AI 承诺能让各种规模的企业变得更高效、更具创新力,并能更好地满足客户需求。
然而,它也不可避免地会让企业面临新的危险和风险。
事实上,实施新技术的风险往往与其积极转型的潜力成正比——而 AI 的潜力是巨大的。
以下是我认为企业在争相实施 AI 过程中今年可能犯下的最大错误:
1. 未能将 AI 战略与业务战略保持一致
我看到许多企业犯的一个错误是,仅仅因为被告知应该采用 AI,就匆忙采用它,而不理解它如何适应企业的整体目标。
这种把技术放在业务战略之前的做法,可能是导致 AI 计划失败的首要原因,更糟糕的是,这会导致失望情绪并完全放弃 AI。
我们很容易被 AI 的炒作所激动,急于投资工具、平台和项目,而没有将它们与战略目标和优先事项保持一致。这必然会导致项目分散,无法带来有意义的结果或投资回报。为避免这种情况,始终要"从战略开始"——实施一个清晰的战略计划,明确展示任何项目或计划如何推动组织改善指标并实现定义成功的目标。
2. 低估 AI 对员工的影响
实施 AI 可能意味着企业核心员工要面临重大且可能令人恐惧的改变。
虽然这并不意味着他们都会变得多余,但可能意味着他们需要学习新技能或适应新的工作方式。评估技能和培训或再培训的可能性,确保各方面的认同,以及解决人们可能对工作安全性的担忧,这些都至关重要。
许多企业会犯一个错误,就是只考虑需要采取的技术步骤,而忘记人类终究要为成功或失败负责——这是一个严重的错误。
3. 放弃得太快——或太慢
并非每个 AI 项目都能成功——事实上,最近 Gartner 的研究显示,目前 AI 计划的失败率约为 85%。但第一次 (或第二次、第三次) 失败并不一定是放弃的理由。我坚信几乎任何企业都能从 AI 中受益,但这并不等同于相信它们会立即受益,或者认为只要启动 AI 项目就能立即成功。
另一方面,对于不成功的项目迟迟不肯叫停也可能是灾难的根源——这可能会把本应是一个简短而深刻的教训变成长期的时间和资源浪费。"快速失败"之所以成为科技圈的口头禅是有原因的。项目设计应该能够快速评估其效果,如果效果不理想,就把它当作经验教训,转向下一个项目。
4. 未能正确评估成本
与前一个陷阱类似,这个陷阱也有两个方面——过高估计和低估 AI 计划的成本都很容易发生,两者都会带来问题。
毫无疑问,全力发展 AI 是昂贵的——硬件、软件、专业咨询专长、计算资源、员工再培训和技能提升,以及将项目从试点扩展到生产——这些都不便宜。企业 AI 计划启动需要多少成本,这个问题就像"一根绳子有多长?"一样难以回答,但大多数估计都在数百万美元级别。
同时,许多小型企业会因为认为 AI 只适合拥有庞大 IT 预算的大公司而望而却步,忽视了有效实施 AI 并仍能带来实际效益的方法。
再次强调,答案在于充分准备,在全身心投入 AI 之前尽可能准确和勤勉地进行成本核算。
5. 让竞争对手抢先一步
当然,尽管有这里提到的所有预防措施,也许最大的错误就是认为 AI 太难、风险太大、成本太高而选择完全置身事外。
毫无疑问:AI 将改变每个行业,那些把头埋在沙子里假装这一切没有发生的人将会被远远甩在后面。
AI 将使企业更加高效,这意味着那些完全不实施 AI 的企业实际上是在浪费金钱。而且它还将推动创新,意味着采用它的竞争对手将创造新的产品和服务,重新定义客户期望,让落后者显得过时。
不要陷入这些陷阱
从我与各种规模的公司合作制定数字创新战略的经验来看,这些危险和陷阱将在 2025 年给许多企业带来重大问题。
理解风险并有先见之明在陷入其中之前看到它们,是成功的关键,也是实现 AI 驱动增长和转型的秘诀。
通过将 AI 项目与业务目标保持一致,确保员工参与到所有工作中,准确评估成本,并知道何时继续推进和何时放弃,你就能给自己最好的机会避免犯这些错误。
这将带来回报更好的 AI 项目,更重要的是,为你的组织准备好迎接更大的机遇。
好文章,需要你的鼓励
存储阵列行业正在发生巨大转变,转向支持AI训练和推理的极度规模化、并行化和多协议数据传输。传统的双控制器阵列和横向扩展文件集群正逐渐被淘汰。新一代存储系统具有超大容量、低延迟、高性能和多协议支持等特点,能够满足AI对数据的海量需求。VAST Data、WEKA等新兴公司引领了这一变革,传统厂商也纷纷推出相应的产品和解决方案来应对挑战。
全球支付巨头 Visa 正在利用人工智能技术提升其业务运营。通过部署检索增强生成 (RAG) 系统,Visa 大幅提高了信息检索速度和准确性。同时,Visa 还开发了安全的内部 AI 模型,并利用深度学习来加强欺诈防范。这些 AI 应用都建立在 Visa 精心构建的多层技术架构之上,旨在平衡创新与风险管理。
Google 宣布将其高清语音接口 Chirp 3 添加到 Vertex AI 开发平台。Chirp 3 支持 31 种语言的 8 种新声音,可用于构建语音助手、创建有声读物等。Google 强调 AI 发展是一场马拉松,短期内不会成为解决一切问题的灵丹妙药,但未来十年将带来重大变革。
随着 AI 数据呈指数级增长,存储环境日益复杂。传统存储方法正在升级以应对海量数据。应用交付控制器成为关键,通过负载均衡和智能流量管理来优化数据应用。组织正转向可扩展的云对象存储,以实现高性能、安全和可扩展的 AI 数据管理。ADC 平台成为支持任何环境下应用交付需求的关键解决方案。