7 conseils pour démarrer avec l’IA générative

L'IA. Au cours des six derniers mois, je n'ai pas eu une seule discussion avec un client, un partenaire ou un confrère sans que ce sujet, et plus précisément l'IA générative, ne soit abordé. Les entreprises adoptent déjà des approches fondées sur l'IA pour de nouveaux cas d'utilisation, en essayant en premier lieu de résoudre des problèmes commerciaux et techniques à l'aide de l'IA générative. Et certaines y parviennent déjà. Nous avons des clients qui, après seulement quelques semaines de production, constatent déjà des avantages dans l'ensemble de leur entreprise. D'autres explorent timidement la technologie, créent des groupes de travail, amènent la technologie dans leurs « laboratoires d'innovation » et testent l'IA générative pour voir ce qu'elle peut faire pour les aider à transformer leur entreprise.

L'intérêt d'une approche agile à court terme

Si les entreprises ont raison d'être prudentes et conscientes des limites et des défauts de l'IA générative, je pense qu'elles envisagent la technologie d'un point de vue qui pourrait se transformer en une autre « impasse de la transformation numérique ».

Qu'est-ce que je veux dire par là ? Les entreprises qui adoptent une vision globale et descendante de toute transformation en concluent souvent que les avantages pour l'entreprise doivent être considérables. Elles peuvent envisager des approches pluriannuelles, en plusieurs étapes et avec de multiples parties prenantes. Bien que cette approche soit excellente pour la planification à long terme, la planification de l'IA générative est complexe. Il s'agit d'une technologie agile et itérative, conçue, comme la plupart des IA, pour évoluer et changer, à un rythme que nous avons rarement, voire jamais, vu auparavant. Elle échoue rapidement, apprend, applique cet apprentissage et réessaie. À chaque fois, elle « apprend », « évolue » et devient meilleure que la génération précédente. Mais contrairement aux générations humaines, ces progrès peuvent être mesurés en mois, en semaines, en jours, voire en minutes. Il est important d'adopter une approche descendante pour développer une solution d'IA et de réfléchir à la manière dont vous pouvez l'exploiter pour apporter rapidement de la valeur à l'entreprise. En adoptant une méthodologie agile, vous disposerez de la souplesse nécessaire pour pivoter lorsque de nouvelles avancées techniques se produiront dans le domaine de l'IA générative.

Je dirais qu'une approche plus pratique, à court terme et agile est nécessaire. Une approche qui, dans un premier temps, portera sur de petits changements progressifs, peut-être des processus d'entreprise internes, qui finiront par se traduire par des économies significatives, de meilleurs produits d'entreprise et de nouvelles façons pour les clients de s'engager et d'utiliser vos produits et vos services.

7 conseils éprouvés pour se lancer dans l'IA

Dans cette optique, voici quelques éléments qui fonctionnent pour nos entreprises clientes et qui pourraient vous aider dans la planification et l'exécution de vos projets d'IA générative et d'autres projets d'IA.

1. Commencez petit. Trouvez des cas d'utilisation dans votre entreprise qui pourraient être traités en quelques semaines ou quelques mois, plutôt que d'envisager des projets pluriannuels.
2. Adoptez une approche agile, itérative et rapide. Au départ, l'IA générative que vous choisissez pourrait ne pas fournir la bonne réponse ; elle pourrait avoir des hallucinations. Apprenez pourquoi, essayez de nouveaux modèles d'IA générative, ajustez la manière dont vous lancez l'invitation tout en limitant le champ d'application et inspectez régulièrement les résultats et les progrès.
3. Ne vous fiez pas à une seule GenAI. Les GenAI et les modèles sous-jacents qu'elles utilisent évoluent rapidement et deviennent plus puissants à chaque nouvelle version.
4. Assurez-vous que votre pile technologique peut évoluer avec la GenAI. Choisissez une plateforme de données évolutive, sécurisée et flexible en ce qui concerne les données que vous partagez avec la GenAI.
5. Vos données, votre IA. Les IA génératives accessibles au public ne sont pas formées à partir de vos données privées et exclusives. Trouvez un moyen de transmettre vos données à l'IA générative afin qu'elle puisse fournir une réponse plus nuancée et plus précise à votre demande. C'est là qu'une architecture basée sur la RAG, avec des données sécurisées connectées dans un graphe de connaissances étayé par une plateforme de données, prend toute son importance.
6. Assurez-vous que vos données ne sont pas seulement propres, mais aussi connectées. Les déchets entrent, les déchets sortent, comme le dit l'adage. C'est là que votre LLM peut s'effondrer s'il n'est pas correctement approvisionné en données propres et curées. Il est essentiel de disposer d'une plateforme de données capable de modéliser les données, de les adapter à l'application et de gérer ce travail à grande échelle.
7. Exploitez vos données à la recherche d'informations commerciales et, en fin de compte, d'informations commerciales. Bien que cette tâche incombe généralement aux ingénieurs en données/information, ils n'ont pas toujours l'expertise métier nécessaire pour savoir ce que les informations leur disent. Grâce à une plateforme sémantique de données d'IA, l'exploration de l'information peut être automatisée et adaptée au niveau dont les LLM et les IA ont besoin. Cela permet à la GenAI d'accéder à des données enrichies de métadonnées avancées, étiquetées et classées, avec des faits exposés et liés à un modèle de connaissance sémantique axé sur l'entreprise et basé sur des règles. Cela permet d'utiliser l'expertise humaine de vos experts en la matière, de la mécaniser et de l'appliquer à grande échelle à l'ensemble de vos données.

Ces conseils constituent un point de départ solide pour votre projet d'IA générative. Mais à partir de là, une chose est claire : pour construire une IA générative agile, fiable et précise, vous avez besoin d'une plateforme de données moderne qui inclut une base de données multi-modèle, capable de gérer des données sémantiquement liées, améliorées par des métadonnées contextualisées sur les données stockées. C'est là qu'intervient la Progress Data Platform, alimentée par Progress MarkLogic et Progress Semaphore. Ces deux technologies fonctionnent ensemble pour constituer une base pour votre application GenAI et une plateforme pour les futures innovations basées sur l'IA.

Nous avons examiné l'IA générative basée sur la RAG et la manière dont la Progress Data Platform peut prendre en charge les efforts d'IA générative au sein de l'entreprise dans notre liste de lecture YouTube sur l'IA générative, une courte série de webinaires à la demande. Jetez-y un coup d’œil !