将生成性人工智能注入企业的五条戒律

将生成式人工智能融入企业中的五项准则 1生成式人工智能的兴起是人类创造力与科技进步的强大融合。理解并应用生成式人工智能的需求对高管来说很明确，但在这方面的意识与组织有效利用其力量的能力之间仍然存在差距。基于我们协助财富500强公司的丰富经验，以及凯睿思于2023年6月对超过40位全球高管进行的研究，我们发现，尽管人们非常关注生成式人工智能，但在敏感企业信息安全方面仍持谨慎态度。近30%的受访者来自年收入超过100亿美元的机构。拥抱生成式人工智能需要战略洞察力以及谨慎应对组织挑战在整合生成式人工智能于企业环境中并非仅仅是一个技术挑战——这是一段多层面、需要细致理解数据动态、基础设施韧性、人力资本发展、组织文化转型以及健全治理框架的旅程。 鉴于生成式AI带来的显著优势，本文旨在帮助企业探索其在各自行业的应用。通过宝贵的见解和实用的指导，组织将有能力就采用这项技术做出明智的决策，并成功将其整合到其运营中。具体来说，我们将探讨诸如“生成式AI是否适合我的业务？”和“我应该在哪个阶段开始采用这项技术？”等紧迫问题，以促进无缝的采用过程，并确保企业能够充分发挥生成式AI的潜力。人工智能的快速发展催生了生成式人工智能，这一革命性的现象激发了我们的想象力，并重新定义了人类创造力的边界。这项技术通过使机器能够生成以前被认为是人类智慧的专属领域的内容，革新了我们对艺术、文学、音乐和问题解决的理解。生成式人工智能的出现代表着人类创造力和技术进步的有力融合，并且才刚刚开始展示人类与机器协作的潜力。生成式AI正开辟着通往未知领域的道路，引发了关于现代工作场所中企业和应用的潜力的深刻问题。当我们深入探究这项技术的内部运作机制时，我们发现自己正处于AI、商业和人类情感的交汇点，思考着一个未来——在那里，人类与机器生成内容之间的界限变得模糊，形成了一场令人着迷的创新交响乐。 来源：Kearney分析图1组织采用生成式人工智能的阶段早期探索 (56%)开发用例（29%）不考虑（15%）开发用例 (29 percent).近三分之一接受调查的企业正在积极开发生成式人工智能的特定用例。这些组织正从初步探索转向投资基础设施、提升技能和试点项目。这里的挑战包括将人工智能战略与业务目标相结合以及解决伦理问题。各行各业采用生成式人工智能显示出热情、实验和谨慎的混合早期探索（56 percent）。大多数受访者正将生成式人工智能集成到其运营中的早期阶段。他们正在确定潜在应用，试验原型，并探索与人工智能供应商或专家建立合作伙伴关系。然而，这种兴奋因对技术准备情况和安全风险的担忧而有所平息。我们的研究深入探讨了企业采用生成式人工智能的现实情况。参与者来自不同的行业，研究结果反映了由热情、实验和谨慎（见图1）所标志的格局。 将生成式AI融入企业的五项戒律 2导致商业阻力的事态因素追踪ROIofgenerative人工智能投资云基础设施关注支出关注不确定性关于职责划分在队伍之间不考虑（15%）。一小部分但具有显著意义的受访者表示，他们目前没有考虑实施生成式人工智能。原因各不相同，但常见的障碍包括认为与其行业无关、资源不足以及担心潜在的法律和监管障碍。研究中出现了一些阻碍因素，反映了企业在生成式人工智能旅程中面临的复杂挑战：—团队间责任划分的不确定性。角色和职责不清可能导致错位和低效。—云基础设施问题。关于云服务提供商、数据安全和基础设施可扩展性的决策可能会阻碍进展。 4455将生成式人工智能融入企业五项戒律 3人才梦想团队审慎引导生成式人工智能，评估风险，并建立具有标准化指导方针的稳健治理框架。创建一个高效的生成式AI团队，促进机器学习和人机协作。设置风险和治理护栏在这些五个基本戒律中导航生成式AI的复杂领域鼓励敏捷性、跨职能协作和持续学习，以滋养组织内的生成式人工智能。生成式人工智能承诺推动各行业的变革，带来无与伦比的效率和创新能力。然而，整合这项复杂技术需要战略规划、跨组织维度的准备，以及对长期成功的深刻承诺。为了弥合承诺与现实之间的差距，并利用生成式人工智能赋能您的企业，以下是您成功的五大准则（参见图2）。培养创新文化 1122图2来源：Kearney分析将生成式AI融入您企业的五项准则培养一个AI构建稳健且适应性强的基础设施，以满足生成式AI工作负载的独特需求。拥抱数据准备状态—支出问题。评估和证明在生成式人工智能方面的投资成本，包括硬件、软件和人才，仍然是许多人的重大障碍。通过确保数据的完整性、准确性、多样性和可访问性，充分发挥生成式人工智能的全部潜力。这些发现突出了组织在追求生成式人工智能卓越性时所面临的复杂性。前方的道路需要谨慎导航、战略规划以及对长期成功的投资意愿。加固您的基础设施—适应性问题。存在一些操作问题，例如未经授权的访问、敏感和机密数据的泄露、对生成式人工智能模型的对抗性攻击、模型偏差和不公平的结果等。—追踪生成式AI投资的ROI。衡量和阐述投资回报率具有挑战性，特别是在早期阶段。 33 问问自己：将生成式人工智能融入您企业的五项戒律 4— 你如何确保你的数据不仅完整准确，而且对你的特定生成式AI项目相关？— 您是否识别过任何特定行业的二方和三方数据集，这些数据集能够提升您AI模型的质量和应用性？— 组织是否有相关且可访问的数字化历史数据来为生成式AI模型提供数据？— 你们如何利用结构化和非结构化数据来构建更稳健的人工智能模型？— 哪些具体措施确保了您在生成式人工智能计划中所使用的数据的安全性和隐私性？ 行业案例提供一种以标准化的方式实现网状架构的方案，为创建数据湖提供蓝图，使数据产品负责人能够管理和决策其数据，通过数据共享而非复制来执行这些决策，并为企业范围内的数据共享位置提供可见性。一个成功的生成式AI部署取决于一个以生成性为设计理念的数据库架构。它应该确保数据的完整性、准确性、多样性和可访问性，同时也要足够灵活，以支持生成式AI过程的动态性。随着生成式AI“想象”和“创造”，它需要一个可以迅速调取、重组和重新想象的系统。拥抱数据准备：您人工智能生态系统的核心考虑这一点：如果生成式AI是一位建筑师，数据就是它的砖块，但架构——这些砖块如何组织、访问和利用——将定义它能够构思和建造的结构范围和独特性。摩根大通银行，美国公司（JPMC）通过双管齐下的方法改进了其数据架构：通过专业知识策展定义数据产品，并实施数据网格架构以使技术与此类产品保持一致。JPMC的数据网格架构将数据技术解决方案与数据产品战略相结合。虽然高质量数据是任何人工智能系统的生命线，但对于生成式人工智能来说，持有这些数据的架构同样至关重要。生成式人工智能的强大之处在于其创新、构思和生成全新数据模式的能力。为了有效实现这一点，它不仅依赖于数据本身，还依赖于一个强大、结构化且易于访问的数据架构。 将生成式人工智能融入企业的五项准则 5问问自己：— 你的生成式AI应用的预期未来需求是什么，以及你的网络带宽和软件堆栈如何匹配？——你现有的基础设施支持当前和预期的生成式AI工作负载吗？— 你们当前的的基础设施如何进行工作负载均衡？如果引入生成式人工智能应用，这会如何改变？—您有—或者考虑迁移到—统一存储吗，因为它是最适合生成式人工智能应用的环境？— 您的基础设施需要哪些升级或投资来加强，以及它们如何与您组织的预算和预期回报率相匹配？ 行业案例生成式人工智能，与传统的AI模型不同，需要一种既动态又可扩展的基础设施，因为它有能力创建全新的数据模式，并且生成任务的计算强度很高。企业应优先考虑模块化基础设施，该基础设施旨在适应当前的生成式人工智能工作负载，并预见未来的扩展和快速迭代。拥有超过2亿月活跃用户，Pinterest面临着扩展其基础设施以适应快速增长，同时保持高可用性和低延迟的挑战。Pinterest从单体架构迁移到微服务架构，将其应用程序解构为更小、独立的部分。每个微服务都作为一个独立的容器进行部署，从而实现更好的隔离、可扩展性和容错能力。从审计现有的 GPU、TPU 和云资源到考虑必要的升级，构建一个有韧性的基础意味着将技术与未来的需求相匹配，并确保可扩展性和灵活性。必须有一个无缝的集成机制和一个为性能优化和韧性做准备的设施，即使生成式 AI 项目扩展或变得复杂也是如此。因此，Pinterest取得了显著成果，包括使用亚马逊自动扩展平台进行动态扩展，以处理高峰时段流量增加，同时保持99.9%的正常运行时间，即使在流量高峰期也是如此。此外，他们优化了资源利用率，降低了30%的成本并改进了资源分配。加固您的基础设施：构建一个有弹性的基础 问问自己：将生成式AI融入企业中的五项准则 6—— 你如何在你的组织内部促进人工智能专家、数据科学家、商业分析师和其他利益相关者之间的跨学科合作？— 你如何识别和吸引合适的人才来补充现有技能，并推动你的生成式人工智能计划？— 你知道如何实现商业头脑和熟练的生成式AI技能的和谐融合的正确团队构成吗？— 有哪些培训计划或与教育机构或专家的合作机制来确保团队持续提升技能？— 你们团队目前具体拥有哪些机器学习、分析以及协作技能，以及它们如何与你们的生成式AI目标相契合？— 您有一个专家/顾问委员会来支持您的生成式人工智能之旅吗？ 图3实施分析解决方案时，您看到了哪些最大的风险？人才稀缺被视为实施分析解决方案的最大单一风险来源：Kearney分析人才稀缺高成本key dataassets和域不足缺乏商业可行性缺乏隐私/偏见扩散掌握生成式人工智能需要融合机器学习专业知识、分析能力以及人机协作。这意味着不仅要有合适的技术知识，还要培养成长型思维，促进协作，并确保与战略目标保持一致。从评估现有能力到识别增长领域并实施针对性培训计划，有意识地专注于培养你的AI梦之队对于成功至关重要（见图3）。打造人工智能人才梦之队：人力资本卓越t es 高Priorist lowe 行业案例成立于2008年，Airbnb现在运营在191个以上的国家。Airbnb培育了跨职能数据科学团队，专门负责供应增长、需求预测和用户行为等关键领域，形成了创新文化。公司通过内部技能提升、会议和黑客马拉松加强人才管道建设，外部与学术界合作，从学术机构创建人才管道。爱彼迎在预测准确性上提升了63.6%，增强了需求预测，优化了定价，并提升了房东可用性。数据驱动的洞见提升了网站和应用的参与度，而先进的算法则减轻了欺诈行为。分析房东相关因素促成了19%的同比增长。此外，爱彼迎的数据科学团队对出版物、会议和开源项目的贡献巩固了其在数据科学领域的地位，提升了声誉并吸引了顶尖人才。 将生成式AI融入企业的五项准则 8未来人工智能嵌入式人工智能使用人工智能和虚拟现实来运行实际世界仿真（例如，促销预测）基于不同因素)生成端到端marketing内容（例如，起草故事情节，视频，和脚本)设计产品，服务和策略收集、分析、和响应用户请求（例如，AI个人assistance)高级未来发展趋势生成式人工智能可以将个人的注意力从日常任务转移到赋权他们创造更大价值上。目前的应用仅限于起草电子邮件和开发个性化广告活动。生成式人工智能解决方案的愿景应该从光谱的一端进展到另一端（见图4）。例如，中层管理者可以通过自动化行政任务受益，并使用生成式人工智能工具进行产品设计、战略制定、客户分析、风险评估和报告生成，而不是从零开始。生成式人工智能还可以为中层管理者提供个性化支持，例如帮助他们成为更好的团队领导者，并提供有关其团队绩效、产品和市场实时洞察，这将赋权中层管理者将更多时间分配给人员发展，并提供定制培训计划。 图4来源：Kearney分析企业可以在各个阶段利用生成式人工智能解决方案，存在许多机会成熟的基础当前应用运营和生产力提升草稿电子邮件和内部消息传递开发个性化广告信息创建和识别缺失搜索引擎关键词优化培养创新文化：塑造敏捷心态拥抱生成式AI需要组织文化向敏捷性和创新性转变。这不仅仅在于实施新技术——它是一种鼓励实验、促进跨职能协作、打破传统壁垒的心态转变。流行研究指出，敏捷团队比非敏捷团队的生产力高25%。通