安德烈亚·摩根-范多姆（Andrea Morgan-Vandome）是蓝越界（Blue Yonder）的首席创新官。在这个角色中，她负责行业战略、产品战略、路线图方向和收购战略、上市包装和信息传递，以及新产品推出。
人工智能并不是新鲜事物。人类从1940年代开始研究人工智能，像约翰·麦卡锡这样的计算机科学家让我们看到这项技术可以实现的可能性。然而，最近人工智能的炒作程度却呈指数级增长。ChatGPT于2022年发布，引起了广泛关注，现在DeepSeek和Qwen 2.5也正在掀起波澜。这种炒作是可以理解的。由于计算能力的增加、数据集的扩大、算法和训练技术的改进，人工智能和机器学习模型的有效性几乎每几个月都在翻倍。每天，我们都看到在推理和内容生成等领域的显著进步。我们生活在令人兴奋的时代！但是，炒作也可能带来负面影响，人们可能会认为人工智能更多的是噪音而不是实质。我们已经习惯了伴随这些突破性发展的信息过载，常常会忽略眼前的机遇。也许由于生成式人工智能的“噪音”，一些领导者可能认为这项技术还不成熟，不值得投资。他们可能希望等待足够多的采用率后再决定是否投资。或者，他们可能想安全地使用生成式人工智能，只用于业务的低影响区域。但是，他们是错的。尝试和快速失败比不尝试要好。作为领导者意味着要抓住机会，改变和重新思考。人工智能的发展速度非常快。如果你不跟上，你就会错过一切。这项技术将成为明天商业世界的基础。现在投资的人将决定未来会是什么样子。不要只是使用生成式人工智能来获得渐进式的改进。使用它来实现飞跃。这就是赢家会做的事情。会有多糟糕?采用生成式人工智能只是风险管理的问题——这对于高管来说应该是很熟悉的。像对待其他新投资一样对待这项技术。找到不冒太大风险的方式来推进。只要做点什么。你很快就会知道它是否有效；人工智能要么能改进流程，要么不能。这将是很明显的。你不想做的是陷入分析瘫痪。不要花太多时间思考你要实现什么。正如伏尔泰所说，不要让“完美”成为“好”的敌人。在开始时，设定一个可以接受的结果范围。然后坚持下去，朝着更好迭代，继续前进。等待所谓的“完美条件”出现，将会带来更大的损害。会有多糟糕？选择几个试验项目，启动它们，看看会发生什么。如果你失败了，你的组织将会因此变得更好。失败确实能建立性格。并且能建立韧性。假设你的组织在生成式人工智能实验中失败了。那么怎么办？在组织学习中，有巨大的价值——尝试，转变，并看到团队如何应对。生活就是学习和克服一个又一个障碍。如果你不将你的团队和工具推到极限，你怎么知道你的组织的极限在哪里？你怎么知道什么是可能的？如果你有合适的人在合适的位置——如果你信任他们——那么你没有什么可失去的。给你的团队设定具有挑战性的目标，帮助他们成长为专业人士，并从工作中获得更多的价值。如果你尝试了一种生成式人工智能实验并失败了，你将会更好地准备下一次实验。找出实验的途径。要开始，找出你业务中最大的挑战：持续的瓶颈，非故意的错误，管理不善的期望，未被利用的机会。任何需要大量数据分析和解决棘手问题的活动或工作流程，都可能是人工智能实验的良好候选者。在我的行业——供应链管理，到处都是机会。例如，仓库管理是生成式人工智能的良好起点。仓库管理涉及协调许多移动的部分，通常是在几乎实时的环境中。正确的人需要在正确的时间和地点处理、存储和检索产品——这些产品可能有特殊的存储需求，例如冷藏食品。管理所有这些变量是一项巨大的任务。传统上，仓库经理没有时间审查无数的劳动力和商品报告，以使一切顺利进行。这需要大量时间，仓库经理通常有其他事情要处理，包括应对实时的干扰。然而，生成式人工智能代理可以审查所有生成的报告，并根据洞察力和根本原因生成一个明智的行动计划。它们可以识别潜在的问题并建立有效的解决方案。管理者节省的时间简直无法估量。这是一个可以通过生成式人工智能优化的关键业务领域的例子。任何耗时的工作流程——尤其是那些涉及处理数据或信息以做出决定的工作流程——都是人工智能改进的良好候选者。只要选择一个用例并开始就行。直接开始吧。生成式人工智能已经来到这里，它的发展速度非常快。每天，都会出现新的用例。每天，这项技术都变得更好、更强大。其益处是显而易见的：从内部转变的组织；在数据支持下高效运作的人类；更快、更明智的商业决策；我可以继续列举下去。你等待所谓的“完美条件”出现的时间越长，你（和你的业务！）就会落后得越远。如果你有一个好的团队，一个合理的商业策略，和真正的改进机会，你没有什么可失去的。你还在等什么？
