IT領(lǐng)導者必須首先針對用例優(yōu)化他們的策略，以務(wù)實的技術(shù)眼光看待新一代人工智能的潛力及其陷阱。

幾乎每天都會有一些關(guān)于生成式人工智能的新商業(yè)發(fā)展出現(xiàn)在媒體上。事實上，麥肯錫的研究認為，未來可能確實是令人眼花繚亂的，新一代人工智能將使客戶支持的生產(chǎn)率提高40%，軟件工程的生產(chǎn)率提高20%至30%，營銷的生產(chǎn)率提高10%。

盡管如此，值得記住的是，我們以前也見過這種情況，公司通過一系列過早的實驗和試點，涌入令人興奮的新技術(shù)。當涉及到人工智能時，首席信息官和首席技術(shù)官在避免這些陷阱方面發(fā)揮著至關(guān)重要的作用。他們可以從實用的技術(shù)角度來確定新一代人工智能何時何地可以產(chǎn)生最大價值，以及在哪些方面不是最佳選擇。

這樣做需要基于對通用人工智能單位經(jīng)濟的深刻理解來開發(fā)用例，獲取這些好處所需的資源，以及在給定現(xiàn)有能力的情況下執(zhí)行工作的可行性。隨著人工智能越來越被視為業(yè)務(wù)加速器和顛覆者，這個復雜的等式是首席信息官們必須正確處理的挑戰(zhàn)。

GenAI原型：接受者、塑造者和創(chuàng)造者

首席信息官在確定企業(yè)中最適合人工智能的戰(zhàn)略時面臨的一個關(guān)鍵問題是，是否為各種用例租用、購買或構(gòu)建人工智能功能?；驹瓌t是，只有當存在專有優(yōu)勢時，才投資于創(chuàng)造獨特的世代AI能力。我們發(fā)現(xiàn)用三個原型來思考會很有幫助:

接受者使用聊天界面或API通過公開可用的模型快速訪問商品服務(wù)。例子包括GitHubCopilot，一個現(xiàn)成的解決方案來生成代碼，或AdobeFirefly，它可以幫助設(shè)計師生成和編輯圖像。這個原型在工程和基礎(chǔ)設(shè)施需求方面是最簡單的，并且通常是最快啟動和運行的。它不允許集成專有數(shù)據(jù)，提供最少的隱私和知識產(chǎn)權(quán)保護。雖然在簡單訪問新一代人工智能服務(wù)時，技術(shù)堆棧的變化很小，但首席信息官需要準備好對技術(shù)架構(gòu)進行重大調(diào)整并升級數(shù)據(jù)架構(gòu)。

塑造者希望開發(fā)專有功能，并具有更高的安全性或遵從性需求。在更清晰的用例中，首席信息官需要將現(xiàn)有的世代人工智能模型與內(nèi)部數(shù)據(jù)和系統(tǒng)集成在一起，以無縫地協(xié)同工作并生成定制的結(jié)果。一個例子是一個模型，該模型通過將新一代人工智能工具與CRM和金融系統(tǒng)連接起來，以整合客戶之前的銷售和參與歷史，從而支持銷售交易。

Shapers有兩種常見的方法。一種是“將模型帶入數(shù)據(jù)”——也就是說，將模型托管在組織的基礎(chǔ)設(shè)施上，無論是在內(nèi)部部署還是在云環(huán)境中。另一種是“將數(shù)據(jù)帶入模型”——也就是說，當組織通過超大規(guī)模器將大型模型本身的副本放在云基礎(chǔ)設(shè)施上時。在任何一種情況下，首席信息官都需要開發(fā)管道，將新一代人工智能模型連接到內(nèi)部數(shù)據(jù)源。用內(nèi)部數(shù)據(jù)訓練模型可以使模型的預測更好，更符合公司的需求。公司將需要存儲更多的交互信息，例如與客戶服務(wù)代理的對話，并不斷使用大量數(shù)據(jù)來使新一代人工智能系統(tǒng)有效。

創(chuàng)客從零開始建立一個基礎(chǔ)模型。這既昂貴又復雜，需要大量數(shù)據(jù)、內(nèi)部人工智能專業(yè)知識和計算能力。建立模型和培訓員工需要大量的一次性投資，從500萬美元開始，可以達到數(shù)億美元，這取決于培訓基礎(chǔ)設(shè)施、模型參數(shù)和模型體系結(jié)構(gòu)的選擇等因素。由于成本和復雜性，這將是最不常見的原型。

正確制定genAI戰(zhàn)略

實驗通用AI用例相對容易;以一種解鎖價值的方式擴大它們的規(guī)模更具挑戰(zhàn)性。如果沒有正確的內(nèi)部組織，即使是最有前途的人工智能項目也可能功虧一簣。必須重新設(shè)計業(yè)務(wù)流程和工作流程，并對用戶進行再培訓，以利用新一代人工智能功能。升級企業(yè)技術(shù)架構(gòu)以集成和管理生成式人工智能模型也是協(xié)調(diào)它們?nèi)绾闻c現(xiàn)有人工智能和機器學習(ML)模型、應(yīng)用程序和數(shù)據(jù)源運行的關(guān)鍵。

首席信息官的第一步應(yīng)該是集中人工智能能力來協(xié)調(diào)活動，建立專業(yè)知識，并將能力分配給優(yōu)先級計劃。這個團隊包括數(shù)據(jù)工程師、MLOps工程師、風險和法律專家，他們的目標是合作為最初的幾個用例構(gòu)建通用人工智能。重點應(yīng)該放在將新一代人工智能模型與內(nèi)部系統(tǒng)、企業(yè)應(yīng)用程序和工具連接起來。只有在技術(shù)棧級別進行結(jié)構(gòu)化工作，企業(yè)才能從開發(fā)幾個孤立的用例發(fā)展到工業(yè)化，從而獲得實質(zhì)性的價值。其原則是將新一代人工智能作為基礎(chǔ)平臺服務(wù)進行管理和部署，以供產(chǎn)品和應(yīng)用程序團隊使用。

在最好的情況下，當組織開始其通用人工智能之旅時，上述所有內(nèi)容都將到位。在缺乏這種理想條件的情況下，首席信息官們?nèi)匀粦?yīng)該開始為一組優(yōu)先級用例開發(fā)一個平臺，隨著他們的學習進行調(diào)整和添加。

圍繞人工智能的嗡嗡聲是，它有可能改變我們所知道的商業(yè)。然而，潛力并不是確定的，甚至也不是可能的。首席信息官和首席技術(shù)官將站在第一線，以確保組織以戰(zhàn)略意圖和重點執(zhí)行，而不會陷入無休止的、昂貴的試點煉獄。