Företagens nuvarande 10-20% effektivitetsvinster från GenAI-bots kan expandera till nya domäner med LMM, säger Zhukov. Och detta är ändå bara början.
– Dagens LMM kan se och höra världen. I morgon kan de också tränas på digitala signaler från utrustning, IoT-sensorer eller kundtransaktionsdata – för att skapa en komplett bild av ditt företags hälsa på egen hand, utan explicita instruktioner, säger Zhukov.
Potentiella industriella tillämpningar
Istället för att bara flagga kända felpunkter kan LMMer ta in video, ljud och vibrationer genom hela produktionslinjen – och därmed oberoende övervaka för subtila förändringar och identifiera oväntade tecken på försämring.
Att smälta visuella data för att öka förståelsen är effekter som följer med i detta. ”På en sorteringsanläggning kan algoritmer redan ha i uppdrag att upptäcka enskilda föremål, till exempel plastflaskor för återvinning. LMMer kunde självständigt se och analysera allt avfall, filtrera stora blandningar av objekt och identifiera oförutsedda föremål.
Annat BCGs Zhukov pekar ut berör möjligheter till framsteg inom medicinsk. ”LMMer kan förbättra noggrannheten hos AI-modeller som analyserar skanningar som MRI-, CT- och röntgen genom att lägga in ljuddata som hjärtslag och sedan använda naturligt språk för att samarbeta med läkarna om personliga behandlingsplaner.
Ta drastiska grepp i datastrategin
Summeringsvis hävdar chefen för BCGs Global AI Institute BCGs att företag nu måste förbereda sig för att integrera multimodala modeller.
Enligt honom bör ledare:
- Ta drastiska grepp för att se över sin datastrategi och verksamhet. ”LMMs lovar att leverera enormt värde från underutnyttjad (eller oinsamlad) data. Detta är betydelsefullt eftersom, enligt en studie av Seagate, företag för närvarande underutnyttjar upp till 70 % av data de samlar in. Företag måste också se till att data har rätt funktioner, till exempel tidsstämplar, för att matas in i modellerna.”
- Ska man bygga eget eller partnersamarbeta sig fram till lösningar? Här gäller dett att bestämma sig. ”AI-tjänster kommer sannolikt att utvecklas från några få stora modeller till många mindre industriella. Och till skillnad från rena textmodeller är det osannolikt att multimodala modeller kommer att erbjuda direkta lösningar direkt, eftersom industriell data inte är allmänt tillgänglig. Vissa stora industriaktörer kan välja att bygga sina egna modeller och erbjuda dem som en tjänst för andra; mindre företag kommer att behöva hitta rätt partner. Det valet kommer att avgöra vilken typ av utbildning och anställning som behövs för att stödja och integrera modellerna.”
- Övervaka GenAIs utveckling. ”LMMer har potential att bli hjärnan hos autonoma agenter – som inte bara känner utan också agerar på sin miljö – under de kommande 3 till 5 åren. Detta kan bana väg för helautomatiserade arbetsflöden,” tror Zhukov.
