Dana 24. listopada, na poziv Korejskog udruženja za industrijsku inteligentizaciju (KOIIA), sudjelovali smo na događanju „Akademija za razvoj ključnih talenata srednje velikih poduzeća 2025., Seminar o strategijama za suočavanje s budućim industrijama“, na kojem je izvršni direktor Clevija Lee Hwan-ho održao uvodni govor.
Sudjelovali smo u sesiji „Primjeri uvođenja AI tehnologije i praktične strategije za DX“ s temom „Primjeri primjene Physical AI-ja, čimbenici neuspjeha tijekom uvođenja RAG agenata i strategije poboljšanja“.
Kako u posljednje vrijeme raste zanimanje za AI agente, sve je više tvrtki koje razmatraju uvođenje AI-ja. Poznato nam je da su mnoge institucije i tvrtke već eksperimentalno uvele AI i koriste ga u radu.
Međutim, istraživanja pokazuju da u mnogim tvrtkama i institucijama željeni ROI nije ostvaren ili da funkcije koje su radile tijekom PoC-a u glavnom projektu ili na terenu ne daju odgovarajuće odgovore ili uopće ne funkcioniraju.
Zbog takvih informacija mnoge tvrtke oklijevaju s preuranjenim uvođenjem AI-ja.
Na ovom je predavanju izvršni direktor Clevija Lee Hwan-ho detaljno objasnio ograničenja RAG sustava, jednog od glavnih uzroka neuspjeha preuranjenog uvođenja AI-ja, kao i open-source modele i male LLM-ove (SLM), te objasnio zašto su prethodni pokušaji uvođenja bili neuspješni.
U konačnici, AI koristimo zato što očekujemo da će zamijeniti ljudski rad ili ostvariti bolje rezultate od ljudi.
Zaposlenici u tvrtkama koje su danas uvele AI ne vjeruju kvaliteti AI odgovora, pa se sve glasnije žale da im se posao zapravo povećao jer moraju provjeravati svaki pojedinačni AI odgovor.
Razlog je taj što većina tvrtki koristi open-source SLM modele koje je prilagodila finim ugađanjem kao rješenja.
Intuitivno se čini da će AI postati pametniji ako usvoji nova znanja, no učenjem novih znanja AI zapravo gubi sjećanja iz prošlosti, odnosno proizvoljne težine parametara.
Još je ozbiljniji problem to što nitko ne zna koje su informacije ili znanja izgubljeni.
Budući da uvođenje umjetne inteligencije nije nešto što zahtijeva malo resursa, vjerojatno ste od faze PoC-a provodili brojna testiranja.
Zašto se takav problem tada nije pojavio? Naravno, zato što je ponovno obučena ciljnim informacijama.
AI koji je znao samo brojeve podučili smo abecedi, a zatim mu postavljali samo pitanja o abecedi, pa je sasvim prirodno da je dobro odgovarao. No trebamo li na terenu doista samo modele specijalizirane za takve određene domene?
Naše se poslovno okruženje svakodnevno suočava s novim uvjetima i novim podacima. Međutim, AI koji je obučen nasumičnim uništavanjem postojećeg znanja ne može jamčiti ni opću primjenjivost ni točnost.
Stoga je potrebno posjedovati From-scratch Foundation veliki jezični model ili tehnologiju za njegovu izradu.
Budući da ti modeli sadrže gotovo svo znanje svijeta, pružaju ne samo visoku kvalitetu odgovora nego i visoku točnost.
U slučaju specijaliziranih domena, nedostatke fino podešenog SLM-a moguće je prevladati primjenom tehnologije SFT (Supervised Fine-Tuning), a za male količine podataka korištenjem RAG sustava ili tehnologije semantičke baze podataka, CLEVI-jeva inteligentnog sustava baze podataka razvijenog u vlastitoj režiji.
Budući da i vlada prepoznaje važnost takvih temeljnih modela, pruža znatnu podršku.
Riječ je o projektu National AI. Najveći cilj tog projekta vjerojatno je osiguravanje digitalnog suvereniteta.
I u CLEVI-ju smo bili svjesni kritičnih nedostataka korištenja modela otvorenog koda, stoga smo samostalno razvili sve, od prikupljanja podataka do dizajna arhitekture, te obučili CLEVI-jeve modele.
Trenutačni CLEVI-jevi modeli imaju performanse koje ni najmanje ne zaostaju ni u usporedbi s vodećim svjetskim AI sustavima.
Budući da posjedujemo vlastite modele, CLEVI nije pogođen ni problemom ovisnosti koji se može pojaviti pri korištenju vanjskih modela.
Uvođenje AI-ja postaje nužnost, a ne izbor. Međutim, teško je postići željene rezultate samo uvođenjem najnovije tehnologije.
Prava inovacija počinje tek kada točno razumijemo ograničenja tehnologije i uspostavimo optimalnu strategiju prilagođenu okruženju i ciljevima naše organizacije.
CLEVI svojim diferenciranim tehnološkim mogućnostima, uključujući vlastiti veliki jezični model i semantičku bazu podataka, smanjuje pokušaje i pogreške te rizike s kojima se poduzeća suočavaju tijekom uvođenja AI-ja.
I ubuduće ćemo osluškivati glasove s terena i dati sve od sebe kako bismo postali AI partner kojemu može vjerovati još više poduzeća. Nadamo se da ćemo zajedno s CLEVI-jem ostvariti istinski uspjeh uvođenja AI-ja.