什么是生成式人工智能希望从云计算试验和错误中学习

生成式人工智能（GenAI）已经成为主流，全球各个组织都在利用其功能。目前，72% 的组织报告称，他们正在广泛或偶尔使用GenAI，另外26% 的组织正在尝试使用该技术。然而，这个新的GenAI采用阶段仍然处于初期阶段。

根据麦肯锡的说法，只有1%的公司高管将他们的GenAI部署描述为“成熟”，这意味着该技术已经完全集成到工作流中并带来了显著的业务成果。弥补这一成熟度差距需要不断的课程修正，通常归结为部署障碍，例如显著的费用、不信任未经验证的技术和监管风险。如果这些挑战听起来很熟悉，那是因为它们应该是——当IT团队第一次跳入云计算时，许多相同的障碍出现了。

这两波新技术热潮在某些方面有所不同。虽然云计算最初是在更关键的系统中实施的，但GenAI正在被更快速地采用，主要用于提高效率和生产力的用例。然而，学习曲线是相似的：它们都迫使组织以不同的方式思考和工作。

通过反思他们的云计算前辈的经验，今天的GenAI希望者可以为自己打造一个更好的未来。

管理成本、风险和变化：从云计算错误中学习

回顾云技术开始流行的时期，许多组织低估了迁移的复杂性和高估了短期成本节约。因此，同样的组织大多数都落入了三个主要的陷阱：糟糕的成本管理、安全性配置错误和文化及组织变化的自然抵抗。

云时代教会我们，简单地“提升和转移”工作负载——将其转移到云中而不进行现代化——通常无法带来价值。同样，GenAI项目经常停滞不前，当组织尝试在没有更新数据基础的情况下将遗留、非结构化或不充分记录的数据插入强大的新模型时。事实上，GenAI项目可能会带来令人失望的结果，甚至会强化现有的低效率。教训是：技术本身无法克服基础弱点。

就像云技术暴露了治理、技能和长期战略的差距一样，GenAI也暴露了这些差距。如果员工在没有监督的情况下采用GenAI工具或在可接受的使用范围之外使用该技术，影子IT的风险可能会重新出现，安全GenAI管道和确保大规模遵守的困难也会出现。随着GenAI从实验转向广泛的企业集成，这些相似之处将继续出现，需要与云中相同的强大的网络安全框架、事件响应计划和治理结构。

除了风险管理，成本蔓延是一个长期存在的问题。在技术中，云计算也没有例外，随着企业继续将GenAI集成到工作流中，他们面临着类似的费用增加。

越来越多的组织试图改善成本管理策略，正在转向FinOps作为解决方案。利用及时的数据驱动的洞察力来帮助改善预测和鼓励跨职能的问责制和协作，全面FinOps基础设施已被证明在控制过度支出和最大化业务价值方面是无价的。FinOps原则不仅限于云成本管理，还为GenAI支出提供了一个可行的选择。

将云计算经验应用于GenAI实践

到今年年底，Gartner预测至少30%的GenAI项目将在概念验证后被放弃。当炒作超过现实时，GenAI项目失败背后的隐藏模式——例如未准备好的数据、不明确的业务所有权或不必要的复杂性——往往在采用新技术的过程中被忽略。早期识别和解决这些信号可以使GenAI成功与另一个被放弃的项目有所不同。积极寻找这些警告信号的领导者，而不是捷径，能够让他们的团队取得长期成功。

一旦采用获得批准，公司应该强调小型GenAI试点项目，以测试和确保现实世界的价值，而不是立即进行企业范围的扩大。公司应该从只有几个明确定义的、高影响力的用例开始，具有明确的ROI目标，这些目标映射到真正的业务需求。

这确保了早期的胜利，建立了内部的信心，并避免了浪费时间和资源在通用实验上。通过将GenAI采用锚定到一个有形的结果——例如自动化客户支持摘要或加速代码审查——组织可以快速展示价值，完善他们的方法，并更有策略地扩大规模。这也有助于将技术工作与业务目标对齐，这是许多GenAI试点项目目前缺乏的。

从那里开始，建立强大的检查和平衡、持续监控和明确的治理政策是GenAI负责使用和遵守的下一个关键步骤。与外部专家进行互动可以成为在今天复杂且不断演变的监管环境中导航的第一步。通过在GenAI实施过程的早期投资于合适的工具和基础设施，以及持续的培训，组织可以为可持续的成功奠定基础。

在GenAI创新中找到平衡

通过以纪律和预见性应用云时代的经验，组织可以避免昂贵的错误并解锁GenAI的全部潜力——安全、可持续和大规模。

GenAI有望继续成为一股强大的力量，70%的CEO报告称，他们预计该技术将在未来三年内影响他们的业务模式。这个数字在已经使用该技术的CEO中增加到89%。显然，GenAI的变革潜力正在证明其对高管决策者的价值，但可持续的、规模化的影响仍然取决于解决信任、治理和集成的障碍。