确保组织最终用户和日益智能的软件工具这两者之间形成富有成效的合作伙伴关系,这对于生成式AI战略的成功来说是至关重要的,其中需要指导和引导。
在急于制定技术战略以兑现有关生成式AI的承诺时,许多CIO发现自己正在一头扎进可能是他们迄今为止最具挑战性的任务中:为组织的最终用户——从知识型工人和装配线工人,再到医生、会计师和律师——做好准备,与生成式AI共存。
尽管许多分析师、思想领袖、厂商和CEO们把大型语言模型和微软Copilot等工具视为一种辅助方式而非取代工人的技术,但大量涌入市场的生成式AI产品以及大型语言模型在生产环境中的快速实施以执行很多人类的任务,对这一论点提出了挑战,展现出AI机器和必须与之一起工作的人类之间的复杂关系。
财富500强企业百特国际(Baxter International)战略AI顾问Reuven Cohen指出,鉴于生成式AI的颠覆性潜力,它的风险是很高的。
他说:“争论在于增加劳动力还是完全取代劳动力,第一步,可能是通过高度定制的AI为组织中最有能力的人员提供支持;下一步,就是完全消除能力较差的人。”
但“能力较差”的定义,可能会受到技术发展以及技术实施地区人机伙伴关系发展的影响。毕竟,一句越来越常见的格言是,生成式AI不会取代人类,但正如泰瑞达公司首席执行官Shannon Gath所说的,“使用生成式AI的人类将取代那些不使用生成式AI的人类”。
目前,大多数CIO们正在部署生成式AI以提高生产力和效率,Gartner认为这个比例达到了77%。美国专利商标局首席信息官Jamie Holcombe就是其中之一。
Holcombe表示:“我认为AI是一种增强的智能工具。我不觉得你在与工具合作——你是在使用它。我们的审查员欢迎AI工具提供的帮助,以消除文书和行政等职能,以便他们可以更多地专注于那些深思熟虑的分析工作,而不仅仅是编程的工作。”
因此,这位CIO在2024年的首要任务之一,就是发现和揭示人类工作者利用大型语言模型可以具体实现的附加价值,而其中大部分仍然是未知的。
Thoughtworks公司首席人工智能官Mike Mason认为,鉴于这个问题,CIO在考虑为员工提供新的生成式AI工具时仍然是十分关键的。
“即使AI变得越来越先进并集成到了软件和日常任务中,AI工具的涌入仍然给员工带来了困惑。CIO们必须记住,使用这种AI技术的是他们的员工,而且要考虑到AI对员工的影响,确保进行了适当的管理、培训和集成,以充分利用他们的投资。”
密切合作伙伴关系的形成
尽管有行业知名人士呼吁对AI保持谨慎,但大多数企业巨头包括高盛、富达投资、宝洁、美国运通、吉利德科学等,都已经公开表示要在内部开发和部署大型语言模型,以提高生产力和创新。
富达金融服务公司人工智能创新负责人Vipin Mayar在12月于波士顿举行的首席人工智能官峰会上表示,事实证明,早期回报对于节省成本和提高效率是卓有成效的。
虽然Mayar承认大型语言模型和人类智力无法相提并论,但他认为,生成式AI的创新步伐是无与伦比的。他开玩笑地说:“才过了13个月,它就让时间变得非线性了。”
尽管如此,为了确保工作人员从这些工具中获得最大收益,Mayar建议,要把结合了结构化数据集和非结构化数据的多模式大型语言模型设计得更小,并且是针对特定任务的。
Advanced Auto Parts公司人工智能、数据工程和决策科学副总裁Yvonne Li也认为,这项技术——以及人类如何利用它——仍处于早期阶段。
“AI并不是灵丹妙药,生成式AI可以将数据整合在一起,为数据科学家提供不同的视角,但它无法为我们构思。人们正在使用AI来提高效率并作为诊断问题的工具。”
汤森路透是一家以人工智能提高效率为目标的组织。该公司最近发布了一个生成式AI平台,使开发人员能够更轻松地创建解决方案例如AI-Assisted Research on Westlaw Precision。汤森路透公司工程负责人Shawn Malhotra表示,采用生成式AI技术的Westlaw使法律编辑能够在几分钟内就可以生成法律研究的文档摘要,而放在过去,这需要数天或数周才能完成。
此外,还有汤森路透与微软Copilot的法律起草工作,为法律编辑解锁了更高级的功能。但观察人士表示,此类创新将要求CIO制定技能提升和治理策略,以确保员工无论身在何处都能从新的生成式AI中受益。这很快就会变得至关重要,因为生产力提高的推动给整个企业的员工带来了学习与大型语言模型合作方面的压力,其中许多大型语言模型仍处于试点测试阶段。
“大型语言模型在很多方面都可以而且将会超越人类的能力,但我坚信,AI将继续增强人类的能力,”德勤美国常驻首席信息官、先锋集团前全球首席信息官John T. Marcante表示。“我认为AI现在和将来都将成为人类的一个非常亲密的伴侣。”
Marcante强调,为了确保友好的关系,在实施生成式AI时考虑利益相关者工作流程是很重要的。
“重要的是要记住,使用AI来加速过时的或者繁重的流程可能是一个错误。更多的好处可能来自流程或技术的改进,而不是广泛应用AI来‘解决’问题,”他说。
改变工作的完成方式
随着时间的推移,技术及其使用方式的发展变化,必将改变人们充分利用这些工具的方式。
在近日举行的CES上,埃森哲发布了一份公开声明,称生成式AI工具在设计上更加“人性化”,特别是精致的对话用户界面、响应英语命令的机器人、以及增强人类自然工作方式的软件,例如Adobe Photoshop的Generative Fill and Expand功能。
去年年底,Gartner在IT Symposium/Xpo年度大会上详细介绍了生成式AI将如何彻底地改变人机关系。
Gartner分析师Mary Mesaglio说:“这不仅仅是一种技术或商业趋势,而确实是我们与机器交互方式的一种转变。我们正在从机器可以为我们做什么,转向机器对于我们来说可以是什么。机器正在从我们的工具演变为我们的队友。”
Mesaglio表示,机器不仅正在演变为工作伙伴,而且正在演变为客户。例如,连接到监控使用水平的服务后,惠普打印机能够在需要时购买墨水;当自我诊断发现故障时,特斯拉汽车还能够订购零件。
美国专利商标局的Holcombe还认为,界面的发展将帮助员工更有效地使用这些工具,下一代人机界面将是自然语言的,而不是键盘和鼠标的。但他仍然认为,大型语言模型不会很快取代人类认知。
“人类的思维和分析尚未被机器超越,因为算法本身充其量只是猜测的迭代和试错,我从未见过一台机器在没有经过人类编程的情况下实现了直觉的飞跃。”
东北大学体验式人工智能研究所执行主任乌萨马·法耶德 (Usama Fayyad) 认为,对话式人工智能在企业中变得越来越重要,随着时间的推移,它可以为问题提供更实质性的答案。 他表示,内容生成、文档摘要以及需要人类增强的增强分析和洞察提取工具以及决策算法也将成为跨行业企业的重要用例。
但是为了让这些工具充分发挥其潜力,人类使用的方式和频率就变得非常重要了,这就是技术的本质。
普华永道美国公司首席产品和技术官Joe Atkinson认为,生成式AI应用有助于打造一支更加精通技术的员工队伍,但目前尚不清楚员工如何为工具本身增加价值,这些工具按照设计可以边工作边学习。他说,毫无疑问,人类的创造力对于提高应用的质量是必要的。
为此,Gartner建议CIO们建立“灯塔”原则,定义未来一年员工和机器之间的交互方式——Gartner认为这一优先事项与实现数据AI就绪和实施AI就绪的安全性是同等重要的。
毕竟,生成式AI并不是一种一劳永逸的工具——至少目前还不是,它需要人工监督和经验来确保准确性、质量结果和安全性。
为此,CIO们正在准备教育和培训课程,逐步将生成式AI工具引入工作场所,并让人们放心使用。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。