De fem vigtigste tendenser i AI lige nu

Verdens førende teknologivirksomheder var for nyligt samlet til Morgan Stanleys konference om teknologi, medier og telekom. Her delte de indsigter i deres arbejde og satte ord på de udfordringer, de står overfor. Fem centrale temaer blev fremhævet.

Øget efterspørgsel på hardware. Jo mere avancerede og intelligente, AI-modeller bliver, desto større bliver deres behov for computerkraft. Det øger kravene til den underliggende hardware. Derfor ses en markant stigning i efterspørgslen på specialiserede hardwareløsninger – især i form af chips med høj ydeevne.

Der arbejdes også målrettet med forbedringer indenfor hukommelse, strømstyring og specialdesignede chips, som er skræddersyet til specifikke AI-opgaver – i modsætning til traditionelle standardkomponenter. Mange virksomheder efterspørger netop disse løsninger for at kunne udnytte AI fuldt ud.

Samtidig peges på nogle udfordringer, som industrien står overfor. Herunder kapacitetsmangel i chipfabrikkerne, hvor opbygningen af nye anlæg kan tage flere år. Derudover skaber usikkerhed omkring amerikanske eksportrestriktioner bekymring, da mange virksomheder endnu ikke kan vurdere, hvor stor en økonomisk effekt det vil få.

Cloud-giganter udvider deres indtægtskilder. De største cloud-udbydere delte under konferencen, hvordan de målrettet arbejder på at få virksomheder til at benytte flest mulige af deres tjenester. Målet er klart: At opbygge endnu større AI-platforme og vinde markedsandele.

Topcheferne beskrev massive investeringer i kommercielle cloud-servere, som skal understøtte den stigende efterspørgsel efter avancerede AI-løsninger. De arbejder aktivt på at udvide deres AI-tilbud ved at forbedre teknologiernes evne til at ræsonnere, udvikle specialiserede applikationer og skabe mere autonome systemer i form af AI-agenter.

Store sprogmodeller (LLMs) ser stort potentiale i brugen af AI baseret på virksomheders egen data. I dag anvender mange virksomheder LLM’er til opgaver som kundesupport, chatbots, content-generering, marketing og endda kodning. Men efterhånden som modellerne bliver mere selvstændige, vil de kunne håndtere langt mere komplekse opgaver.

Her ser flere topledere i branchen, at det største uudnyttede potentiale er evnen til at bearbejde og analysere virksomheders egne data. Eksempler på dette kunne være kontekstbaserede anbefalinger, datadreven indsigt, procesoptimering, overholdelse af lovgivning og strategisk planlægning.

Specielt brancher som biotek og jura kan få stor gavn af skræddersyet AI. I biotek kan AI f.eks. hjælpe med kliniske forsøg og regulatoriske indsendelser, mens jura kan bruge det til at effektivisere assisterende arbejdsopgaver.

En vigtig forudsætning for, at virksomheder kan udnytte dette potentiale er, at AI-modellerne kan håndtere deres data på en sikker måde. Dette er en grundlæggende nødvendighed, før virksomhederne kan begynde at skalere deres AI-løsninger effektivt.

Datavirksomheder sætter fokus på at evaluere AI.

Virksomheder indenfor data og cloud-infrastruktur er begyndt at udvikle værktøjer, der gør det nemmere at overvåge og forstå, hvordan AI-systemer opfører sig. Det sker gennem automatisering af såkaldt ‘observability’ – evnen til at analysere og tolke de data et system genererer, for derigennem at få indsigt i, hvordan det fungerer.

Samtidig udvikles der evalueringssystemer, som gør det lettere for virksomheder at vurdere, om deres investeringer i AI faktisk skaber værdi. Èn ting er at kunne anvende AI til at skrive koder hurtigt – men den reelle værdi ligger i at kunne teste løsningerne, forstå deres effekt og dokumentere, at de rent faktisk bidrager til målsætningerne.

Softwarevirksomheder retter blikket mod AI-agenter. Ledere i softwarebranchen fortæller, hvordan AI allerede i dag bruges til at øge produktiviteten – særligt indenfor marketing og ingeniørarbejde. Men blikket er også rettet længere frem: Mod en fremtid, hvor såkaldt agentisk AI får en central rolle.

Det handler om intelligente digitale agenter, der ikke blot assisterer, men også selvstændigt kan træffe beslutninger, handle og tilpasse sig i komplekse, virkelige forretningssituationer på tværs af brancher.

MAL