媒體上幾乎每天都會(huì)出現(xiàn)一些關(guān)于生成式人工智能的突破性新進(jìn)展。事實(shí)上，麥肯錫的研究認(rèn)為，未來人工智能的確會(huì)令人眼花繚亂，它可以將客戶支持的生產(chǎn)率提高 40%，將軟件工程的生產(chǎn)率提高 20% 至 30%，將市場營銷的生產(chǎn)率提高 10%。

不過，值得提醒的是，我們以前也看過這樣的電影，公司紛紛投入到激動(dòng)人心的新技術(shù)中，進(jìn)行了大量不成熟的實(shí)驗(yàn)和試點(diǎn)。CIO 和 CTO 在避免人工智能領(lǐng)域的這些陷阱方面起著至關(guān)重要的作用。他們可以用務(wù)實(shí)的技術(shù)視角來確定何時(shí)何地人工智能可以產(chǎn)生最大價(jià)值，以及在哪些方面人工智能并不是最佳選擇。

要做到這一點(diǎn)，就需要深入了解人工智能的單位經(jīng)濟(jì)效益、獲取這些效益所需的資源以及在現(xiàn)有能力條件下開展工作的可行性并在上述情況的基礎(chǔ)上開發(fā)用例。隨著人工智能越來越被視為業(yè)務(wù)加速器和顛覆者，這一復(fù)雜的等式是 CIO 必須正確應(yīng)對(duì)的挑戰(zhàn)。

新一代人工智能原型： 接受者、塑造者和創(chuàng)造者

CIO 在確定何種戰(zhàn)略上最適合企業(yè)使用人工智能時(shí)面臨的一個(gè)關(guān)鍵問題是租用、采購還是為各種用例構(gòu)建人工智能能力。基本原則是，只有在擁有有專有優(yōu)勢的情況下，才投資創(chuàng)建獨(dú)特的人工智能能力。我們發(fā)現(xiàn)，用三種原型來思考問題是很有幫助的：

獲取者使用聊天界面或 API，通過公開模式快速訪問商品服務(wù)。這方面的例子包括 GitHub Copilot（一種用于生成代碼的現(xiàn)成解決方案）或 Adobe Firefly（幫助設(shè)計(jì)師生成和編輯圖像）。就工程和基礎(chǔ)設(shè)施需求而言，這種原型是最簡單的，通常也是啟動(dòng)和運(yùn)行最快的。它不允許集成專有數(shù)據(jù)，提供的隱私和知識(shí)產(chǎn)權(quán)保護(hù)也最少。雖然在簡單訪問基因人工智能服務(wù)時(shí)，技術(shù)堆棧的變化很小，但 CIO 需要做好準(zhǔn)備，管理技術(shù)架構(gòu)的重大調(diào)整并升級(jí)數(shù)據(jù)架構(gòu)。

塑造者希望開發(fā)專有功能，并有更高的安全性或合規(guī)性需求。在 “塑造者”用例中，首席信息官需要將現(xiàn)有的第二代人工智能模型與內(nèi)部數(shù)據(jù)和系統(tǒng)集成，以便無縫協(xié)作并生成定制的結(jié)果。其中一個(gè)例子是通過將生成式人工智能工具與 CRM 和財(cái)務(wù)系統(tǒng)連接，納入客戶之前的銷售和參與歷史，從而支持銷售交易的模型。

塑造者有兩種常見方法。一種是 “將模型引入數(shù)據(jù)”——即在企業(yè)內(nèi)部或云環(huán)境中的基礎(chǔ)設(shè)施上托管模型。另一種是 “將數(shù)據(jù)引入模型”，即企業(yè)通過將大型模型本身的副本放在行業(yè)巨頭的云基礎(chǔ)設(shè)施上。無論是哪種情況，CIO 都需要開發(fā)管道，將將第二代人工智能模型與內(nèi)部數(shù)據(jù)源連接起來。在內(nèi)部數(shù)據(jù)上訓(xùn)練模型可以使模型的預(yù)測更好、更符合公司需求。公司將需要存儲(chǔ)更多的交互信息，例如與客戶服務(wù)人員的對(duì)話，并不斷使用大量數(shù)據(jù)，使人工智能系統(tǒng)發(fā)揮更大的作用。

制造商從零開始建立基礎(chǔ)模型。這既昂貴又復(fù)雜，需要大量數(shù)據(jù)、內(nèi)部人工智能專業(yè)知識(shí)和計(jì)算能力。建立模型和培訓(xùn)員工需要一次性投入大量資金，從 500 萬美元起步，最高可達(dá)數(shù)億美元，具體取決于培訓(xùn)基礎(chǔ)設(shè)施、模型參數(shù)和模型架構(gòu)的選擇等因素。由于成本和復(fù)雜性，這將是最不常見的原型。

正確制定第二代人工智能戰(zhàn)略

對(duì)第二代人工智能用例進(jìn)行實(shí)驗(yàn)相對(duì)容易，但以釋放價(jià)值的方式擴(kuò)大其規(guī)模則更具挑戰(zhàn)性。如果沒有正確的內(nèi)部組織，即使是最有前途的人工智能計(jì)劃也可能落空。必須重新設(shè)計(jì)業(yè)務(wù)流程和工作流程，并對(duì)用戶進(jìn)行再培訓(xùn)，以利用人工智能的能力。升級(jí)企業(yè)技術(shù)架構(gòu)以集成和管理人工智能生成模型，也是協(xié)調(diào)它們?nèi)绾闻c現(xiàn)有人工智能和機(jī)器學(xué)習(xí)（ML）模型、應(yīng)用程序和數(shù)據(jù)源共同運(yùn)行的關(guān)鍵。

CIO 的第一項(xiàng)舉措應(yīng)該是集中第二代人工智能能力，以協(xié)調(diào)活動(dòng)、積累專業(yè)知識(shí)并將能力分配給優(yōu)先計(jì)劃。該團(tuán)隊(duì)包括數(shù)據(jù)工程師、MLOps 工程師以及風(fēng)險(xiǎn)和法律專家，其目標(biāo)是為最初的幾個(gè)用例合作構(gòu)建基因人工智能。重點(diǎn)應(yīng)該是將基因人工智能模型與內(nèi)部系統(tǒng)、企業(yè)應(yīng)用程序和工具連接起來。只有在技術(shù)堆棧層面做好結(jié)構(gòu)性工作，企業(yè)才能從開發(fā)幾個(gè)孤立的用例走向產(chǎn)業(yè)化，從而獲取實(shí)質(zhì)性價(jià)值。原則是將第二代人工智能作為基礎(chǔ)平臺(tái)服務(wù)進(jìn)行管理和部署，隨時(shí)供產(chǎn)品和應(yīng)用團(tuán)隊(duì)使用。

在最好的情況下，當(dāng)一個(gè)組織開始其基因人工智能之旅的時(shí)候，上述所有條件都已到位。如果沒有這樣的理想條件，CIO 仍應(yīng)開始為一系列優(yōu)先用例開發(fā)平臺(tái)，并在學(xué)習(xí)過程中不斷調(diào)整和添加。

圍繞人工智能的熱議是，它有可能改變我們所熟知的業(yè)務(wù)。不過，潛力并不代表確定性，甚至也不代表可能性。CIO 和 CTO 將站在第一線，確保企業(yè)以戰(zhàn)略意圖和重點(diǎn)來執(zhí)行，避免陷入無休止的、昂貴的嘗新陷阱。

來源：www.cio.com