加速发展:Gartner 预测生成 AI 应用将实现 50% 的交付时间缩减

Gartner 在最近举行的印度孟买数据与分析峰会上强调了检索增强生成 （RAG） 在开发生成 AI 应用中的重要性。RAG 是一种提升生成 AI 模型准确性和可靠性的框架，正在成为部署生成 AI 应用的基础。Gartner 指出，RAG 能够提供 「灵活的实施方式、增强的可解释性以及与 LLMs 的组合能力」。

Gartner 高级分析师 PrasadPore 表示，RAG 在多个业务职能中 （如销售、人力资源、IT 和数据管理） 有助于流程改进和任务自动化。目前，数据工程师和数据专业人员在开发、测试、部署和维护复杂数据管道和应用程序时面临诸多挑战。Pore 指出，传统的数据管理过程耗时且需要大量人工，而 RAG 的应用可以大大提高生产力，简化数据治理过程。

此外，Pore 还提到，生成模型如 LLMs 本身是静态的，仅基于其训练的数据进行工作，缺乏最新信息。通过 RAG，企业可以将最新的商业或组织特定的数据纳入模型中，以提高生成 AI 应用在回答问题、分析日志和做出决策方面的有效性。

在谈到生成 AI 商业应用的类型时，Pore 表示，可以将其分为三个主要类别: 流程改进与自动化 （如企业知识管理和文档处理自动化）、用户体验 (如客户支持自动化和个性化购物体验) 以及洞察与预测 (如对话式商业智能和数据发现)。

在构建和部署生成 AI 应用时，Gartner 建议企业考虑以下几点: 首先，评估现有数据管理平台是否可以转变为 RAG 即服务的平台; 其次，将 RAG 作为优先事项，整合来自现有数据管理系统的向量搜索、图形和分块等技术; 最后，利用元数据和操作数据以保护知识产权、解决隐私问题，并防范恶意使用。

划重点:

🌟预计到 2028 年，80% 的生成 AI 商业应用将在现有数据管理平台上开发，交付时间缩短 50%。

🚀检索增强生成 （RAG） 将成为开发生成 AI 应用的重要基础，提供灵活性和可解释性。

🔍Gartner 建议企业评估现有平台的转型潜力，整合 RAG 技术并利用元数据保护安全。