开发定制企业模型有几个令人信服的理由：

• 更强的隐私和安全性。

• 通过对专有内部数据进行微调来提高性能。
• 由于能够根据公司工作流程的特点定制人工智能工具，因此集成更容易。

特别是，生成式人工智能的隐私和安全风险是企业关注的主要问题，一位金融、银行和保险行业的 IT/云经理在回应 ESG 的调查时将现有的生成式人工智能工具描述为“安全风险太大”。

“许多可用的人工智能技术都是免费的，或者是由现有供应商启用的——组织没有机会根据数据隐私、安全性、合规性、机密性和知识产权考虑因素主动审查该技术的风险，”说。另一位受访者是电信行业的业务副总裁。

当涉及到用于训练模型的内部数据时，经过微调的专有模型可以为具有安全意识的组织提供更好的监督。通过内部模型，组织可以保持对敏感数据的控制，而不是与第三方共享访问权限。

适合公司特定任务和数据的模型也可能产生更多相关输出和更少的幻觉。这可以缓解一些组织对使用第三方模型获得准确、公平和代表性输出的担忧。

“人们对人工智能报告的准确性和完整性感到担忧，”医疗保健和健康服务行业的一位顾问在回应 ESG 的调查时表示。“我们如何确认和验证数据来源？此外，算法也存在包含偏差的问题。”

在目标数据集（这里是有关组织及其行业的信息）上训练模型的过程称为微调，可以为相关任务产生更准确的结果。为解决特定业务问题和工作流程而定制的人工智能工具可以提高效率并减少集成问题。总之，这意味着定制模型可能需要较少的广泛监督，同时产生更符合业务需求的输出。