人工智能无法修复糟糕的基础：公司如何为成功的人工智能部署做好内部生态准备

尽管商业领袖经常被刻画为只关心利润，但最近的一项研究表明，超过80%的公司没有跟踪其人工智能支出的投资回报率。相反，那些跟踪投资回报率的公司发现，人工智能的投资回报率并没有达到预期，只有四分之一的全球CEO报告称其人工智能投资达到预期的投资回报率。但正如谚语所说，“一个糟糕的木匠会责怪他的工具”——换句话说，对于很多公司来说，投资回报率令人失望是因为人工智能的部署被设置为失败。如果我们把一家公司看作是一个花园，那么为了使生产力和利润增长，必须在部署像人工智能这样的工具之前采取某些步骤，以便它能够产生最大的可衡量的影响。

也许是由于对LLM产品营销的过度承诺，人们普遍认为人工智能是一个即插即用的东西。实际上，最佳的人工智能部署始于确定人工智能无法替代的人类监督的位置。

例如，当与一家法律服务公司合作时，我的团队和我被要求实施一个能够处理大量法律文档的人工智能系统——分类、提取关键事实，并决定是否保留、编辑或删除文件。

虽然人工智能处理了繁重的工作，扫描文档以查找相关信息，标记敏感数据，并总结答案，但结果随后被传递给人类律师，他们可以审查工作，确认法律判断，并在必要时覆盖分类。

这不仅有助于保护公司免受潜在风险，还有助于使自动化的成本与监督的成本分开，这将使ROI审计更加清晰。

步骤1：确定人类至关重要的位置

也许是由于LLM产品营销的过度承诺，人们普遍认为人工智能是一个即插即用的东西。实际上，最佳的人工智能部署始于确定人工智能无法替代的人类监督的位置。

例如，当与一家法律服务公司合作时，我的团队和我被要求实施一个能够处理大量法律文档的人工智能系统——分类、提取关键事实，并决定是否保留、编辑或删除文件。

虽然人工智能处理了繁重的工作，扫描文档以查找相关信息，标记敏感数据，并总结答案，但结果随后被传递给人类律师，他们可以审查工作，确认法律判断，并在必要时覆盖分类。

这不仅有助于保护公司免受潜在风险，还有助于使自动化的成本与监督的成本分开，这将使ROI审计更加清晰。

步骤2：确定人工智能如何增强您的团队

为了最大化人工智能的投资回报率，您需要选择人工智能可以最好地服务于您的组织的位置。理想的流程包括重复或基于规则的任务（例如基本的客户服务分类或发票编码），知识密集型的查找（例如合同条款），以及容易出错的数据输入等。

然后，人工智能模型必须被战略性地配置为补充工作流程，而不是破坏它。为此，需要将员工的工作流程分解为任务，然后将这些任务标记为三个过程类别之一：生成、选择或判断。生成任务可以交给人工智能，需要判断的任务留给人类员工，需要选择的任务可以是人工智能和人类之间的协作过程，人工智能建议下一步，人类决定最佳路径。

在上述法律服务的例子中，人工智能处理了初始分类，标记敏感内容，并提出了可能的答案。在这种方式下，人类员工的角色从挖掘文档的细节转变为验证结果——将原本需要几天的工作变成了几个小时。

至于投资回报率，这使得更多的时间可以花在例外情况上，而这些例外情况正是利润所在。

步骤3：标准化您的训练数据

使用企业数据对LLM进行微调可以带来竞争优势，但为了使人工智能取得成果，它需要营养丰富的土壤，即好的、干净的数据。坏的或嘈杂的数据会毒害结果并放大偏见。简而言之，您的数据纪律决定了输出的可靠性。

那么，这需要什么？大量和多样化的数据很重要，但同样重要的是数据质量良好。数据格式和命名约定不一致或字段缺失/不完整会对原始输入的质量产生负面影响。同样，重复或无结构的数据管道会使存储成本增加和模型性能变慢。

因此，数据输入必须有质量控制和强有力的治理——这意味着访问控制和法规遵从性。没有这些过滤器，您就不是在投资人工智能，而是在浪费资金用于清理循环。

尽管人工智能的炒作使得领导者可能感到有压力尽快实施，但花时间策略性地部署模型，或者在种植之前为土壤施肥，将会带来更大的成功和投资回报率。