Big Database

，但正如报告指出的那样，“事实上，这种做法是可以想象的，这证明了定制开发的经济效益有所提高，也证明了人工智能时代更加定制化的数字化运营所带来的商业优势。”

实现这一目标的另一个因素是能够使用企业的专有数据和 WhatsApp 过滤器 特定于上下文的逻辑来定制人工智能。定制主要通过以下三种方式之一进行：

训练自己的模型。
对现有模型进行微调，和/或
使用检索增强生成 (RAG)。
RAG 是最常用的方法，它从内部数据库中查找数据，并将其输入到 LLM 引擎的提示中。响应是使用该数据作为输入生成的，这增强了 LLM 的通用知识。这还有一个好处，就是可以提供进一步的 LLM 保护，因为 RAG 可以检查或操纵 LLM 的输出。

报告中的另外两个要点：

数据策略的重要性：强大的数据策略是成功实施 AI 的基础。云数据仓库对于聚合和编排数据至关重要。“我们长期以来使用的表达方式是……如果没有数据策略，就没有 AI 策略。”
可组合性是关键： Martech 堆栈必须具有模块化、互连的组件，以实现灵活性和适应性。“通过可组合方法，我们可以选取最佳部件和组件，然后在此基础上进行构建。您可以构建一个满足您的业务需求和客户需求的独特堆栈。”
深入挖掘：MessageGears 称可组合性已然到来