Fremveksten av generativ AI (gen AI) har blitt drevet frem av fremtredende store språkmodeller (LLMs) som OpenAI's GPT-4, Google's Gemini, og Anthropic's Claude. Imidlertid dukker det opp mindre språkmodeller (SLMs) som potensielle frontløpere i feltet, ifølge noen eksperter. Forskning fra Gartner indikerer at selv om LLMs har ledet utviklingen av språkmodeller, kan SLMs adressere kritiske utfordringer for virksomheter som budsjettrestriksjoner, databeskyttelse, personvern og risikoredusering. Virksomheter kan finne seg i å vurdere fordelene med større kontra mindre modeller i sin utforskning av gen AI. Fem bedriftsledere deler sine innblikk om dette emnet: 1. **Domenespesifikke modeller**: Claire Thompson, fra L&G, forestiller seg en fremtid der både LLMs og SLMs sameksisterer, spesielt etterhvert som LLMs blir fintunet for spesifikke emner. Hun tror på å utvikle skreddersydde modeller for domener som helsevesen og finans, men er skeptisk til at selskaper forplikter ressurser til å bygge dem fra bunnen av. 2. **Velge riktig modell**: Nick Woods fra MAG Airports Group taler for en hybrid tilnærming, og velger modeller basert på spesifikke forretningsbrukstilfeller i stedet for å adoptere en universell strategi.

Han understreker viktigheten av forretningstransformasjon og foreslår å implementere små modeller for å adressere spesifikke behov. 3. **Kontekstuell anvendelse**: Gabriela Vogel fra Gartner fremhever den voksende trenden av selskaper som benytter små, kontekstaspekte modeller skreddersydd til spesifikke applikasjoner, ettersom organisasjoner beveger seg mot å implementere mer fokuserte gen AI-løsninger. 4. **Minimering av hallusinasjoner**: Ollie Wildeman fra Big Bus Tours bemerker at mindre modeller ofte gir bedre resultater for virksomheter, da de er designet med spesifikke data i tankene. Denne tilnærmingen forbedrer datasikkerheten og reduserer unøyaktigheter, noe som fører selskaper til å foretrekke domenespesifikke modeller. 5. **Utnyttelse av førstepartsdata**: Rahul Todkar fra Tripadvisor understreker at effektiviteten til AI-modeller ligger i deres evne til å tilpasses til å passe virksomhetens kontekst og utnytte førstepartsdata effektivt. Han hevder at fremtiden for AI vil dreie seg om å lage skreddersydde modeller fremfor bare å velge mellom store og små. Kort oppsummert, mens LLMs tiltrekker seg oppmerksomhet, antyder diskusjonen at SLMs kan ha betydelig potensial, spesielt for spesifikke applikasjoner og kontekster i virksomheter.