大多数 CIO 已经开始探索生成式人工智能，以确保他们能够保持相关性。但许多人发现，市场上的技术还没有达到预期的效果。Yves Caseau 是Michelin 全球 CIO，他表示：“在使用 GitHub copilot 和 ChatGPT 超过六个月的时间后，我对生成式人工智能的发展速度感到惊讶。但就目前的状态而言，它只是一个工具箱。”
围绕着最新的大语言模型（LLM）和相关工具的热潮的确有许多炒作，然而在喧闹的背后，人们却在窃窃私语，谈论着这项技术终有一天会变得不可或缺。Caseau 说：“一旦成熟，生成式人工智能将完成我们的许多琐碎任务--这将解放我们，让我们专注于新事物。”
包括 Albemarle 公司前首席信息和数字转型官 Patrick Thompson 在内的一些技术领导者甚至认为，生成式人工智能将成为我们有生之年最具颠覆性的技术。Thompson 表示：“对于消费者来说，它将比苹果公司推出的 iPhone 更具颠覆性。而对于企业用户来说，它将超越微软在劳动力生产力方面所做的一切。”
当前的最大问题是如何利用它。
促进传统人工智能的发展
虽然生成式人工智能是新事物，但人工智能并非如此。包括 Michelin 和 Albemarle 在内的许多公司最早使用的人工智能案例之一是预测性维护，其最基本的功能是根据传感器收集的数据训练算法。一旦训练完成，模型就会寻找导致故障的指标，并向人类操作员发出警报，从而防止生产中断。
预测性维护基本设置的一个共同缺点是，罕见事件在训练数据中的代表性不足。因此，算法可能无法充分了解传感器输出中的模式，而这些模式虽然不常见，但可能预示着故障。为了弥补这一不足，许多公司用合成数据来补充真实数据。
在企业中，人工智能还被用于其他方面，如提高供应链效率、促进客户互动、帮助员工执行办公任务等。自最近的新冠疫情封锁以来，Albemarle 一直在使用人工智能作为虚拟助手。Thompson 说：“我们走在了前面，主要是出于必要。新冠疫情迫使我们想办法为在家的 7000 名员工提供自助服务。”
Albemarle 公司开发的自助聊天机器人逐渐发展成为帮助公司其他职能部门工作的工具，后来又发展成为管理联合工作流程的虚拟个人助理，使员工无需登录所有系统就能同时使用多个系统。例如，员工只需使用自然语言与机器人交流，就能参与工作流和进行查询，而机器人则能与企业业务系统对接。
但在短短几个月内，生成式人工智能开始将传统人工智能提升到另一个层次，用于预测性维护等应用。Thompson 说：“交互变得更加对话化，因此你可以提出问题，并获得有关设备状态的不同见解。它可以用来整理内部和外部的行业数据，然后用来训练传统算法，以提供敏捷的结果。”
此外，生成式人工智能还为尚未使用传统人工智能的行业中的公司提供了一个切入点。在金融等行业，大多数公司早在几年前就开始开发数据平台，与分析工具一起使用，而现在，这些公司正在使用相同的平台尝试最新的人工智能技术。
作为British-American global asset management group的Janus Henderson 公司的全球 CIO Chris Herringshaw 说：“生成式人工智能还可用于解析市场和公司的公开数据，帮助做出投资决策。与其花费大量时间手动研究所有这些信息，我们希望使用生成式人工智能来总结现有信息，告诉我们噪音中的信号在哪里，并建议我们研究的领域。”
早期应用的挑战与回报
除了底层技术不够成熟之外，企业在进一步采用生成式人工智能之前还需要克服其他几个障碍。第一个挑战是企业内部和销售传统应用程序的供应商都缺乏技能。
内部专业知识的缺乏影响了每个 IT 领导者必须做出的“构建”还是“购买”的决定。Herringshaw 说：“'购买'当然能让你更快地走上正轨。你不需要考虑如何将其产品化、扩展和支持底层基础设施。而且现在的价格非常低，进行探索性工作的成本很低。”
供应商压低价格是为了鼓励采用。但随着时间的推移，公司将开始向模型中输入更多数据，这将使他们与供应商锁定，他们将开始创建专门从事某些领域的分支。例如，他们不再使用通用版的 ChatGPT，而是使用针对特定行业（如金融服务）的版本。
Herringshaw 说：“一旦你为不同的用例定制了不同的模式，你就会同时运行多个版本，这就会使订阅价格成倍增长。我们希望业务收入能随着成本的增加而增加。如果我们真的找到了彻底改变投资流程的方法，回报应该会超过成本。”
在短期内，订购基于云的模式比内部构建成本更低。从长远来看可能也是如此。购买的另一个好处是可以更快、更容易地采用。但从长远来看，对于那些需要根据自身行业定制模型的企业，或者那些希望将人工智能推向边缘并在未连接云服务的设备上运行推理的企业来说，内部构建可能是更好的选择。
不过，就目前而言，很少有企业拥有建立人工智能模型或调整现有模型的熟练员工。大多数公司甚至不具备成为优秀用户的专业知识。要想从购买的产品中获得最大收益，首先需要整理企业数据以训练模型，然后在推理阶段以正确的方式向模型提问。最重要的是，你需要知道什么时候该怀疑模型。
虽然生成式人工智能可能会提高企业从数据中提取的价值，并最终改变企业的运营方式，但它也会加大精通数字技术的企业与数字技术落后企业之间的差距。因此，无论企业选择自建还是购买，都应该开始开发一定程度的内部专业技术。Herringshaw 补充说：“我们已经开始组织正式培训，以提高我们使用技术的能力。我们要做的第一件事就是问问题。”
技能的缺乏不仅影响了人们使用模型的方式，也影响了第三方产品的质量，而这些产品往往声称包含人工智能算法。正在购买最新版企业应用程序的 CIO 们应该核实这一说法，因为传统应用程序供应商在如何集成生成式人工智能方面仍然存在困惑。
Thompson 是多家应用软件供应商的顾问委员会成员，他说：“传统技术供应商正在与开发生成式人工智能的公司合作，提供虚拟助手，释放企业业务系统的价值。他们必须在安全和数据隐私与实现生成式人工智能价值承诺的速度之间取得平衡。”
虽然目前正在尝试使用生成式人工智能的许多组织规模庞大，有足够的资源来研究新事物，但这项技术的使用并不局限于大型企业。
Thompson 说：“如果你能做好治理、安全和数据摄取工作，生成式人工智能就能帮助小公司发展成为大公司，而且是精干的大公司。"我预测，生成式人工智能将成为商业领域最具颠覆性的创新。它将有助于行业的整合、优化和集成，从而产生新的行业绩效基准，提高标准并创造更大的股东价值。不拥抱生成式人工智能的公司将被淘汰。”
来源：www.cio.com
