Strumenti GenAI utilizzati dall'88% delle aziende statunitensi, quali problemi necessitano di soluzioni?
photo 2023 08 01 18 30 45
- Gli strumenti GenAI affrontano sfide nel soddisfare le richieste dei clienti per un addestramento agli prompt integrato e un apprendimento rinforzato personalizzato.
- L'emergere degli "ingegneri di prompt" evidenzia la necessità di democratizzare la creazione di prompt per l'adozione diffusa della GenAI.
- I fornitori devono affrontare le preoccupazioni dei clienti riguardo alla filigrana e alla chiarezza del packaging per ottimizzare l'adozione degli strumenti GenAI.
Gli strumenti di Intelligenza Artificiale Generativa hanno causato una rivoluzione nei settori tecnologico e aziendale, con ChatGPT, Midjourney, Google Bard e Bing Chat in prima linea. Uno studio recente di TECHnalysis Research ha rivelato che un impressionante 88% delle aziende statunitensi ha già adottato strumenti GenAI, ma ci sono ancora sfide da superare. I risultati dello studio gettano luce sull'emergere degli "ingegneri di prompt" come nuova categoria professionale e sulle varie preoccupazioni riguardanti l'adozione di GenAI.
La domanda per una formazione integrata sui prompt
La Fig. 1 illustra che il 62% dei rispondenti desidera fortemente una formazione integrata sui prompt nei futuri strumenti GenAI. I prompt svolgono un ruolo vitale nel massimizzare l'efficacia di questi strumenti, rendendo essenziale che i fornitori rispondano a questa richiesta. Sebbene gli "ingegneri di prompt" siano stati presentati come una nuova categoria professionale, democratizzare la capacità di creare prompt efficaci è cruciale per l'adozione di massa. I fornitori devono garantire che tutti gli utenti possano ottenere i migliori risultati dagli strumenti GenAI.
Apprendimento per rinforzo personalizzato e la sua complessità
L'apprendimento per rinforzo personalizzato, la seconda funzionalità più richiesta, riflette il desiderio di modelli fondamentali personalizzati che integrino il feedback umano, come l'Apprendimento per Rinforzo dal Feedback Umano (RLHF). 6 rispondenti su 10 hanno espresso interesse per questa capacità, dimostrando un livello di sofisticazione tra i partecipanti. Tuttavia, lo studio ha anche rivelato una potenziale confusione o incomprensione riguardo a questa funzionalità. Il desiderio di personalizzare i modelli GenAI in vari modi rimane alto nella lista delle priorità per la maggior parte dei rispondenti.
La necessità di chiarezza su watermarking e packaging
Un sorprendente 91% dei decisori IT intervistati ha indicato una preferenza per il watermarking degli output degli strumenti GenAI. Tuttavia, la mancanza di meccanismi automatici di watermarking negli attuali strumenti GenAI presenta un'opportunità chiara per i fornitori di migliorare le loro offerte.
Il packaging e la vendita dei modelli GenAI presentano anche sfide, con una vasta gamma di opinioni e confusione tra i rispondenti. Molti trovano difficile distinguere se i fornitori offrono modelli GenAI standalone, applicazioni o servizi alimentati da GenAI o altre varianti. I fornitori devono chiarire le loro offerte e le possibilità di integrazione per aiutare i clienti a prendere decisioni informate.
Approcci diversificati per portare gli strumenti GenAI sul mercato
La Figura 2 rivela un insieme diversificato di preferenze tra i rispondenti riguardo a come gli strumenti GenAI dovrebbero essere portati sul mercato. Oltre il 51% crede che integrare le capacità GenAI nelle applicazioni esistenti sia l'approccio migliore. Circa un quarto preferisce modelli standalone, mentre il resto si orienta verso un modello as-a-service per applicazioni specifiche o qualsiasi applicazione. I fornitori devono sperimentare vari metodi per soddisfare efficacemente le preferenze dei clienti.
I rispondenti erano anche divisi sul fatto che i modelli fondamentali principali dovrebbero essere integrati in ogni app o condivisi tra più app. Circa il 55% ha sostenuto modelli fondamentali separati per ogni app, mentre il 35% ha favorito un unico modello "master" condiviso tra più applicazioni. Il restante 10% ha suggerito più modelli condivisi tra varie app. Bilanciare queste preferenze rappresenta una sfida per i fornitori di GenAI.
Sfida educativa e di marketing per i fornitori di GenAI
Lo studio evidenzia la considerevole sfida educativa e di marketing affrontata dai fornitori di GenAI. Articolarre le capacità dei loro strumenti, la compatibilità con altri sistemi e l'integrazione fluida nei flussi di lavoro esistenti è cruciale per empowerire i clienti a comprendere le loro opzioni e raggiungere i loro obiettivi in modo efficace.
L'eccitazione intorno agli strumenti GenAI è palpabile e hanno già trovato applicazioni in vari settori. Tuttavia, rimangono sfide e lo studio illustra la necessità di sviluppo e formazione continui. Man mano che gli strumenti GenAI continuano a evolversi, i fornitori devono lavorare diligentemente per chiarire le loro offerte, e i clienti devono essere chiari sui loro requisiti per sfruttare al massimo questi strumenti rivoluzionari. Il futuro promette per l'adozione di GenAI, ma sarà un viaggio interessante di apprendimento e comprensione per tutte le parti interessate coinvolte.
Se stai leggendo questo, sei già avanti. Resta così con la nostra newsletter.
Dichiarazione di responsabilità. Le informazioni fornite non costituiscono consigli di trading. Cryptopolitan.com non si assume alcuna responsabilità per eventuali investimenti effettuati sulla base delle informazioni fornite in questa pagina. Si consiglia vivamente di effettuare ricerche indipendenti e/o consultare un professionista qualificato prima di prendere qualsiasi decisione di investimento.
John Palmer
John Murangiri è arrivato su Cryptopolitan con competenze nell'analisi di mercato. John (noto anche come JP) si è laureato presso l'Università di Nairobi con una laurea in comunicazione di massa e studi sui media. In precedenza ha contribuito con approfondimenti sul mercato delle criptovalute a InsideBitcoins.com e Metacoingraph.
