3 个核心原则，驱动 GenAI 部署的 ROI

公司领导者渴望在其业务中部署生成式 AI（GenAI）。那么，为什么这么多项目在概念验证（POC）阶段就失败了？在最近的 Gartner 事件中，资深副总裁分析师 Rita Sallam 表示，至少 30% 的 GenAI 项目将在 2025 年底因数据质量差、风险控制不足、成本迅速增长或无法实现预期的业务价值而被放弃。

这些问题是 Gartner 表示 GenAI 正开始进入 幻灭期 的原因之一。在 Gartner 的另一项调查中，受访者报告称，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，什么因素决定了企业在将 GenAI 集成到关键工作流程中时的成功或失败？这些领导者和团队采用了不同的方法，注重严格的准备和变革管理。以下是三个关键原则，指导 GenAI 的评估、选择和启用，以帮助团队减轻风险和管理成本，同时转变业务流程。

1. 核心原则 1：从一开始就严格量化业务价值

虽然业务领导者最初可能优先考虑 GenAI 实验，但现在他们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开发详细的商业案例，通过举办工作坊来了解整体目标、当前的数据流程和技术基础设施等。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，优先考虑解决业务痛点、确定工作量和预期 ROI，并制定关键绩效指标来衡量进展。在 Google Cloud Next ’24 上，该公司强调了 101 个故事，即组织通过部署客户、员工、创意、数据、代码和安全代理成功使用 GenAI 的案例。

市场能力继续演进，简化了价值创造的路径。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获得总结的答案和链接，缩短了他们获取洞察力的时间。同样，合作伙伴提供了 GenAI 加速器平台，具有可定制和部署的 AI 和机器学习模型，企业可以在几周内将其部署到自己的环境中。企业通过获得成熟的工具、降低部署成本和风险、更快地扩展新的业务能力而受益。

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。此外，他们正在实施防护措施和新工具，以保护敏感信息（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 预测建模来识别异常的支出模式，这可能表明潜在的欺诈。通过 GenAI，Mastercard 将被泄露的卡的检测率提高了两倍；将假阳性降低了多达 200%；并将识别容易受到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 将自动化一些流程，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，以增强团队合作和创造新的服务。例如，GenAI 可以为决策者提供场景和建议，以优化结果。人类带来了市场和上下文意识、商业知识、判断力和同理心来决策，建立在 GenAI 的能力之上。

那么，公司如何最大限度地发挥人机 GenAI 协作的潜力？领导者应该花时间明确定义角色和职责，不断培训团队关于最新的功能，并在 GenAI 未按预期运行时提供防护措施和升级路径。此外，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的能力，而不是取代它们。Forrester 调查发现，36% 的员工担心失去工作，因为自动化或 AI，但只有 1.5% 会这样，而 6.5% 的工作将受到 GenAI 的影响。因此，员工应该拥抱这项技术，而不是避开它。

Allstate 已实施了一个 GenAI 驱动的聊天机器人，利用自然语言处理提供实时、多语言支持，并更深入地了解客户行为。例如，它旨在通过识别需要代理支持的客户旅程来提高以前模型的性能三倍。

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。虽然人类代理仍然处理需要专家判断的复杂理赔，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 来简化表格填写，Allstate 提高了准确性和客户满意度。

通过采用这 3 个核心原则获得更多 GenAI 的 ROI

当 GenAI 爆发到世界的意识中时，领导者迅速将其应用于这些业务，鼓励实验和创新。然而，有时概念验证阶段的成本迅速增长，创造了不能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 – 开发合理的商业案例、解决数据需求、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、数据保障和生产力以及创新改进，这些将令 C 级高管、董事会、客户和投资者感到高兴。