Gartner：到2028年生成式AI开发时间将减半
Gartner最新预测显示，企业有望在四年内将生成式AI应用的开发时间缩短50%。该研究机构预计，到2028年80%的商业生成式AI解决方案将构建于现有数据管理平台之上，从而显著降低复杂度并加速部署。
当前生成式AI开发通常需要将大语言模型（LLMs）与企业内部数据、向量搜索系统以及元数据管理和提示工程等新兴技术拼凑结合。这种碎片化方法经常导致周期延长和成本激增。
图片来源说明：该图片由AI生成，图像授权服务商为MidJourney。
在近期孟买举行的数据与分析峰会上，Gartner强调检索增强生成（RAG）正成为开发可靠生成式AI应用的新标准。该框架与LLMs结合使用时，既能提升模型准确性，又能提供灵活的实施方案和改进的可解释性。
"RAG彻底改变了企业在销售、HR、IT和数据管理等领域实现流程自动化的方式，"Gartner高级分析师Prasad Pore解释道。传统数据管道需要大量人工操作，而基于RAG的解决方案可以在提高生产力的同时简化治理流程。
现有LLMs的静态特性也带来挑战——这些模型仅能基于训练数据进行操作，无法获取实时信息。RAG通过允许企业向系统注入实时业务数据来解决这一问题，大幅提升了查询响应、日志分析和决策支持等任务的性能。
Gartner将商业生成式AI应用划分为三大主要类别：
- 流程自动化：包括企业知识管理和文档处理
- 用户体验：如自动化客户支持和个性化购物
- 洞察生成：涵盖对话式商业智能和数据发现
针对正在规划AI战略的企业，Gartner建议：
- 评估现有平台转化为RAG即服务解决方案的潜力
- 优先整合现有系统中的向量搜索、图技术和分块能力
- 利用元数据保护知识产权同时解决隐私问题
向平台化开发的转变有望降低技术门槛，实现生成式AI的普及应用。当各组织竞相采用这项变革性技术时，选择RAG等结构化方法的企业可能获得显著竞争优势。
核心要点
- 通过平台化方法可使生成式AI应用开发时间缩减一半
- RAG技术在提升模型准确性的同时为企业提供关键灵活性
- 企业应评估现有基础设施以挖掘潜在的RAG整合机会
