这位企业AI先驱表示,重新思考工作方式是他的目标。
受到生成式AI巨大潜力的启发,许多IT和商业领袖得出结论,实现所有形式AI变革潜力的最佳方式,就是把责任交给一位领导者——首席人工智能官(CAIO)。虽然AI本身并不新鲜,但让一个人负责AI正在成为一种主流的新方法。第一批CAIO是先驱者,他们用自己的技能和专业知识押注于让AI给他们的组织带来价值。
Ameritas是一家总部位于美国内布拉斯加州林肯市的保险和金融服务公司,该公司首席信息官Rich Wiedenbeck表示:“由于AI的普及性和深度,它具有与以前技术不同的巨大颠覆潜力。这是一个重大的变革时刻。”
IDC快速调查发现,53%的CIO表示,他们的组织已经或者正在计划设置一位AI领导者。其中,近一半(49%)的受访者表示,这位领导者将成为C级高管团队的一员。

IDC快速调查,2023年9月
从CIO到CAIO
Wiedenbeck于今年1月开始担任Ameritas公司的首席信息官,从CIO职位上调任,为另一位高管接任CIO腾出空间。Wiedenbeck和新任CIO都向由CEO和总裁/COO组成的高管办公室汇报。在组织上看,Wiedenbeck是Ameritas公司AI指导委员会的成员,这个委员会被称为“任务团队”,其中包括了法律和风险官以及CIO。向Wiedenbeck 报的是一支约20人的团队,主要由技术人员组成。
除了担任CIO之外,Wiedenbeck的背景还包括创立了一家专注于新兴技术的初创公司。“了解如何利用新兴技术来推动业务价值,是这份工作的一个重要特征,”Wiedenbeck说。而且Wiedenbeck对AI并不陌生。此前,他曾在Ameritas公司领导AI方面的工作,其中包括使用机器学习来解释牙科X光片以验证覆盖面积。
据IDC称,Wiedenbeck的背景符合新职位的要求。IDC《Executive Programs (IEP) in IDC PlanScape: Chief AI Officer Role (May 2024)》报告研究顾问David Weldon表示:“CAIO职位的典型候选人就是具有领导成功创新计划的良好记录、并且对AI有清晰理解的人。他们应该有用AI改变组织的愿景,其中包括确保AI的使用符合道德和治理原则。”Weldon说,简而言之,CAIO应该倡导以AI为先的思维方式。
获得有形价值
作为CAIO,Wiedenbeck的工作就是从可能改变游戏规则的技术中提取有形的商业价值,而不是为了追求AI而追求AI。为此,Wiedenbeck和他的团队正在解决“单位成本”,即特定产品和服务的费用,例如制定保单、处理索赔或处理客户请求。
“由于我们想要实现的主要成功目标之一是单位成本,因此我们认为,如果工具包中没有AI,那么从战略上来说将是一个巨大的失误。人寿保险行业历来并不注重纯粹的效率,但单位成本概念正在进入这个行业。”
在另一项AI计划中,Ameritas公司将生成式AI应用于自动化代理中,使其更像人类,这一领域被称为“代理”AI。与降低单位成本一样,代理AI的工作重点是效率和生产力。然而,随着时间的推移,Wiedenbeck的目标远不止是渐进式的改进。他说:“我们希望通过AI实现整个端到端的流程,我们希望从帮助你完成工作转变为重新思考工作方式。”
Ameritas公司正在使用AI来确定哪些业务领域可以从AI中受益最多。“为了帮助确定工作重点,我们正在使用各种诊断方法来让我们了解价值和影响程度。我们不想专注于总成本100万美金、效率提升10%的那些领域,而忽略了总成本2500万美金、效率提升2%的领域,”Wiedenbeck解释说。
避免偏见风险
在保险等受到严格监管的行业中,偏见或偏见看法可能会带来严重的后果,Ameritas公司不能冒险盲目地将关键决策交给AI算法,因为这些算法可能会因数据不良或模型构建不良而产生有缺陷的结果。例如,AI工具可能会提供精算结果,要求某些人口群体支付更高的保费,而这可能会违反企业公平承诺。为了避免这种风险,Ameritas公司尚未将AI应用于承保或直接客户互动。“我们需要谨慎行事,以免出现意外偏见。我们希望确保结果符合我们的预期,”Wiedenbeck说。
衡量投资回报率以实现可持续的未来
为了实现价值并确保AI对组织的重要性,Wiedenbeck意识到,他必须展示AI及其团队的价值。“我们的目标是成本中性,并在一年内实现自筹资金。我们的基准研究表明,存在6000万至8000万美金的效率机会。我负责在两到三年内实现1000万到2000万美金的效率节约。”为了实现这些目标,他的部门要做的不仅仅是那些摘取唾手可得的成果。他说:“我们要做的不仅仅是做出简单的改变,而是要做出更艰难的改变——改变我们的工作方式。这个目标并不容易实现。”
当你走到岔路口时,选择它
作为行业探路者,Wiedenbeck正在从经验中不断积累经验。对于那些新晋的CAIO,他提出了这样的建议:“与任何技术一样,文化和采用是真正获得价值的关键。还要记住,你不能独自做到这一点。公司的每个部门都必须参与进来,与你合作。如果你自己变成了一个孤岛,结果肯定会失败的。”
他也认识到了他遇到的重大机会。“AI将以我们今天甚至无法完全想象的方式成为一项变革性的技术,这是一个真正的大放异彩的机会,展示如何平衡成本、风险和价值。对你来说,这将是一个成为领导者的机会。”
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。