GenAI仍然是大多數(shù)企業(yè)的首要投資重點(diǎn)，而且期望值很高。根據(jù)普華永道的最新調(diào)查，美國(guó)61%的CEO預(yù)期AI將改變他們的業(yè)務(wù)價(jià)值生成方式，但要實(shí)現(xiàn)這一目標(biāo)，企業(yè)必須將AI的炒作轉(zhuǎn)化為現(xiàn)實(shí)。

好消息是，他們?cè)谶@方面越來越擅長(zhǎng)。事實(shí)上，根據(jù)Databricks最近發(fā)布的《數(shù)據(jù)+AI狀態(tài)報(bào)告》的結(jié)果，企業(yè)將1342%的模型從實(shí)驗(yàn)階段推向了現(xiàn)實(shí)世界，而且他們對(duì)數(shù)據(jù)和AI的雄心并沒有減弱，實(shí)驗(yàn)?zāi)Ｐ偷臄?shù)量也增長(zhǎng)了134%。

這些都是令人鼓舞的跡象，但根據(jù)我與CIO和其他技術(shù)領(lǐng)導(dǎo)者的對(duì)話，當(dāng)前的挑戰(zhàn)是如何保持這一勢(shì)頭。公司在對(duì)期望達(dá)成一致方面面臨困難。自然，許多高管希望能立即看到投資回報(bào)，而且由于擔(dān)心競(jìng)爭(zhēng)對(duì)手在AI方面進(jìn)展更快，公司沒有考慮長(zhǎng)期戰(zhàn)略。

這種方法是錯(cuò)誤的。只關(guān)注“現(xiàn)在”的公司會(huì)發(fā)現(xiàn)自己在一個(gè)又一個(gè)新奇事物之間跳躍。對(duì)GenAI的投資是一個(gè)漫長(zhǎng)的過程，CIO必須將公司的AI心態(tài)從短期勝利轉(zhuǎn)向長(zhǎng)期業(yè)務(wù)轉(zhuǎn)型，考慮到這一點(diǎn)，以下是CIO和其他技術(shù)領(lǐng)導(dǎo)者在應(yīng)對(duì)這些挑戰(zhàn)時(shí)應(yīng)關(guān)注的三個(gè)關(guān)鍵領(lǐng)域：

1. 改善數(shù)據(jù)基礎(chǔ)設(shè)施

AI的優(yōu)先事項(xiàng)和關(guān)注領(lǐng)域幾乎與技術(shù)本身一樣迅速發(fā)展。

例如，六個(gè)月前，很少有CIO熟悉檢索增強(qiáng)生成(RAG)。現(xiàn)在，在私有公司數(shù)據(jù)上訓(xùn)練商業(yè)LLM以獲得更好和更定制化的性能已經(jīng)成為一個(gè)重要的關(guān)注領(lǐng)域。根據(jù)我們的匿名使用數(shù)據(jù)，構(gòu)建RAG模型的關(guān)鍵——向量數(shù)據(jù)庫(kù)的使用在過去一年中增長(zhǎng)了377%。一些公司，如Databricks，甚至開始使用“代理和工具”方法來幫助AI系統(tǒng)解決更復(fù)雜的問題。

這證明了GenAI的發(fā)展速度，以及其能力范圍的快速擴(kuò)展，但數(shù)據(jù)遷移仍然是一個(gè)挑戰(zhàn)。例如，要構(gòu)建一個(gè)成功的RAG系統(tǒng)，需要訓(xùn)練的數(shù)據(jù)必須是隨時(shí)可用的，而不是被困在企業(yè)各處的孤島中。結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)都需要結(jié)合在一起，以確保模型能夠提供用戶期望的定制答案。

但這只是今天的挑戰(zhàn)，企業(yè)需要一個(gè)可以隨著需求和技術(shù)變化而擴(kuò)展的框架。領(lǐng)導(dǎo)者應(yīng)問自己以下問題：什么樣的基礎(chǔ)設(shè)施可以使我們有效管理、維護(hù)和從數(shù)據(jù)中獲取洞察力，無論更大的AI環(huán)境如何演變?我們希望使用的應(yīng)用程序在哪些類型或規(guī)模的模型中表現(xiàn)出色?我們的數(shù)據(jù)環(huán)境需要如何改進(jìn)或變化才能與這些模型良好配合?

2. 導(dǎo)航基礎(chǔ)模型

對(duì)于大多數(shù)企業(yè)來說，通用LLM是一個(gè)很好的起點(diǎn)。我們?cè)谄脚_(tái)上也持續(xù)看到使用量的增加。但企業(yè)使用這些基礎(chǔ)模型越多，就越能發(fā)現(xiàn)其局限性。

這就是為什么現(xiàn)在很多企業(yè)正在尋求諸如RAG和微調(diào)等技術(shù)來提高模型的性能，并最終降低其運(yùn)行成本。雖然公司正在對(duì)專有模型進(jìn)行這項(xiàng)工作，但他們?cè)絹碓蕉嗟剡x擇開放系統(tǒng)。事實(shí)上，根據(jù)我們報(bào)告中的發(fā)現(xiàn)，在Llama 3發(fā)布幾周后，它就占據(jù)了所有開源模型使用量的39%。

隨著這些技術(shù)變得越來越普及，企業(yè)需要學(xué)習(xí)何時(shí)應(yīng)用哪種技術(shù)。例如，當(dāng)構(gòu)建自己的模型可能更具成本效益時(shí)，企業(yè)可能會(huì)決定從頭開始構(gòu)建自己的模型，而只是微調(diào)一個(gè)基礎(chǔ)模型，或者他們可能在處理不斷更新的信息集。在這種情況下，RAG是更好的選擇，因?yàn)槠髽I(yè)可以快速向模型提供新數(shù)據(jù)。

重要的是，模型只會(huì)變得越來越好。對(duì)未來趨勢(shì)保持敏銳的洞察至關(guān)重要。

3. 優(yōu)先考慮AI開發(fā)和使用中的準(zhǔn)確性

AI正在改變工作流程并重新塑造企業(yè)對(duì)數(shù)據(jù)的思考方式，但許多公司仍處于測(cè)試和實(shí)驗(yàn)階段，這是因?yàn)?，?dāng)前，許多模型并不像它們需要的那樣準(zhǔn)確或可靠。

一些公司已經(jīng)看到了后果：一家航空公司的聊天機(jī)器人提供了一項(xiàng)不符合公司正式政策的退款，法院判決支持客戶，或者考慮一家汽車經(jīng)銷商的聊天機(jī)器人向客戶提供一美元的汽車。

如果這些失誤在大規(guī)?；蚋唢L(fēng)險(xiǎn)場(chǎng)景中發(fā)生，企業(yè)將遭受損失，這就是為什么在循環(huán)中保持人類參與是至關(guān)重要的，特別是對(duì)于需要高準(zhǔn)確性的應(yīng)用程序。

即使模型有所改進(jìn)，輸出的質(zhì)量也取決于支持它們的數(shù)據(jù)。強(qiáng)有力的數(shù)據(jù)衛(wèi)生和監(jiān)督是確保企業(yè)實(shí)現(xiàn)AI驅(qū)動(dòng)成功的關(guān)鍵。確保數(shù)據(jù)的管理、可訪問性和良好架構(gòu)將幫助企業(yè)在未來看到更一致和可靠的輸出。

AI將越來越能夠在醫(yī)療、制造、企業(yè)技術(shù)等工作場(chǎng)所增強(qiáng)人類能力，這就是為什么企業(yè)需要專注于保持強(qiáng)大的數(shù)據(jù)基礎(chǔ)設(shè)施和實(shí)踐，優(yōu)先考慮符合其更廣泛業(yè)務(wù)戰(zhàn)略的AI應(yīng)用，并培養(yǎng)一個(gè)為這一變革時(shí)代做好準(zhǔn)備的AI準(zhǔn)備就緒的勞動(dòng)力。