从试点到生产：关于扩展GenAI程序的长期洞察

从现在开始回顾生成性人工智能（GenAI）的普及，我们将会看到2024年是一个重要的转折点——一个广泛的实验、乐观和增长的时期，当时曾经犹豫是否要涉足创新领域的商业领袖们，现在已经全身心地投入其中。在麦肯锡2024年中期进行的全球人工智能调查中，75%的受访者预测GenAI将在未来几年内在各个行业带来重大或颠覆性的变化。

尽管我们已经了解了GenAI的优势和局限性，但我们仍然处于发展的早期阶段。试点程序可以快速启动，并且相对较便宜，但当这些程序在CIO办公室的监督下转入生产时会发生什么？在控制较少的环境中，特定功能的用例将如何表现，团队如何避免在程序尚未产生结果之前就失去动力？

从试点到生产的常见挑战

考虑到GenAI提高效率、降低成本和增强决策能力的巨大潜力，C级高管对功能性商业领袖的要求已经很明确——去尝试和创新。商业领袖开始工作，尝试GenAI功能并创建自己的试点程序。营销团队使用GenAI创建高度个性化的客户体验和自动化重复任务。在客户服务中，GenAI帮助实现智能聊天机器人实时解决问题，R&D团队能够分析大量数据以发现新的趋势。

然而，在这种潜力和实际执行之间仍然存在很大的脱节。

一旦试点程序进入CIO办公室的轨道，数据就会受到更严格的审查。到目前为止，我们已经熟悉了一些GenAI的常见问题，例如模型偏差和幻觉，在更大的规模上，这些问题将变得更加严重。CIO负责整个组织的数据隐私和数据治理，而商业领袖可能只使用与其特定领域相关的数据。

在扩展之前需要考虑的三个关键因素

毫无疑问，商业领袖在构建GenAI用例方面已经取得了显著的进展，并取得了令人印象深刻的结果，但扩展以实现长期影响是完全不同的。以下是开始这段旅程之前需要考虑的三个因素：

1. 从一开始就让IT和信息安全团队参与（并经常参与）

功能性商业领袖在日常工作中很容易产生盲点，低估扩展试点程序到整个组织所需的工作。但是，一旦试点程序进入生产，商业领袖需要IT和信息安全团队的支持来思考可能出现的问题。

因此，建议从一开始就让IT和信息安全团队参与，以帮助压力测试试点程序并讨论潜在的担忧。这也将有助于促进跨功能合作，这对于引入外部视角和挑战个别功能内部可能出现的确认偏见至关重要。

2. 尽可能使用真实数据

如前所述，数据驱动的问题是扩展GenAI的最大障碍之一。这是因为试点程序通常依赖于合成数据，这可能导致商业领袖、IT团队和最终CIO之间的期望不匹配。 合成数据 是人工生成的数据，旨在模拟现实世界的数据，基本上是真实数据的替代品，但不包含任何敏感的个人信息。

功能性领袖并不总是能够访问真实数据，因此，解决这个问题的一些好建议是：（1）避免可能需要额外的监管审查的试点程序；（2）建立指南以防止不良数据损害/偏斜试点结果；（3）投资于使用公司现有技术栈的解决方案，以增加未来的兼容性。

3. 设定现实的期望

当GenAI在2022年末ChatGPT发布后首次获得公众关注时，人们对该技术能够在一夜之间革新行业的期望非常高。这种期望（无论是好是坏）仍然存在，团队仍然面临着巨大的压力，需要快速展示结果，否则他们的GenAI投资可能不会获得进一步的资金。

现实是，虽然GenAI将会带来变革，但公司需要给予该技术时间（和支持）来开始带来变革。GenAI不是即插即用的， 其真正的价值也不仅仅局限于聪明的聊天机器人或创意图像。能够成功扩展GenAI程序的公司将是那些首先花时间建立一个优先考虑长期影响而非短期结果的创新文化的公司。

我们都在这场游戏中

尽管我们最近读到了很多关于GenAI的内容，但它仍然是一种非常初生的技术，公司应该警惕任何声称已经完全理解它的供应商。这种自大会蒙蔽判断，促进半成品概念的发展，并导致基础设施问题，这些问题可能会使企业破产。相反，当我们进入另一个充满GenAI热情的年份时，让我们也花时间进行有意义的讨论，关于如何负责任地扩展这种强大的技术。通过从一开始就让IT团队参与，依靠真实的数据，并保持合理的投资回报率期望，公司可以帮助确保他们的GenAI战略不仅可以扩展，还可以持续发展。