详细内容或原文请订阅后点击阅览
使用 Google Cloud 和 DataRobot 解决 GenAI 挑战
了解团队如何利用 Google Cloud 和 DataRobot AI 平台构建一个克服常见生成 AI 挑战的 genAI 堆栈。文章《使用 Google Cloud 和 DataRobot 解决 GenAI 挑战》首先出现在 DataRobot 上。
来源:DataRobot博客几乎每个公司都在探索生成性AI并不夸张。 90％的组织报告开始他们的Genai旅程，这意味着他们优先考虑AI程序，范围范围，并/或对其第一个模型进行实验。尽管这种兴奋和投资，但是很少有企业能为他们的AI努力展示任何东西，只有13％的报告成功将Genai模型转移到了生产中。
生成ai这种惯性是有理由导致许多组织质疑其方法的，尤其是在预算时。以有效的，以结果为导向的方式克服这些Genai挑战，需要一个灵活的基础设施，可以处理整个AI生命周期的需求。
genai挑战 结果驱动挑战将生成AI转移到生产中
限制AI影响的挑战是多种多样的，但可以大致分为四类：
- 技术技能：组织缺乏将AI Gen Apecripation纳入生产的战术执行技能和知识，包括建立数据基础架构所需的技能，以供养模型的IT技能有效部署模型以及随着时间的推移监视模型所需的技能。文化：组织未能采用思维方式，流程，流程，以及实现现实企业的实现，或者是实现现实企业的必要性或实现现实企业的必要性，或者是实现了现实的价值。 信心：组织需要一种方法来安全建立，运营和管理其AI解决方案，并对结果充满信心。否则，他们冒着将高风险模型部署到生产中的风险，或者永远不会逃脱成熟的概念验证阶段。 基础架构：组织需要一种方法来平滑从采购到生产的AI堆栈的过程，而不会产生脱节和效率低下的工作流程，承担过多的技术债务或超支。