गार्टनर का मानना है कि 2027 तक संगठनों में छोटे, कार्य-विशिष्ट आर्टिफिशियल इंटेलिजेंस (AI) मॉडल का उपयोग सामान्य-उद्देश्य वाले बड़े भाषा मॉडल (LLM) की तुलना में कम से कम तीन गुना अधिक होगा। यह अपेक्षित बदलाव व्यावसायिक संचालन में प्रासंगिक, विश्वसनीय और लागत-प्रभावी समाधानों की बढ़ती मांग से प्रेरित है।
सामान्य-उद्देश्य वाले LLM को वर्तमान में उनकी व्यापक भाषा क्षमताओं के लिए महत्व दिया जाता है। हालाँकि, जब किसी विशेष व्यावसायिक डोमेन की गहन समझ की आवश्यकता वाले कार्यों के लिए उपयोग किया जाता है, तो उनका प्रदर्शन कम हो जाता है। गार्टनर के अनुसार, यह सीमा संगठनों को विशिष्ट व्यावसायिक कार्यों के अनुरूप विशेष मॉडल पर ध्यान केंद्रित करने के लिए प्रेरित कर रही है।
गार्टनर के वीपी विश्लेषक सुमित अग्रवाल ने कहा, “व्यावसायिक वर्कफ़्लो में कार्यों की विविधता और अधिक सटीकता की आवश्यकता विशिष्ट कार्यों या डोमेन डेटा पर आधारित विशेष मॉडल की ओर बदलाव ला रही है।” “ये छोटे, कार्य-विशिष्ट मॉडल त्वरित प्रतिक्रिया प्रदान करते हैं और कम कम्प्यूटेशनल शक्ति का उपयोग करते हैं, जिससे परिचालन और रखरखाव लागत कम हो जाती है।”
गार्टनर ने बताया कि उद्यम रिट्रीवल-ऑगमेंटेड जेनरेशन (RAG) या फ़ाइन-ट्यूनिंग तकनीकों जैसे तरीकों का उपयोग करके इन मॉडलों को विकसित कर सकते हैं। ये विधियाँ कंपनियों को मौजूदा LLM को अपनी विशिष्ट आवश्यकताओं को पूरा करने के लिए अनुकूलित करने की अनुमति देती हैं, जिसमें एंटरप्राइज़ डेटा को मुख्य विभेदक के रूप में उपयोग किया जाता है।
ऐसा करने में, व्यवसायों को डेटा को ठीक से तैयार करने और प्रबंधित करने पर ध्यान केंद्रित करना चाहिए – इसमें गुणवत्ता जाँच, संस्करण नियंत्रण और यह सुनिश्चित करना शामिल है कि डेटा फ़ाइन-ट्यूनिंग प्रक्रिया को प्रभावी ढंग से समर्थन देने के लिए संरचित है।
अग्रवाल ने कहा, “जैसे-जैसे उद्यम अपने निजी डेटा और अपनी विशेष प्रक्रियाओं से प्राप्त अंतर्दृष्टि के मूल्य को तेजी से पहचानते हैं, वे अपने मॉडलों का मुद्रीकरण करना शुरू कर सकते हैं और अपने ग्राहकों और यहाँ तक कि प्रतिस्पर्धियों सहित व्यापक दर्शकों को इन संसाधनों तक पहुँच प्रदान कर सकते हैं।” “यह डेटा और ज्ञान के अधिक खुले और सहयोगी उपयोग के लिए सुरक्षात्मक दृष्टिकोण से बदलाव को दर्शाता है।” दृष्टिकोण में यह परिवर्तन संगठनों के लिए अपने मालिकाना मॉडल का व्यावसायीकरण करके नई राजस्व धाराएँ बनाने का एक महत्वपूर्ण अवसर प्रस्तुत करता है।
गार्टनर का मानना है कि इससे AI स्पेस में अधिक परस्पर जुड़े और सहयोगी पारिस्थितिकी तंत्र को बढ़ावा देने में मदद मिलेगी। छोटे, कार्य-विशिष्ट AI मॉडल को प्रभावी ढंग से लागू करने के लिए, गार्टनर ने संगठनों को रणनीतिक दृष्टिकोण अपनाने की सलाह दी है।
पहला कदम उन क्षेत्रों में प्रासंगिक मॉडल का परीक्षण करना है, जहाँ सामान्य प्रयोजन के LLM की सटीकता और गति संतोषजनक नहीं रही है। इसके अलावा, गार्टनर संगठनों को अपने डेटा फाउंडेशन को मजबूत करने और विभागों में प्रासंगिक कौशल विकसित करने की सलाह देता है।
इसमें मॉडल को बेहतर बनाने के लिए डेटा एकत्र करना, क्यूरेट करना और व्यवस्थित करना शामिल है, साथ ही तकनीकी और कार्यात्मक टीमों को भी बेहतर बनाना शामिल है।
