3 个核心原则来驱动 GenAI 部署的 ROI

公司领导者渴望在他们的业务中部署 生成性 AI (GenAI)。那么，为什么这么多项目无法从概念验证（POC）阶段中脱颖而出？在最近的 Gartner 事件中，杰出副总裁分析师 Rita Sallam 说，至少 30% 的 GenAI 项目将因诸如数据质量差、风险控制不足、成本迅速增长或无法实现预期业务价值等问题而在 2025 年底后被放弃。

这些问题是 Gartner 说 GenAI 开始进入 失望的低谷 的原因之一，在其最新的新兴技术 Hype Cycle 2024 中。然而，在一项单独的 Gartner 调查中，受访者报告说，他们的 GenAI 部署帮助公司实现了 15.8% 的收入增长、15.2% 的成本节约和 22.6% 的生产力提高。

那么，什么是将 GenAI 集成到关键工作流中的企业与无法实现预期业务价值的企业之间的区别？这些领导者和团队使用了一种不同的方法，其特点是严格的准备和变革管理。以下是三个关键原则，以指导评估、选择和启用 GenAI 的使用案例，因此团队可以减轻风险并在转变业务流程的同时管理成本。

1. 核心原则 1：从一开始严格量化业务价值：

虽然业务领导者可能最初优先考虑 GenAI 实验，但他们现在渴望从投资中获得有形的业务价值。

合作伙伴可以帮助企业通过举办研讨会来了解整体目标、当前的数据流程和技术基础设施等，开发详细的商业案例。作为这一过程的一部分，他们与企业团队合作，评估潜在的使用案例，根据解决业务痛点、确定工作量和预期 ROI 来优先考虑它们，并开发关键绩效指标来衡量进度。在 Google Cloud Next ’24 上，该公司强调了 101 个 组织成功使用 GenAI 的故事，通过部署客户、员工、创意、数据、代码和安全代理。

市场能力继续演变，简化了创造价值的路径。Microsoft 和 Google 将大型语言模型集成到他们的搜索引擎中。互联网用户现在可以接收总结的答案和链接，加快他们获取洞察力的速度。同样，合作伙伴提供了 GenAI 加速器平台，具有可定制和部署在企业环境中的 AI 和机器学习模型。企业可以通过获得成熟的工具、降低部署成本和风险、更快地扩展新业务能力来受益。

2. 核心原则 2：确保数据质量、隐私和安全。

为模型训练和推理提供高质量、隐私合规和安全的数据是每个成功的 GenAI 实现的基础。企业必须准备数据，以确保 AI 模型生成准确和可靠的输出。另外，他们正在实施防护措施和新工具来保护敏感信息，包括模型输出，免受泄露。同样，GenAI 可以用于识别可以由团队或自动化进行修复的安全问题。

Mastercard 正在使用 GenAI 来促进客户互动和减少欺诈。其 AI 驱动的聊天机器人为客户提供了即时访问个性化推荐、账户信息和交易历史的机会。

该公司还使用 GenAI 预测建模来识别可能指示潜在欺诈的异常支出模式。通过 GenAI，Mastercard 将发现受损卡的检测率提高了一倍；将假阳性降低了多达 200%；并将识别易受欺诈的商家的速度提高了 300%。

3. 核心原则 3：加强人机 GenAI 协作。

虽然 GenAI 将自动一些流程，但大多数时候，它将帮助人类做出更好的决策。GenAI 可以创建合成数据、处理数据、识别模式和创建预测分析，以赋予团队合作和创造新服务的能力。例如，GenAI 可以为决策者提供场景和建议，以便他们可以优化结果。人类带来了市场和背景意识、业务知识、判断和同理心来决策，建立在 GenAI 能力的基础上。

那么，公司如何最大限度地发挥人机 GenAI 协作的潜力？领导者应该花时间设置明确的角色和职责、不断培训团队关于最新的能力，并在 GenAI 未按预期运行时提供防护措施和升级路径。另外，他们应该分享他们对 GenAI 重塑业务的愿景，并强调他们正在增强人类能力，而不是取代它们。Forrester 调查发现， 36% 的员工担心失去工作或被自动化或 AI 取代，但只有 1.5% 会这样，而 6.5% 的角色将受到 GenAI 的影响。因此，员工应该拥抱这一技术，而不是避开它。

Allstate 已经实施了一个 GenAI 驱动的聊天机器人，利用自然语言处理来提供实时、多语言支持和更深入地了解客户行为。

聊天机器人简化了理赔流程，通过提供一个集中平台来收集和审查相关信息。虽然人类代理继续处理需要专业判断的复杂理赔，但聊天机器人通过自动化常规任务和减少处理时间显著提高了效率。通过使用 AI 来简化表单填写，Allstate 改进了准确性和客户满意度。

通过采用这 3 个核心原则来获得更多 GenAI 的 ROI

当 GenAI 突然进入世界的意识时，领导者迅速将其应用于他们的业务，鼓励实验和创新。然而，有时 POCs 超越了基础，增加了成本并创建了无法提供预期价值的解决方案。

领导者可以使用这三个核心原则 – 开发一个合理的商业案例、解决数据要求和帮助团队与 AI 协作 – 来使新的 GenAI 计划成功。他们将能够指出高价值的使用案例和工具、数据保障和生产力和创新改进，这些将令 C 层、董事会、客户和投资者感到高兴。