يمر الذكاء الاصطناعي المؤسسي بالتحول نفسه الذي مرت به الكهرباء في يوم من الأيام. فالتجارب المعزولة لروبوتات المحادثة والمساعدين المدمجين تتحول إلى بنية تحتية تجارية أساسية، حيث تترابط النماذج والوكلاء والبيانات بصورة متزايدة في بيئات الإنتاج. ولذلك لم يعد السؤال الرئيسي عن تكلفة الرمز الواحد أو ساعة من وحدة معالجة الرسومات، بل عن مدى كفاءة بيئة الذكاء الاصطناعي في تحويل القدرة المدفوعة إلى نتائج تجارية مفيدة.
المقياس الجدير بالمتابعة هو التكلفة الفعلية لكل نتيجة مفيدة: أي إجمالي تكلفة المنصة والنموذج والعمليات والقدرة الحاسوبية اللازمة لإنجاز عمل تستطيع المؤسسة فعليًا الاستفادة منه، سواء كان طلبًا تم حله أو سير عمل تم إنجازه. والاستغلال محوري في هذا الاقتصاد. فتوجيه المزيد من العمل إلى القدرة المدفوعة مسبقًا يخفض تكلفة الوحدة، في حين أن وحدات معالجة الرسومات الخاملة والأعمال المجزأة والنماذج الضخمة ترفع تكلفة كل نتيجة مفيدة.
تختار المؤسسات عادةً بين ثلاثة نهج. فالمجموعة المخصصة توفر المرونة لكنها تخلق عبئًا مستمرًا، إذ يتعين على الفرق إعادة التحقق من البيئة كلما تغيرت النماذج والسياسات. أما الاستهلاك عند الطلب من مزودي الخدمات السحابية الكبار فيقلل جهد التجميع ويناسب الطلب المنخفض أو غير المؤكد، لكن الرسوم ترتفع مع كل استعلام أو إجراء يقوم به وكيل. أما منصة الذكاء الاصطناعي الخاصة المتكاملة، التي تعتمد على قدرة مملوكة أو مخصصة مقترنة بمجموعة تقنية معتمدة، فتمنح التحكم في روافع الكفاءة مثل الجدولة واختيار النماذج وتقسيم وحدات معالجة الرسومات وإدارة الذاكرة المؤقتة. ويعتمد الخيار الصائب على طبيعة عبء العمل: فواجهات البرمجة قد تكون منطقية للتجريب أو الطلب المتقلب، لكن مع تحول الأعمال إلى أنشطة مستمرة وحيوية، يجب على المؤسسات أن تزن مدى كفاءة تشغيلها للنظام، لا مجرد حجم ما تستهلكه.
الملكية وحدها لا تضمن اقتصادًا أفضل. فامتلاك وحدات معالجة الرسومات يتيح فرصة التوفير فقط إذا توفر لدى المؤسسة طلب كافٍ وانضباط تشغيلي يُبقي الموارد منتجة. وتأتي أقوى العوائد من مجموعة متكاملة ومؤهلة بالكامل توجه المهام إلى أقل النماذج تكلفة التي تفي بمتطلبات الجودة، وتعيد استخدام السياق عبر تقنيات مثل إدارة ذاكرة KV المؤقتة. ومن دون هذه الممارسات قد تتحول البنية التحتية الملتزم بها إلى رأس مال مجمّد؛ ومعها يوزع الطلب المتزايد التكاليف الثابتة على قدر أكبر من العمل المفيد.
منصة HPE Private Cloud AI أساس جاهز للإنتاج يجمع البنية التحتية والبرمجيات والنماذج والحوكمة والخدمات، ويهدف إلى تخفيف عبء التكامل في الذكاء الاصطناعي الخاص على نطاق واسع. وتشمل المنصة ارتباطًا لمدة 90 يومًا مع مهندسين منتشرين في الميدان يساعدون الفرق على نشر حالات الاستخدام الأولى وترسيخ ممارسات تشغيلية قابلة للتكرار.
المصدر: MIT Technology Review AI · لخّصه HeadlinesBriefing