24 жовтня, на запрошення Корейської асоціації інтелектуалізації промисловості (KOIIA), ми взяли участь у семінарі «Академія розвитку ключових талантів середніх підприємств 2025: стратегії реагування на індустрії майбутнього», де генеральний директор CLEVI Лі Хванхо виступив із програмною промовою.
Ми взяли участь у сесії «Приклади впровадження технологій AI та практичні стратегії DX» із темою «Приклади використання Physical AI, фактори невдач і стратегії вдосконалення під час впровадження RAG-агентів».
Останнім часом, зі зростанням інтересу до AI-агентів, дедалі більше компаній розглядають можливість впровадження AI. Наскільки нам відомо, багато установ і компаній уже пілотно впроваджують AI та використовують його в роботі.
Однак, на жаль, дослідження показали, що в багатьох компаніях та установах бажаний ROI не досягається, а функції, які працювали на етапі PoC, у межах основного проєкту або безпосередньо на місцях часто не дають належних відповідей чи взагалі не працюють.
Через цю інформацію багато компаній не поспішають із впровадженням AI.
Під час цієї лекції генеральний директор CLEVI Лі Хванхо докладно пояснив обмеження RAG-систем — одну з основних причин невдалого поспішного впровадження AI, — а також розповів про моделі з відкритим кодом і малі LLM (SLM), пояснивши, чому попередні приклади впровадження зазнали невдачі.
Зрештою, AI використовують у надії, що він виконуватиме роботу людей або демонструватиме кращу за людей продуктивність.
Оскільки практичні фахівці компаній, які вже впровадили AI, не довіряють якості відповідей AI, вони змушені щоразу перевіряти їхній зміст, через що дедалі частіше скаржаться на збільшення робочого навантаження.
Причина полягає в тому, що більшість компаній використовує моделі SLM із відкритим кодом, донавчивши їх і перетворивши на рішення.
Інтуїтивно здається, що після нового навчання AI стане розумнішим, але насправді, навчаючи AI нових знань, ми втрачаємо його попередні спогади, тобто довільні ваги параметрів.
Ще серйозніша проблема полягає в тому, що ніхто не знає, яку саме інформацію чи знання було втрачено.
Оскільки впровадження AI не є справою, що потребує незначних ресурсів, імовірно, ви проводили багато перевірок ще на етапі PoC.
Чому ж цього разу такі проблеми не виникли? Звісно, це тому, що модель була перенавчена на цільовій інформації.
AI, який знав лише цифри, навчили алфавіту, а потім ставили йому лише запитання про алфавіт, тож цілком природно, що він добре відповідав. Але чи потрібні на практиці лише моделі, спеціалізовані на таких конкретних доменах?
Щодня наша діяльність стикається з новим середовищем і новими даними. Однак AI, навчений шляхом випадкового руйнування наявних знань, не може гарантувати ні універсальності, ні точності.
Тому необхідно мати From-scratch Foundation велику мовну модель або технологію, що дає змогу створити таку модель.
Оскільки такі моделі містять майже всі знання світу, вони забезпечують не лише високу якість відповідей, а й високу точність.
Для спеціалізованих доменів можна використовувати технологію SFT(Supervised Fine-Tuning), а для невеликої кількості даних — систему RAG або технологію семантичної бази даних, власноруч розробленої CLEVI інтелектуальної системи бази даних, щоб подолати недоліки донавченої SLM.
Оскільки уряд також усвідомлює важливість таких фундаментальних моделей, він активно надає значну підтримку.
Йдеться саме про проєкт національного AI. Найбільшою метою цього проєкту, імовірно, є забезпечення цифрового суверенітету.
Оскільки ми в CLEVI також знали про критичні недоліки використання моделей із відкритим кодом, ми самостійно розробили все — від збору даних до проєктування архітектури — і навчили моделі CLEVI.
Наразі моделі CLEVI мають продуктивність, яка зовсім не поступається провідним світовим AI, навіть у конкуренції з ними.
Зокрема, оскільки ми маємо власні моделі, CLEVI також не стикається з проблемами залежності, які можуть виникнути під час використання зовнішніх моделей.
Тепер упровадження AI стає не вибором, а необхідністю. Однак лише впровадження найновіших технологій не дає змоги легко досягти бажаних результатів.
Справжні інновації починаються лише тоді, коли ми точно розуміємо обмеження технологій і розробляємо оптимальну стратегію відповідно до середовища та цілей нашої організації.
Завдяки диференційованим технологічним можливостям, зокрема власній великій мовній моделі та семантичній базі даних, CLEVI мінімізує кількість проб і помилок та ризики, з якими компанії стикаються під час упровадження AI.
Ми й надалі уважно прислухатимемося до думок фахівців на місцях і докладатимемо всіх зусиль, щоб стати надійним партнером у сфері AI для ще більшої кількості компаній. Бажаємо вам досягти справжнього успіху у впровадженні AI разом із CLEVI.