Volgens Gartner zullen organi­sa­ties tegen 2027 drie keer vaker kleine, taakspe­ci­fieke AI-modellen gebruiken dan grote, algemeen inzet­bare taalmo­dellen. De behoefte aan gecon­tex­tu­a­li­seerde, betrouw­bare en kosten­ef­fi­ci­ënte oplos­singen drijft deze verschui­ving naar kleinere, taakspe­ci­fieke AI-modellen aan.

Kleine modellen bieden voordelen

Hoewel grote taalmo­dellen robuuste taalmo­ge­lijk­heden bieden, neemt de nauwkeu­rig­heid van hun antwoorden af bij taken die speci­fieke bedrijfs­con­text vereisen.

“De varië­teit aan taken in bedrijfs­pro­cessen en de behoefte aan grotere nauwkeu­rig­heid drijven de verschui­ving naar gespe­ci­a­li­seerde modellen die zijn afgestemd op speci­fieke functies of domein­ge­ge­vens,” aldus Sumit Agarwal, VP Analyst bij Gartner. “Deze kleinere, taakspe­ci­fieke modellen bieden snellere reacties en gebruiken minder reken­kracht, waardoor de opera­ti­o­nele en onder­houds­kosten dalen.”

Aanpassen van modellen

Organi­sa­ties kunnen grote taalmo­dellen aanpassen voor speci­fieke taken door middel van retrieval-augmented genera­tion (RAG) of fine-tuning technieken om gespe­ci­a­li­seerde modellen te creëren. Hierbij is de voorbe­rei­ding, kwali­teits­con­trole, versie­be­heer en het algehele beheer van bedrijfs­ge­ge­vens cruciaal om de gegevens zo te struc­tu­reren dat ze voldoen aan de vereisten voor fine-tuning.

Nieuwe inkomstenstromen

“Naarmate bedrijven de waarde van hun privé­ge­ge­vens en de inzichten uit hun gespe­ci­a­li­seerde processen meer gaan waarderen, zullen ze waarschijn­lijk hun modellen gaan moneti­seren en toegang verlenen aan een breder publiek, inclu­sief hun klanten en zelfs concur­renten,” voegt Agarwal toe. “Dit betekent een verschui­ving van een bescher­mende aanpak naar een meer open en samen­wer­kende benade­ring van data en kennis.”

Door hun eigen modellen te commer­ci­a­li­seren, kunnen bedrijven nieuwe inkom­sten­stromen creëren en tegelij­ker­tijd een meer verweven ecosys­teme vormen.

Implementatie van kleine taakspecifieke AI-modellen

Bedrijven die kleine, taakspe­ci­fieke AI-modellen willen imple­men­teren, moeten de volgende aanbe­ve­lingen in acht nemen:

• Pilot met gecon­tex­tu­a­li­seerde modellen: Imple­men­teer kleine, gecon­tex­tu­a­li­seerde modellen in gebieden waar bedrijfs­con­text cruciaal is of waar grote taalmo­dellen niet aan de verwach­tingen van respons­kwa­li­teit of ‑snelheid voldoen.
• Compo­siete benade­ringen toepassen: Identi­fi­ceer gebruiks­ge­vallen waar een enkel model niet voldoet en gebruik in plaats daarvan een compo­siete benade­ring met meerdere modellen en werkstappen.
• Data en vaardig­heden versterken: Leg de nadruk op de voorbe­rei­ding van gegevens om de benodigde data te verza­melen, cureren en organi­seren voor het fine-tunen van taalmo­dellen. Inves­teer tegelij­ker­tijd in het bijscholen van perso­neel in techni­sche en functi­o­nele groepen, zoals AI- en data-archi­tecten, datawe­ten­schap­pers, AI- en data-ingeni­eurs, risico- en compli­ance-teams, inkoop­teams en bedrijfs­ex­perts, om deze initi­a­tieven effec­tief te sturen.