Gartner重磅报告揭示 2027年任务特定AI将超越通用AI

根据Gartner发布的最新报告，到2027年，企业将更频繁地采用任务特定的人工智能模型，而非通用的大规模语言模型。报告强调了这种趋势背后的原因及其对企业的影响。

报告指出，尽管通用语言模型在处理各种语言任务时表现出色，但在
涉及具体业务领域的深度理解时，其响应精度可能会有所下降。这种局限性促使越来越多的企业转向开发专门针对其特定需求的定制化人工智能模型。

任务特定模型的一个显著优势在于它们可以利用检索增强生成或微调等技术来优化性能，进而更好地适应企业的独特要求。实现这一点的前提条件之一就是拥有高质量的企业内部数据。这些数据不仅有助于构建更加精准的模型，还能促进企业之间的合作与知识共享。

Gartner的副总裁兼分析师Sumit Agarwal认为，随着商业流程变得越来越复杂以及对准确性的期望不断提高，这种变化已成为必然趋势。他指出，相比通用型模型，任务特定模型通常需要较少的计算资源，这有助于降低运营成本并提高效率。同时，它们还可以提供更快的响应时间，这对于许多实时应用来说至关重要。

值得注意的是，Agarwal还提到了一个潜在的发展方向：即随着公司逐渐认识到自身数据资产的价值，它们可能会开始将其转化为商业机会。这意味着企业不仅会继续保护自己的知识产权，还可能通过许可或其他方式让第三方接触到这些资源，甚至包括竞争对手。这种转变反映了企业在对待数据的态度上从保守主义向开放合作模式的转变。

为了顺利过渡到新的AI架构，Gartner给出了以下几点建议：- 在那些需要深入了解业务背景或当前主流大语言模型无法达到预期效果的地方率先尝试开发专用模型；- 当单一模型不足以覆盖所有需求时，可以考虑结合多个模型和工作流；- 加大在数据准备及员工培训方面的投入，确保具备足够的技术和人力支持；- 鼓励组织内部各利益相关方之间的沟通协作，共同推动项目成功。

这份报告揭示了一个重要现象：即企业在面对日益复杂的商业环境时，正在逐步放弃依赖单一工具的方法，而是选择根据具体情况选择最适合的技术解决方案。这不仅体现了技术进步所带来的机遇，也反映了企业管理层对于创新和技术应用的重视程度。