MỤC TIÊU -Phát triển các khả năng độc quyền - Một công ty nên đầu tư vào khả năng AI tổng quát để nó có thể tạo ra lợi thế độc quyền cho doanh nghiệp BA NGUYÊN MẪU
Taker Shaper Maker
Sử dụng các mô hình có sẵn công Tích hợp các mô hình với dữ liệu Xây dựng mô hình nền tảng để khai thông qua giao diện trò và hệ thống nội bộ để tạo ra giải quyết một trường hợp kinh chuyện hoặc API, với rất ít hoặc nhiều kết quả tùy chỉnh hơn doanh riêng biệt. không có tùy chỉnh Taker • Đây là nguyên mẫu đơn giản nhất xét về cả nhu cầu kỹ thuật và cơ sở hạ tầng và nói chung là nguyên mẫu được thiết lập và vận hành nhanh nhất. Shaper • Phù hợp với các công ty đang tìm cách mở rộng quy mô khả năng AI tổng hợp, phát triển nhiều khả năng độc quyền hơn hoặc đáp ứng nhu cầu tuân thủ hoặc bảo mật cao hơn Maker • Việc xây dựng mô hình nền tảng rất tốn kém và phức tạp, đòi hỏi khối lượng dữ liệu khổng lồ, chuyên môn sâu và sức mạnh tính toán lớn -> rất ít tổ chức sẽ áp dụng nó trong thời gian ngắn • -> Hầu hết sẽ chuyển sang sự kết hợp nào đó giữa Taker và Shaper 5. NÂNG CẤP KIẾN TRÚC CÔNG NGHỆ DOANH NGHIỆP ĐỂ TÍCH HỢP VÀ QUẢN LÝ CÁC MÔ HÌNH AI TỔNG QUÁT Các tổ chức sẽ sử dụng nhiều mô hình AI tổng quát với quy mô, độ phức tạp và khả năng khác nhau. Để tạo ra giá trị, các mô hình này cần có khả năng hoạt động cùng nhau và với các hệ thống hoặc ứng dụng hiện có của doanh nghiệp. QUẢN LÝ BỐI CẢNH VÀ BỘ NHỚ ĐỆM
QUẢN LÝ CHÍNH SÁCH 5 YẾU TỐ
ĐƯỢC TÍCH TRUNG TÂM MÔ HÌNH HỢP VÀO KIẾN TRÚC THƯ VIỆN LỜI NHẮC CÔNG NGHỆ
NỀN TẢNG MLOPS
• Quản lý bối cảnh và bộ nhớ • Quản lý chính sách đệm + Để đảm bảo quyền truy + Để cung cấp cho mô hình cập thích hợp vào tài sản dữ thông tin liên quan từ nguồn liệu doanh nghiệp dữ liệu doanh nghiệp • Nền tảng MLOps + Bao gồm các khả năng MLOps được nâng cấp, nhằm giải quyết sự phức tạp của các mô hình AI tổng hợp • Trung tâm mô • Thư viện lời nhắc hình + Chứa các hướng dẫn được tối ưu hóa cho các mô hình + Chứa các mô hình đã được đào tạo và phê duyệt AI tổng hợp 6. PHÁT TRIỂN KIẾN TRÚC DỮ LIỆU CHO PHÉP TRUY CẬP VÀO DỮ LIỆU CHẤT LƯỢNG 01 PHÂN LOẠI VÀ SẮP XẾP DỮ LIỆU • Mục đích: để các mô hình AI tổng hợp có thể sử dụng dữ liệu đó ĐẢM BẢO CƠ SỞ HẠ TẦNG HOẶC 02 DỊCH VỤ ĐÁM MÂY HIỆN CÓ • Mục đích: hỗ trợ việc lưu trữ và xử lý khối lượng dữ liệu khổng lồ cần thiết cho các ứng dụng AI tổng hợp.
03 ƯU TIÊN PHÁT TRIỂN CÁC
ĐƯỜNG DẪN DỮ LIỆU • Mục đích: kết nối các mô hình AI tổng quát với các nguồn dữ liệu có liên quan MỘT SỐ VÍ DỤ PHÂN LOẠI VÀ SẮP XẾP DỮ LIỆU
• CHUYỂN ĐỔI CÁC LOẠI
PHƯƠNG TIỆN THÀNH CÁC • ĐỂ CẢI THIỆN TÍNH ĐA ĐỊNH DẠNG DỮ LIỆU ĐƯỢC DẠNG VÀ QUY MÔ: TĂNG TIÊU CHUẨN HÓA CƯỜNG DỮ LIỆU ĐÀO TẠO BẰNG CÁC MẪU TỔNG HỢP.
• THÊM SIÊU DỮ LIỆU
ĐỂ CẢI THIỆN KHẢ NĂNG TRUY XUẤT NGUỒN GỐC VÀ CHẤT LƯỢNG DỮ LIỆU