2024 年のビッグデータ業界予測 (パート 3)

ディープラーニング

ディープフェイクの危険性: 2024 年には、特に仮想顧客サービス環境において、消費者が警戒すべきさまざまなディープフェイクの危険性が見られるようになるでしょう。識別と検証 (ID&V) は、顧客の ID と取引権が確立されるほとんどの業界で標準的な方法です。しかし、顧客が企業の製品が犯罪に使用されたことを示唆する偽の画像を生成した場合、ディープフェイクは生体認証や認証方法を回避し、個人情報の盗難を容易にする可能性があります。そしてこれはほんの始まりに過ぎません。ディープフェイク技術はまだ初期段階にあり、今後さらに進化し、より巧妙なものになるでしょう。幸いなことに、個人情報の盗難は悪意のある人物が個人情報や情報にアクセスして詐欺を働くことを意味するため、潜在的な詐欺を検出するための予測信号がさらに多くあります。これらの問題に対処するためにテクノロジーは絶えず進化しており、今年も大きな技術革新が見られることは間違いありません。 –ブレット・ワイグル、ジェネシス副社長兼ゼネラルマネージャー

生成AI

生成 AI は最新のデータ管理へと移行します。歴史的に、データ管理はブラックボックスのようなもので、戦略を策定し、データを効果的に管理するには高度な技術的スキルが必要でした。 LLM の助けにより、最新のデータ管理のフレームワークが変更され、ユーザーは完全に制御され、準拠した方法でデータ スタック全体を操作できるようになります。 –RightData CEO、Vasu Sattenapalli 氏

AI は「生産性の停滞期」に達する: 2023 年に ChatGPT がリリースされ、期待が膨らみ、AI スタートアップに数十億ドルが注ぎ込まれるのを目撃しました。 2024 年までに、Generative AI 2.0 の例がさらに増え始め、企業はベースモデルだけでなく、ワークフローを再考する総合的な製品ソリューションを構築するようになります。市場は、「誰でも何でもできる」という声から、GenAI を活用して真の価値を提供する少数の企業へと移行していくでしょう。 –クレスタの共同創設者兼CTO、ティム・シー

現時点では不可能であるため、インフラストラクチャベースの NGI からローカル NGI への急速な移行が起こります。平均的なスタートアップ企業はクラウド プロバイダーに何千ドルも投じる余裕はなく、独自に運用するのはほぼ不可能であることが証明されていますが、ローカルで生成される AI に関するイノベーションにより、状況は急速に変化しています。ローカル化することで、アクセス制御によって制御される完全な RAG スタックが実現します。この方法では、独自のデータは一切公開されません。これは、集中型の API ベースの LLM からローカル LLM に移行するとすぐに実現します。有効であることが証明されたソリューションはすぐに採用されます。分散型 LLM ではループ内に悪意のある行為者の概念が導入されるため、その欠点に注意することが重要です。 –パトリック・マクファディン、DataStax副社長

大規模言語モデルは 2024 年にコモディティ化される: 今日の企業は、OpenAI の GPT-4 や Meta の LLaMA など、独自の大規模言語モデル (LLM) を構築するために激しい競争を繰り広げています。しかし、これらのモデルは2024年までに市販されるだろうと私は予測しています。違いは、LLM に入力されるデータとその目的によって異なります。これは、ケーブルテレビやストリーミング業界で起こっていることと似ており、毎月のケーブルテレビ料金がさまざまなストリーミングサブスクリプションに変わります。 AI モデルの同様の「アンバンドリング」が起こっており、それぞれが独自の差別化されたモデルを持つ多くの新しいビジネスが形成されています。将来的には、これらの AI モデルは単一のテクノロジーに統合され、データが唯一の差別化要因になる可能性があります。 –プレリュード・セキュリティの共同創設者兼CEO、スペンサー・トンプソン

2024 年までに、生成 AI がもたらす重要な影響の 1 つは、人々が恐れや恥ずかしさを感じることなく、経済的な懸念や困難について話し合えるようになることです。金融問題に関するアドバイスを求めるとき、実際の人間よりもチャットボットと話す方が簡単だと感じる人もいます。 AI は、機密性を保ちつつ非批判的な方法で金融アドバイスやサポートにアクセスできるようにすることで、背景や状況に関係なく、誰もが必要な金融アドバイスやサポートを受けられる、より金融包摂的な未来を創造します。 –デビッド・ドーハン、SavvyMoney COO

生成 AI がより主流になるにつれ、潜在的な生産性向上がこれらの組織に大きな利益をもたらすでしょう。テクノロジーリーダーは、テクノロジーチームが提供する価値を最大化するために、トレーニング、イノベーション センターの設立、新しい開発プラットフォームの導入にさらに投資するようになると思われます。テクノロジーリーダーは、データ実験のための創造的な遊び場を提供すると同時に、AI サービスを適用して成果を加速するという 2 つのアプローチを取る必要があります。これらすべてには、イノベーションを管理し、パブリック AI モデルに関連するリスクを軽減することが必要になります。 –OutSystems 副社長、ミゲル・ロペス氏

ChatGPT が巻き起こした AI 革命から 1 年が経ちましたが、私たちは GenAI の劇的な成功物語に囲まれる日が来るのでしょうか。それとも、これまでで最も急速にテクノロジーに対する幻滅の谷に落ち込む日が来るのでしょうか。その両方です。AI に精通した企業はすでに、最も価値のある従業員の能力を強化し、場合によっては自動化しています。明確で繰り返し可能な GenAI ユースケースが成熟し、MLOps と LLMOps への投資が実を結ぶにつれて、この傾向は勢いを増すでしょう。同時に、民主化されアウトソーシングされた GenAI の幻想に惑わされたほとんどの PoC は、実稼働レベルの GenAI アプリケーションを運用するという現実に真っ向から取り組み、広範囲にわたる幻滅を招きました。 AI に関する人間の知性が GenAI の成功にとって最も重要な要素である一方、「汎用的な事前トレーニング済み Transformer モデル」は特定のユースケースや業種に特化した場合にさらに価値が増すことが判明しました。 – Domino Data Lab、AI戦略責任者、ケル・カールソン博士

LLM は生成 AI の推論能力を高め、幻覚を減らすのに役立ちます。AI は ChatGPT のような大規模言語モデル (LLM) によってテキストの世界を超え、さまざまなメディア タイプにわたって推論できるシステムである大規模マルチモーダル モデル (LMM) の領域へと向かっています。これにより、画像ベースの在庫管理や中小企業向けの仮想製品サポートアシスタントなど、新しいタイプのアプリケーションや可能性が開かれ、将来の AI システムをより現実的な例に基づいて構築し、幻覚の可能性を軽減できるようになります。今後 12 か月間でさらに多くのアプリケーションが登場すると予想されます。生成 AI が音や視覚などの感覚を通じて学習するにつれて、近い将来には現実とフィクションを区別できる AI システムが登場するかもしれません。 –Intuitの上級副社長兼最高データ責任者、アショク・スリヴァスタヴァ氏

分析のコモディティ化: 自然言語処理 (NLP) は、ユーザーによる分析の採用を増やす上で重要な役割を果たしてきました。現在、NLP と大規模言語モデル (LLM) を適切に組み合わせることで、分析のさらなるコモディティ化が促進されます。 LLM は、ユーザーが分析ソフトウェアで複雑な計算を実行するのに役立ちます。分析ベンダーは、ギャップを埋め、LLM がもたらすプライバシーの懸念を軽減するために、LLM に依存せずにこれらの機能を分析ソフトウェアに組み込みます。 –Rakesh Jayaprakash、ManageEngine オペレーション マネージャー

2024 年には、変革モデルと特定の市場ニーズへの特化の強化に重点が置かれることになります。 ChatGPT のような大規模な言語モデルは新しい世代に進化し、特定のユースケースに特化していきます。改良された生成 AI モデルによって生成されるため、広告やニュース記事などの視覚的なアプリケーションにおける AI コンテンツの使用は大幅に増加するでしょう。さらに、AI 分野における現在の人種的偏見も軽減される可能性があります。現在、AI モデルで男性の写真を検索すると、表示される写真の 90% が白人の写真です。 AI モデルは、今後も進化し続けるために、世界をより反映したものにならなければなりません。 –スティーブ・ハリス、マインドテック CEO

2025 年までに、ChatGPT は企業にとって主流のテクノロジーではなくなります。ほとんどのテクノロジーの先駆者と同様に、ChatGPT も時間の経過とともに重要性が低下していきます。 Llama2 のようなローカル LLM は、エンタープライズ AI のエンジンになります。これには多くの理由がありますが、データのセキュリティと、業界固有のコンテンツで地域の LLM を拡張することで結果に影響を与える能力が、この変化を推進する 2 つの要因であると考えられます。 –ジェフ・キャトリン、InMoment副社長

次世代の AI は営業担当者の役割を変革します。B2B 企業は営業担当者 1 人あたりの収益の増加に注力しており、各営業担当者に AI を通じて仮想アシスタントを装備することを目指しています。効率的に成長するには、販売および市場開拓テクノロジー スタックにおいて GenAI 機能に大きく依存する必要があります。 Forrester Research によると、見込み客の調査、アカウントの調査、エンゲージメント ファネルに関する特定のタスクを自動化することで、営業担当者は創造的な問題解決と生産的なアクションに平均 50% 多くの時間を費やすことができます。 –ヘンリー・シュック、ZoomInfo CEO

AI 冷水シャワー: CCS Insight の新しいデータによると、2024 年は生成 AI が「冷水シャワー」の警鐘に直面する年になるでしょう。企業は AI をめぐる誇大宣伝に引き込まれ、生産性と変革に対する希望に満ちた長期目標を設定しています。こうした盲点があるため、多くの人は Gen AI の採用と展開に伴うコスト、リスク、複雑さの負担を見落としています。そして、状況は悪化するばかりです。2027年までに、AI には国全体と同じくらいの電力が必要になる可能性があると言われています。 AIの可能性は非常に大きいですが、リソースが問題です。すべての組織や政府がそれを実行できるわけではありませんし、既存のシステムやプロセスにそれを組み込むためのリソースを誰もが持っているわけではありません。世界はまだ AI 規制の策定の初期段階にあり、定められた境界やセーフティネットが欠如しているため、多くの業界が危険にさらされる可能性があります。人工知能に関しては、私たちは分裂の時期を経験しています。現実には、AI は多くの人が予想していたよりも速いペースで進歩しており、そのテクノロジーを実行するにはさまざまなリソースが必要です。来年の冷え込みを防ぐために、組織はフォトニクスやデジタルツインなどの技術への投資など、将来の AI を進化させる方法に戦略的な投資を行い、リソースの不平等という根本的な問題に対処する必要があります。最先端のテクノロジーの力を活用することで、アクセス可能で接続された統合的なあらゆる種類の情報によって人々と社会が最適化できる、よりスマートな世界を構築できます。 –NTTデータ 最高デジタル戦略責任者 タンビル・カーン

データ汚染: 生成 AI の最新の脅威: おそらく、ChatGPT ほど機械学習と人工知能の急速な主流化を示すものはないでしょう。しかし、アルゴリズムが日常生活に欠かせないものになるにつれ、新たな攻撃対象領域も生まれます。このタイプの攻撃はデータ ポイズニングと呼ばれます。悪意のある人物がより多くのコンピューティング能力と新しいツールにアクセスできるようになるにつれて、このような攻撃はより頻繁に発生するようになります。 2024 年を見据えると、新しい機械学習および人工知能ツールの人気と採用を考慮すると、企業は可用性攻撃、バックドア攻撃、標的型攻撃、サブグループ攻撃などのデータ汚染攻撃が増加すると予想しています。残念なことに、データ汚染を修復するのは困難です。唯一の解決策は、モデルを完全に再トレーニングすることです。しかし、それは簡単でも安くもありません。組織がより幅広いユースケースに AI と機械学習を導入するにつれて、このような脆弱性を理解し、防止することが重要になります。生成 AI には有望な使用例が多数ありますが、その潜在能力を最大限に引き出すには、敵を排除し、モデルを保護する必要があります。 – オードラ・シモンズ、フォースポイント・グローバル・ガバメント、グローバルオペレーション担当シニアディレクター

GenAI は、将来、プログラマーの仕事の性質と学習方法を変えるでしょう。ソースコードの作成はより簡単かつ迅速になりますが、プログラミングはコード行を磨くことではなく、問題を解決することです。 GenAI により、プログラマーは解決すべき問題の理解、複雑さの管理、結果のテストに多くの時間を費やせるようになり、より優れた、より信頼性が高く、使いやすいソフトウェアが実現します。 –マイク・ルーキデス、オライリーメディア副社長

LLM を導入する企業にとって重要な価値あるユースケースを特定します。 2023 年は生成 AI の夢の年でしたが、2024 年は企業がそれを実践する年になるでしょう。 1 年間の憶測を経て、LLM を使用してワークフローを合理化できるという現実がようやく企業にもたらされました。今年末までに、シナリオに基づいて人々が理解できる価値のある領域が生まれ、「もしも」という仮定から解放され、明確なユースケースが明らかになるでしょう。 –ゼネラル・カタリスト、マネージング・ディレクター、クエンティン・クラーク

生成 AI は引き続き組織的な監視に直面する: 生成 AI ツールは 2023 年に急速に成長するため、組織は新年に AI ツールが従業員とシステムに与える影響について監視を強化するでしょう。課題の 1 つは、公開されたソース コードや従業員が受け取った結果の正当性を判断する能力など、AI ツールの正当性に関する誤った情報や疑問が根強く残っていることです。リーダーは、従業員が組織内で AI ツールを使用する方法について明確なパラメーターを定義しながら、情報を検証および認証する方法を確立する必要があります。 -ThreatX 最高戦略責任者、ブレット・セトル氏

GenAI をパイロットから本番環境へ移行: GenAI は組織の投資決定に影響を与えています。初期の GenAI パイロットは有望ですが、実践的な経験が限られており、開発が急速なため、ほとんどの組織は完全な実稼働展開には慎重な姿勢を保っています。 2023 年までに、ほとんどの組織は、利点とリスクを慎重に評価するために、小規模で対象を絞った試験を実施することになります。 GenAI テクノロジーが成熟し、事前トレーニング済みモデル、クラウド コンピューティング、オープン ソース ツールを通じて民主化が進むにつれて、2024 年には予算配分が GenAI にさらにシフトするでしょう。 –Alluxioの創設者兼CEO、Haoyuan Li氏

生成 AI は、非構造化エンタープライズ データに隠された価値とリスクを明らかにします。主に内部ドキュメント リポジトリなどの非構造化データは、エンタープライズ IT チームとデータ ガバナンス チームにとって緊急の焦点になります。これまで、これらのコンテンツ リポジトリは運用システムや従来の予測モデルではほとんど使用されておらず、その結果、データ チームやガバナンス チームの注目から外れていました。 GenAI ベースのチャットボットと微調整された基盤モデルにより、このデータに対する多くの新しいアプリケーションが実現されるようになりますが、ガバナンスも重要になります。データと GenAI モデルを管理するために必要なプロセスとプラットフォームを実装せずに GenAI ユースケースの開発を急ぐ企業は、プロジェクトが PoC 地獄に陥ったり、さらに悪い状況に陥ったりすることになります。これらの新しい要件により、非構造化データ ソースを管理するための特殊なツールと手法が生まれます。 –ニック・エルプリン、Domino Data Lab 共同創設者兼 CEO

OpenAI でのドラマは 2024 年も続くでしょう。サム・アルトマンの解雇と再雇用は、ニュース サイクルをゴシップとホットな話題で埋め尽くしており、OpenAI の話は来年も引き続き見出しを独占するのではないかと思います。根底にある触媒、つまり、非営利と営利のユニークなハイブリッド構造、AI の莫大なコスト、リスク、可能性は変わっておらず、この分野が進歩しているペースを考えると、これらの力が来年も何度も最高潮に達する機会は十分にあります。 –ポール・バルバ、InMoment 主任科学者

「ジェネレーティブ AI 時代」が 2 年目に入ると、企業における AI の利用にさらなる目的と秩序が生まれ始めます。ジェネレーティブ AI の影響は 2 年目も顕著であり、OpenAI や Google などの企業によるその後のイノベーションに後押しされて、世界中の組織は「可能性の芸術」にただ驚嘆するのではなく、目的を達成するために AI 機能をどのように使用するか検討し始めるでしょう。さまざまなエンタープライズ製品に搭載されている第一世代の AI 機能は、さまざまな副操縦士など、難易度が低く複雑でないシナリオに重点を置いており、初めて見る人を簡単に驚かせたり、驚かせたりすることはもうありません。その結果、AI 主導の機能は価値を重視し、実際の問題を解決するために使用することが求められるようになります。 –レオニード・ベルキンド、Torq 共同創設者兼 CTO

生成 AI の広範な導入により、クリーンなデータの需要が高まります。生成 AI の基盤はデータです。つまり、期待される機能を実現するために、データがこの新しいテクノロジーの基盤となるのです。ただし、このデータもクリーンである必要があります。データをどこから抽出するか、モデリングを使用するかデータ ウェアハウスを使用するかに関係なく、高品質のデータが重要です。不正なデータは、不適切な推奨事項、不正確さ、偏りなどにつながる可能性があります。より多くの組織が組織内で生成 AI の力を活用しようとするにつれて、強力なデータ ガバナンス戦略を持つことがさらに重要になります。データ管理者がこのデータにアクセスし、制御できるようにすることも重要です。 –Syniti CTO 兼 VP、レックス・アルストロム氏

企業従業員の 60% がタイムリーなエンジニアリング トレーニングを受けます。将来の企業では、AI がすべての従業員の職場生産性の中心となるため、チームはデータ/AI リテラシー プログラムへの投資を継続し、効果的なプロンプトの設計方法を学ぶスキルのギャップを埋める必要があります。この重要なトレーニングを研究開発部門に任せきりにしないでください。IT 部門は、従業員が生成 AI を一貫して安全に最大限に活用できるように、BYOAI ガイドラインと企業トレーニング プログラムを開発する必要があります。 –フォレスター

より多くの組織が AI オペレーティング システムのトレンドに加わります。来年は、生成型 AI オペレーティング システムがより多くの注目と投資を集めるでしょう。 AI OS は、生成 AI ツールを活用するエンジニアやデザイナーから、生成 AI を通じてトレーニングされ、物理世界における人間の行動や動作を模倣するロボット システムまで、AI とその他すべてのものとの間のインターフェイスです。 AI の広範な導入には非常に大きなリスクが伴うため、より多くの企業や公共部門の組織が高度な AI テクノロジーを導入するにつれて、AI とその他すべての間の仲介役として機能するオペレーティング システムを構築する組織の重要性がさらに強調されるようになります。 –Intuitの上級副社長兼最高データ責任者、アショク・スリヴァスタヴァ氏

検索エンジンからスマート アシスタントまで: 検索拡張生成 (RAG) が 2024 年に大規模言語モデルをどのように改善するか 回答: 暦が 2024 年に変わると、漠然とした用語が技術コミュニティの注目を集めます。これまで広く受け入れられてはいませんでしたが、検索拡張生成 (RAG) は、技術者にとって変革をもたらすフレームワークとして注目を集め始めています。 RAG は、外部ナレッジ ベースなどの外部ソースから情報を取得して大規模言語モデル (LLM) の機能を強化し、LLM に新しいデータを含めることで検索応答の品質と精度を向上させます。 RAG は、ニーズに基づいて LLM をパーソナライズし、データから LLM に同じインテリジェントな洞察を提供するものと考えてください。これは、通常のインターネット検索から、必要なものを正確に見つけてくれるパーソナルリサーチアシスタントにアップグレードするようなものです。財務上の意思決定者は、組織内の他の利害関係者にとって生成 AI がもたらすメリットをすでに実感しています。 CIO は、より多くの情報をフィルタリングしてより正確な結果を生み出しながら、「洞察を得るまでの時間」のギャップを短縮するために、生成 AI を適用したいと考えています。 RAG を改善するイノベーションのおかげで、クエリへの適切なアクセスを保証する洗練された分離が実現しました。短期的には、RAG は LLM との知識ギャップを克服し、精度を向上させ、投資管理を含む複数の業界にわたる知識集約型活動のソリューションとして機能し続けると信じています。さらに、RAG は LLM が処理に使用するデータを制限できるため、応答が一般的な LLM データからではなく RAG データからのみ返されることが保証されます。 RAG は、ユーザーが回答に自信を持てるように、データのソースへの引用も提供できます。セキュリティを強化するために、複数の RAG データ ソースを用意し、特定のデータ ソースへのアクセスをロックすることができます。こうすることで、それらのデータ ソースの承認されたユーザーだけが LLM を使用して機密データに関する質問に答えることができます。 2024 年を見据えると、規制の厳しい業界では新世代 AI の導入が促進され、RAG は利害関係者のためにより優れた情報を取得できるようになると予想されます。 –クリアウォーター・アナリティクス、CTO、スービック・ダス氏

専用の LLM が繁栄する: データのプライバシーとセキュリティに関する懸念から、組織は 2024 年に自社の特定のニーズとデータセットに合わせてカスタマイズされた専用の LLM に投資するようになります。これらの専用 LLM は、規制基準とデータ保護要件への準拠を強化するために微調整されます。プライバシー中心の LLM への移行により、企業は AI アプリケーションをより細かく制御できるようになり、ユーザー間の信頼が育まれ、医療から金融までさまざまな業界で革新的で安全な AI ソリューションへの扉が開かれます。 – Franz Inc. CEO、Jans Aasman 博士

生成 AI の取り組みは、IT 部門ではなく事業部門によって推進されます。従来、経営幹部は、ユーザーが既存のツールを使い続けることを好む場合でも、新しいツールを導入して新しい優れたビジネス プラクティスを実現し、コストを節約するよう組織に求めてきました。 IT 部門は導入をサポートし、実装チームは変更管理手順について話し合い、消極的な可能性のあるユーザーに対して広範囲にわたるトレーニングを実施し、従来のツールの継続的な使用を排除します。しかし、コンプライアンスを確保し、期待されるメリットを迅速に達成することは容易ではありません。 2024年までに、GenAIでは逆のことが起こるでしょう。 GenAI 対応ソリューションに対するユーザーの熱意は明らかで、すでに多くのユーザーがさまざまな形でこれらのツールを試しています。 GenAI の使いやすさと自然言語インターフェースにより、技術に詳しくない関係者でもシームレスに導入できます。しかし、技術チームは、幻覚、説明可能性の欠如、ドメイン固有の知識の制限、コストの問題など、固有の課題に直面しています。一部の組織では、技術チームが十分な知識を得るまで GenAI の使用が禁止されています。短時間の沈黙の後に突然生産的になる「シャドウ」使用を検出すると、実装の課題がさらに複雑になります。今後 1 年間で、組織は利用可能な無数のオプションを評価するプロセスを開発し、企業がエンタープライズ環境で GenAI の課題に対処できるいくつかのツールを使用できるようにします。 –ライアン・ウェルシュ、Kyndiの創設者兼CEO

生成型人工知能 (GenAI) の成熟: GenAI 機能の広範な民主化により、パンデミックと回復のタイムラインによって影響を受けた知識労働と世界の労働市場のダイナミクスが永久に変わります。業界全体では、GenAI の採用は現時点ではオプションのように思えるかもしれませんが、すぐに受け入れるか絶滅するかの選択になるだろうという広範なコンセンサスがあります。 GenAI は、ビジネス、技術、セキュリティの意思決定を強化し、AI ガバナンスと倫理的要件への注目を高めることが期待されています。こうした取り組みの一例としては、国家安全保障と公共の安全の観点から AI プラットフォームの信頼性、安全性、セキュリティを確保するよう AI ベンダーに求める、最近発行されたホワイトハウスの大統領令が挙げられます。この分野におけるイノベーションによってデジタル エコシステムとの関係が再定義されるにつれて、AI スキルに対する需要は高まり続けるでしょう。 –イゴール・ヴォロヴィッチ、クムロス副社長

GenAI の潜在能力を引き出すには、優れたデータが必要です。データは GenAI の潜在能力を引き出すための通貨です。正確で信頼できるデータがなければ、組織は重要な結果を出すことができません。今後 1 年間、CIO は GenAI が組織全体に最も効果的に貢献し、前進させる方法を試行およびテストするために、データ品質を優先する必要があります。 – サケット・スリヴァスタヴァ、アサナ CIO

AI の次の段階、Gen.AI から AGI へ: 生成 AI とその方向性には明確な変化がありました。人工汎用知能 (AGI) とインテリジェントエージェントの台頭にますます注目が集まっています。インテリジェント エージェントの場合、AlOps と MLOps の領域で重要な部分が 2 つあります。 1 つは、純粋に学習制御とインフラストラクチャ管理に関するもので、エージェントを通じて自動構成管理と逸脱保護を保証します。インテリジェント エージェントは、パフォーマンスの改善方法、実行方法、フィードバックの提供方法、パフォーマンスの変更方法を決定する方法を理解する必要があります。このプラクティスは AI インフラストラクチャ管理に適用され、展開タスクのためにエージェントによって構築およびテストされることを保証します。近い将来を見据えると、特に大企業では職場のトレンドが人工知能に関連し、組織はエージェントを制御する必要が出てくるでしょう。適切なインフラストラクチャがなければ、組織は AI を自律的に実行できません。生成 AI から汎用 AI への AI の次の段階では、まずインフラストラクチャを構築する必要があり、アプリケーションの配信を加速するには組み込みプラットフォーム エンジニアリングが非常に重要です。学習システムがどこに存在するか (ハイブリッド クラウドまたはプライベート クラウド) に関係なく、組織は学習システムが適切に機能するように構成する必要があります。 – Perforce オペレーション担当副社長、カピル・タンドン氏

カスタム エンタープライズ ファンデーション モデル (FM) の台頭: 2024 年に向けて、オープン ソースとクローズド ソースをめぐる議論はますます激しくなるばかりです。 Meta の Llama のようなオープンソース LLM は、GPT-4 のようなクローズドソース LLM に追いつきつつあります。どちらのモードでも、パフォーマンスとプライバシーのトレードオフがあります。企業は両方の点で成果を達成したいと考えています。 OpenAI Enterprise などの最近のアップデートにより、企業は自社のソリューションに合わせてカスタム モデルを構築できるようになりました。同様に、オープンソース モデルを使用すると、企業はプライバシーを考慮した軽量のカスタム モデルを構築できます。この傾向は今後も続き、カスタマイズされたマイクロ言語モデルが中心的な役割を果たすようになるでしょう。 –Sreekanth Menon、Genpact グローバル AI/ML サービス リーダー

「Me Too」AI ベンダーは、生成 AI が出現するにつれ、幻滅の谷底に陥っています。現在、生成 AI は誇大宣伝サイクルのピークにあります。来年、AI への投資が期待していた根本的な変革をもたらさなかったため、一部の組織では幻滅感に陥ることになるだろう。顧客は、AI 競争に遅れをとり、ビジネス価値や魅力的な機能がほとんどない AI 機能を提供するベンダーに対して、より警戒するようになるでしょう。しかし、期待を検討し、生成 AI を適切に使用する組織は、この幻滅を回避し、AI に期待される価値を理解できます。 –マイク・フィンリー、AnswerRocket CTO

2024 年はエンタープライズ レベルのオープン ソース AI 導入の年になります。これまでのところ、企業で LLM が意味のある形で実稼働ベースで導入された例はほとんどありません。たとえば、エンタープライズ グレードの回復力、セキュリティ、稼働時間、予測可能性を中心に構築されたものはあまりありません。来年、一部の企業はオープンソースの言語モデルを活用し、より本番環境に適したものにすることで流れを変えるでしょう。これにより、エンタープライズ レベルのシナリオに適したサーバーレスのオープン ソース言語モデルがさらに構築され、企業はより簡単な方法でテクノロジを導入できるようになります。 –ゼネラル・カタリスト、マネージング・ディレクター、クエンティン・クラーク

検索拡張生成 (RAG) により、生成 AI がより現実的になります。このテクノロジーにより、エンジニアはクリーンなビジネス データを LLM モデルに取り込んで、幻覚が少なく、より事実に基づいた情報で出力できるようになります。このクリーンなビジネス データは、組織全体のレベルでデータの抽出、クレンジング、正規化、およびエンリッチメントを処理する従来のデータ パイプラインによって生成されます。 RAG は現在登場し始めており、企業が生成 AI からより正確な結果を確実に得ることを求めるにつれて、来年はより広く採用されるようになるでしょう。 –Ascend.io CEO、ショーン・ナップ

AGI に向けて - メモリ、入力、学習: AGI の追求は、LLM での長期記憶の強化、永続的な入力と内部状態の有効化、強化学習の推進という 3 つの主要領域に焦点を当てます。 Claude 2 や GPT-4 Turbo のようなコンテキスト長の増加や、より優れた記憶と継続的な学習のために設計されたアーキテクチャは、この傾向の例です。 OpenAI の Q* アルゴリズムに関する噂も、この方向への大きな進歩を示しています。 2024 年に向けたこれらの予測は、AI とビッグ データの急速な進歩を反映しているだけでなく、効率性、マルチモーダル性、より深い AI 機能がイノベーションと競争を推進する、変化する業界環境を浮き彫りにしています。 –BlastPoint, Inc. 共同創設者兼 CTO、Tomer Borenstein 氏

GenAI はイノベーションを阻害する可能性があります。初めてスマートフォンを手に入れたとき、私たちはすぐに他人の電話番号を忘れてしまいました。 Google マップや Waze を使い始めると、ナビゲーション機能でも同じことが起こります。同様に、今後数年間で、コード生成に GenAI への依存度が高まり、人々がイノベーションのスキルを失っていくことが予想されます。 2024年までに、知識を保護し、イノベーションを促進する方法について考え始めなければなりません。 -オリ・ケレン、LinearB 共同創設者兼 CEO

マルチモーダル LLM とデータベースは、業界全体にわたる AI アプリケーションの新たな境地を切り開きます。2024 年の最もエキサイティングなトレンドの 1 つは、マルチモーダル LLM の台頭です。この出現により、さまざまなデータ タイプを格納、管理し、効率的なクエリを実行できるマルチモーダル データベースの必要性が高まっています。しかし、マルチモーダル データセットのサイズと複雑さは、通常、テキストや画像などの単一の種類のデータを保存および照会するように設計されている従来のデータベースにとって課題となります。一方、マルチモデル データベースはより汎用的で強力です。テキスト、画像、音声、ビデオなどの複数のモダリティを使用して情報の処理と理解のさまざまな側面を統合することは、LLM の開発における自然な進歩を表しています。ヘルスケア、ロボット工学、電子商取引、教育、小売、ゲームなど、多くのユースケースと業界がマルチモーダルアプローチから直接恩恵を受けるでしょう。マルチモーダル データベースは 2024 年以降も大幅な成長と投資が見込まれるため、企業は AI 主導のアプリケーションを継続的に推進できます。 –Couchbase オペレーションおよび戦略担当副社長、Rahul Pradhan 氏

つづく…

「2024年ビッグデータ業界予測」の関連章をご覧になるには、以下をクリックしてください。

2024 年のビッグデータ業界予測 (パート 1)

2024 年のビッグデータ業界予測 (パート 2)