随着生成式人工智能(GenAI)风靡全球,大多数企业都希望利用人工智能(AI)技术进行创新,以收获更多的业务成果。为支持业务,中国的首席信息官(CIO)通常将节约成本和提高收入作为数字化转型的主要目标,并期望AI工具的采用能够支持这些目标的实现。
然而,企业往往更着眼于通过GenAI等技术来颠覆游戏规则、带来巨大影响力,却忽略了简单的日常型AI也能带来为企业带来很多机会,比如帮助企业提高运营速度和效率。根据Gartner生成式人工智能2024年规划调研,49%在生产环境中实施GenAI并正在跟踪结果的职能部门领导者表示,生产力提高是他们使用GenAI实现的最大收益。
在中国部署数字技术的CIO可以通过以下三大策略,为新一波GenAI工具做好准备,从而推动生产力的提高。
使用“生产力区域”评估日常型AI的价值
根据2022年Gartner中国AI调研,当涉及AI领域的中国领导者被问及引入AI的主要目标时,44%选择了削减成本,而28%选择了增加营收。对GenAI以及更广泛的AI或任何技术来说,其价值衡量和价值实现通常体现在一个具体用例、领域或行业上。
尽管生产力指标通常可以预测未来价值,但大部分成果并不能直接体现为财务上的收益,比如立即降低成本。在短期内使用矩阵计算这些指标具有挑战性,需要耐心进行长期转型。要确定GenAI对信息工作者生产力的影响,就需要了解集体工作活动。
由于以信息为中心的工作并非严格的任务驱动型,因此要更好地评估个人和团队的生产力,可以在任务之外将所有生产力相关的活动纳入评估范围。图1说明了企业如何将生产力指标扩展到以信息为中心的工作中常见的“生产力区域”。对于以信息和知识为中心的工作来说,将工作模式定义为“区域”不仅可以节省时间,还有助于确定可以改进的方面。
图1:适用于信息工作的通用生产力区域
确定GenAI带来的速赢机会
GenAI正在迅速成为各种数字办公场所应用的嵌入式功能。中国的供应商迫切希望在应用中推出合规的GenAI功能、服务和产品。鉴于中国市场的独特格局,供应商应确保引入的日常型AI功能符合中国的用户模式。
企业可以从评估GenAI带来的速赢机会开始,在现有应用中提供以下GenAI功能,增强员工的日常工作活动:
CIO应该从这些应用入手,而非复杂的大语言模型。同时,GenAI的功能和用例仍处于新兴阶段,尚未实现广泛采用且效果验证仍不明确。CIO应制定长期AI战略,探索新兴趋势和有效方法,以增强当前对应用的使用,发现新机会和改进领域。
实施AI治理,实现高效且负责任的AI使用
根据微软和领英的《2024年度工作趋势指数报告》,AI在知识型员工中使用广泛,而其中部分采用是自发的,这导致新的风险也随之进入数字办公场所。使用自有AI工具可能会带来泄露敏感信息的风险。此类风险因子应定期解决、管理和检测。CIO应与企业各部门的利益相关方合作,确保企业对AI的使用进行适当的管理。
企业应教育员工了解GenAI应用的潜在风险,以确保负责任和合乎道德地使用GenAI技术。这对于有效实现风险管理战略至关重要,也是AI素养地重要组成部分。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。