隨著人工智能技術的不斷進步，生成式AI商業(yè)應用的開發(fā)格局正迎來重大變革。據(jù)Gartner的最新展望，至2028年，預計有80%的此類應用將直接在現(xiàn)有的數(shù)據(jù)管理平臺上孕育而生，這一趨勢預示著開發(fā)復雜性的顯著降低，以及項目交付周期的大幅縮短，有望達到50%的縮減幅度。
當前，生成式AI商業(yè)應用的構建主要圍繞大型語言模型（LLMs）與企業(yè)內(nèi)部數(shù)據(jù)的深度融合展開，同時借助向量搜索、元數(shù)據(jù)管理、提示設計及嵌入技術等前沿科技。然而，若缺乏統(tǒng)一的管理框架，企業(yè)可能會陷入技術碎片化的困境，導致開發(fā)周期延長及成本攀升。
在近期于印度孟買舉辦的數(shù)據(jù)與分析峰會上，Gartner著重強調(diào)了檢索增強生成（RAG）框架在推動生成式AI應用發(fā)展中的核心作用。RAG被視為提升AI模型精確度和可靠性的關鍵，正逐步成為部署此類應用的基石。Gartner指出，RAG以其靈活的實施策略、增強的可解釋性及與LLMs的高效集成能力，展現(xiàn)出巨大潛力。
Gartner的高級分析師Prasad Pore進一步闡述，RAG在銷售、人力資源、信息技術及數(shù)據(jù)管理等多個業(yè)務領域，均能有效促進流程優(yōu)化與任務自動化。面對數(shù)據(jù)工程師及數(shù)據(jù)專家在復雜數(shù)據(jù)管道和應用開發(fā)、測試、部署及維護方面的重重挑戰(zhàn)，Pore指出，傳統(tǒng)數(shù)據(jù)管理流程的繁瑣與高度人工依賴性，而通過RAG的應用，能夠顯著提升生產(chǎn)效率，簡化數(shù)據(jù)治理流程。
Pore還提到，LLMs作為生成模型，其靜態(tài)特性限制了其僅能根據(jù)訓練數(shù)據(jù)進行工作，缺乏實時信息的融入。而RAG的引入，使得企業(yè)能夠?qū)⒆钚碌纳虡I(yè)或組織特定數(shù)據(jù)整合進模型中，從而增強生成式AI應用在回答問題、日志分析及決策制定方面的效能。
在探討生成式AI商業(yè)應用的分類時，Pore將其劃分為三大核心領域：流程優(yōu)化與自動化（涵蓋企業(yè)知識管理及文檔處理自動化）、用戶體驗提升（如客戶支持自動化及個性化購物體驗）以及洞察與預測（包括對話式商業(yè)智能及數(shù)據(jù)發(fā)現(xiàn)）。
針對生成式AI應用的構建與部署，Gartner向企業(yè)提出了以下建議：首要任務是評估現(xiàn)有數(shù)據(jù)管理平臺向RAG即服務平臺轉(zhuǎn)型的可行性；其次，應將RAG作為優(yōu)先事項，整合來自現(xiàn)有數(shù)據(jù)管理系統(tǒng)的向量搜索、圖形處理及分塊技術等；最后，充分利用元數(shù)據(jù)和操作數(shù)據(jù)，以強化知識產(chǎn)權保護、解決隱私關切，并防范惡意使用風險。
重點概覽：
