{:en} Artificial intelligence (AI) has been advancing rapidly for more than 60 years, though for most of that time, it’s largely operated “behind the scenes.” Unbeknownst to many, over the last decade it has increasingly powered the search, e-commerce, social media, navigation and online video applications that billions of users engage with every day. All that changed in November 2022 with the launch of OpenAI’s ChatGPT and later, Google Bard and Microsoft Copilot. Together, these tools helped thrust AI into the mainstream as hundreds of millions of users, entrepreneurs and enterprises began to interact with it in natural human language. What followed was an explosion of both investment activity and human curiosity, as the world contemplated AI’s potential as an added driver of innovation and productivity. What lies ahead? The underlying technical building blocks that enable Generative AI (Gen AI) will likely continue to advance at an accelerated rate. These advancements will be driven by ongoing innovation in computing systems and large language foundation models. And they will, in turn, broaden the spectrum of models and Gen AI applications available to consumers, developers and enterprises. Computing technology and computing infrastructure will continue to scale along with the most powerful cutting-edge AI models. And experimentation will push on as adoption accelerates and users and enterprises continue to imagine the art of possible. Along the way, key decisions will have to be made about what data can and should be securely provided to AI models and applications, how AI can be deployed responsibly and how we can ensure all stakeholders, including investors, prepare for the rapidly shifting landscape that awaits. Here are five key AI trends to watch over the next 12 to 18 months: 1. Gen AI will continue to grow more powerful and cheaper to deploy Over the past 15 years, the cost of training AI models has been on the downswing. The training cost per FLOP (a pivotal metric of computational capacity and efficiency) declined by more than 95% over the period—as observed through Epoch AI data1 —and continues to be on an exponential cost decline trajectory. This has made it easier to train even more powerful and larger AI models, setting the stage for a new phase of scaling that won’t be limited to deep learning models. It will also expand the spectrum of more efficient models fine-tuned to perform specific tasks, like summarizing, coding, and enabling customer service Chatbots, Copilots and AI agents. Looking ahead, we estimate the scale of investment in AI computing infrastructure is set to continue surging from approximately US$52 billion in 2023 to over US$100 billion in 2024. This will be driven by cloud service providers, enterprises, and sovereign nations. As investment rises and costs decline, expect a proliferation of new applications and AI agents powered by a variety of AI models. These will pave the way for Gen AI adoption across the consumer and enterprise landscape. And they’ll further stimulate investment in AI compute infrastructure, including the data centres and cloud computing infrastructure that enable the training and deployment of Gen AI applications and AI agents. GPU computing power of AI frontier models is growing on an exponential trajectory The cost to train AI models is declining at an exponential rate GPU computing power of AI frontier models is growing on an exponential trajectory The cost to train AI models is declining at an exponential rate 2. Organizations will need to ensure their data is ready for AI As the AI ecosystem continues to evolve, generalized models trained solely on web-based data should become more widely available. But while these models serve as useful foundations, they don’t unlock the full benefit of Gen AI. Enterprises, governments, and other organizations have an opportunity to leverage their own domain-specific and proprietary data to customize models in a way that generates more relevant, productive and differentiated insights for their specific needs. To put these models to work, enterprises will first need to take a hard look at their data footprints. That means building data pipelines that provide structured data sets to feed into Gen AI models. As natural language interactions help to inform future training sets, the role of unstructured data (like text files, websites, audio, and images) will also become more important to training. To make it all happen, enterprises may need to reevaluate their data vendors, re-examine their data governance frameworks to ensure proper access rights, and establish protective mechanisms to prevent leaks of proprietary data. In addition, enterprises and model providers must work together to mitigate potential biases, and ensure the responses are accurate and relevant. For organizations, meeting all of these needs may seem like a daunting task—but it’s a pivotal one. The elements are in place for growth in AI adoption Investments in accelerated computing data centre infrastructure are expected to grow Software infused with Gen AI features and capabilities is likely to become a bigger part of software spending As data continues to grow, led by unstructured data, AI will unlock the ability to extract more insights Investments in accelerated computing data centre infrastructure are expected to grow Software infused with Gen AI features and capabilities is likely to become a bigger part of software spending As data continues to grow, led by unstructured data, AI will unlock the ability to extract more insights 3. Gen AI will be deployed in more industries and business processes Early experiments with Gen AI have shown promising signs of enhancing productivity and efficiency. A joint study by BCG and Harvard found that Gen AI tools empowered consultants to complete 12% more creative tasks, clock 25% faster turnaround times, and boost quality of output by 40%. Initial ROIs are also compelling, as a joint study by Microsoft and IDC showed a return of $3.50 for every $1 invested in Gen AI, and an average payback on investment of just 14 months. As AI continues to permeate applications and shape the way enterprises use their data, we expect companies to embrace one or both of the following approaches: The AI-Enabled Approach: Some will pursue a stepwise method, using Gen AI-enabled applications from existing vendors to augment existing processes. These tools can be made more powerful by infusing proprietary and/or domain-specific data to generate more insightful feedback and cut the time needed to complete tasks. The AI-First Approach: This approach is more transformative, with workflows entirely reimagined or built from scratch to incorporate AI tools. This may involve training bespoke models for specific tasks, such as creating copilots for doctors that assist with routine documentation. These pathways could create a “Virtuous Cycle” or self-reinforcing system for AI deployment. Workflows will first be improved by data generated from Human-AI interactions. But over time, AI agents (apps that can make choices and perform tasks on their own after user instructions) could interact directly with the models, and even with each other, automating more parts of processes. Data generated from interactions with both humans and AI agents can then be fed back to further improve the models. The paradigm shift in how we interact with AI may result in potential disruptions to existing value chains. As a result, organizations need to evaluate appropriate guidelines for these interactions, for which vendors to use, and for when to include humans (or insert “humans-in-the-loop.”) A virtuous cycle is emerging across an evolving AI value chain 4. Key stakeholders will need to ensure AI is deployed responsibly Looking forward, we anticipate the continued evolution of AI regulation worldwide—though countries will likely move at different speeds. Data sovereignty could become a bigger concern as nations look to keep sensitive proprietary data onshore. Countries may also collaborate with their national ecosystem of AI startups and companies to boost the supply of critical resources like computational power. Enterprises must determine how best to protect their proprietary data from leaks and how to manage cybersecurity risks. They also must evaluate how to responsibly deploy AI that is honest, helpful, and harmless to users. Governments will need to balance this goal of fostering innovation with a desire to mitigate risks through regulation. We’ll be watching how the broader ecosystem—including governments, technology providers, non-technology companies and consumers—collaborates to ensure risks and responsibilities are balanced across stakeholders. We may also see a level of self-policing in the ecosystem. Model providers such as OpenAI, Anthropic, Microsoft, and Google each have outlined frameworks to prevent models from producing undesired outcomes. Organizations outside of the technology industry are also developing their own internal processes to ensure safe outcomes for employees and customers as models are put into real-world use cases. 5. For all players, a mindset of constant learning will be more important than ever Amid rapid advances in Gen AI, certain skills may diminish in value or even be replaced over time by AI assistants. By contrast, the ability to augment knowledge work with Gen AI and amplify human ingenuity will become more critical in the future. As such, a continuous and virtuous cycle of upskilling and evolving workflow will only grow in importance. By extension, attracting and retaining employees with a continuous learning mindset and the ability to adapt and evolve will be essential. We expect enterprises and employees to take on different responsibilities as workflows and roles evolve. Enterprises will need to invest in AI technologies. And they’ll need to empower their employees to experiment with ways to integrate AI into their work and to strive to increase innovation. They can do this through tutorials and forums that share learnings. Users, knowledge workers and business leaders will need to find ways to embrace these tools. Their abilities to learn, adapt, and think outside the box will be tested as online consumer applications and knowledge work increasingly incorporate Gen AI and AI agents. Indeed, the impact of Gen AI will be felt not just by technology companies, but by a range of industries and sectors. As such, investors will also need to understand how Gen AI disrupts existing value chains. They’ll need to be on the lookout for the emergence of new business models and investment opportunities—as well as for potential threats to existing business models. In addition to the key enablers of Gen AI, new cohorts of companies may emerge, including those that generate new revenue streams by infusing products and services with Gen AI, those that manage to extend the durability of existing revenue streams and those that see existing revenue streams erode. Investors should try to understand the key inputs and drivers of Gen AI adoption. They should understand the investments in technology and talent required for companies to integrate and embed Gen AI into operations at scale. And they should attempt to measure the long-term ROI to justify the level and pace of ongoing investments. The potential productivity that companies may achieve by adopting Gen AI will continue to be a focus for investors. However, they should also try to assess the long-term sustainability of benefits from Gen AI adoption, identifying when the benefit is likely to be competed away versus when productivity growth could improve competitive advantage over the long-term. 1Trends in the Dollar Training Cost of Machine Learning Systems – Epoch (epochai.org) Author Nadeem Janmohamed Managing Director, Active Equities North America Contributors Matt Kleffman Senior Associate, Active Equities North America Tianquan Wang Senior Associate, Active Equities North America Visualizations by Voilà. Thanks for subscribing to CPP Investments Sign up for our latest news, insights, reports and other information about CPP Investments Email address * Please enter valid email id Job title Select Job Title Associate Analyst Consultant advisor Manager/supervisor Government official/regulator General manager/director Board director Chairman/board member VP/SVP/EVP President Partner/Owner/Entrepreneur Parent/guardian C-level other Chief Human Resources Officer Chief Marketing Officer Chief Financial Officer Chief Sustainability Officer Chief Digital Officer Chief Technology Officer Chief Operating Officer Educator/professor Student Editor/reporter Other Organization How did you hear about CPP Investments? Select Source CPP Investments alumni CPP Investments employee or board member CPP Investments portfolio company Online search (e.g. Google) Social media Other What news would you like to receive? * News and updates from CPP Investments Latest news from the Insights Institute Consent * By checking here, you are subscribing to receive our newsletters and other similar types of insights and reports by email, and permit CPP Investments to use cookies and similar technologies to analyze your interactions with our emails. Unsubscribe at any time by clicking the link in the newsletter’s footer. Visit our Privacy Policy for more information. Questions or concerns? Contact us. An error has occurred. Please try again later. Next Subscribe Thanks for subscribing to CPP Investments Sign up for our latest news, insights, reports and other information about CPP Investments Email address * Please enter valid email id Job title Select Job Title Associate Analyst Consultant advisor Manager/supervisor Government official/regulator General manager/director Board director Chairman/board member VP/SVP/EVP President Partner/Owner/Entrepreneur Parent/guardian C-level other Chief Human Resources Officer Chief Marketing Officer Chief Financial Officer Chief Sustainability Officer Chief Digital Officer Chief Technology Officer Chief Operating Officer Educator/professor Student Editor/reporter Other Organization How did you hear about CPP Investments? Select Source CPP Investments alumni CPP Investments employee or board member CPP Investments portfolio company Online search (e.g. Google) Social media Other What news would you like to receive? * News and updates from CPP Investments Latest news from the Insights Institute Consent * By checking here, you are subscribing to receive our newsletters and other similar types of insights and reports by email, and permit CPP Investments to use cookies and similar technologies to analyze your interactions with our emails. Unsubscribe at any time by clicking the link in the newsletter’s footer. Visit our Privacy Policy for more information. Questions or concerns? Contact us. Please fill in required fields An error has occurred. Please try again later. ShareTweetShare Investing in the age of artificial intelligence Chris Gillam, Director, Operational Risk and Nadeem Janmohamed, Managing Director, Active Equities, share their views. Article June 9, 2023 Views on Artificial Intelligence (AI) with Jordan Jacobs, Co-Founder & As AI changes the future of work, what’s the most important skill that schools need to teach? Hear Jordan’s take. Video June 9, 2023 Q&A with our Head of Strategy Execution & Relationship Management For all the promise that artificial intelligence and other rapidly-evolving technologies offer the world, the downside risks can't be Article March 3, 2023 {:}{:fr} Depuis plus de 60 ans, l’intelligence artificielle (IA) connaît des progrès rapides, mais elle est largement intervenue « dans les coulisses » pendant de nombreuses années. Au cours de la dernière décennie, elle a alimenté un nombre croissant d’applications de recherche, de commerce électronique, de médias sociaux, de navigation et de vidéo en ligne utilisées au quotidien par des milliards d’utilisateurs, sans que beaucoup ne le sachent. Tout cela a changé en novembre 2022 avec le lancement du modèle ChatGPT d’OpenAI et, plus tard, de Google Bard et de Microsoft Copilot. Ces trois outils ont contribué à populariser l’IA auprès de centaines de millions d’utilisateurs, d’entrepreneurs et d’entreprises, qui ont commencé à interagir avec elle dans un langage humain naturel. Les activités de placement et la curiosité humaine ont alors explosé, le monde envisageant le potentiel de l’IA comme un moteur supplémentaire d’innovation et de productivité. À quoi doit-on s’attendre désormais? Les composantes techniques qui sous-tendent l’IA générative vont probablement continuer de progresser à un rythme accéléré. Ces avancées seront alimentées par une innovation continue dans les systèmes informatiques et les grands modèles de langage à finalité générale. Ceux-ci vont à leur tour élargir la gamme de modèles et d’applications d’IA générative mis à la disposition des consommateurs, des développeurs et des entreprises. La technologie et l’infrastructure informatiques vont continuer de se développer pour accompagner les modèles d’IA les plus puissants et évolués. Et à mesure que l’adoption s’accélère et que les utilisateurs et les entreprises imaginent de nouvelles possibilités, l’expérimentation va aller encore plus loin. Tout au long de ce processus, des décisions majeures devront être prises quant aux données pouvant et devant être fournies en toute sécurité aux modèles et applications d’IA, au déploiement responsable de l’IA et à la façon dont nous pouvons nous assurer que toutes les parties prenantes, y compris les investisseurs, se préparent à l’évolution rapide de la conjoncture. Voici cinq tendances clés de l’IA à surveiller au cours des 12 à 18 prochains mois : 1. L’IA générative va continuer de gagner en puissance et le coût de son déploiement va baisser Au cours des 15 dernières années, le coût de l’entraînement des modèles d’IA a diminué. D’après les données de l’institut Epoch AI1, le coût de l’entraînement par opération en virgule flottante (ou « FLOP », une mesure cruciale de la capacité et de l’efficacité de calcul) a baissé de plus de 95 % au cours de la période et il continue de diminuer de façon exponentielle. Il est ainsi plus facile d’entraîner des modèles d’IA toujours plus grands et plus puissants, ce qui ouvre la voie à une nouvelle phase d’expansion qui ne se limitera pas aux modèles d’apprentissage profond. Ces gains vont également permettre de proposer davantage de modèles plus efficaces et paramétrés pour effectuer des tâches précises, comme la synthèse de texte, le codage et la mise en place de robots conversationnels, d’assistants Copilot et d’agents intelligents dans les services à la clientèle. Selon nos estimations, l’ampleur des investissements dans les infrastructures informatiques d’IA devrait continuer de grimper en flèche, passant d’environ 52 G$ US en 2023 à plus de 100 G$ US en 2024. Cette progression sera alimentée par les fournisseurs de services informatique dématérialisée, les grandes entreprises et les États souverains. À mesure que les investissements augmentent et que les coûts diminuent, on s’attend à une prolifération de nouveaux outils et agents intelligents alimentés par divers modèles d’IA. Ces outils et agents vont ouvrir la voie à une généralisation de l’IA générative auprès des particuliers et des entreprises. Ils stimuleront également de nouveaux investissements dans l’infrastructure de calcul nécessaire à l’IA, dont les centres de données et l’infrastructure informatique dématérialisée qui permettent l’entraînement et le déploiement des applications et agents basés sur l’IA générative. La puissance du calcul par GPU des modèles de la frontière IA augmente sur une trajectoire exponentielle. Le coût d’entraînement des modèles d’IA décroît à un taux exponentiel La puissance du calcul par GPU des modèles de la frontière IA augmente sur une trajectoire exponentielle. Le coût d’entraînement des modèles d’IA décroît à un taux exponentiel 2. Les organismes devront veiller à préparer leurs données pour l’IA L’écosystème de l’IA poursuivant son évolution, les modèles généralisés entraînés exclusivement sur des données issues du Web devraient devenir plus largement disponibles. S’ils constituent des socles utiles, ces modèles ne permettent pas de tirer pleinement parti de l’IA générative. Les entreprises, les pouvoirs publics et autres organismes ont la possibilité de valoriser des données privées et propres à leur domaine pour personnaliser les modèles de manière à générer des idées plus pertinentes, productives et différenciées pour leurs besoins particuliers. Pour que ces modèles fonctionnent, les entreprises devront d’abord examiner de près les données dont elles disposent. Il s’agira de mettre en place des pipelines de données capables de fournir des ensembles de données structurés pour alimenter les modèles d’IA générative. À mesure que les interactions en langage naturel vont contribuer à orienter la constitution des ensembles d’entraînement, le rôle des données non structurées (comme les fichiers texte, les sites Web, les fichiers audio et les images) dans l’entraînement des modèles va aussi devenir plus important. Pour que tout cela se concrétise, les entreprises devront peut-être réévaluer leurs fournisseurs de données, réexaminer leurs cadres de gouvernance des données pour veiller à l’adéquation des droits d’accès, et établir des mécanismes de protection pour empêcher les fuites de données privées. De plus, les entreprises et les fournisseurs de modèles doivent collaborer pour atténuer les biais potentiels et s’assurer que les réponses sont exactes et pertinentes. Répondre à tous ces besoins peut sembler une tâche colossale, mais c’est une étape cruciale. Les éléments sont en place pour une adoption croissante de l’IA Les investissements dans l’infrastructure de centres de données dédiés au calcul accéléré devraient augmenter Les logiciels alimentés par les capacités et fonctions d’IA générative représenteront probablement une plus grande part des dépenses en logiciels Les données continuant de croître, grâce aux données non structurées, l’IA va permettre d’extraire davantage d’information utile Les investissements dans l’infrastructure de centres de données dédiés au calcul accéléré devraient augmenter Les logiciels alimentés par les capacités et fonctions d’IA générative représenteront probablement une plus grande part des dépenses en logiciels Les données continuant de croître, grâce aux données non structurées, l’IA va permettre d’extraire davantage d’information utile 3. L’IA générative sera déployée dans un plus grand nombre de secteurs et de processus métiers Les premières expériences menées avec l’IA générative ont montré des signes prometteurs d’amélioration de la productivité et de l’efficacité. D’après une étude conjointe du BCG et de Harvard, les outils d’IA générative ont permis aux consultants d’effectuer 12 % de tâches créatives en plus, de réduire de 25 % les délais de traitement et d’accroître la qualité des résultats de 40 %. Le rendement du capital investi initial est également intéressant : une étude conjointe de Microsoft et d’IDC a révélé un rendement de 3,50 $ pour chaque dollar investi dans l’IA générative, et un délai de rentabilité moyen de seulement 14 mois. À mesure que l’IA continue d’investir les applications et de façonner l’exploitation des données dans les entreprises, nous pensons que les sociétés vont suivre l’une des approches suivantes, ou les deux : L’approche fondée sur l’IA: Certains choisiront une méthode progressive en utilisant les applications d’IA générative de fournisseurs existants afin d’étoffer les processus établis. Ces outils peuvent être rendus plus efficaces en intégrant des données privées ou propres à un domaine afin d’obtenir des rétroactions plus utiles et de réduire le temps nécessaire à l’exécution des tâches. L’approche de priorité à l’IA: Cette approche est plus transformatrice, les flux de travail étant entièrement réinventés ou conçus de manière à intégrer les outils d’IA. Cela peut comprendre des modèles d’entraînement personnalisés pour des tâches précises, comme la création d’assistants Copilot pour les médecins, qui favorisent la documentation de routine. Ces pistes d’adoption pourraient créer un « cycle vertueux » ou un système d’autorenforcement pour le déploiement de l’IA. Les flux de travail seront d’abord améliorés grâce aux données générées par les interactions entre les humains et l’IA. Mais au fil du temps, les agents intelligents (applications qui peuvent faire des choix et effectuer des tâches par elles-mêmes à partir des instructions de l’utilisateur) pourraient interagir directement avec les modèles, voire entre eux, pour automatiser d’autres portions des processus. Il est alors possible de réalimenter les données générées par les interactions des humains et des agents intelligents afin de perfectionner les modèles. La mutation profonde de nos interactions avec l’IA pourrait perturber les chaînes de valeur existantes. Par conséquent, les organismes doivent déterminer des lignes directrices appropriées pour encadrer ces interactions, choisir des fournisseurs et faire intervenir l’humain au bon moment (ou intégrer des « contrôles humains »). Un cercle vertueux émerge d’une chaîne de valeur de l’IA qui ne cesse d’évoluer 4. Les parties prenantes clés devront veiller au déploiement responsable de l’IA Nous prévoyons que la réglementation de l’IA va continuer d’évoluer à l’échelle mondiale, même si les pays interviendront probablement à des rythmes différents. La question de la souveraineté des données pourrait prendre de l’ampleur, les États cherchant à conserver les données privées sensibles sur leur territoire. Il est également possible que les pays collaborent avec leur écosystème national d’entreprises en démarrage et établies spécialisées dans l’IA afin de stimuler l’offre de ressources essentielles telles que la puissance de calcul. Les entreprises doivent déterminer la meilleure façon de protéger leurs données privées contre les fuites et de gérer les risques liés à la cybersécurité. Elles doivent aussi évaluer comment déployer de façon responsable une IA sincère, utile et inoffensive pour les utilisateurs. Les pouvoirs publics devront trouver un équilibre entre l’objectif de favoriser l’innovation et la volonté d’atténuer les risques au moyen de la réglementation. Nous surveillerons la façon dont l’ensemble de l’écosystème (dont les pouvoirs publics, les fournisseurs de technologies, les sociétés non technologiques et les consommateurs) collabore pour veiller à une répartition équilibrée des risques et des responsabilités entre les différentes parties prenantes. Nous pourrions également observer un degré d’autosurveillance au sein de l’écosystème. Les fournisseurs de modèles comme OpenAI, Anthropic, Microsoft et Google ont chacun défini des cadres pour empêcher les modèles de produire des résultats indésirables. Des organismes extérieurs au secteur des technologies élaborent également leurs propres processus internes pour veiller à ce que les résultats soient sans danger pour les employés et les clients à mesure que les modèles sont intégrés dans des cas d’utilisation concrets. 5. Pour tous les acteurs, un état d’esprit d’apprentissage constant sera plus important que jamais Compte tenu des progrès rapides de l’IA générative, il est possible que certaines compétences perdent de la valeur, voire qu’elles soient remplacées au fil du temps par des assistants intelligents. En revanche, la capacité de compléter le travail intellectuel avec l’IA générative et d’amplifier l’ingéniosité humaine va devenir plus cruciale. Par conséquent, un cycle continu et vertueux de perfectionnement et d’évolution du flux de travail ne fera que gagner en importance. Par extension, il sera essentiel d’attirer et de fidéliser des employés dotés d’un état d’esprit d’apprentissage continu et capables de s’adapter et d’évoluer. Nous nous attendons à ce que les entreprises et les employés prennent des responsabilités différentes au fil de l’évolution des flux de travail et des rôles. Les entreprises devront investir dans les technologies d’IA. Et elles devront donner à leurs employés les moyens d’expérimenter des façons d’intégrer l’IA à leur travail et de s’efforcer d’accroître l’innovation. Elles peuvent le faire par le biais de tutoriels et de forums de mise en commun des apprentissages. Les utilisateurs, les travailleurs du savoir et les dirigeants d’entreprise devront trouver des façons de s’approprier ces outils. Leur capacité à apprendre, à s’adapter et à sortir des sentiers battus sera mise à l’épreuve à mesure que les applications grand public en ligne et le travail intellectuel intégreront de plus en plus l’IA générative et les agents intelligents. D’ailleurs, les sociétés technologiques ne seront pas les seules à ressentir l’incidence de l’IA générative; d’autres industries et secteurs d’activité seront concernés. Les investisseurs devront également comprendre en quoi l’IA générative perturbe les chaînes de valeur existantes. Ils devront être attentifs à l’émergence de nouveaux modèles d’affaires et d’occasions de placement inédites, ainsi qu’aux menaces potentielles pesant sur les modèles d’affaires existants. En plus des principaux catalyseurs de l’IA générative, de nouvelles cohortes de sociétés pourraient apparaître : celles qui génèrent de nouvelles sources de revenus en injectant de l’IA générative dans leurs produits et services, celles qui parviennent à accroître la durabilité des sources de revenus existantes et celles qui constatent une érosion de ces sources de revenus, entre autres. Les investisseurs doivent s’efforcer de cerner les principaux intrants et facteurs de l’adoption de l’IA générative. Ils doivent comprendre les investissements en technologie et en ressources humaines nécessaires aux entreprises pour intégrer et incorporer l’IA générative dans leurs activités à grande échelle. Enfin, ils doivent s’attacher à mesurer le RCI à long terme afin de justifier le niveau et le rythme des investissements en cours. Le potentiel de productivité que les entreprises pourraient obtenir en adoptant l’IA générative va rester un point d’intérêt pour les investisseurs. Il convient toutefois d’évaluer la durabilité à long terme des avantages découlant de l’adoption de l’IA générative, en repérant à quel moment l’avantage va probablement se dissiper et à quel moment le gain de productivité est susceptible d’améliorer l’avantage concurrentiel sur le long terme. 1Tendances du coût en dollars de l’entraînement des systèmes d’apprentissage machine, Epoch Auteur Nadeem Janmohamed Directeur général de notre équipe Actions à gestion active en Amérique du Nord Collaborateurs Matt Kleffman Adjoint principal de notre équipe Actions à gestion active en Amérique du Nord Tianquan Wang Adjoint principal de notre équipe Actions à gestion active en Amérique du Nord Crédit pour l’image de couverture :Voilà. Thanks for subscribing to CPP Investments Sign up for our latest news, insights, reports and other information about CPP Investments Email address * Please enter valid email id Job title Select Job Title Associate Analyst Consultant advisor Manager/supervisor Government official/regulator General manager/director Board director Chairman/board member VP/SVP/EVP President Partner/Owner/Entrepreneur Parent/guardian C-level other Chief Human Resources Officer Chief Marketing Officer Chief Financial Officer Chief Sustainability Officer Chief Digital Officer Chief Technology Officer Chief Operating Officer Educator/professor Student Editor/reporter Other Organization How did you hear about CPP Investments? Select Source CPP Investments alumni CPP Investments employee or board member CPP Investments portfolio company Online search (e.g. Google) Social media Other What news would you like to receive? * News and updates from CPP Investments Latest news from the Insights Institute Consent * By checking here, you are subscribing to receive our newsletters and other similar types of insights and reports by email, and permit CPP Investments to use cookies and similar technologies to analyze your interactions with our emails. Unsubscribe at any time by clicking the link in the newsletter’s footer. Visit our Privacy Policy for more information. Questions or concerns? Contact us. An error has occurred. Please try again later. Next ShareTweetShare Investing in the age of artificial intelligence Chris Gillam, Director, Operational Risk and Nadeem Janmohamed, Managing Director, Active Equities, share their views. Article June 9, 2023 Views on Artificial Intelligence (AI) with Jordan Jacobs, Co-Founder & As AI changes the future of work, what’s the most important skill that schools need to teach? Hear Jordan’s take. Video June 9, 2023 Q&A with our Head of Strategy Execution & Relationship Management For all the promise that artificial intelligence and other rapidly-evolving technologies offer the world, the downside risks can't be Article March 3, 2023 {:}