在研究、开发和创新中实现人工智能的影响

人工智能（AI）正在改变研究、开发和创新（R&D&I），为解决世界上一些最紧迫的挑战（包括可持续性、医疗保健、气候变化以及食品和能源安全）提供了新的可能性，并帮助组织更好地创新和推出突破性的产品和服务。

人工智能在R&D&I中并不是新鲜事物。然而，生成式人工智能（GenAI）和大型语言模型（LLMs）的兴起极大地扩展了其能力，加速了突破和整体创新。

组织如何从其R&D&I工作中受益于人工智能，并且需要采取哪些最佳实践来实现成功？为了弄清楚这一点，Arthur D. Little的Blue Shift Institute进行了一项全面研究，采访了40多位人工智能提供商、专家和实践者，并对200多个组织进行了调查，涵盖公共和私营部门。研究报告《Eureka! on Steroids：人工智能驱动的研究、开发和创新》对当前的人工智能在研究和创新中的现状和未来轨迹进行了深入分析。

我们的分析集中在五个关键领域：

人工智能在R&D&I中带来好处，但不会取代人类

R&D&I的每个构建块都可以从人工智能中受益，从技术和市场情报到创新战略、构思、投资组合和项目管理，以及知识产权管理。当我们试图了解这些好处时，三个关键因素出现：

• 人工智能将增强研究人员的能力，而不是取代他们，释放他们的时间，并使他们更加高效和富有创造力
• 人工智能帮助解决了以前无法解决的问题，因为技术的速度和扩展能力，以及学习能力，开辟了新的创新途径
• 人工智能将承担“规划者-思考者”的角色，超越内容生成和搜索，涵盖更复杂的角色，如知识管理、假设生成和R&D&I团队的助手。

当决定是否使用人工智能来解决特定的R&D&I用例时，没有通用模型可供采用。为了了解哪种人工智能方法会带来最佳结果，组织需要关注两个因素：可用数据的类型和数量（从很少到很多），以及所问问题的性质（从开放到特定）。同时，单一的人工智能方法可能无法带来最佳结果——过去15年中产生的大多数最先进的智能系统都是系统的组合。这些是为特定任务设计的独立人工智能系统、模型或算法，当它们组合在一起时，提供了更大的功能和性能。

成功需要八种良好的实践

根据对研究人员、人工智能科学家、创始人和数字、制造、营销和R&D团队的R&D负责人的采访，我们看到八种良好的实践支撑着人工智能的成功部署。组织需要：

• 采用敏捷方法论，以便团队能够在快速变化的人工智能环境中快速工作
• 建立坚实的基础，专注于数据质量、组织内的协作以及利用专有数据
• 在构建、购买和微调模型之间做出战略选择，后者往往是最有效的方法
• 考虑分析权衡，以确保在概念验证项目中取得进展，例如在获取与合成数据、精度与召回、欠拟合与过拟合之间进行权衡
• 积极利用可用的数据科学人才，包括与组织外的合作伙伴合作以获取必要的技能
• 与IT部门保持一致，以平衡安全性和合规性与实验速度
• 快速展示好处并获得用户的认可，以建立信任并解锁进一步的投资
• 持续维护和监测系统性能，特别是在模型改进方面

3. 技术组件现在已经就位

与大多数人工智能用例一样，R&D&I价值链由三个层次组成：基础设施、模型开发者和应用程序。

从基础设施角度来看，实施和维护足够的计算能力的成本很高，但托管提供商越来越多地提供推理即服务模型，在云中运行推理和查询，以消除对内部基础设施的需求，降低前期费用，并使人工智能民主化。

人工智能在R&D&I中的价值链严重依赖于Meta、Microsoft和Nvidia等主要开源模型。然而，Mistral和Cohere等较小的参与者也构成了生态系统的重要组成部分，就像学术机构一样。

在应用程序端，已经创建了通用和专用R&D&I应用程序，以满足大多数用例，目前有超过500个应用程序，涵盖整个R&D&I流程。

未来是不确定的，但情景规划有助于理解

人工智能在R&D&I中的发展取决于三个主要因素的结果：性能、信任和可负担性。这些因素的组合导致了六种可能的情景，从人工智能转变每个方面的R&D&I到只在选择性、低风险的用例中使用。这些情景从最大到最小的影响是：

• 大片： 人工智能成为R&D周期中的首要考虑因素，沿途重塑组织。数据成为新的前沿。
• 群众最爱： 人工智能方便、经济、被采用用于日常生产力任务，但未能提供科学/创造价值。
• 王冠上的宝石： 人工智能带来生产力和科学突破，但只对那些能够负担得起它的组织有效，导致R&D&I中的双速世界。
• 问题儿童： 尽管有一些标志性的用例和经济的解决方案，人工智能未能证明其价值——R&D&I组织仍然担心数据安全、伦理和缺乏可解释性。
• 最好的保密： 人工智能的性能提高，但高昂的成本使组织更加冒险。低信任和繁琐的手续限制了采用，很少有大胆的实验被启动。
• 廉价和粗糙： 人工智能被广泛用于低风险的用例中，但仅作为原型或头脑风暴工具。不可信的系统被严格审查，输出被验证，限制了生产力增益。

理解这些情景对于R&D&I组织来说至关重要，因为他们正在为人工智能采用规划未来。

R&D&I组织现在需要采取行动

在某些情况下，人工智能已经能够在配方、产品开发、情报和其他R&D&I任务中实现时间、成本和效率的两位数改善。这意味着无论哪种情景出现，六种无悔的举动都将帮助R&D&I组织建立韧性并利用人工智能的好处。他们需要：

• 管理和赋予人才，确保劳动力拥有利用人工智能的培训和专业知识，如果必要，可以在中期将实施外包给外部提供商
• 控制人工智能生成的内容，更新风险管理流程，并公开分享验证方法以建立信任
• 建立数据共享和协作，通过与更广泛的公共和私营部门生态系统合作，推动人工智能的成功采用
• 为长期训练，教育尽可能广泛的用户群体关于人工智能的基础知识、所需技能和潜在风险
• 重新思考组织和治理，超越IT，给予高级别的关注，并打破壁垒以实现合作
• 共享计算资源，通过与合作伙伴合作或内部共享资源，以经济有效地满足当前和未来的基础设施需求

除了这些无悔的举动之外，成功将来自于创建一个与公司目标相符的人工智能R&D&I投资组合。这意味着考虑特定人工智能用例的范围、成本和好处，并利用这些信息来优化创新项目组合。决策应基于战略目标、能力和市场情报，以及组织运营的背景。

研究、开发和创新价值链的每个阶段都可能通过人工智能转变，增强人类研究人员以提高生产力和实现突破性创新。这些机会需要与性能、信任和可负担性等一系列挑战相平衡，这意味着组织必须现在专注于定位他们的R&D&I人工智能工作，以便在未来带来成功，无论未来如何。

本文是在Albert Meige、Zoe Huczok、Arnaud Siraudin和Arthur D. Little的帮助下撰写的。