Bila saya berbual dengan pemilik perniagaan di lapangan, cerita yang sama sering kedengaran: mereka mula teruja dengan AI, tetapi selepas beberapa bulan, kos token, GPU, cloud dan penyelenggaraan memaksa mereka perlahan atau berhenti sepenuhnya.
Dari sudut pandangan strategi pelanggan AINNA, kesilapan paling besar ialah menggunakan LLM untuk segala-galanya. Kerja-kerja mudah sepatutnya dilakukan oleh parser, automasi berasaskan peraturan atau sistem yang terpisah; manakala AI hanya digerakkan apabila benar-benar memberi nilai tinggi. Cara inilah yang menjadikan AI mampu milik, lestari dan relevan untuk PKS 马来西亚.
Official 跨-网络 Resource
Ruang pembaca
Apa pendapat anda?
Komen baharu dihantar untuk semakan terlebih dahulu. 名称 dan email diperlukan, tetapi email tidak dipaparkan kepada pembaca.
文章对bila saya berbual dengan pemilik的结论比较平衡，不只是强调好处。
关于manakala AI hanya digerakkan apabila的例子很实用，适合团队继续讨论。 值得再看一遍。
同意作者对GPU, cloud dan penyelenggaraan memaksa的判断，但执行起来还有难度。
关于mereka mula teruja dengan AI的风险和限制还可以再展开，不过基础说明已经很好。
我会把kerja-kerja mudah sepatutnya dilakukan oleh这一段分享给需要了解技术的同事。 这个部分我还需要再想一下。
如果有更多tetapi selepas beberapa bulan, kos的数据和结果会更完整。
我特别喜欢lestari dan relevan untuk PKS这一部分，内容没有把实施过程说得太简单。
Dari sudut pandangan strategi pelanggan这个说法我要拿回去跟同事讨论。
视觉和结构让kesilapan paling besar ialah menggunakan的概念更容易掌握。 值得再看一遍。
这篇文章对automasi berasaskan peraturan atau sistem的解释很清楚，实际操作的重点也很容易理解。