生成式AI喧嚣之下：CIO选择谨慎行事 尚未全力投入

大多数CIO已经开始探索生成式AI，以确保他们跟上发展步伐，但很多人发现市场上的技术尚未达到宣传的效果。米其林全球首席信息官Yves Caseau表示：“在对GitHub copilot和ChatGPT进行了六个多月的试验后，我对生成式AI的发展速度感到惊讶，但在目前的状态下，它只是一个工具箱。”

围绕最新一波大型语言模型（LLM）和相关工具确实有很多炒作，但在喧嚣之下有传言称，这项技术有一天将变得不可或缺。Caseau表示：“一旦成熟，生成式AI能将能够执行我们很多平凡的任务——这将使我们能够专注于新的事物。”

Yves Caseau，米其林全球首席信息官

包括雅宝（Albemarle）前首席信息和数字化转型官Patrick Thompson在内的一些技术领导者甚至表示，生成式AI将成为我们一生中最具颠覆性的技术。Thompson表示：“这将比苹果公司面向消费者推出iPhone更具颠覆性。对于企业用户来说，这将超越微软在员工生产力方面所做的努力。”

但最大的问题是现在如何应对它。

对传统AI的推动

虽然生成式AI是个新的事物，但AI却不是。预测性维护是包括米其林和雅宝在内的许多公司使用AI的首批用例之一，最基本的层面就是一种根据传感器收集的数据进行训练的算法。经过训练之后，这种模型就会寻找导致故障的指标并向操作员发出警报，然后操作员可以防止生产中断等故障。

预测性维护基本设置中存在的一个常见不足，就是训练数据中罕见事件的代表性不足。因此，算法可能无法充分了解传感器输出的模式，虽然这种情况很少见，但可能预示着失败。为了填补这一空白，很多公司用合成数据来补充真实数据。

AI在企业中也有很多用途，例如提高供应链的效率、促进客户互动、以及帮助员工执行办公任务。自疫情爆发以来，雅宝公司一直在使用AI虚拟助手。Thompson表示：“我们在这场竞赛中领先了一点，主要是因为我们有必要这么做，疫情迫使我们要寻找方法为7000名员工在家提供自助服务。”

雅宝公司开发的自助服务聊天机器人逐渐发展成为一种帮助其他公司职能的工具，随后又发展成为管理联合工作流程的虚拟个人助理，使员工能够更轻松地同时使用多个系统，而无需登录所有系统，例如，员工只需使用自然语言与机器人通信即可参与工作流程并进行查询，机器人与企业业务系统进行交互。

Patrick Thompson，前雅宝首席信息官兼数字化转型官

但在短短几个月内，生成式AI就开始把传统AI提升到预测性维护等应用的另一个水平上。“交互变得更加对话式，这样你就可以提出问题并获得有关设备状态的不同见解，它可以被用于管理内部和外部行业数据，然后用于训练传统算法以提供敏捷的结果。”

此外，生成式AI给那些尚未使用传统AI的行业公司提供了一个切入点。在金融等行业，大多数公司多年前就开始开发数据平台以配合分析工具使用，现在他们正在使用相同的平台试验这种最新的AI技术。

英美全球资产管理集团Janus Henderson的全球首席信息官Chris Herringshaw表示：“生成式AI还可以用于解析市场和公司的公开数据，以帮助做出投资决策。我们不想花大量时间手动研究所有这些信息，而是希望使用生成式AI对信息进行总结，告诉我们噪音中的信号在哪里，并围绕我们关注的领域给出建议。”

早期采用的挑战和回报

除了底层技术不够成熟之外，企业进一步拥抱生成式AI还需要克服其他几个障碍。第一个挑战是企业内部和销售传统应用的供应商在技能上的匮乏。

缺乏内部专业知识会影响每个IT领导者做出自我开发还是外部购买的决策。Herringshaw表示：“‘购买’肯定能让你更快速地提升，你不需要弄清楚如何将其产品化、扩展并支持底层基础设施。而且现在价格如此之低，进行探索性工作的成本非常低。”

供应商正在压低价格以鼓励采用。但随着时间的推移，企业将开始把更多数据放入模型中，这会让他们与供应商锁定在一起，并且要开始创建专门针对某些领域的分支，例如，他们不会使用ChatGPT的通用版本，而是使用针对特定行业（例如金融服务）的版本。

Herringshaw表示：“一旦你拥有针对不同用例定制的不同模型，你最终就会同时运行多个版本，这会导致订阅价格的成倍增加。我们希望业务收入能够随着成本的增加而增长。如果我们真的能找到一种方法来彻底改变我们的投资流程，回报应该会超过成本的。”

Chris Herringshaw，Janus Henderson全球首席信息官

从短期来看，订阅基于云的模型要比内部构建更便宜，而且从长远来看，这甚至可能是正确的做法。外部购买的另一个好处是这可以让采用变得更快、更容易。但从长远来看，对于那些需要根据行业定制模型的组织，或者想要把AI推向边缘并在未连接设备上运行推理的组织来说，内部构建可能是相对于云服务一个更好的选择。

但就目前而言，很少有企业拥有资深的员工来构建AI模型或者调整现有模型。大多数公司甚至不具备成为优秀用户的专业知识。为了充分利用所购买的产品，你首先要整理企业数据来训练模型，然后在推理阶段以正确的方式提出问题，最重要的是，你需要知道什么时候质疑模型。

虽然生成式AI可能会增加公司从数据中提取的价值，并最终改变企业的运营方式，但也会拉大数字化领先公司和数字化落后者之间的差距。因此，无论组织选择自我构建还是外部购买，他们都应该开始培养一定水平的内部专业知识。Herringshaw表示：“我们开始整合正式培训，以改进我们使用该技术的方式，我们想要改进的第一件事，就是提出问题。”

技能的缺乏不仅会影响人们如何使用模型，还会影响第三方产品的质量，这些产品通常声称包含了AI算法，那些购买了最新版本企业应用的CIO们应该核对这个说法，因为传统应用供应商对于如何集成生成式AI仍然是存在困惑的。

作为多家应用供应商的顾问委员会成员，Thompson表示：“传统技术供应商正在与开发生成式AI的公司展开合作，提供虚拟助手以释放企业业务系统的价值，他们必须在安全性、数据隐私以及生成式AI实现价值承诺的速度之间取得平衡。”

虽然现在正在试水生成式AI的很多组织在规模上足够大，而且拥有研究新事物的资源，但这项技术的使用并非仅限于大型企业。

Thompson说：“如果你的治理、安全性和数据获取都恰当的话，生成式AI可以帮助你把一家小公司扩展到一家大公司，而且是一家精益型公司。我的预测是，生成式AI将成为商业领域最具颠覆性的创新技术，它将有助于整合、优化和集成不同行业，从而产生新的行业绩效基准，提高标准，创造更大的股东价值。那些不拥抱生成式AI公司终将被淘汰。”