Lo 24 d’octobre passat, a l’invitacion de l’Associacion coreana per l’intelligentizacion de l’industria (KOIIA), CLEVI participèt al «Seminari d’estrategias per respondre a las industrias del futur», organizat dins l’Acadèmia 2025 de formacion dels talents clau de las entrepresas de talha mejana, e lo director general de CLEVI, Lee Hwan-ho, pronuncièt lo discors inaugural.
Participèrem a la session «Cas d’utilizacion de l’IA fisica e factors d’error e estrategias d’amelioracion dins lo procediment d’introduccion d’agents RAG», dins la session «Cas d’introduccion de tecnologias d’IA e estrategias practicas de DX».
Amb l’interès creissent per los agents d’IA recentament, de mai en mai d’entrepresas considèran d’introduire de tecnologias d’IA. Sembla que fòrça institucions e entrepresas an ja començat d’utilizar l’IA a títol experimental.
Pasmens, malurosament, los estudis mòstran que fòrça entrepresas e institucions obtènon pas lo ROI desirat, o que de foncionalitats que foncionavan dins lo PoC donan pas de responsas corrèctas o foncionan pas dins lo projècte principal o sus lo terren.
A causa d’aquestas informacions, fòrça entrepresas esitèron a introduire l’IA tròp lèu.
Dins aquesta conferéncia, lo director general de CLEVI, Lee Hwan-ho, expliquèt en detalh las limitacions dels sistèmas RAG, una de las causas principalas dels fracasses de las introduccions precipitadas de l’IA, aital coma los modèls open source e los pichons LLM (SLM), e expliquèt perqué las temptativas d’introduccion precedentas avián fracassat.
En fin de compte, la rason per la quala utilizam l’IA es que nos esperam que remplaçarà lo trabalh dels èssers umans o qu’ofrirà de performanças superioras a las dels èssers umans.
Los professionauls de las entrepresas qu’an introduch l’IA uèi pòdon pas fisar a la qualitat de las responsas de l’IA. Coma dèvon verificar cada responsa d’IA una per una, se multiplican los repròchis segon los quals lor carga de trabalh a, al contrari, aumentat.
La rason es que la màger part de las entrepresas utilizan de modèls SLM open source finament ajustats coma solucions.
D’un biais intuitiu, pensam que l’IA vendrà mai intelligenta se realiza un aprendissatge novèl. Pasmens, quand ensenhatz de coneissenças novèlas a l’IA, perd al contrari sas memòrias anterioras, es a dire de ponderacions de paramètres arbitraris.
Lo problèma encara mai grèu es que degun sap pas quinas informacions o coneissenças se son perdudas.
Com que l’adopcion de l’IA es pas una iniciativa que mobiliza pauc de ressorses, avètz probablament menat fòrça validacions tre la fasa de PoC.
Perqué aqueles problèmas apareguèron pas a aquel moment? Es, plan segur, per çò que l’aprendissatge foguèt refach amb las informacions ciblas.
A una IA que coneissiá sonque los nombres, avètz ensenhat l’alfabet e puèi li avètz pausat sonque de questions sus l’alfabet; es doncas normal que respondèsse corrèctament. Mas, sul terren, avèm besonh sonque de modèls especializats dins un domeni tan especific?
Sul nòstre terren, sèm confrontats cada jorn a de novèls environaments e a de novèlas donadas. Pasmens, una IA entrenada en destrusent aleatòriament sas coneissenças existentas pòt pas garantir ni la polivaléncia ni la precision.
Per aquò, es necessari de possedir un grand modèl de lenga From-scratch Foundation o la tecnologia per lo crear.
Perque aqueles modèls possedisson gaireben totas las coneissenças del mond, çò que lor permet d’ofrir una qualitat e una precision de responsa elevadas.
Dins los domenis especializats, podètz utilizar la tecnologia SFT(Supervised Fine-Tuning) o, per una pichona quantitat de donadas, un sistèma RAG o la tecnologia de basa de donadas semantica, lo sistèma de basa de donadas d’intelligéncia desvolopat per Clevi, per superar los inconvenients dels SLM ajustats.
Perque l’Estat coneis tanben l’importància d’aqueles modèls de fondacion, fornís un sosten considerable.
Es lo projècte d’IA representativa de la nacion. L’objectiu principal d’aquel projècte es probablament d’assegurar la sobeiranetat numerica.
Clevi coneissiá tanben los inconvenients critics de l’utilizacion de modèls de còdi font dobèrt; avèm doncas desvolopat independentament tot, de la collècta de donadas a la concepcion de l’arquitectura, e entrenat los modèls de Clevi.
Actualament, los modèls de Clevi an de performanças que demòran pas en arrièr, quitament en competicion amb las IA mai renomadas del mond.
En particular, coma possedissèm nòstres modèls, Clevi es pas concernit pels problèmas de dependéncia que pòdon aparéisser quand s’utilizan de modèls extèrnes.
L’adopcion de l’IA ven ara una necessitat e non pas una opcion. Pasmens, es dificil d’obténer los resultats desirats en introduir simplament las darrièras tecnologias.
La vertadièra innovacion comença sonque quand comprenèm exactament los limits de la tecnologia e establissèm una estrategia optimala adaptada a l’environament e als objectius de nòstra organizacion.
Amb sas tecnologias diferenciatòrias, coma son grand modèl de lenga independent e sa basa de donadas semantica, Clevi minimiza los ensages, errors e riscs que las entrepresas rencontran dins lo procès d’adopcion de l’IA.
Contunharem d’escotar las voses del terren e farem tot lo possible per venir un partenari d’IA de fisança per a encara mai d’entrepresas. Vos desiram de bastir lo vertadièr succès de l’adopcion de l’IA amassa amb CLEVI.