Τα μικρά μοντέλα γλώσσας ως κλειδί για αυτοματοποίηση σε IT και HR

Τα μεγάλα μοντέλα γλώσσας (LLMs) έχουν κατακτήσει την προσοχή του κόσμου με την ικανότητά τους να αναλύουν τεράστια δεδομένα, να δημιουργούν απαντήσεις και να παράγουν ακόμα και οπτικό περιεχόμενο από απλές εντολές. Ωστόσο, τα “μικρά” μοντέλα γλώσσας δεν είναι πολύ πίσω. Σε μια εποχή που πολλοί αναρωτιούνται αν η τεχνητή νοημοσύνη μπορεί πραγματικά να αποφέρει ουσιαστικές αποδόσεις επένδυσης, οι οργανισμοί πρέπει να δώσουν προσοχή. Τα μικρά μοντέλα γλώσσας (SLMs), τα οποία χρησιμοποιούν λιγότερες παραμέτρους, πόρους υπολογισμού και ενέργεια σε σχέση με τα μεγάλα μοντέλα, έχουν αποδειχθεί εξίσου αποτελεσματικά σε συγκεκριμένες εργασίες.

Η δύναμη των μικρών μοντέλων γλώσσας

Σε έναν κόσμο όπου οι εταιρείες έχουν δαπανήσει ανυπολόγιστα ποσά στην τεχνητή νοημοσύνη και έχουν αμφισβητήσει τις αποδόσεις, τα SLMs αποδεικνύονται σωτήρες της απόδοσης επένδυσης. Οι δυνατότητες που προσφέρουν τα SLMs συνδυάζουν τα πλεονεκτήματα τόσο των SLMs όσο και των LLMs, όπως μεγαλύτερη ικανοποίηση και διατήρηση των εργαζομένων, βελτιωμένη παραγωγικότητα και μειωμένα κόστη. Σύμφωνα με αναφορά της Gartner, πάνω από το 40% των έργων agentic AI θα ακυρωθούν μέχρι το τέλος του 2027 λόγω της πολυπλοκότητας και των γρήγορων εξελίξεων που συχνά οδηγούν τις επιχειρήσεις σε λάθος δρόμο. Τα SLMs μπορούν να αποτελέσουν ένα σημαντικό εργαλείο στη φαρέτρα κάθε CIO.

Εφαρμογές σε IT και HR

Σκεφτείτε τις λειτουργίες της πληροφορικής (IT) και των ανθρώπινων πόρων (HR). Στον τομέα της πληροφορικής, τα SLMs μπορούν να οδηγήσουν σε αυτόνομες και ακριβείς λύσεις, οργάνωση εργασιών και πρόσβαση σε γνώση. Στο HR, προσφέρουν εξατομικευμένη υποστήριξη εργαζομένων, απλοποιούν τη διαδικασία ένταξης και διαχειρίζονται ρουτίνες ερωτήσεις με ακρίβεια και ιδιωτικότητα. Σε αμφότερες τις περιπτώσεις, τα SLMs επιτρέπουν στους χρήστες να “συνομιλούν” με πολύπλοκα συστήματα επιχειρήσεων όπως θα έκαναν με έναν ανθρώπινο εκπρόσωπο.

Κατανόηση των SLMs

Τι ακριβώς είναι ένα SLM; Πρόκειται για έναν σχετικά ασαφή όρο, αλλά γενικά είναι ένα μοντέλο γλώσσας με παραμέτρους μεταξύ ενός και 40 δισεκατομμυρίων, σε σύγκριση με τα 70 δισεκατομμύρια ή περισσότερα των LLMs. Μπορούν επίσης να υπάρχουν ως ανοιχτού κώδικα, όπου έχετε πρόσβαση στα βάρη, τις προκαταλήψεις και τον κώδικα εκπαίδευσης τους.

Ο ρόλος των SLMs στην agentic AI

Είναι φυσιολογικό να θέλετε να χρησιμοποιήσετε τα πιο σύγχρονα μοντέλα για την agentic AI. Οι πιο πρόσφατες εκδόσεις επιτυγχάνουν υψηλές επιδόσεις σε τομείς όπως τα μαθηματικά, η ανάπτυξη λογισμικού και η ιατρική συλλογιστική. Ωστόσο, το ερώτημα που πρέπει να θέσει κάθε CIO είναι: χρειαζόμαστε πραγματικά τόση ισχύ στην οργάνωσή μας; Για πολλές επιχειρησιακές χρήσεις, η απάντηση είναι όχι.

Που υστερούν τα SLMs

Φυσικά, τα SLMs δεν είναι πανάκεια. Υπάρχουν περιπτώσεις όπου χρειάζεστε ένα πιο εξελιγμένο LLM, όπως για πολύπλοκες διαδικασίες πολλαπλών βημάτων. Μια υβριδική αρχιτεκτονική, όπου τα SLMs διαχειρίζονται την πλειονότητα των λειτουργικών αλληλεπιδράσεων και τα LLMs χρησιμοποιούνται για προηγμένη συλλογιστική ή κλιμακώσεις, επιτρέπει στις ομάδες IT και HR να βελτιστοποιούν την απόδοση και το κόστος. Με αυτή την προσέγγιση, ένα σύστημα μπορεί να αξιοποιήσει την παρατηρησιμότητα και τις αξιολογήσεις για να αποφασίσει δυναμικά πότε να χρησιμοποιήσει ένα SLM ή LLM.

Τι σημαίνει για τους χρήστες

Τα SLMs αναδεικνύονται ως η πιο πρακτική προσέγγιση για την επίτευξη απόδοσης επένδυσης με την agentic AI. Συνδυάζοντας τα SLMs με επιλεκτική χρήση των LLMs, οι οργανισμοί μπορούν να δημιουργήσουν ισορροπημένες, οικονομικές αρχιτεκτονικές που κλιμακώνονται τόσο σε IT όσο και σε HR, προσφέροντας μετρήσιμα αποτελέσματα και ταχύτερη ανάπτυξη αξίας. Με τα SLMs, το λιγότερο είναι περισσότερο.

—

New Tech Forum προσφέρει μια πλατφόρμα για τεχνολογικούς ηγέτες — συμπεριλαμβανομένων προμηθευτών και άλλων εξωτερικών συνεργατών — να εξερευνήσουν και να συζητήσουν τις αναδυόμενες τεχνολογίες σε βάθος και πλάτος. Η επιλογή είναι υποκειμενική, βασισμένη στην επιλογή των τεχνολογιών που θεωρούμε σημαντικές και πιο ενδιαφέρουσες για τους αναγνώστες του InfoWorld. Το InfoWorld δεν αποδέχεται διαφημιστικό υλικό για δημοσίευση και διατηρεί το δικαίωμα να επεξεργάζεται όλο το συνεισφερόμενο περιεχόμενο. Στείλτε όλες τις ερωτήσεις στο doug_dineley@foundryco.com.