24 października, na zaproszenie Koreańskiego Stowarzyszenia Inteligentnej Industrializacji (KOIIA), prezes CLEVI Lee Hwan-ho wziął udział w wydarzeniu „Akademia rozwoju kluczowych talentów w średnich przedsiębiorstwach 2025, seminarium na temat strategii reagowania na przyszłe gałęzie przemysłu”, wygłaszając przemówienie inauguracyjne.
W sesji „Przypadki zastosowania technologii AI i praktyczne strategie DX” wzięliśmy udział z tematem „Przypadki zastosowania Physical AI oraz czynniki niepowodzeń i strategie poprawy podczas wdrażania agentów RAG”.
W ostatnim czasie rośnie zainteresowanie agentami AI, a coraz więcej firm rozważa wdrożenie AI. Wiadomo, że wiele instytucji i przedsiębiorstw przeprowadziło pilotażowe wdrożenia AI i już je eksploatuje.
Niestety, badania wykazały, że w wielu przedsiębiorstwach i instytucjach nie udaje się osiągnąć oczekiwanego ROI, a funkcje, które działały w ramach PoC, często nie generują prawidłowych odpowiedzi lub nie działają w ramach właściwego projektu ani w środowisku operacyjnym.
Z powodu tych informacji wiele firm niechętnie podchodzi do pochopnego wdrażania AI.
Podczas tego wykładu prezes CLEVI Lee Hwan-ho szczegółowo wyjaśnił ograniczenia systemów RAG, będące jedną z głównych przyczyn niepowodzeń pochopnych wdrożeń AI, a także modele open source i małe modele LLM (SLM), wyjaśniając, dlaczego wcześniejsze wdrożenia zakończyły się niepowodzeniem.
Ostatecznie AI wykorzystuje się z nadzieją, że zastąpi pracę człowieka lub zapewni lepszą wydajność niż człowiek.
Pracownicy operacyjni firm, które wdrożyły AI, nie ufają jakości odpowiedzi AI, dlatego pojawiają się skargi, że ich praca zamiast się zmniejszyć, zwiększa się, ponieważ muszą każdorazowo sprawdzać treść odpowiedzi AI.
Powodem jest to, że większość firm wykorzystuje jako rozwiązanie modele SLM open source po ich dostrojeniu.
Intuicyjnie można sądzić, że AI stanie się inteligentniejsza po przyswojeniu nowej wiedzy, jednak uczenie AI nowej wiedzy powoduje utratę wcześniejszych wspomnień, czyli arbitralnych wag parametrów.
Jeszcze poważniejszy problem polega na tym, że nikt nie wie, jakie informacje lub wiedza zostały utracone.
Ponieważ wdrożenie AI nie jest zadaniem wymagającym niewielkich zasobów, zapewne przeprowadzili Państwo wiele weryfikacji już na etapie PoC.
Dlaczego tym razem nie pojawiły się takie problemy? Oczywiście dlatego, że model został ponownie wytrenowany na informacjach docelowych.
AI, które znało tylko liczby, nauczyło się alfabetu, a następnie otrzymywało wyłącznie pytania dotyczące alfabetu, więc siłą rzeczy udzielało poprawnych odpowiedzi. Czy jednak w środowisku operacyjnym potrzebujemy wyłącznie modeli wyspecjalizowanych w takich konkretnych domenach?
W naszym środowisku każdego dnia spotykamy się z nowymi warunkami i nowymi danymi. Jednak AI wytrenowane poprzez losowe niszczenie dotychczasowej wiedzy nie gwarantuje ani uniwersalności, ani dokładności.
Dlatego potrzebna jest technologia umożliwiająca posiadanie lub stworzenie From-scratch Foundation wielkiego modelu językowego.
Ponieważ modele te posiadają niemal całą wiedzę o świecie, zapewniają nie tylko wysoką jakość odpowiedzi, lecz także wysoką dokładność.
W przypadku wyspecjalizowanych domen można przezwyciężyć ograniczenia dostrajanych SLM, stosując technologię SFT(Supervised Fine-Tuning), a w przypadku niewielkich ilości danych — system RAG lub technologię semantycznej bazy danych, czyli opracowany przez CLEVI własny system inteligentnej bazy danych.
Rząd również zdaje sobie sprawę ze znaczenia takich modeli bazowych, dlatego nie szczędzi wsparcia.
Mowa o projekcie National AI. Najważniejszym celem tego projektu jest zapewne zapewnienie suwerenności cyfrowej.
CLEVI również znało krytyczne ograniczenia korzystania z modeli open source, dlatego samodzielnie opracowało i wytrenowało swoje modele — od gromadzenia danych po projektowanie architektury.
Obecne modele CLEVI osiągają wydajność, która w niczym nie ustępuje czołowym systemom AI na świecie.
W szczególności, ponieważ posiadamy własne modele, CLEVI nie ma również problemu zależności, który może wystąpić podczas korzystania z modeli zewnętrznych.
Wdrożenie AI staje się obecnie koniecznością, a nie wyborem. Jednak samo wprowadzenie najnowszej technologii nie wystarczy, aby osiągnąć oczekiwane rezultaty.
Prawdziwa innowacja zaczyna się dopiero wtedy, gdy dokładnie rozumiemy ograniczenia technologii i opracowujemy optymalną strategię dopasowaną do środowiska oraz celów naszej organizacji.
Dzięki wyróżniającym technologiom, takim jak własny wielki model językowy i semantyczna baza danych, CLEVI minimalizuje próby i błędy oraz ryzyko, z którymi przedsiębiorstwa mierzą się podczas wdrażania AI.
Nadal będziemy wsłuchiwać się w głosy z miejsca pracy i dokładać wszelkich starań, aby stać się partnerem AI, któremu może zaufać jeszcze więcej firm. Mamy nadzieję, że prawdziwy sukces we wdrażaniu AI stworzą Państwo razem z CLEVI.