晰的用例。

GenAI将继续面临组织审查：随着2023年GenAI工具的快速增长，组织将在新的一年加强对AI工具对员工和系统影响的审查。一个挑战是围绕AI工具合法性的错误信息和问题的持续存在，包括被曝光的源代码和确定员工收到的结果的合法性的能力。领导者将需要建立方法来验证和验证信息，同时定义明确的参数来确定员工如何在其组织内使用AI工具。

将GenAI从试点转向生产：GenAI正在影响组织的投资决策。虽然早期的GenAI试点显示出了希望，但由于实践经验有限和快速发展，大多数组织仍然对全面生产部署持谨慎态度。2023年，大多数组织都在进行小规模、有针对性的试验，以仔细评估收益和风险。随着GenAI技术的成熟，并通过预先培训的模型、云计算和开源工具变得更加民主化，2024年预算分配将更多地转向GenAI。

GenAI将释放隐藏在非结构化企业数据中的价值和风险：非结构化数据-主要是内部文档存储库-将成为企业IT和数据治理团队的紧迫重点。到目前为止，这些内容存储库几乎没有在操作系统和传统预测模型中使用，因此它们一直不在数据和治理团队的雷达上。基于GenAI的聊天机器人和微调的基础模型将解锁这些数据的一系列新应用，但也将使治理变得至关重要。在没有实施管理数据和GenAI模型的必要流程和平台的情况下，匆忙开发GenAI用例的公司将发现自己的项目陷入了PoC炼狱，甚至更糟。这些新要求将产生管理非结构化数据源的专门工具和技术。

OpenAI戏剧将继续充斥着2024年：山姆·奥特曼被赶下台并重新加入OpenAI创造了充斥着八卦和热门镜头的新闻周期，我怀疑OpenAI故事将继续占据整个明年的头条新闻。潜在的催化剂-独特的非营利性/营利性混合结构、巨大的成本、风险和AI的承诺-没有改变，随着该领域的发展速度，这些力量明年有足够的机会一次又一次达到顶点。

随着“GenAI时代”进入第二个年头，我们将开始在企业中看到AI应用的更多目的和秩序：在OpenAI和谷歌等公司随后推出的创新的推动下，关于如何使用GenAI所能做的事情，“哇”效应连续第二年保持突出，世界各地的组织都将开始弄清楚如何利用AI能力来实现他们的目的，而不仅仅是对“可能的艺术”感到惊讶。各种企业产品中的第一代AI能力，专注于低悬、不复杂的场景，如各类副驾驶，将不再轻易让每一个第一次看到它们的人惊叹和眼花缭乱。其结果将是要求AI支持的能力专注于使用价值，并被利用来解决真正的问题。

更多地采用GenAI将推动对干净数据的需求。GenAI的基础是数据。也就是说，为了发挥预期的作用，数据是这项新技术的基础。然而，这些数据也需要是干净的。无论您从哪里提取数据——无论您使用的是建模还是您选择的仓库——高质量的数据都是必不可少的。糟糕的数据可能会导致糟糕的建议、不准确、偏见等。随着越来越多的组织寻求在其组织中利用GenAI的力量，拥有强大的数据治理战略将变得更加重要。确保您的数据管理员能够访问和控制这些数据也将是关键。

60%的企业员工将接受及时的工程培训。随着AI成为所有员工未来企业工作场所生产力的中心，团队将需要继续投资于数据/AI素养计划，以缩小学习如何设计成功提示的技能差距。不要将这项重要的培训留给L&D-IT需要为员工制定BYOAI指南和企业培训计划，以帮助他们一致而安全地最好地利用GenAI。

更多的组织将加入AI操作系统的潮流：GenAI操作系统将在未来一年得到更多关注和投资。AI操作系统是AI与其他一切事物之间的接口，从利用GenAI工具的工程师和设计师，到由GenAI训练的机器人系统，以模仿人类在物理世界中的行为和行动。由于广泛采用AI的高风险得到了很好的证明，随着更多的公司和公共部门组织大规模采用先进的AI技术，组织将更加强调构建操作系统的重要性，这些操作系统可以充当AI和其他一切之间的中介。

从搜索引擎到智能助手：检索增强生成(RAG)如何在2024年改善大型语言模型响应：随着日历翻到2024年，一个鲜为人知的术语将吸引科技界的注意力。尽管到目前为止还没有得到广泛的认可，但提取增强生成(RAG)作为一种技术人员的变革性框架已经开始引起轰动。RAG通过从外部来源(如外部知识库)捕获信息来增强大型语言模型(LLM)的功能，并通过包括LLM新的数据来提高搜索响应的质量和准确性。可以将RAG看作是根据您的需求个性化LLM，提供相同的LLM智能洞察，但来自您的数据。这就像从常规的互联网搜索升级到拥有一个私人研究助理，他能准确地找到你需要的东西。财务决策者已经看到了GenAI为其组织中的其他利益相关者带来的好处。首席投资官们渴望应用GenAI，以缩小“洞察时间”差距，同时过滤更多信息，以产生更准确的结果。多亏了改进RAG的创新，确保适当访问查询的复杂圈护已经成为现实。在短期内，我相信RAG将继续克服与低成本管理的知识差距，提高准确性，并作为包括投资管理在内的多个行业的知识密集型活动的解决方案。此外，RAG可以限制LLM使用哪些数据来处理，从而确保响应仅来自RAG数据，而不是来自一般的LLM数据。RAG还可以提供数据来源的引用，这样用户就可以对回答有信心。增强安全性，您可以拥有多个RAG数据源并锁定对某些数据源的访问。这样，只有这些数据源的授权用户才能使用LLM来回答有关该敏感数据的问题。展望2024年，高度监管的行业预计将推动GenAI的采用，RAG能够为其利益相关者捕获更好的信息。

私有LLM将腾飞：对数据隐私和安全的担忧将促使组织在2024年投资于根据其特定需求和数据集定制的私有LLM。这些私人LLM将进行微调，以确保更好地遵守监管标准和数据保护要求。这种向以隐私为中心的LLMS的转变将使企业能够更好地控制其AI应用程序，培养用户之间的信任，并为从医疗保健到金融等行业的创新和安全的AI解决方案打开大门。

创造性的AI计划将由业务线而不是IT驱动：高管传统上要求组织采用新工具来支持新的(更好的)业务实践并节省资金，即使用户更愿意坚持他们已经知道的。它支持在实施团队讨论变更管理程序、对可能不情愿的用户进行广泛培训并杜绝任何继续使用旧工具的情况下推出这些工具。然而，确保合规并迅速实现预期的好处并不是一件容易的事情。到2024年，GenAI将是相反的。用户对支持GenAI的解决方案的热情是显而易见的，因为许多人已经以各种形式尝试过这些工具。GenAI的用户友好特性及其自然语言界面，促进了非技术利益相关者的无缝采用。然而，技术团队仍在努力应对固有的挑战，包括幻觉、缺乏可解释性、特定领域的知识限制和成本问题。在一些组织中，在他们的技术团队跟上速度之前，禁止使用GenAI。检测“影子”使用情况，即个人在短暂的安静之后突然变得高度高效，这给实施挑战增加了额外的复杂性。明年，各组织将制定一个流程来评估众多可用选项，并允许企业使用能够应对GenAI在企业环境中的所有挑战的少数工具。

GenAI成熟度如表中所示：GenAI能力的广泛民主化永远重塑了知识工作和全球劳动力市场的动态，已经被大流行和复苏时间表撼动。整个行业的广泛共识是，尽管接受GenAI在今天似乎是可选的，但很快就会面临要么拥抱它，要么灭亡的选择。预计GenAI将增强业务、技术和安全决策，导致对AI治理和道德要求的更多关注。这种努力的一个例子是最近发布的白宫行政命令，呼吁AI供应商在国家安全和公共安全的背景下确保AI平台的信任、安全和保障。随着这一领域的创新重新定义我们与数字生态系统的关系，对AI技能的需求将继续增长。

释放GenAI的潜力将需要卓越的数据：数据是释放GenAI潜力的货币。没有准确、可靠的数据，组织将无法交付关键结果。在接下来的一年里，CIO将需要优先考虑数据质量，以便试验和测试GenAI如何最好地为整个组织提供服务并推动其发展。

AI的下一个阶段是从Gen.AI到AGI：GenAI及其方向有了明显的转变。人们的注意力越来越集中在通用人工智能(AGI)和智能代理的崛起上。对于代理来说，在AlOps和MLOPS世界中有两个部分将是至关重要的。一个纯粹是关于学习控制和基础设施管理，代理确保自动配置管理和漂移保护。学习代理需要了解如何进行改进、执行、提供反馈并确定应该如何修改绩效。这种做法适用于AI基础设施管理，确保由代理构建和测试部署任务。展望近期的议程，工作场所内的趋势，尤其是大公司，将与AI联系在一起，组织将需要控制代理。如果没有适当的基础设施，组织不能让AI变得自主。要使AI的下一阶段从GenAI延伸到AGI，首先需要建立基础设施，而嵌入平台工程将对加快应用程序的交付至关重要。无论学习系统位于何处(混合云或私有云)，组织都需要配置才能正常工作。

定制企业基础模型(FM)的兴起：随着我们进入2024年，围绕开源与封闭源代码的争论只会变得更加激烈。像Meta的Llama这样的开源LLM正在追赶像GPT-4这样的闭源LLM。这两种模式都在性能和隐私方面进行了权衡。企业会希望在两条战线上都能做到。最近的更新，如OpenAI Enterprise，允许企业构建适合其解决方案的定制模型。同样，开源模型允许企业构建考虑隐私的轻量级定制模型。这一趋势将继续下去，我们将看到定制的微型语言模型占据中心舞台。

“我也是”AI供应商沉没，GenAI陷入幻灭的低谷：目前，GenAI正处于其炒作周期的顶峰。明年，当一些组织的AI投资无法提供他们预期的完全转型时，他们的幻想将开始破灭。客户将对那些在AI竞赛中姗姗来迟的供应商变得谨慎，他们增加了几乎没有商业价值或令人信服的功能的AI功能。但是，权衡自己的期望并正确使用GenAI的组织-支持经过验证的用例-可以避免这种幻想破灭，并从AI中看到预期的价值。

2024年将是企业级开源AI采用年。到目前为止，在企业中采用基于生产的有意义的LLM的例子还不多。例如，围绕企业级弹性、安全性、正常运行时间或可预测性构建的产品并不多。在接下来的一年里，一些公司将通过利用开放源码语言模型并使其更适合生产来扭转局面。这将产生更多用于企业级场景的无服务器、开放源码语言模型，允许企业以一种更交钥匙的方式采用这项技术。

多亏了检索增强生成(RAG)，GenAI将变得更加现实：这项技术将允许工程师将干净的业务数据输入LLMS模型，以减少幻觉和基于事实信息的地面输出。这些干净的业务数据将由在组织范围内处理数据提取、清理、标准化和丰富的传统数据管道生成。RAG现在开始出现，并将在明年看到越来越多的人采用，因为企业寻求确保从GenAI获得更准确的结果。

走向AGI-记忆、输入和学习：AGI的追求将集中在三个关键领域：增强LLMS的长期记忆，实现持续输入和内部状态，以及推进强化学习。克劳德2和GPT-4 Turbo中增加的上下文长度以及旨在更好地记忆和持续学习的体系结构等发展就是这种趋势的例证。关于OpenAI的Q*算法的传言也表明在这个方向上取得了重大进展。这些对2024年的预测不仅反映了AI和大数据的快速发展，还突显了行业格局的转变，效率、多模式和更深层次的AI能力将推动创新和竞争。

GenAI可能会扼杀创新：当你拥有第一部iPhone时，你很快就会忘记别人的电话号码。当你开始使用谷歌地图或Waze时，你的导航能力也会发生同样的变化。同样，在接下来的几年里，我们将看到人们失去了创新技能，因为他们变得更加依赖GenAI来帮助生成代码。我们将不得不开始思考如何在2024年保存知识和鼓励创新。

多模式LLM和数据库将使各行业的AI应用程序进入一个新的前沿：2024年最令人兴奋的趋势之一将是多模式LLM的兴起。随着这种情况的出现，对能够存储、管理和允许跨不同数据类型进行高效查询的多模式数据库的需求也在增长。然而，多模式数据集的大小和复杂性对传统数据库构成了挑战，这些数据库通常被设计为存储和查询单一类型的数据，如文本或图像。另一方面，多模式数据库的用途和功能要强大得多。它们代表了LLMS发展的自然进程，包括使用文本、图像、音频和视频等多种形式处理和理解信息的不同方面。将有许多用例和行业直接受益于多模式方法，包括医疗保健、机器人、电子商务、教育、零售和游戏。2024年及以后，多模式数据库将出现显著增长和投资，因此企业可以继续推动AI支持的应用程序。

GenAI将很快从夸大期望的巅峰走向幻想破灭的低谷。说得委婉些，现在有很多关于GenAI的炒作。然而，所有这些炒作都意味着，对于一些组织来说，采用这项技术更多的是为了“与琼斯并驾齐驱”，而不是因为它确实是他们试图解决的特定问题的最佳解决方案。因此，我们很可能会看到大量资金投资于失败的GenAI项目——因此，失败进入了幻想破灭的低谷。这是一个闪亮的新物体，许多CIO和其他高级领导人可能会感到压力，不得不说他们已经有了一个富有创造力的AI项目。限制这些失败项目的关键在于真正确保您的组织理解使用GenAI的具体原因，它与定义的业务结果捆绑在一起，并且有一种衡量投资成功的方法。

创新型AI将导致高管之间的冲突，因为他们正在争夺企业内部对其议程的控制权：近一半的高管报告称，他们的AI投资明年将增加，以加入创新型AI的潮流，而70%的高管已经处于创新型AI探索模式。现在，组织正在加快企业对AI的采用，每个高管都希望成为带领他们的公司踏上AI之旅的人。2024年，随着更多参与者进入聊天以获得控制权，从首席技术官到CIO再到数据分析高管，AI议程将变得更加复杂。首席执行官将需要确定他们在AI方面的机会在哪里，以及他们必须与不同部门进行什么对话，以决定谁应该是带头人。与此同时，CIO们正面临着来自首席执行官的压力，要求他们扩大对GenAI的使用。2024年，随着战斗的继续，我们将看到CIO们继续推进他们的探索性AI实验和项目。

一支由较小的、专业的大型语言模型组成的大军将战胜巨大的通用模型。正如我们在“大数据”时代所看到的——越大越好。模型的“赢家”不是基于它们拥有多少参数，而是基于它们在特定领域任务上的有效性和效率。公司将拥有自己的专注型机型组合，而不是由一两个巨型机型来统领一切，每个机型都针对特定的任务进行了微调，并将规模降至最小，以降低计算成本和提高性能。

GenAI将其重点转向结构化的企业数据：企业将接受使用GenAI从结构化数字数据中提取见解，从而增强GenAI在从图像、视频、文本和音频生成原创内容方面的传统应用。生成式AI将坚持自动化数据分析，简化模式、异常和趋势的快速识别，特别是在传感器和机器数据用例中。这种自动化将支持预测性分析，使企业能够主动响应不断变化的条件、优化运营并改善客户体验。

AI支持的人类质量翻译将使生产率提高10倍或更多：在2023年初，每个人都认为仅靠LLMS就能产生人类质量的翻译。在过去的一年里，我们发现了LLM翻译中的多个差距，从幻觉到英语以外的语言表现不佳。与云存储或服务一样，AI支持的人类质量翻译正日益朝着这样一种成本发展：翻译几乎所有内容的ROI都变得有吸引力，为那些使用它进入全球市场的公司创造了竞争优势。与2024年语言服务行业将萎缩的共同信念相反，随着更多内容的本地化，该行业将会增长，但成本更低。2024年将是翻译成本直线下降的一年。由语言AI和AI支持的语言质量保证支持的翻译人员将其工作效率提高10倍或更多。

虽然2023年人们对似乎潜力无限的AI(AI)的出现大肆炒作，但在医疗保健领域，我们已经开始看到基于大型语言模型(LLM)的说明性解决方案在提供临床建议和见解方面的局限性。2024年，我们预计，在AI方面日益成熟的临床医生将想方设法降低接受基于LLM的解决方案的处方建议的潜在风险，转而选择提供基于证据和可解释的建议的负责任的AI解决方案。随着重点转向负责任的AI，寻求将创新的AI技术纳入其组织的临床工作流的医疗领导者将需要意识到这些工具是如何工作的。依赖许可的LLM的解决方案不能为个别患者的护理提供量身定制的建议，因为这些解决方案基于数百万个数据点，而没有特别强调个人。这些解决方案的“黑箱”性质缺乏个性化的焦点和“可解释性”，这将强调临床医生在他们的决策中拥有最终决定权的必要性。因此，我们预计2024年将出现自然分裂：现有的提供临床建议的解决方案将越来越多地基于特定数据，并为AI生成的见解提供证据。相比之下，旨在支持临床医生编写文档和访问摘要的解决方案严重依赖自然语言生成，将从使用通用LLM中受益。

在AI和低成本管理不断增加人气的同时，潜在的危险也会增加：随着2023年AI和低成本管理的快速崛起，以创新和效率为标志的商业格局已经发生了深刻的变化。但这种快速增长也引发了人们对敏感数据的利用和保护的担忧。不幸的是，初步迹象显示，数据安全问题明年只会加剧。在有效的提示下，LLM擅长从训练数据中提取有价值的见解，但这带来了一系列独特的挑战，需要现代技术解决方案。随着AI和低成本管理的使用在2024年继续增长，至关重要的是在潜在好处与降低风险和确保负责任使用的需要之间取得平衡。如果对AI可以访问的数据没有严格的数据保护，数据泄露的风险就会增加，这可能会导致财务损失、监管罚款和组织声誉严重受损。 组织内部也存在内部威胁的危险风险，可信人员可以利用AI和LLM工具进行未经授权的数据共享，无论是否恶意操作，都可能导致知识产权盗窃、企业间谍活动和组织声誉受损。 在未来一年，组织将通过实施全面的数据治理框架来应对这些挑战，包括数据分类、访问控制、匿名化、频繁的审计和监控、监管合规性、。和持续的员工培训。此外，基于SaaS的数据治理和数据安全解决方案将在保护数据方面发挥关键作用，因为它使组织能够将其融入其现有框架，而不会遇到障碍。

GenAI和大型语言模型(LLM)的炒作将开始消退：毫无疑问，GenAI是一次重大飞跃;然而，许多人严重高估了实际可能发生的事情。尽管生成的文本、图像和声音可能看起来非常真实，看起来就像是经过深思熟虑和对准确性的渴望创造出来的，但它们实际上只是统计上相关的词或图像的集合，它们很好地结合在一起(但在现实中，可能完全不准确)。好消息是，如果最终用户充分考虑到AI的所有好处和限制，那么AI的实际输出可能会非常有用。

因此，2024年将对组织进行现实检查，了解GenAI和LLMS可以为其业务带来的真正限制和好处，评估的结果将重置这些技术的战略和采用。供应商需要让那些对AI创造的任何东西都持适当怀疑态度的最终用户清楚地看到这些好处和限制。必须考虑准确性、可解释性、安全性和总成本等关键要素。在接下来的一年里，GenAI领域将适应企业的一种新范式，在这种范式中，他们只在生产中部署少数几个由GenAI支持的应用程序，以解决特定的用例。

向量城镇的单程票：随着AI从头开始构建新的应用程序，以及随着LLMS集成到现有应用程序中，向量数据库将在技术堆栈中扮演越来越重要的角色，就像过去的应用程序数据库一样。团队将需要可扩展、易于使用和操作简单的矢量数据存储，因为他们寻求创建具有新的LLM支持功能的支持AI的产品。

LLM提供商之间的竞争：大型语言模型(LLM)的格局正在升温。OpenAI凭借其GPT-4 Turbo一直处于领先地位，但其他公司，如Anthropic的Claude，谷歌的Gemini和Meta的Llama紧随其后。OpenAI最近的管理层动荡，尤其是涉及Sam Altman的动荡，为这些竞争对手打开了前进的机会，并有可能在某些领域超越OpenAI。

随着组织机构意识到没有灵丹妙药，GenAI将达到幻灭的低谷。毫无疑问，GenAI的使用将在2024年继续爆炸式增长。然而，许多组织可能会对GenAI的性能感到失望，如果他们对其好处多快就能实现的期望是不切实际的，或者如果他们没有专业知识来有效地实施和使用它。在2024年，我们可以预期看到对GenAI的幻想破灭。这并不是说GenAI是一种失败。这只是意味着，GenAI解决方案需要更多时间才能达到预期结果，才能与炒作相匹配。

人们对矢量数据库的兴趣将会激增，但它不会持久：矢量数据库将成为许多人讨论的热门新领域，但最终将在几年后被关系数据库所吸收。每隔十年左右，就会有一种新的数据库技术被宣布为关系数据库的终结，开发人员跳上了这股潮流，结果却发现关系模型非常灵活，关系数据库供应商可以很容易地将新技术适应到他们的产品中。以PostgreSQL的pgVector为例，说明关系数据库如何处理今天的矢量数据，以及为什么您将能够忽略有关专用矢量数据库的炒作。围绕pgVector和PostgreSQL的社区能够快速支持这一围绕矢量数据的用例-该项目始于2021年，但今年发展迅速，所有人都对GenAI和矢量数据感兴趣。对于那些考虑这一领域并考虑在他们的项目中实现开放源码组件的人来说，pgVector使PostgreSQL成为一个显而易见的选择。

公司正在加快投资，以保护员工的GenAI，以及它们的整体AI投资：对技术的投资正在增加，甚至超过了对办公空间的投资。AI带来的增长潜力可能是当今所有类别中最大的，但也是一些最大的风险。公司将投资于抓住AI优势，同时积极缓解和解决其风险因素。随着GenAI在工作场所发挥作用，雇主们正在投资于指导方针、风险缓解技术和参数，特别是在保护公司信息不受“未知”风险因素影响方面。麦肯锡2023年的一份报告称，报告采用AI的公司中有60%正在使用GenAI。Walkme相信，这一数字将继续增长，沿着类似于云和互联网采用的道路。同一份报告发现，GenAI最大的两个风险是不准确和网络安全。我们预计这些问题将会升级，随着技术状况的改善，企业面对风险的能力将会提高。

越来越多的组织正在尝试GenAI，并在更广泛的范围内增加对机器学习的投资。对于想要促进在云平台上运行ML作业的平台团队来说，有如此多的操作挑战。MLOPS目前是一个热门话题，但仍处于采用的早期阶段——随着越来越多的组织成熟其ML基础设施，我们将看到那里的进步。

LLM过渡到更小的模型以实现更好的可访问性：尽管LLM的通用性令人印象深刻，但它们需要大量的计算和存储来开发、调优和使用，因此可能会使绝大多数组织望而却步。只有资源极其丰富的公司才有办法获取这些资源。由于需要有一条使它们在经济上更可行的前进道路，我们应该期待看到分散使用它们并使其民主化的解决方案。我们应该期待更多、更专注、更小、功耗更低的机型更容易为更广泛的用户所用。这些聚焦的模型也应该不太容易受到LLM经常遭受的幻觉影响的影响。

数据所有权的讨论将会升温：随着大型语言模型(LLM)变得更加强大和复杂，关于数据所有权的辩论将会越来越激烈。与我们看到的开源代码类似，关于大公司如何使用他们不拥有的数据来训练他们的模型的讨论正在进行中，这可能导致权力集中在少数几家大公司手中。为了解决这个问题，我们将看到新的数据许可框架。这些框架应确保数据所有者因使用其数据而得到公平补偿，并确保用户能够以负责任和合乎道德的方式访问和使用数据。

投资AI聊天机器人，还是不投资：我们知道，Z世代通常会寻找数字交流形式，而不是必须通过电话与某人交谈，这在客户服务请求方面尤其如此。需要注意的是，这一群体希望他们的媒体和技术以一种支持连接、参与和实用的共生关系工作;他们在看到时知道良好的客户体验，并会避免任何提供低于平均水平的体验的东西。组织正在投资于GenAI功能，以吸引人们更长时间地使用他们的应用程序，并在Z世代用户中推动更多的活动。这是正确的举措，如果操作得当，可能会产生巨大的影响。组织不会仅仅通过创造更好的聊天机器人来获得成功，因为Z世代渴望真实的联系和实用，这是很难复制的。如果聊天机器人能够为用户提供新的体验、推荐和其他有用的服务，那么它可能会增加特定应用程序或品牌网站的活跃度。话虽如此，用户可能会对genAI机器人持怀疑和谨慎态度，组织将需要展示渐进式的胜利，以加强聊天机器人的安全性和价值。

虽然2023年是GenAI的突破之年，但由于数据障碍，供应链行业的采用一直滞后-只有3%的组织报告使用GenAI进行供应链管理。手工、基于纸面的流程仍然主导着全球贸易，因此许多供应链公司难以统一来自不同来源的海量非结构化数据。然而，解决了这一数据问题的公司将使2024年成为GenAI供应链突破的一年。随着多产AI模型被培训为供应链专家，全球供应链将变得更加自主、自我修复和自我优化。例如，生成式AI可以告诉发货人异常(其发货因极端天气而延迟)，如何处理(重新路由到更可靠的位置)，最终甚至执行解决方案。通过告诉公司需要将精力集中在哪里，这些AI创新将使全球品牌能够提供更好的客户体验，并以最低的成本和对环境的影响发展业务。

GenAI主导了今年的讨论，这是有充分理由的-它将在2024年显著成熟并扩大规模。GenAI有大量的应用程序，目前正处于实验阶段，并准备发展。真正的价值在于它能够帮助人们理解各种内部用例中的非结构化信息——解析大量的文档，生成更简洁、更具信息性的摘要，并促进与这些文档的问答交互，从而确保跨多个领域的一致性。最重要的是，LLM界面和基于文本的界面将成为几乎所有软件产品不可或缺的组件。这些界面将用于一切，从控制应用程序到为用户关于应用程序本身的询问提供答案。我们开始在拥有面向消费者元素的企业网站上看到这一点。此外，在接下来的一年里，我们预计将看到向更小、更专业的LLM转变，从而减少他们培训所需的数据量。这一转变与更广泛地推动开放源码解决方案相一致，特别是可以证明信息源谱系的模型。

GenAI和AI编码助手将从一些人所说的代码接受率为25%-30%的初级开发人员级别，通过嵌入的上下文状态转变为CTO状态。添加更多上下文的能力，包括运行时上下文，将指数级增加价值，并大幅提高AI生成代码的接受率(70%或更高)。目前，深度调试、多文件更改、使用大文件作为输入等活动超出了大多数编码助手的范围。

GenAI将转型：2024年，GenAI将驱动各个领域的转型，使其更具紧迫性和变革性。在定制的GenAI代理的帮助下，阅读、组织和清理非结构化数据等任务可以“AI优先”完成，从而减少了大量的手动工作。GenAI可以从任何地方访问数据，但治理、数据管道和流程仍将是管理质量、支持结果、评估价值、确定权利和实现合规性所必需的。GenAI与云相结合，可以加快与数据相关的转型计划。此外，GenAI可以使组织超越竞争对手，加速转型，处理财务、税务、法律、IT、合规和其他部门的复杂任务和流程。利用GenAI作为转型的催化剂可能会在竞争对手之间造成分歧，而未能利用GenAI的组织可能难以与那些利用GenAI的组织竞争。

我们如何将GenAI用于我们的业务?我们是构建还是购买自己的AI解决方案?我们如何提高员工的技能，以跟上AI的步伐?这些问题围绕着所有行业——不仅仅是科技行业——并指向一个共同的主题：2024年是产生型AI将显著影响工作未来的一年。新技术的引入往往伴随着来自企业领导人的巨大压力，要求他们迅速部署这些新解决方案。在2024年，我们将看到组织意识到他们不能再等待和观望。他们需要找到在AI上全力以赴的方法。在接下来的6-12个月里，我们将看到一场重大变革，更多的组织将投资于AI战略，并找到使用该技术重新想象其工作流程并提高效率的方法。

2023年，公司正在探索AI的基础知识，但我们预计2024年对定制AI模型的需求将激增。尽管像GPT-4这样的LLM知识渊博，但将它们应用于新的领域会带来挑战。为了解决这一知识鸿沟，我们预计会出现“知识注入”，即LLM与领域特定的数据集成，以获得更专门的、上下文感知的AI解决方案。例如，将通用LLM与患者记录合并可以增强医疗保健部门的整体患者-提供者体验。在商业上，将AI与客户互动联系起来，可以提供模式销售领域的专业知识，并使收入团队受益。随着我们接近2024年，像知识注入这样的趋势为企业提供了利用具有特定数据库的LLM来促进创新和增长的机会。