Scott Leshinski Scott Leshinski

生成式人工智能推动我们到达人工智能临界点

在生成式人工智能（GenAI）推动人工智能进入主流之前，数据集成和机器学习相关的业务优先事项更为流行。过去，企业和顾问会为特定用例创建单独的AI/ML项目，但对结果的信心有限，这些项目基本上仅限于IT团队。这些早期的AI用例需要专门的数据科学家团队，需要太多时间和精力来产生结果，缺乏透明度，且大多数项目都失败了。从那里开始，随着开发人员对技术越来越熟悉和自信，AI和机器学习（ML）被更频繁地使用，主要仍然是由IT团队使用，因为构建模型、清理和输入数据以及测试结果的复杂性。今天，随着GenAI在全球各地的专业和个人环境中无处不在，AI技术已经变得普及。我们现在处于人工智能的临界点，但我们是如何到达这里的，为什么GenAI推动我们走向广泛采用？关于人工智能的真相随着“OpenAI”和“ChatGPT”成为家喻户晓的名字，关于GenAI的讨论无处不在，经常难以避免。从商业用途如聊天机器人、数据分析和报告摘要到个人用途如旅行规划和内容创作，GenAI正迅速成为全球最受讨论的技术，其快速发展的速度超过了我们以前见过的其他技术创新。虽然大多数人都了解人工智能，一些人知道它的工作原理和如何实施，但公共和私营部门组织仍然在跟上解锁该技术的全部益处方面存在困难。根据Alphasense的数据，40％的收益电话都在吹捧人工智能的益处和兴奋度，但只有1/6（16％）的S&P 500公司在季度监管文件中提到了人工智能。这引发了一个问题：人工智能的财务影响是什么，以及有多少公司真正投资于其采用？企业不应仅仅因为人工智能很流行就盲目跟风，而应该思考人工智能将为内部和客户带来的价值，以及它可以为用户解决什么问题。人工智能项目通常很昂贵，如果公司在没有正确评估其用例和ROI的情况下就贸然使用人工智能，可能会浪费时间和资金。客户私人预览提供了一种有控制的方式来确认产品市场适应度和验证特定用例的相关ROI，以在将人工智能解决方案推向市场之前验证其价值主张。供应商在投资人工智能之前需要知道什么是否投资人工智能是一个重要的问题，需要软件即服务（SaaS）供应商在开发人工智能解决方案之前进行考虑。在权衡选项时，应注意价值、速度、信任和规模。平衡价值与速度。仅仅提及人工智能解决方案可能不足以让客户印象深刻；相反，他们会期望有可衡量的价值。SaaS产品团队应首先询问是否有真正的业务需求或问题需要为客户解决，以及人工智能是否是适当的解决方案。不要试图将方形钉（人工智能）插入圆孔（您的技术产品）中。没有了解人工智能如何为最终用户增加价值，就无法保证有人会为这些功能付费。建立信任，然后扩大规模。改变系统需要大量的信任。供应商应优先建立对其人工智能解决方案的信任，然后再扩大规模。数据模型和结果的透明度和可见性可以解决摩擦。让用户点击模型源以查看解决方案的见解如何得出。大多数声誉良好的供应商还可以分享人工智能采用的最佳实践，以帮助缓解潜在的痛点。技术供应商常见障碍：人工智能版对于准备开始人工智能旅程的组织，为了确保最佳影响，需要避免几个陷阱。避免从众心理，不要在不知道自己要去哪里时就跟随人群。制定明确的人工智能采用的策略，以便您可以反思最终目标，并确认该策略符合组织的使命和客户价值观。将人工智能产品推向市场并非易事，失败的案例比成功的案例多。安全、经济和人才风险都很大。仅从安全问题来看，人工智能模型通常包含敏感材料和数据，软件即服务组织需要具备管理这些数据的能力。需要考虑的问题包括： 处理敏感材料：与通用大型语言模型（LLM）共享敏感材料会产生模型无意中将敏感材料泄露给其他用户的风险。公司应为内部和外部用户制定保护敏感材料的最佳实践。 存储数据和隐私影响：除了共享问题外，在人工智能系统中存储敏感材料还会使数据面临潜在的泄露或未经授权的访问风险。用户应将数据存储在安全位置，具有防止数据泄露的防护措施。 减轻不准确信息：人工智能模型收集和综合大量数据，不准确的信息可能很容易传播。监控、监督和人工验证是确保共享准确和正确信息的必要条件。批判性思维和分析对于避免误导信息至关重要。 除了安全影响外，人工智能程序还需要大量资源和预算。考虑为高效和有效的人工智能开发所需的能量和基础设施。因此，拥有明确的客户价值主张至关重要，否则投入产品开发的时间和资源将被浪费。了解您的组织是否具备开始人工智能的基础，如果没有，确定需要的预算以赶上。最后，不应忽视人才和技能风险。一般人工智能开发需要一个专门的数据科学家、开发人员和数据工程师团队，以及业务分析师和产品管理团队。然而，在处理GenAI时，组织需要额外的安全和合规监督，以应对前面提到的安全风险。如果人工智能不是长期的业务目标，招募和重新培训人才的成本可能不必要地高，并且不会带来良好的投资回报率。结论人工智能已经成为现实。但如果您在加入人工智能热潮和投资人工智能项目之前没有战略性地思考，人工智能可能会对您的组织造成更多的危害。这个新的人工智能时代才刚刚开始，许多风险仍然未知。随着您为组织评估人工智能开发，请明确人工智能对内部和外部客户的价值，建立对人工智能模型的信任，并了解风险。