W miarę jak świat technologii posuwa się naprzód z rosnącą prędkością, przedsiębiorstwa na całym świecie stają przed nowymi wyzwaniami i możliwościami związanymi z generatywną sztuczną inteligencją (AI). CIO i liderzy technologii muszą nawigować przez szybko zmieniający się krajobraz, aby utrzymać swoje organizacje na czele innowacji. Jednak najnowsze badania Gartnera wskazują na potencjalne pułapki, z którymi firmy mogą się zmierzyć, próbując dotrzymać kroku postępowi w dziedzinie generatywnej AI.

Według Gartnera, do roku 2028 ponad połowa przedsiębiorstw, które zdecydowały się na budowę niestandardowych modeli wielkojęzykowych (LLM), prawdopodobnie porzuci te inicjatywy. Powody? Rosnące koszty, złożoność implementacji i tzw. „dług technologiczny” – zjawisko, które pojawia się, gdy wybór technologii szybko staje się przestarzały wobec nowych rozwiązań, wymuszając kosztowne i czasochłonne aktualizacje.

Eksperci, tacy jak Rita Sallam z Gartnera, podkreślają, że potencjał zadłużenia technicznego jest szczególnie wysoki dla firm, które szybko wdrażają nowe technologie. Jednak nie wszystko jest tak ponure, jak może się wydawać. Pomimo ryzyka, szybki rozwój w dziedzinie AI oferuje przedsiębiorstwom szansę na pozyskanie wykwalifikowanych talentów i przewagę konkurencyjną w inicjatywach związanych z AI.

Przykładem innowacji w tej dziedzinie jest OpenAI, które wprowadziło generatywną konwersacyjną AI z GPT-3.5, a następnie kontynuowało rozwój z kolejnymi modelami, w tym GPT-4 i jego zaktualizowaną wersją GPT-4 Turbo. Innymi graczami na rynku są Anthropic z ich chatbotem AI Claude oraz Salesforce, których CEO, Marc Benioff, stwierdził, że modele AI stają się przestarzałe w tempie rocznym.

W świetle tych wyzwań, przedsiębiorstwa muszą znaleźć równowagę między szybkim wdrażaniem innowacji a ryzykiem zadłużenia technicznego. Jednym z rozwiązań jest wykorzystanie generatywnych narzędzi AI do tworzenia zamienników dla starszych aplikacji, co może zmniejszyć koszty modernizacji nawet o 70%. Ponadto, narzędzia takie jak WatsonX IBM czy narzędzie Accenture wykorzystujące GPT-4 mogą ułatwić przekształcenie legacy code, na przykład z COBOL na Javę, co obniża barierę modernizacji dla przedsiębiorstw.

W konkluzji, chociaż szybki rozwój generatywnej AI niesie ze sobą wyzwania, takie jak zadłużenie techniczne, oferuje również znaczące możliwości dla przedsiębiorstw, które są gotowe inwestować w przyszłość. Ważne jest, aby liderzy technologii dokładnie ważyli korzyści i ryzyko związane z wdrożeniem najnowszych innowacji, zachowując przy tym elastyczność i gotowość do szybkiego adaptowania się do zmieniającego się środowiska technologicznego.