4 Minuty
Firmy sází na generativní AI
Globální organizace rychle zvyšují investice do generativní AI (GenAI), často kladoucí důraz na inovaci a konkurenční výhodu před environmentálními či provozními důsledky. Nedávná studie v odvětví zjistila, že 61 % podniků plánuje navýšit rozpočty na GenAI v následujících 12 měsících, zatímco v uplynulém roce navýšilo investice do AI technologií celkem 88 % firem. Tento rychlý nárůst zdůrazňuje rostoucí adopci podnikové AI, ale zároveň nastoluje zásadní otázky ohledně udržitelnosti, kontroly nákladů a dlouhodobé návratnosti investic.
Spotřeba energie a obavy o udržitelnost
Pozornost se často soustředí na poskytovatele AI platforem, přesto však hlavní poptávku a zvyšující se energetickou náročnost datových center vytvářejí koncoví uživatelé – firmy. Velcí cloudoví operátoři hlásí výrazné zvýšení spotřeby energie: jeden poskytovatel zaznamenal téměř 27% nárůst spotřeby elektrické energie v datových centrech během částí let 2024–25, další pak celkový dramatický růst spotřeby za poslední roky. Přes tyto ukazatele více než polovina oslovených firem věří, že přínosy generativní AI převyšují její dopad na životní prostředí – tento pohled převládá zvláště v některých regionech.
Uhlíková stopa AI a skryté náklady
Kromě udržitelnosti čelí firmy i neočekávaným nákladům při škálování AI projektů. Přibližně každá pátá organizace uvádí nespokojenost s prvními výsledky a častý „šok z účtů“, kdy využití zdrojů výrazně překračuje původní plán. To zdůrazňuje potřebu modelování nákladů, monitoringu a důsledné správy ještě před širokou implementací.
Funkce produktů a technická řešení
Podniky zkoumají různé modely i možnosti nasazení generativní inteligence, aby dosáhly rovnováhy mezi výkonem, náklady a ochranou soukromí:
- Velké základní modely (foundation models) pro pokročilé funkce a vysoce kvalitní generativní výstupy.
- Malé jazykové modely (SLMs) pro nasazení na okraji sítě, nižší provozní náklady a rychlejší odezvy.
- On-premise nebo privátní cloudová řešení ke kontrole datových toků a splnění regulatorních požadavků.
- Hybridní architektury inference směrující citlivé požadavky do bezpečného prostředí a veřejné cloudy pro méně kritické úlohy.
Srovnání: velké modely vs. malé jazykové modely
Velké modely AI obvykle přinášejí hlubší porozumění kontextu a kreativnější generování obsahu, avšak za cenu vyšších výpočetních, energetických i provozních nákladů. Malé jazykové modely naopak nabízejí úspory v latenci, provozních nákladech i uhlíkové stopě – což je pro aplikace zaměřené na zákazníky i regulované sektory velmi atraktivní volba.
Výhody, příklady použití a tržní význam
Strategické využití generativní AI přináší jasné benefity: zlepšení zákaznických procesů, automatizaci personalizovaného marketingu, rychlejší modelování rizik i kvalitnější podporu rozhodování. Typickými případy využití jsou chatboti a virtuální asistenti, inteligentní zpracování dokumentů, generování personalizovaného obsahu a detekce podvodů. Význam na trhu potvrzuje i to, že firmy v průměru vyčleňují kolem 12 % IT rozpočtu právě na generativní AI projekty.
Jak maximalizovat návratnost investic a minimalizovat dopady
Pouhé utrácení nestačí. Pro dosažení měřitelných přínosů je klíčové vybudovat pevné datové základy, zavést správu a dozor nad AI technologiemi, upřednostnit bezpečné a regulacím odpovídající prostředí a pilotovat řešení v oblastech s největším potenciálem, jako jsou zákaznické operace, marketing či řízení rizik. Přesto má pouze menšina firem dnes formální správu AI procesů zavedenou, což zvyšuje riziko nadměrných výdajů a regulatorních sankcí.
Stručně řečeno, další etapa podnikové AI by měla spojit ambiciózní investice s disciplinovaným inženýrstvím, plánováním udržitelnosti a efektivní správou, aby generativní AI mohla růst odpovědně a přinášet trvalou hodnotu pro celý podnik.
Zdroj: smarti
Komentáře