生成式人工智能 (GenAI) 似乎承諾帶來前所未有的創(chuàng)新和自動化機會……然而，許多領導者難以清楚地表達 GenAI在組織層面提供的實際、有形價值。

那么，這種明顯的 GenAI 價值差距背后是什么？我們能做些什么來解決這個問題？

我們先暫停關于 GenAI 的成功如何取決于基礎模型、數據和定制的討論，以考慮另一個或者可以說更重要的GenAI 業(yè)務成功的投入：領導力。

我確信 GenAI 的機遇是真實存在的，但需要一種特殊的領導思維才能挖掘這些機遇。

領導力作為技術考慮因素

“...在生成式 AI 旅程的每個階段提出一個問題 ——‘這里的商業(yè)價值是什么’——可以幫助您的組織保持正軌?！?/p>

這種觀點來自亞馬遜網絡服務 (AWS) 的湯姆·戈登 (Tom Godden)，發(fā)表在《哈佛商業(yè)評論》的一篇關于企業(yè)領導者實施 GenAI 的技術考慮的文章中。

這是非常好的建議。但你可能因為這個建議聽起來像是給高管的標準建議而忽視它：不要在做某事時不考慮它能為你的組織帶來什么價值。

但是，與其他技術（包括您已經習慣的傳統(tǒng)人工智能）相比，價值更重要的是——正如這篇 HBR 文章所建議的那樣——*技術考慮*和領導力是對 GenAI 系統(tǒng)的技術投入。

當缺乏領導力作為技術投入時，GenAI 將在您的組織中一再失去其潛力。

與其他數據驅動技術相比，為什么這對 GenAI 來說是一個特殊的挑戰(zhàn)？

新的思維方式：無窮無盡的“正確”答案

正當高管們逐漸意識到管理包括傳統(tǒng)人工智能在內的生態(tài)系統(tǒng)意味著什么時，GenAI 要求我們進行另一次思維轉變；在這個轉變中，有無數正確答案。

• 傳統(tǒng)的人工智能用于自動執(zhí)行只有一個正確答案的任務。
• 生成式人工智能用于自動執(zhí)行有無數正確答案的任務。

例如：

• 傳統(tǒng)人工智能：當我站在自動護照檢查亭前時，如果面部識別系統(tǒng)錯誤地標記了我，它可能會產生一大堆錯誤答案中的任何一個，但只有一個正確答案。
• 生成式人工智能：當我要求人工智能助手為我生成圖像時，我得到了相當可靠的結果。當我重復同樣的提示時，我得到了完全不同的圖像。兩者都是正確答案……但哪一個更正確呢？

以上哪幅圖像是對提示“藝術畫廊，橙色墻壁，黑色地板，有許多相同的藍色花卉畫的復制品”的“最佳”回應？它比其他的好多少？這完全取決于旁觀者的眼光。

在無盡正確答案的世界中確定衡量標準

如果不更新思維模式，評估 GenAI 的投資回報率 (ROI) 就是一條統(tǒng)計死胡同。對于個人用戶來說，GenAI 可能感覺有用就足夠了，但對于您的組織來說這還不夠……

為了證明你對技術的投資有影響，你必須能夠衡量其績效。為了確保該測量的統(tǒng)計有效性，你需要提前提出指標和定義。預測并評分 GenAI 無窮無盡的正確答案范圍……這是采用它所面臨的前所未有的領導力挑戰(zhàn)。

當“最佳”取決于旁觀者的眼光時，投資回報率 (ROI) 在規(guī)模上是一個棘手的概念。

這就是領導力如此重要的原因：“最佳”取決于旁觀者的 GenAI。旁觀者是誰？誰是負責人（誠然，在大型組織中，這并不總是一個簡單的概念）。

當多個答案都以其自身的方式有效時，設計績效指標是一項特殊的挑戰(zhàn)，因為成功取決于背景、判斷和主觀偏好。

因此，作為領導者必須定義價值對您的組織意味著什么，然后在可能尚未做好準備的組織中倡導一種新的衡量思維方式。

克服這個障礙——這是一個關于人而非技術的巨大挑戰(zhàn)——你將解鎖巨大的機遇寶庫。

克服無盡正確答案的挑戰(zhàn)

讓我分享一些可能有助于您的 GenAI 性能測量和基準測試之旅的建議：

• 明確誰來決定。也許 GenAI 驅動的組織中最重要的問題根本不是技術問題：誰來決定成功是什么樣子？
• 明確目標。在無休止的正確答案環(huán)境中，衡量指標首先要明確您要實現的目標。您的目標是激發(fā)創(chuàng)造力、提高效率還是符合特定基調？還是完全不同的東西？
• 成為有意義的作者。不要指望你的量化分析師提供簡單的指標，而要欣賞設計 GenAI 指標的過程本身就有無數正確答案，并且需要勇敢的領導者做出判斷。
• 從足夠好的角度來思考。不要比較正確答案，而要考慮設置標準，將復雜的輸出縮減為熟悉的二進制：可接受或不可接受。請注意，如果您采用這種方法，您可能會找到減少模型升級的理由，這可能是最好的，特別是當輸出不直接面向用戶時。
• 使用人工評分作為代理。借鑒社會科學和過去十年使用可信評分者對系統(tǒng)輸出進行評分的最佳實踐，您可以選擇依靠人工對采樣輸出進行評估。
• 嘗試實驗。避免直接測量麻煩的一種統(tǒng)計有效方法是運行受控實驗（例如A/B 測試）來證明您的 GenAI 對您的某個 KPI 有實質性影響。
• 將其與業(yè)務聯(lián)系起來。在可能的情況下，用可衡量的關系來表達 GenAI 輸出，以直接的業(yè)務指標，可以讓你的方法立足于現實。

規(guī)模需求需要衡量

這一切與管理人類創(chuàng)意工作者有何不同？與人類工作者不同，人工智能系統(tǒng)無法為自己承擔責任。

這取決于你作為領導者的職責。

如果你不愿意站出來為 GenAI 系統(tǒng)的價值發(fā)聲，那么你就只能將 GenAI 作為一種工作效率工具，供你的員工隨意使用。充其量，你只能開發(fā)出簡單的人機交互系統(tǒng)，但僅此而已。

要釋放 GenAI 的全部潛力，您必須直面承擔無數正確答案的責任。

人工智能系統(tǒng)無法為自己承擔責任。這是你作為領導者的責任。

現在，企業(yè)領導者需要成為價值的代言人，并根據預期的業(yè)務成果和價值來闡述 GenAI 的機會和優(yōu)先事項。只有這樣，組織才能團結一致，共同實現明確的目標，充分利用 GenAI 的全部力量。

作為一名領導者，從模糊性中創(chuàng)造意義將完全落在您的肩上：您越能樹立新的清晰度和目的性標準，您就越能激勵其他人迎接挑戰(zhàn)。