CIO指南：成功实施生成式AI的5项最佳实践

是什么让生成式AI实施如此具有挑战性？作为一项颠覆性的技术，生成式AI在变化幅度和频率方面都受到了影响。供应商、应用和用例如此之多，时间却如此之少，生成式AI渗透到从业务战略和流程到产品和服务的各个方面。

然而，作为一项技术，生成式AI面临的一个不同寻常的挑战是，目前这项技术已经被主流采用，但仍处于炒作周期的顶峰。这就是为什么许多企业对于生成式AI用例感到兴奋，但仍在努力实现投资回报。

因此，为了最大限度地提高生成式AI的投资回报，重要的是从临时实验转向更有目的性的战略和系统实施方法。

以下是从生成式AI中获得最大商业利益的五种最佳实践。

制定整体的生成式AI战略

定义生成式AI战略应该与更广泛的AI、自动化和数据管理方法相互关联。毕竟，现代数据战略需要通过支持企业智能自动化目标以及支持交易、分析和决策的大量应用来解决和增强整个IT堆栈。

看看最近推出的EDB Postgres AI，这是一个用于交易、分析和AI工作负载的智能平台。成功的AI实施80%依赖于数据方面，例如质量和清洁情况，因此你可以预期在这些类型的工作负载之间看到越来越多的孤岛被突破。

你的战略应该围绕组织的生成式AI制定战略主题，以及将如何支持各种业务目标。定义哪些战略主题与你的业务模式、流程、产品和服务是相关的。这些主题中，有哪些是支持增长议程、内部效率和成本节约的？你将如何区分产品和服务、独特的价值主张和战略目标，以及你打算为业务带来哪些成果。

发现用例并对其进行优先级排序

你的组织中可能有十几种生成式AI的用例，虽然很多用例都是从最终用户那里自然识别出来的，但编制一份主列表很重要。要掌握用例，请在公司内联网上设置AI协作区，邀请从业者分享他们正在做的事情和他们的发现。这有助于盘点整个组织的活动，鼓励知识共享和相互协作。你可能惊讶于正在被积极评估的用例数量和参与者的数量。

通过获取正在进行的活动主列表，然后将其映射到客户旅程图或企业流程的流程图中，你就能找到覆盖范围中存在的差距和重叠，确定空白领域中存在的机会，并开始确定优先级。

即使你已经深入实施了几个用例，创新研讨会也是让最终用户集思广益并确定用例优先级的一种好方法。你需要寻找快速获胜（高业务影响和高实施难度）和必备条件（高业务影响，但由于时间、成本或项目风险和复杂性而导致实施难度较低），然后相应地添加到你的实施路线图中。

有目的地进行实验和试点

随着生成式AI处于炒作周期的顶峰，可能会出现很多调整但却没有持续关注最终目标的情况。但是，你可以通过一些小幅的修改，鼓励试点和实验，授权最终用户成为创新者和测试者来发挥生成式AI的力量。

为了培养创新文化，这些小幅的修改应该包括提供指导、支持和鼓励。例如，如果最终用户正在尝试一种新的AI语音转文本工具，你可以鼓励他们尝试两三种不同的工具，并对结果进行比较。为了帮助他们找到组织的最佳选择，除了他们目前最喜欢的供应商之外，您还可以分享公司标准、预算考虑和首选供应商的详细信息。

分享护栏

当你通过鼓励实验和试点来培养创新文化时，你可以分享组织护栏来帮助最终用户应对AI的挑战。

组织层面的简单防护措施就是制定自己企业的使用政策，并酌情签署各种行业协议。对于AI和其他领域，企业使用政策可以帮助用户了解潜在的风险领域，从而管理风险，同时仍然鼓励创新。

虽然每个行业在AI风险领域都有自己的优先事项，但在建筑、工程和建筑行业，我们发现，数据隐私和保密性是一个主要问题。因此，教育用户了解公共和私人GPT的优缺点，以及何时使用其中一种或两种是很有用的。这也可能会影响你对供应商的选择。例如，如果长期供应商使用来自其用户社区的数据来训练他们的模型，那么来自长期供应商的内置AI可能就是一个错误的选择。

把投资回报率及早加入讨论之中

由于AI和许多其他技术已经被IT部门以外的广大员工评估和使用，因此为他们配备必要的工具，使他们的实施对企业取得成功是非常重要的。

关键是提供支持性的业务案例，说明如何使用该技术以及如何计算投资回报率。在这方面，AI和其他技术没有什么不同。这是一个着眼于面向客户的产品和服务的价值主张和竞争差异化，以及内部流程在时间和成本节省方面的效率问题。一个简单的投资回报率计算电子表格会是一个很好的开端，可以帮助员工了解前后情况，以及AI如何能帮助简化运营。

总体来看，由于环境迅速变化，制定相适应的AI战略、愿意根据需要定期更新，并在实施过程中不断学习和改进，这些都是至关重要的。采取循序渐进的步骤来获得快速胜利，并尽早展示投资回报率，但同时也要专注于必须具备的条件和更具战略性的举措，这将有助于你的组织在未来几年脱颖而出。