作者 | Scott shaw

圍繞AI的熱議意味著它可能成為“手里拿著錘子到處找釘子”，公司們急于將AI融入流程中，而實際上這可能并不必要，或者AI并不是解決問題的最佳工具。

AI的成功依賴于公司對運營進行重組，并采用以不斷試驗、穩(wěn)健的工程實踐和明確的邊界為指導(dǎo)的迭代AI策略。

隨著人工智能(AI)在各個行業(yè)的廣泛應(yīng)用，從概念驗證(POC)到可擴展解決方案的轉(zhuǎn)變變得至關(guān)重要。最近的一項研究表明，高達90%的AI和生成式AI(GenAI)項目都停留在POC階段，未能投入生產(chǎn)。

在Thoughtworks，我們觀察到2024年開始出現(xiàn)一種新的緊迫感。領(lǐng)導(dǎo)團隊迫切要求從他們初期的AI探索中獲得實際成果。然而，這需要組織認(rèn)識到，AI并不是一個獨立的工具，也不是簡單的即插即用。

AI的成功依賴于公司采用以不斷試驗、穩(wěn)健的工程實踐和明確的邊界為指導(dǎo)的迭代AI策略。這種方法可能需要對公司運營方式進行重新構(gòu)建。

為AI實施打下基礎(chǔ)

在利用每天都在涌現(xiàn)的AI突破之前，組織需要先建立一些基本的構(gòu)件。首先是一個穩(wěn)健的數(shù)據(jù)戰(zhàn)略，確保有足夠的相關(guān)、可靠且可追溯的數(shù)據(jù)隨時可供AI模型使用。如果沒有這個基礎(chǔ)，AI解決方案可能只會讓企業(yè)更快地做出錯誤的決策。

此外，在使用生成式AI(GenAI)等工具時，必須對領(lǐng)導(dǎo)者希望實現(xiàn)的結(jié)果有一個基本的“好”的標(biāo)準(zhǔn)。雖然這些工具可以被引導(dǎo)，但不能在沒有監(jiān)督的情況下依賴它們，也不能指望它們自行檢驗結(jié)果的質(zhì)量。建立持續(xù)監(jiān)控和評估AI系統(tǒng)輸出的工具和流程是負(fù)責(zé)任的技術(shù)實踐的一部分，也是避免意外后果的關(guān)鍵。

一旦這些參數(shù)到位，Thoughtworks鼓勵組織開始在其運營中測試可能的AI應(yīng)用場景。與所有創(chuàng)新一樣，只有在技術(shù)得到充分應(yīng)用后，才有可能真正理解其全部潛力或應(yīng)用范圍。

高質(zhì)量的標(biāo)注數(shù)據(jù)和數(shù)據(jù)訪問權(quán)限

阻礙公司將模型投入生產(chǎn)的另一個常見挑戰(zhàn)是復(fù)雜AI模型缺乏透明性。這種“模糊性”使得難以評估模型的準(zhǔn)確性和是否適合特定需求。Thoughtworks通過提供工具和專業(yè)知識，幫助企業(yè)有信心地評估大型語言模型(LLMs)，從而解決這一問題。

通過提供用于文本分類和數(shù)據(jù)標(biāo)注等任務(wù)的加速器，Thoughtworks的預(yù)構(gòu)建解決方案簡化了開發(fā)流程，鼓勵公司超越概念驗證(POC)階段，并在AI項目中更快地取得成果。

隨著對AI模型部署的信心增強，公司能夠解決大型語言模型(LLMs)的不透明性，從而做出更有根據(jù)的決策。領(lǐng)導(dǎo)者將能夠準(zhǔn)確回答諸如“我如何知道LLM的輸出是否準(zhǔn)確?”或“哪個模型/方法最適合我的使用場景?”等問題。

除了數(shù)據(jù)標(biāo)注，AI概念驗證(POC)還必須反映并遵守組織的隱私和安全政策。將現(xiàn)有的訪問控制融入大型語言模型(LLM)的行為中，不僅能增強安全性，還能降低訓(xùn)練成本。

例如，在將大型語言模型(LLM)與數(shù)據(jù)平臺集成時，應(yīng)該考慮用戶的角色和訪問權(quán)限來處理上下文和模型輸出。這確保用戶僅能訪問他們有權(quán)限查看的數(shù)據(jù)，從而增強系統(tǒng)的整體安全性。

有效的提示技巧

目前，制作有效的提示往往依賴于反復(fù)試驗，這使得擴展和維護生成式AI(GenAI)解決方案變得困難引導(dǎo)AI回復(fù)的指令，隨著模型的演變，可能會變得無效。Thoughtworks的解決方案通過開發(fā)優(yōu)化特定模型的指令的工具來解決這一問題。這不僅簡化了GenAI應(yīng)用的生產(chǎn)維護，還允許在模型之間實現(xiàn)更大的可移植性——確保企業(yè)能夠利用最適合其需求的模型，而無需從頭開始設(shè)計指令。

Yuu Rewards Club：快速AI擴展的案例研究

yuu Rewards Club，新加坡領(lǐng)先的聯(lián)盟顧客會員 平臺，展示了AI如何實現(xiàn)快速擴展。該平臺整合了零售、餐飲、娛樂、銀行等多個領(lǐng)域的頂級品牌，提供高度個性化的移動體驗和統(tǒng)一貨幣，以最大化獎勵。

憑借先進的AI和機器學(xué)習(xí)(ML)能力以及強大的合作伙伴生態(tài)系統(tǒng)，該平臺徹底革新了傳統(tǒng)的顧客會員計劃，為消費者提供了全新的購物體驗。例如，通過一個應(yīng)用程序即可方便地在多個品牌之間兌換優(yōu)惠，并獲得個性化的優(yōu)惠和獎勵。

由minden.ai(一個由淡馬錫創(chuàng)辦的科技公司)與Thoughtworks合作開發(fā)，該平臺在短短一個月內(nèi)迅速躍升為主要應(yīng)用商店的第一款應(yīng)用，并在僅100天內(nèi)吸引了超過一百萬的會員。

這是一個出色的案例，展示了以用戶為中心的設(shè)計、敏捷開發(fā)和關(guān)注可擴展性如何在AI驅(qū)動的平臺中實現(xiàn)快速增長。

南亞銀行的生成式AI聊天機器人革新了客戶服務(wù)

Thoughtworks與一家領(lǐng)先的南亞銀行合作，解決了一個常見問題：分散的數(shù)據(jù)阻礙了客戶體驗。數(shù)據(jù)被孤立在多個來源中，導(dǎo)致產(chǎn)品經(jīng)理難以高效地訪問客戶信息。

利用生成式AI(GenAI)，團隊分析了數(shù)據(jù)集，識別了關(guān)鍵痛點，并構(gòu)建了一個生產(chǎn)就緒的GenAI驅(qū)動聊天機器人。此外，他們還創(chuàng)建了一個可重用的框架，能夠適應(yīng)任何經(jīng)過微調(diào)的語言模型，從而確保了可擴展性。

生成式AI(GenAI)代理成為了一個重要的突破?？蛻舴?wù)能力顯著提升，用戶體驗了更加流暢的對話過程。

負(fù)責(zé)任的AI

在上述兩個案例中，從概念驗證(POC)到全面生產(chǎn)的迅速推進得到了強有力的領(lǐng)導(dǎo)支持。這樣的組織范圍內(nèi)認(rèn)可是通過動態(tài)的生成式AI(GenAI)戰(zhàn)略得以增強的，這些戰(zhàn)略能夠跟上快速變化的市場和用戶需求。

組織還應(yīng)建立一個負(fù)責(zé)任的AI框架，涵蓋隱私、安全以及法律法規(guī)遵循等關(guān)鍵方面。隨著AI及其能力的發(fā)展，保護措施對于確保其倫理和負(fù)責(zé)任的部署至關(guān)重要。例如，我們與聯(lián)合國合作開發(fā)了一個全面的《負(fù)責(zé)任技術(shù)手冊》，其中包括AI以及可持續(xù)性、數(shù)據(jù)隱私和可訪問性等方面的考量。

對于那些希望熟練運用AI的組織來說，成功的真正衡量標(biāo)準(zhǔn)不僅在于自動化常規(guī)任務(wù)，更在于提升人類能力和放大個體在組織中的貢獻影響力。