eGain : Le savoir sert d'instruction pour l'IA
Les entreprises qui reconnaissent cela et développent la discipline d'ingénierie nécessaire maîtriseront la décennie, affirme l'entreprise.
eGain Corporation souligne la tendance croissante des stratégies d'IA d'entreprise basées sur des fondations de connaissances solides. L'entreprise affirme que les organisations qui comprennent le rôle essentiel du savoir comme instruction pour l'IA – lui permettant de guider les modèles d'IA – et qui investissent dans la discipline technique correspondante, dirigeront la prochaine décennie.
L'importance des plateformes de gestion des connaissances devient primordiale alors que les entreprises cherchent à développer des solutions d'IA fiables adaptées aux environnements de production. Par exemple, le DSI d'un important assureur santé a indiqué que son architecture d'entreprise repose sur deux plateformes clés : une lakehouse de données basée sur le cloud et une plateforme de connaissances qui agrège, organise et gouverne les informations sur lesquelles ses systèmes d'IA s'appuient.
Historiquement, le développement logiciel maintenait une séparation claire entre le code (instructions) et les données. Le code était rigoureusement développé et surveillé, tandis que les données étaient traitées davantage comme des matières premières. À l'ère de l'IA générative, cette ligne de démarcation s'estompe. Les modèles linguistiques opèrent de plus en plus sur la base des connaissances qu'ils récupèrent et sur lesquelles ils raisonnent pour générer des réponses. Par conséquent, le savoir est devenu une couche d'instruction, semblable au code, dictant les actions du système.
eGain souligne que la qualité de la base de connaissances a un impact direct sur la précision des résultats des modèles d'IA. La recherche indique que l'intégration de connaissances de haute qualité et organisées peut améliorer de manière significative la précision des réponses des modèles d'IA sans nécessiter de réentraînement des modèles. Cela souligne la nécessité d'investir dans la discipline d'ingénierie de la gestion des connaissances pour garantir que les systèmes d'IA fonctionnent de manière fiable dans des applications pratiques.