McKinsey-Partner: Generative KI hilft bei der Lösung verschiedener Herausforderungen bei der Cloud-Migration

Bhargs Srivathsan, Partner von McKinsey & Company, sagte kürzlich auf einer Konferenz in Singapur, dass die generative KI-Technologie bei ordnungsgemäßer Anwendung die Arbeitsbelastung bei der Cloud-Migration voraussichtlich um 30 bis 50 % reduzieren wird.

Srivathsan glaubt: „Man kann nur sagen, dass die aktuellen Fortschritte gerade erst den ersten Schritt gemacht haben. Mit zunehmender Reife des Large Language Model (LLM) wird sich der Zeitplan für die Migration von Arbeitslasten in die Public Cloud weiter verkürzen und die Effizienz des.“ Auch der Migrationsprozess kann entsprechend verbessert werden.“

Sie schlug vor, dass Unternehmen zunächst ein großes Sprachmodell verwenden, um die Infrastruktur im System zu verstehen, ihre Mängel und Vorteile zu analysieren und dann nach der Workload-Übertragung weiterhin KI-Tools anzuwenden durchgeführt, um zu prüfen, ob die Migration wirksam ist.

Darüber hinaus können Sie große Sprachmodelle auch verwenden, um weitere verwandte Arbeiten durchzuführen, z. B. das Verfassen von erklärenden Materialien wie Richtlinien des Architekturprüfungsausschusses.

Der Partner sagte, dass, obwohl viele Unternehmen gerade erst begonnen haben, über die Einführung von KI-Technologie nachzudenken, 40 % der von McKinsey investierten Unternehmen ihre IT-Investitionen bereits aktualisieren.

Srivathsan glaubt, dass die Beziehung zwischen generativer KI und der Cloud „symbiotisch“ ist.

„Es muss zugegeben werden, dass es ohne die Popularisierung der öffentlichen Cloud unmöglich wäre, generative KI wirklich zum Leben zu erwecken. Dementsprechend kann generative KI auch die Migration der öffentlichen Cloud effektiv beschleunigen und Benutzern helfen, von der ursprünglichen öffentlichen Cloud zu migrieren, um den Rückzug freizuschalten.“ „

Nach Ansicht von Srivathsan sind die vier Hauptanwendungsfälle generativer KI die Generierung von Inhalten, die Einbindung von Kunden, die Erstellung synthetischer Daten und das Schreiben von Code. Natürlich geht es beim Schreiben von Code hier nicht darum, die Softwareentwicklung von Grund auf abzuschließen. Die Programmierfähigkeit der generativen KI zeigt sich vor allem in der Übernahme von Legacy-Codes, mit denen niemand mehr vertraut ist, wenn Mitarbeiter ausscheiden, oder in der Umwandlung ursprünglicher Codes in neue Sprachformen.

Sie betonte auch, dass die Public Cloud zuverlässiger ist als der Versuch, ein internes Modell aufzubauen, weil Unternehmensbenutzer häufig nicht über ausreichende GPU-Reserven verfügen. Darüber hinaus sind die Kosten für vorgefertigte kommerzielle Modelle auf dem Markt auch günstiger als für die Selbstschulung.

Srivathsan wies darauf hin, dass entsprechende Leitplanken auch für Nutzer eingerichtet werden können, die in regulierten Branchen tätig sind, über große Mengen an proprietären Daten verfügen oder sich Sorgen über Verletzungen des geistigen Eigentums machen.

Ihrer Meinung nach werden große Sprachmodelle in den nächsten fünf bis sechs Jahren hauptsächlich in extrem großen Infrastrukturumgebungen laufen, bis die Modelle ausgereift sind. Und anders als viele es sich vorstellen, erfordert die Implementierung generativer KI nicht unbedingt solch übertriebene Rechenleistungsreserven. Schließlich gibt es nur wenige Anwendungsfälle, die so hohe Anforderungen an die Latenz stellen.

Mit anderen Worten: Sofern es sich nicht um die Autopilot-Funktion handelt, die auf Tesla läuft, oder um die Software, die für die Steuerung des Echtzeitbetriebs der Fertigungswerkstatt verantwortlich ist, besteht eigentlich keine Notwendigkeit, die Hardware zu sehr anzuhäufen.

Außerdem besteht in den meisten Fällen keine Notwendigkeit, maßgeschneiderte oder großformatige Modelle zu verwenden.

Der McKinsey-Partner meint: „Viele Unternehmen denken, dass sie einen Supersportwagen kaufen müssen, um Pizza zu liefern. Natürlich sind die Modelle, die den Anforderungen wirklich entsprechen, oft weniger komplex und nicht so groß Es ist nicht erforderlich, ein großes Modell mit 65 Milliarden Parametern für ein Kundenservice-Supportskript zu verwenden.“ Sie gab jedoch auch den Rat, dass Entwickler, wenn sie auf nicht proprietäre Modelle oder Daten zugreifen, auf die sie keinen Zugriff haben sollten, dies innerhalb und außerhalb tun müssen Fügen Sie zwischen ihnen ein API-Gateway hinzu, um einen „Echtzeit-Alarm“-Mechanismus einzurichten.

Das obige ist der detaillierte Inhalt vonMcKinsey-Partner: Generative KI hilft bei der Lösung verschiedener Herausforderungen bei der Cloud-Migration. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!