加入企业领导人信任的活动近二十年。 VB变换结合了建立企业真实策略的人们。了解更多
编辑注意：艾米利亚（Emilia）将在本月关于VB变换上的此主题上的编辑圆桌会议。今天注册。
人工智能服务的管弦乐框架为企业提供多种功能。他们不仅阐明了应用程序或代理的通过方式，还应允许管理员管理工作流程和代理并检查其系统。
由于企业开始扩展其服务并将其投资于生产，因此创建受控，追踪，验证和可靠的管道可以保证其代理商以相同的方式工作。没有这些控件，组织可能不知道其AI系统中发生了什么，他们可能会发现问题为时已晚，何时出现了任何问题，否则他们无法遵守规则。
企业编排公司Airia总裁Kevin Kili在一次采访中告诉VentureBeat，该框架应包括审计和跟踪。
基利说：“要进行此监督并能够返回审计杂志并展示提供了哪些信息，这一点极为重要。” “您应该知道是不知道他们被信息划分还是幻觉的不良演员还是内部雇员。您需要关于此的记录。”
理想情况下，可靠性和审核路径应在很早的阶段内置在AI系统中。了解新申请或代理AI的潜在风险，并确保它们在部署之前继续按照标准工作，将有助于促进人们对将AI引入生产的关注。
但是，组织最初没有考虑到可追溯性和审核的发展。当实验没有编排级别或审计痕迹的情况下，许多人工智能试点计划就开始了生活。
企业面临的一个主要问题的Colok是如何管理所有代理和应用程序，以确保其管道保持可靠，并且，如果有任何问题，他们知道它出了问题并跟踪人工智能的生产力。
正确方法的选择
但是，在为人工智能创建某种应用程序之前，专家说组织应总结其数据。如果公司知道使用AI系统供访问的AI系统以及配置模型的数据，则他们将具有该基础线以比较长期性能。
“当您启动其中一些人工智能系统时，更多的是，我可以确认我的系统真正正常工作的数据吗？” VentureBeat在接受采访时说，DataDog产品副总裁Yrieix Garnier说。 “很难理解我拥有正确的链接系统来检查人工智能解决方案。”
一旦组织识别并定义了数据，就需要建立一个数据集的版本 – 本质上是临时标记或版本编号的目的 – 以便可重现实验并意识到该模型已更改。这些数据集和模型，使用这些特定模型或代理，授权用户以及基本执行号的任何应用程序都可以加载到编排或观察平台中。
就像选择建筑基础模型一样，编排团队应考虑透明度和开放性。尽管某些封闭的源组织具有许多优势，但还有更多带有开源代码的开源平台，这也可以提供一些优点，即某些企业的价值，例如在决策制定系统中可见性的提高。
开源平台，例如MLFlow，Langchain和Grafana，由带有颗粒和灵活的说明和监视的代理商和型号提供。企业可以通过平台（例如Datadog）选择人工智能传送带的开发，或者使用AWS的各种互连工具。
企业的另一个考虑因素是将申请的代理和答案与合规性或负责人AI政策工具的连接的连接。 AWS和Microsoft提供了跟踪人工智能工具的服务，以及它们与用户建立的围栏和其他政客的粘附程度。
基利说，创建这些可靠的管道时，企业的一个考虑因素围绕着更透明的系统的选择旋转。对于Kiley而言，AI系统的工作方式将无法理解。
“无论使用什么使用甚至行业的用途，您都会有何时具有灵活性并且封闭的系统将无法使用的情况。有一些供应商拥有出色的工具，但这是一种黑匣子。我不知道它是如何启动这些决定的。我没有办法拦截或介绍超级枪击的地方，”他说。”
加入VB变换的对话
我将于6月24日至25日在旧金山的VB Transform 2025上领导社论圆桌会议，称为“为代理人人工智能创建编排的框架的最佳实践”，我希望您加入对话。 今天注册。
Source link
