在 2022 年，公司平均拥有 3.8 个 AI 模型 在生产中。如今，七成公司 正在尝试生成式 AI，这意味着未来几年 AI 模型在生产中的数量将会大幅增加。因此，行业围绕负责 AI 的讨论变得更加紧迫。

好消息是，超过半数的组织已经倡导 AI 伦理。然而，只有大约 20% 的组织已经实施了全面计划，包括框架、治理和防护措施，以监督 AI 模型的开发，并主动识别和减轻风险。考虑到 AI 开发的快速步伐，领导者应该现在就开始实施框架和成熟的流程。全球的法规即将到来，已经有 一半的组织 遭遇了负责 AI 的失败。

实施负责 AI 的挑战

负责 AI 涵盖了多达 20 个不同的业务功能，增加了流程和决策的复杂性。负责 AI 团队必须与关键利益相关者合作，包括领导层；业务所有者；数据、AI 和 IT 团队；以及合作伙伴，以：

• 构建公平和无偏见的 AI 解决方案：团队和合作伙伴可以使用不同的技术，例如探索性数据分析，来识别和减轻潜在的偏见，然后再开发解决方案，这样模型就可以从一开始就考虑公平性。团队和合作伙伴还可以审查数据预处理、算法设计和后处理中使用的数据，以确保它是代表性和平衡的。另外，他们可以使用群体和个体公平性技术来确保算法公平地对待不同群体和个体。反事实公平性方法可以模拟某些因素变化时的结果，有助于识别和解决偏见。
• 促进 AI 透明度和可解释性：AI 透明度意味着可以轻松理解 AI 模型的工作原理和决策过程。可解释性意味着这些决策可以用非技术术语轻松传达给他人。使用通用术语，定期与利益相关者讨论，并创建 AI 意识和持续学习的文化，可以帮助实现这些目标。
• 确保数据隐私和安全：AI 模型使用大量数据。公司利用第一方和第三方数据来Feed模型。他们还使用保护隐私的学习技术，例如创建合成数据来克服稀疏性问题。领导者和团队将希望审查和完善数据隐私和安全防护措施，以确保在使用新方式处理机密和敏感数据时仍然受到保护。例如，合成数据应模拟客户的关键特征，但不能追溯到个人。
• 实施治理：治理将根据公司的 AI 成熟度而有所不同。然而，公司应该从一开始就设定 AI 原则和政策。随着他们的 AI 模型使用量的增加，他们可以任命 AI 官员；实施框架；创建问责和报告机制；以及开发反馈循环和持续改进计划。

负责 AI 程序的关键启用器

那么，什么区别于公司负责 AI 领导者和其他公司？他们：

• 创建 AI 的愿景和目标：领导者传达他们对 AI 的愿景和目标，以及它如何造福公司、客户和社会。
• 设定期望：高级领导者与团队设定正确的期望，以从一开始就构建负责的 AI 解决方案，而不是尝试在完成后修改解决方案。
• 实施框架和流程：合作伙伴提供负责 AI 框架，具有透明的流程和防护措施。例如，数据隐私、公平性和偏见检查应该在初始数据准备、模型开发和持续监控中进行。
• 获取领域、行业和 AI 技能：团队希望加速 AI 解决方案的创新，以增加业务竞争力。他们可以转向合作伙伴获取相关的领域和行业技能，例如数据和 AI 战略制定和执行，配对客户分析、营销技术、供应链和其他能力。合作伙伴还可以提供全方位的 AI 技能，包括大型语言模型（LLM）工程、开发、运营和平台工程能力，利用负责 AI 框架和流程来设计、开发、运营和生产化解决方案。
• 获取加速器：合作伙伴提供 AI 生态系统的访问权限，可以将传统和生成式 AI 试点项目的开发时间减少多达 50%。企业可以获得增加市场竞争力的垂直解决方案。
• 确保团队采用和问责：企业和合作伙伴团队接受新政策和流程的培训。另外，企业还会审计团队以确保遵守关键政策。
• 使用正确的指标来量化结果：领导者和团队使用基准和其他指标来展示负责 AI 如何为业务价值做出贡献，以保持利益相关者的参与度。
• 监控 AI 系统：合作伙伴提供模型监控服务，主动解决问题，确保结果值得信赖。

现在规划负责 AI

如果您的公司正在加速 AI 创新，您可能需要一个负责 AI 程序。主动减轻风险，成熟计划和流程，并向利益相关者展示问责制。

合作伙伴可以提供您需要的技能、框架、工具和合作伙伴关系，以解锁负责 AI 的业务价值。部署公平和无偏见的模型，执行控制，并增加遵守公司要求的同时，为即将到来的法规做好准备。