大多數CIO已經開始探索生成式AI，以確保他們跟上發展步伐，但很多人發現市場上的技術尚未達到宣傳的效果。米其林全球首席信息官Yves Caseau表示：“在對GitHub copilot和ChatGPT進行了六個多月的試驗后，我對生成式AI的發展速度感到驚訝，但在目前的狀態下，它只是一個工具箱。”

圍繞最新一波大型語言模型（LLM）和相關工具確實有很多炒作，但在喧囂之下有傳言稱，這項技術有一天將變得不可或缺。Caseau表示：“一旦成熟，生成式AI能將能夠執行我們很多平凡的任務——這將使我們能夠專注于新的事物。” 

包括雅寶（Albemarle）前首席信息和數字化轉型官Patrick Thompson在內的一些技術領導者甚至表示，生成式AI將成為我們一生中最具顛覆性的技術。Thompson表示：“這將比蘋果公司面向消費者推出iPhone更具顛覆性。對于企業用戶來說，這將超越微軟在員工生產力方面所做的努力。”

但最大的問題是現在如何應對它。

對傳統AI的推動

雖然生成式AI是個新的事物，但AI卻不是。預測性維護是包括米其林和雅寶在內的許多公司使用AI的首批用例之一，最基本的層面就是一種根據傳感器收集的數據進行訓練的算法。經過訓練之后，這種模型就會尋找導致故障的指標并向操作員發出警報，然后操作員可以防止生產中斷等故障。

預測性維護基本設置中存在的一個常見不足，就是訓練數據中罕見事件的代表性不足。因此，算法可能無法充分了解傳感器輸出的模式，雖然這種情況很少見，但可能預示著失敗。為了填補這一空白，很多公司用合成數據來補充真實數據。

AI在企業中也有很多用途，例如提高供應鏈的效率、促進客戶互動、以及幫助員工執行辦公任務。自疫情爆發以來，雅寶公司一直在使用AI虛擬助手。Thompson表示：“我們在這場競賽中領先了一點，主要是因為我們有必要這么做，疫情迫使我們要尋找方法為7000名員工在家提供自助服務。”

雅寶公司開發的自助服務聊天機器人逐漸發展成為一種幫助其他公司職能的工具，隨后又發展成為管理聯合工作流程的虛擬個人助理，使員工能夠更輕松地同時使用多個系統，而無需登錄所有系統，例如，員工只需使用自然語言與機器人通信即可參與工作流程并進行查詢，機器人與企業業務系統進行交互。 

但在短短幾個月內，生成式AI就開始把傳統AI提升到預測性維護等應用的另一個水平上。“交互變得更加對話式，這樣你就可以提出問題并獲得有關設備狀態的不同見解，它可以被用于管理內部和外部行業數據，然后用于訓練傳統算法以提供敏捷的結果。”

此外，生成式AI給那些尚未使用傳統AI的行業公司提供了一個切入點。在金融等行業，大多數公司多年前就開始開發數據平臺以配合分析工具使用，現在他們正在使用相同的平臺試驗這種最新的AI技術。

英美全球資產管理集團Janus Henderson的全球首席信息官Chris Herringshaw表示：“生成式AI還可以用于解析市場和公司的公開數據，以幫助做出投資決策。我們不想花大量時間手動研究所有這些信息，而是希望使用生成式AI對信息進行總結，告訴我們噪音中的信號在哪里，并圍繞我們關注的領域給出建議。”

早期采用的挑戰和回報

除了底層技術不夠成熟之外，企業進一步擁抱生成式AI還需要克服其他幾個障礙。第一個挑戰是企業內部和銷售傳統應用的供應商在技能上的匱乏。

缺乏內部專業知識會影響每個IT領導者做出自我開發還是外部購買的決策。Herringshaw表示：“‘購買’肯定能讓你更快速地提升，你不需要弄清楚如何將其產品化、擴展并支持底層基礎設施。而且現在價格如此之低，進行探索性工作的成本非常低。”

供應商正在壓低價格以鼓勵采用。但隨著時間的推移，企業將開始把更多數據放入模型中，這會讓他們與供應商鎖定在一起，并且要開始創建專門針對某些領域的分支，例如，他們不會使用ChatGPT的通用版本，而是使用針對特定行業（例如金融服務）的版本。

Herringshaw表示：“一旦你擁有針對不同用例定制的不同模型，你最終就會同時運行多個版本，這會導致訂閱價格的成倍增加。我們希望業務收入能夠隨著成本的增加而增長。如果我們真的能找到一種方法來徹底改變我們的投資流程，回報應該會超過成本的。”

從短期來看，訂閱基于云的模型要比內部構建更便宜，而且從長遠來看，這甚至可能是正確的做法。外部購買的另一個好處是這可以讓采用變得更快、更容易。但從長遠來看，對于那些需要根據行業定制模型的組織，或者想要把AI推向邊緣并在未連接設備上運行推理的組織來說，內部構建可能是相對于云服務一個更好的選擇。

但就目前而言，很少有企業擁有資深的員工來構建AI模型或者調整現有模型。大多數公司甚至不具備成為優秀用戶的專業知識。為了充分利用所購買的產品，你首先要整理企業數據來訓練模型，然后在推理階段以正確的方式提出問題，最重要的是，你需要知道什么時候質疑模型。

雖然生成式AI可能會增加公司從數據中提取的價值，并最終改變企業的運營方式，但也會拉大數字化領先公司和數字化落后者之間的差距。因此，無論組織選擇自我構建還是外部購買，他們都應該開始培養一定水平的內部專業知識。Herringshaw表示：“我們開始整合正式培訓，以改進我們使用該技術的方式，我們想要改進的第一件事，就是提出問題。”

技能的缺乏不僅會影響人們如何使用模型，還會影響第三方產品的質量，這些產品通常聲稱包含了AI算法，那些購買了最新版本企業應用的CIO們應該核對這個說法，因為傳統應用供應商對于如何集成生成式AI仍然是存在困惑的。

作為多家應用供應商的顧問委員會成員，Thompson表示：“傳統技術供應商正在與開發生成式AI的公司展開合作，提供虛擬助手以釋放企業業務系統的價值，他們必須在安全性、數據隱私以及生成式AI實現價值承諾的速度之間取得平衡。”

雖然現在正在試水生成式AI的很多組織在規模上足夠大，而且擁有研究新事物的資源，但這項技術的使用并非僅限于大型企業。

Thompson說：“如果你的治理、安全性和數據獲取都恰當的話，生成式AI可以幫助你把一家小公司擴展到一家大公司，而且是一家精益型公司。我的預測是，生成式AI將成為商業領域最具顛覆性的創新技術，它將有助于整合、優化和集成不同行業，從而產生新的行業績效基準，提高標準，創造更大的股東價值。那些不擁抱生成式AI公司終將被淘汰。”