مشکل اعتماد به زمینه داده در عوامل هوش مصنوعی سازمانی

مشکل اعتماد به زمینه داده در عوامل هوش مصنوعی سازمانی

یک پژوهش جدید از ۱۰۱ سازمان نشان می‌دهد که ۵۷ درصد آنها در شش ماه گذشته شاهد تولید پاسخ‌های مطمئن اما نادرست توسط عوامل هوش مصنوعی خود بوده‌اند که ریشه آن در فقدان یا عدم سازگاری زمینه تجاری بوده است. این مشکل نه در قابلیت مدل‌های زبانی، بلکه در نحوه تغذیه آنها با اطلاعات صحیح سازمانی نهفته است.

بازیابی اطلاعات هنوز به بلوغ نرسیده

تکنیک بازیابی تقویت‌شده تولید (RAG) به عنوان منبع اصلی زمینه در ۳۸ درصد سازمان‌ها شناخته شده و بازیابی بومی ارائه‌دهندگان ابری از پایگاه‌های داده برداری اختصاصی پیشی گرفته است. با این حال، اکثر پیاده‌سازی‌ها هنوز در مراحل ابتدایی قرار دارند و به‌طور کامل در محیط تولیدی مستقر نشده‌اند.

لایه معنایی به عنوان راه‌حل

یک لایه معنایی حاکمیتی در حال ظهور به عنوان راه‌حل اصلی این چالش شناخته می‌شود؛ ۵۸ درصد سازمان‌ها در حال حاضر یک لایه معنایی را اجرا یا در حال ساخت آن هستند. این لایه با ایجاد یک مفهوم واحد و سازگار از داده‌های تجاری، به عوامل هوش مصنوعی کمک می‌کند تا پاسخ‌های دقیق‌تر و معتبرتری تولید کنند. علاوه بر این، گرایش به سمت بازیابی ترکیبی در حال تقویت است و بسیاری از سازمان‌ها ابزارهای بهترین-در-کلاس خود را حفظ کرده‌اند.

منبع: VentureBeat