《首席信息官指南：采用人工智能》

虽然科技产品层出不穷，但在企业计算领域，具有颠覆性的发展却少之又少。行业经历了从个人电脑到互联网，再到移动计算的范式转变，随后是云计算。现在，首席信息官们面临着技术领域的下一场地震级转变：人工智能。 77% 受访者表示，如果风险得到解决，他们的组织将更愿意接纳人工智能。 商业领导者明白，搞错人工智能可能会造成巨大的损失和事倍功半。它可能引发从技术问题（由于集成不良或缺乏可用数据）到因错误投资和缺乏投资回报而导致财务问题。与人工智能项目相关的危险是Workday受访者的一个重要因素，其中77%的人表示，如果风险得到解决，他们的组织将更加愿意拥抱人工智能。 根据Workday的“AI IQ”全球研究，该研究针对1,000名企业决策者，73%的受访者表示他们感到有压力，需要增加对AI和机器学习的采用或投资。 但是风险阻碍了他们。 布雷特·格林斯坦（Bret Greenstein），美国普华永道（PwC）数据、分析和人工智能部门的合伙人，每天在他的客户中都看到这种乐观与犹豫的混合情绪。 73% respondents表示他们感到需要在人工智能和机器学习中增加采用或投资的压力。 尽管这非常有益，但他们不知道如何去做，他们也知道，如果他们做错了，将会弄坏事情，”格林斯坦说。“他们如何安全、大规模地领先于竞争对手去完成？他们如何让其他人跟上？他们如何培训人员？他们如何治理？所有的‘如何’问题都是难题。” 这本电子书解释了首席信息官如何帮助降低与人工智能和机器学习相关的风险，同时领导与其他部门领导之间的协作，以理解和利用人工智能的潜力。 CIO在拥抱人工智能时，首要任务很可能是对商业领导层进行教育并激发他们对人工智能潜能的信心。 人工智能承诺成为整个商业领域的变革力量，领导者无法忽视。Workday全球研究中的三分之二的组织表示，他们已经从人工智能中看到了生产力和运营效率的提升。 许多高级管理人员对人工智能的可能性有基本的理解，这主要得益于他们可能看到的令人信服的生成式人工智能演示。例如，他们可能已经知道传统机器学习应用在幕后产生结果，例如识别潜在的欺诈或在文档中识别文本。 CIOs认识到，人工智能的潜在益处超过了其在应用过程中所面临的挑战。随着他们从IT运营扩展到承担更多战略角色，他们自然成为企业内部人工智能的倡导者。 但是，组织需要更多指导，了解如何全面应用人工智能，并开发清晰而有说服力的用例，以最大化商业价值，超越他们当前的理解。 超过60%的首席信息官现在将利用技术来转型业务作为他们主要职责的一部分，据Foundry公司报告。2023年首席信息官报告总体而言，71%的人预计在未来三年内他们的角色将更加注重商业策略。 尽管几乎所有组织都有些许人工智能的接触，但这并不意味着他们擅长使用它。事实上，74%的商业决策者表示高级管理人员缺乏对人工智能的总体理解。 首席信息官的战略关注点包括识别新兴技术，并利用这些技术为公司带来IT运营之外的机会。人工智能处于这一领域的最前沿，它能够有效地挖掘和分析数据，并且现在还具备生成能力。 “大多数商业领袖对如何应用人工智能并没有太多的想法，”风险投资家、全球顶级人工智能影响者Sprios Margaris表示同意。“我认为他们都意识到这最终将决定他们的兴衰。但这并不意味着他们就有了答案。” 以下是一些CIO可以通过克服采用障碍来鼓励人工智能（AI）采用的区域。 CIOs 可以帮助业务领导者从一般的乐观转变为创建能够带来实际价值的运作系统。例如，普华永道（PwC）利用大型语言模型（LLMs）来构建ChatPwC，一个内部对话生成式人工智能助手，员工可以通过它回答有关税法及规定的疑问，总结收入通话和冗长的演示。针对涉及税法及规定的疑问进行解答。 事实核查。 CIOs已经在承受来自企业投资AI的压力。它影响了88%组织的科技决策，并且四分之一的决策者认为这是必需的。 此类项目应成为一套对人工智能具有深远、变革性潜力的结构化方法的一部分。ChatPwC并非凭空出现；它是公司三年人工智能战略的一部分，该战略旨在提升公司的知识产权，并最终改变客户体验。 然而，这并不意味着人类会消失。他们仍然需要在那里来解释和使用这些结果。“因此，85%的工作已经完成，”Morick继续说道。“你永远不会从这个生成式AI从头开始。” 首席信息官必须将团队对AI使用的舒适度纳入他们的AI战略中，考虑到他们如何将团队成员从抵制转变为对将其应用于日常任务的兴奋。 规划从增强而非替代中获取价值的AI解决方案需要来自实验和细化用例的成熟度。这将是一个持续进行中的工作。根据Workday的研究，三分之一的公司处于探索/试点阶段，一半的公司正在推广或处于早期生产阶段。 在工作日研究受访者中，45%的人认为人工智能将通过增加工作量而不是取代工人，以及创造新的职业道路来造福工人。首席信息官可以通过加强人工智能的辅助能力，而不是专注于人工智能可能接管的任务，来鼓励这一点。 仅有12%的Workday研究中的IT决策者认为人工智能和机器学习将会完全取代人类，或者对工人的总体产生负面影响。 提升人类影响力而非自动化低价值人力工作的手段——增强现实和人工智能——是更大的机遇，”德勤的人力资源策略领导者约翰·皮尔斯（Jonathan Pearce）表示。“这需要较少的短期关注，也许这部分原因与当前的环境有关。” 尽管首席信息官可以将人工智能视为一种补充员工技能的工具，他们同时也必须承认，43%的受访者认为人工智能将导致部分无技能工人失业。 许多人类增强将来自如生成式AI等新能力，这将以新的、强大的方式帮助知识工作者。 诚实很重要，玛加里斯说。“我宁愿听到一位领导者说：‘人工智能的变化将导致一些工作岗位的消失，但我们会尽力减少这种影响，并让大多数人都能享受到这次变革的成果’，”玛加里斯说，并警告如果不这样，恐惧可能会蔓延。 “那时，人们将不愿意部署它。” 您将要求您的数字助手进行一些研究，然后它会提供一些内容供您编辑和调整，”IBM咨询公司数据与技术人才转型全球负责人Kim Morick表示。 12% 43%受访者中，认为人工智能将对非技术工人造成一些工作流失的人数占比。 45% Workday 研究的受访者中有 70%认为人工智能将通过增加工作量而不是取代工人，以及创造新的职业道路来造福工人。 来自Workday研究的IT决策者中，相信人工智能(AI)和机器学习(ML)将完全取代人力或总体上对工人产生负面影响的占多数。 这种透明度有助于建立一个由以下支撑的人工智能治理过程：负责任的AI使用政策，例如我们在Workday开发的那种，应贯穿于组织内部AI应用的每个方面。 人工智能依赖数据，然而48%的Workday受访者认为数据和安全是一个风险。在已经使用人工智能的人群中，有30%的人指出数据量或质量不足导致结果不满意，而77%的人担心在人工智能背景下数据的及时性或可靠性。 事实核查。 在许多组织中，AI所需的数据覆盖了不同的系统和格式。企业转向CIO来组织和编排数据，而在一个以AI驱动的世界中，这项任务呈现新的维度。 人工智能的负责任使用是一个持续的过程。今天，仅有29%的IT决策者非常自信地认为企业正在道德上应用人工智能。 人工智能训练需要快速、集成化的数据处理管道，将来自不同来源的信息汇总到训练系统中。这些信息必须在训练前导出并进行预处理——归一化、去重和汇总。这是一项复杂的任务，通常需要频繁重复，以支持使用新数据进行持续的再训练。 随着三分之一的工作日研究受访者将AI成本视为主要关注点，对于首席信息官来说，财务管理将成为他们在帮助组织拥抱人工智能时必须掌握的基石学科。 性能也是一个问题。CIO的团队必须将数据尽可能靠近训练和推理过程，以最小化吞吐量和延迟问题。对于许多人来说，这需要基础设施的改变。 机器学习算法已经对计算资源提出了很高的要求，这推动了基础设施现场资本投资、云运营支出，或者两者兼而有之。Sayan Chakraborty，Workday的联合总裁解释说，生成式人工智能将这种计算负担增加了十倍，因为它消除了处理量先前的限制。“现在这完全取决于我有多少钱，以及我能投入多少台计算机。” 不完整或低质量的数据对人工智能驱动的决策质量有直接影响。在人工智能决策中，公平性至关重要，而偏见的数据可能会不利于影响人们生活的结果，例如招聘或贷款决策。Workday 研究参与者意识到了这些问题；他们认为问责制和决策错误是最大的风险，分别占47%和46%。 人工智能的成本影响之大足以成为一个独立的术语。许多首席信息官仍在努力适应FinOps——即涉及云计算的财务支出与业务收益的谨慎平衡。现在，麦肯锡建议创建一个独立的FinAI职能，以评估生成式人工智能的成本和商业回报。 FinAI团队必须权衡使用第三方AI服务与自研模型，或者两者兼而有之。现在许多大型基础LLM都可通过开源获得，这使得公司能够在相对较低的成本下使用自己的企业数据进行微调。这提供了更定制化的结果，可以带来集中的商业价值，并可能减轻一些数据隐私方面的担忧。 CIO不仅要负责管理数据，还要帮助组织在其使用上保持透明度，莫里克解释说，描述了IBM如何利用AI信息表来协助这一点。 他们是人工智能工作方式的词汇表，”莫里克说。“它们解释了它是基于哪些数据进行训练的，有哪些算法，哪些团队参与其中，预期的输出是什么，以及它是如何得到保障的。” AIOps 可以通过避免未来问题来释放 IT 工作人员的时間。机器学习算法可以检查 IT 资源（包括存储、网络和计算）的过去使用模式，并利用这些信息来进行未来的容量规划，从而提供足够的资源以避免停机时间，同时防止昂贵的资源过度配置。 许多CIO可以向业务提供的AI益处也可以用于增强IT运营。例如，Morick提到的基于生成式AI的共飞行员技术也是软件开发人员的一项强大工具。微调后的LLMs还可以支撑强大的帮助台系统，提供一级支持，从而释放IT工作人员进行其他更有价值的任务。 网络安全始终是攻击者和防御者之间的一场猫鼠游戏。一旦一方获得技术优势，另一方就会适应以对抗它。现在，这种情况又随着人工智能的出现而再次发生。 人工智能可以在两个关键领域提升运营IT领域。 网络犯罪分子已经利用人工智能来扩大他们的攻击规模。机器学习（ML）算法已经足够好以自动绕过验证码保护措施。定制的LLM，如WormGPT，针对去除其他基础模型（如ChatGPT）中的道德防护措施，现在能够大规模编写专业的钓鱼电子邮件，甚至自动生成恶意软件。这使得攻击者更加高效，使他们能够扩大对员工和数字基础设施的攻击规模。 历史上，大多数IT工作人员的时间都花在救火上。当出现问题，他们必须进行根本原因分析，然后迅速解决问题。AI驱动的IT运营（AIOps）可以帮助利用数据自动处理事件响应和解决，以在基础设施遥测中识别异常。 例如，Vivint智能家居，它远程管理着数千个家庭安全系统。使用 AIOps将基于报告的客户体验问题，在IT基础设施中自动进行根本原因分析。在识别出问题，如性能缓慢的存储卷后，其AI工具将使用基础设施即代码工具自动排除故障。 防御者必须解决这一劣势，因为在这次博弈中如此多的东西处于险境中。数据显示安全问题以及数据隐私侵犯是代价高昂的，平均成本约为4450万美元，据...IBM的《2023年数据泄露成本报告》。他们也在上升，过去3年增长了15%。 首席信息官可以通过应用攻击者使用的相同基础AI技术来重新平衡权力，但用于防御目的。 AI驱动的网络安全工具，例如Darktrace公司所提供的，已经在大量历史数据上建立机器学习模型，这些数据范围从网络流量到电子邮件元数据。然后，它们可以将网络上的任何新活动——从软件行为到不同IP地址之间的通信——进行比较，以发现异常行为。已经存在的工具可以分析和分类这些异常，以突出潜在的攻击。 这些相同的工具甚至扩展到事件响应，采