大多數(shù)CIO已經(jīng)開始探索生成式AI，以確保他們跟上發(fā)展步伐，但很多人發(fā)現(xiàn)市場上的技術(shù)尚未達(dá)到宣傳的效果。米其林全球首席信息官Yves Caseau表示：“在對Github copilot和ChatGPT進(jìn)行了六個多月的試驗后，我對生成式AI的發(fā)展速度感到驚訝，但在目前的狀態(tài)下，它只是一個工具箱。”
圍繞最新一波大型語言模型（LLM）和相關(guān)工具確實有很多炒作，但在喧囂之下有傳言稱，這項技術(shù)有一天將變得不可或缺。Caseau表示：“一旦成熟，生成式AI能將能夠執(zhí)行我們很多平凡的任務(wù)——這將使我們能夠?qū)Ｗ⒂谛碌氖挛铩?rdquo;
包括雅寶（Albemarle）前首席信息和數(shù)字化轉(zhuǎn)型官Patrick Thompson在內(nèi)的一些技術(shù)領(lǐng)導(dǎo)者甚至表示，生成式AI將成為我們一生中最具顛覆性的技術(shù)。Thompson表示：“這將比蘋果公司面向消費者推出iphone更具顛覆性。對于企業(yè)用戶來說，這將超越微軟在員工生產(chǎn)力方面所做的努力。”
但最大的問題是現(xiàn)在如何應(yīng)對它。
對傳統(tǒng)AI的推動
雖然生成式AI是個新的事物，但AI卻不是。預(yù)測性維護(hù)是包括米其林和雅寶在內(nèi)的許多公司使用AI的首批用例之一，最基本的層面就是一種根據(jù)傳感器收集的數(shù)據(jù)進(jìn)行訓(xùn)練的算法。經(jīng)過訓(xùn)練之后，這種模型就會尋找導(dǎo)致故障的指標(biāo)并向操作員發(fā)出警報，然后操作員可以防止生產(chǎn)中斷等故障。
預(yù)測性維護(hù)基本設(shè)置中存在的一個常見不足，就是訓(xùn)練數(shù)據(jù)中罕見事件的代表性不足。因此，算法可能無法充分了解傳感器輸出的模式，雖然這種情況很少見，但可能預(yù)示著失敗。為了填補這一空白，很多公司用合成數(shù)據(jù)來補充真實數(shù)據(jù)。
AI在企業(yè)中也有很多用途，例如提高供應(yīng)鏈的效率、促進(jìn)客戶互動、以及幫助員工執(zhí)行辦公任務(wù)。自疫情爆發(fā)以來，雅寶公司一直在使用AI虛擬助手。Thompson表示：“我們在這場競賽中領(lǐng)先了一點，主要是因為我們有必要這么做，疫情迫使我們要尋找方法為7000名員工在家提供自助服務(wù)。”
雅寶公司開發(fā)的自助服務(wù)聊天機器人逐漸發(fā)展成為一種幫助其他公司職能的工具，隨后又發(fā)展成為管理聯(lián)合工作流程的虛擬個人助理，使員工能夠更輕松地同時使用多個系統(tǒng)，而無需登錄所有系統(tǒng)，例如，員工只需使用自然語言與機器人通信即可參與工作流程并進(jìn)行查詢，機器人與企業(yè)業(yè)務(wù)系統(tǒng)進(jìn)行交互。
但在短短幾個月內(nèi)，生成式AI就開始把傳統(tǒng)AI提升到預(yù)測性維護(hù)等應(yīng)用的另一個水平上。“交互變得更加對話式，這樣你就可以提出問題并獲得有關(guān)設(shè)備狀態(tài)的不同見解，它可以被用于管理內(nèi)部和外部行業(yè)數(shù)據(jù)，然后用于訓(xùn)練傳統(tǒng)算法以提供敏捷的結(jié)果。”
此外，生成式AI給那些尚未使用傳統(tǒng)AI的行業(yè)公司提供了一個切入點。在金融等行業(yè)，大多數(shù)公司多年前就開始開發(fā)數(shù)據(jù)平臺以配合分析工具使用，現(xiàn)在他們正在使用相同的平臺試驗這種最新的AI技術(shù)。
英美全球資產(chǎn)管理集團Janus Henderson的全球首席信息官Chris Herringshaw表示：“生成式AI還可以用于解析市場和公司的公開數(shù)據(jù)，以幫助做出投資決策。我們不想花大量時間手動研究所有這些信息，而是希望使用生成式AI對信息進(jìn)行總結(jié)，告訴我們噪音中的信號在哪里，并圍繞我們關(guān)注的領(lǐng)域給出建議。”
早期采用的挑戰(zhàn)和回報
除了底層技術(shù)不夠成熟之外，企業(yè)進(jìn)一步擁抱生成式AI還需要克服其他幾個障礙。第一個挑戰(zhàn)是企業(yè)內(nèi)部和銷售傳統(tǒng)應(yīng)用的供應(yīng)商在技能上的匱乏。
缺乏內(nèi)部專業(yè)知識會影響每個IT領(lǐng)導(dǎo)者做出自我開發(fā)還是外部購買的決策。Herringshaw表示：“‘購買’肯定能讓你更快速地提升，你不需要弄清楚如何將其產(chǎn)品化、擴展并支持底層基礎(chǔ)設(shè)施。而且現(xiàn)在價格如此之低，進(jìn)行探索性工作的成本非常低。”
供應(yīng)商正在壓低價格以鼓勵采用。但隨著時間的推移，企業(yè)將開始把更多數(shù)據(jù)放入模型中，這會讓他們與供應(yīng)商鎖定在一起，并且要開始創(chuàng)建專門針對某些領(lǐng)域的分支，例如，他們不會使用ChatGPT的通用版本，而是使用針對特定行業(yè)（例如金融服務(wù)）的版本。
Herringshaw表示：“一旦你擁有針對不同用例定制的不同模型，你最終就會同時運行多個版本，這會導(dǎo)致訂閱價格的成倍增加。我們希望業(yè)務(wù)收入能夠隨著成本的增加而增長。如果我們真的能找到一種方法來徹底改變我們的投資流程，回報應(yīng)該會超過成本的。”
從短期來看，訂閱基于云的模型要比內(nèi)部構(gòu)建更便宜，而且從長遠(yuǎn)來看，這甚至可能是正確的做法。外部購買的另一個好處是這可以讓采用變得更快、更容易。但從長遠(yuǎn)來看，對于那些需要根據(jù)行業(yè)定制模型的組織，或者想要把AI推向邊緣并在未連接設(shè)備上運行推理的組織來說，內(nèi)部構(gòu)建可能是相對于云服務(wù)一個更好的選擇。
但就目前而言，很少有企業(yè)擁有資深的員工來構(gòu)建AI模型或者調(diào)整現(xiàn)有模型。大多數(shù)公司甚至不具備成為優(yōu)秀用戶的專業(yè)知識。為了充分利用所購買的產(chǎn)品，你首先要整理企業(yè)數(shù)據(jù)來訓(xùn)練模型，然后在推理階段以正確的方式提出問題，最重要的是，你需要知道什么時候質(zhì)疑模型。
雖然生成式AI可能會增加公司從數(shù)據(jù)中提取的價值，并最終改變企業(yè)的運營方式，但也會拉大數(shù)字化領(lǐng)先公司和數(shù)字化落后者之間的差距。因此，無論組織選擇自我構(gòu)建還是外部購買，他們都應(yīng)該開始培養(yǎng)一定水平的內(nèi)部專業(yè)知識。Herringshaw表示：“我們開始整合正式培訓(xùn)，以改進(jìn)我們使用該技術(shù)的方式，我們想要改進(jìn)的第一件事，就是提出問題。”
技能的缺乏不僅會影響人們?nèi)绾问褂媚Ｐ?，還會影響第三方產(chǎn)品的質(zhì)量，這些產(chǎn)品通常聲稱包含了AI算法，那些購買了最新版本企業(yè)應(yīng)用的CIO們應(yīng)該核對這個說法，因為傳統(tǒng)應(yīng)用供應(yīng)商對于如何集成生成式AI仍然是存在困惑的。
作為多家應(yīng)用供應(yīng)商的顧問委員會成員，Thompson表示：“傳統(tǒng)技術(shù)供應(yīng)商正在與開發(fā)生成式AI的公司展開合作，提供虛擬助手以釋放企業(yè)業(yè)務(wù)系統(tǒng)的價值，他們必須在安全性、數(shù)據(jù)隱私以及生成式AI實現(xiàn)價值承諾的速度之間取得平衡。”
雖然現(xiàn)在正在試水生成式AI的很多組織在規(guī)模上足夠大，而且擁有研究新事物的資源，但這項技術(shù)的使用并非僅限于大型企業(yè)。
Thompson說：“如果你的治理、安全性和數(shù)據(jù)獲取都恰當(dāng)?shù)脑?，生成式AI可以幫助你把一家小公司擴展到一家大公司，而且是一家精益型公司。我的預(yù)測是，生成式AI將成為商業(yè)領(lǐng)域最具顛覆性的創(chuàng)新技術(shù)，它將有助于整合、優(yōu)化和集成不同行業(yè)，從而產(chǎn)生新的行業(yè)績效基準(zhǔn)，提高標(biāo)準(zhǔn)，創(chuàng)造更大的股東價值。那些不擁抱生成式AI公司終將被淘汰。”
