一概述

人工智能技術正在改變世界的商業(yè)運作方式。生成式人工智能(Generative AI)是指使用人工智能來創(chuàng)建新內容，如文本、圖像、音樂、音頻和視頻。它可以生成各種內容，包括圖像、視頻、音樂、語音、文本、軟件代碼和產(chǎn)品設計。生成人工智能有助于加快產(chǎn)品開發(fā)速度、增強客戶體驗并提高員工生產(chǎn)力。

麥肯錫將生成性人工智能定義為可用于創(chuàng)建新內容的算法（例如ChatGPT），包括音頻、代碼、圖像、文本、模擬和視頻。

生成式人工智能由基礎模型（大型人工智能模型）提供支持，可以執(zhí)行開箱即用的任務，包括總結、問答、分類等。

本文涵蓋了生成式人工智能技術的行業(yè)采用、生成式人工智能的特點、生成式人工智能采用步驟和挑戰(zhàn)、生成式人工智能參考架構和生成式人工智能的優(yōu)勢。它還涵蓋了生成式人工智能技術采用的實際用例。

1.生成式人工智能的行業(yè)應用

Gartner稱，“任何行業(yè)的任何組織，尤其是那些擁有大量數(shù)據(jù)的組織，都可以利用人工智能實現(xiàn)商業(yè)價值?！鄙墒饺斯ぶ悄軐⒃谖磥砦迥陜葘ζ髽I(yè)產(chǎn)生越來越大的影響。

·到2025年，30%的企業(yè)將實施人工智能增強開發(fā)和測試策略，高于2021年的5%—Gartner

·到2026年，生成設計AI將使新網(wǎng)站和移動應用程序60%的設計工作實現(xiàn)自動化—Gartner

·到2027年，近15%的新應用程序將由人工智能自動生成，無需人工參與。這在今天根本不會發(fā)生——Gartner

根據(jù)埃森哲的2023年技術愿景報告，97%的全球高管同意基礎模型將實現(xiàn)跨數(shù)據(jù)類型的連接，徹底改變人工智能的使用地點和方式。

最近的CEO調查顯示，近80%的CEO認為人工智能可能會顯著提高其組織的業(yè)務效率—《福布斯》

如今，估計有60%的IT領導者正在尋求實施生成式AI—CIO.com

生成式人工智能被評為頂級新興企業(yè)技術。80%的人認為它將顛覆他們的行業(yè)，幾乎所有人(93%)都認為生成式人工智能將為他們的業(yè)務帶來價值—畢馬威

生成式AI編碼支持可幫助軟件工程師將代碼開發(fā)速度提高35%至45%，將代碼重構速度提高20%至30%，將代碼文檔編寫速度提高45%至50%-麥肯錫

預計未來五年內，44%的員工核心技能將發(fā)生變化。培訓員工利用生成式人工智能將至關重要—世界經(jīng)濟論壇。

從現(xiàn)在到2027年，各公司都將人工智能訓練視為最高戰(zhàn)略重點之一—DataBricks

2.生成式人工智能的商業(yè)案例

許多CXO認為IT預算存在超支現(xiàn)象，并不斷尋找降低成本和精力的方法。

技術進步的能力是“用越來越少的資源做越來越多的事情，直到最終可以用零資源做所有的事情”?！猂.巴克敏斯特·富勒，建筑師、系統(tǒng)理論家、作家、設計師、發(fā)明家、哲學家和未來學家。

利用生成式AI推動業(yè)務成果需要企業(yè)團隊的戰(zhàn)略和協(xié)作。以下戰(zhàn)略層面的問題有助于了解企業(yè)對生成式AI采用的準備情況。

·生成式人工智能是否有CXO授權

·是否有與一個或多個驅動因素相關的生成式人工智能的高層管理級別章程。

·企業(yè)是否已發(fā)布生成式人工智能商業(yè)戰(zhàn)略

·生成式人工智能如何幫助增強現(xiàn)有流程和企業(yè)戰(zhàn)略

·誰將對生成式人工智能計劃做出最終決定（僅限商業(yè)、商業(yè)和IT、僅限IT）

·是否建立了內部業(yè)務案例？如果是，在哪個層面？

·現(xiàn)有的MLOps技術堆棧和平臺許可證是否支持生成式AI，還是需要第三方服務

·勞動力是否具備使用生成式人工智能的技能，這對人才獲取和技能提升有何影響

·部署生成式人工智能時會出現(xiàn)哪些風險，以及這些風險如何影響生成式人工智能的價值

·當前和預期的法律法規(guī)涉及生成式人工智能的使用，現(xiàn)有的治理和MLOps流程是否足以滿足這些法律法規(guī)

·生成式人工智能計劃何時啟動（未來3個月、未來6個月、1年以上）

二關鍵術語

人工智能：這是一種使機器能夠模仿人類行為和認知能力的技術。它包括機器學習。

機器學習：它使用統(tǒng)計方法根據(jù)過去的經(jīng)驗改進任務。它包括深度學習。

深度學習：它使用神經(jīng)網(wǎng)絡訓練機器執(zhí)行任務。它由多層互連節(jié)點組成，用于圖像和語音識別等任務。它包括生成式人工智能。

神經(jīng)網(wǎng)絡：模仿人類大腦的機器學習算法。它由多層相互連接的神經(jīng)元組成，用于處理和分析數(shù)據(jù)。

NLP：它涉及計算機和人類語言之間的交互。它包括文本分析、情感分析、語音識別和機器翻譯。

生成式人工智能：它是一組描述我們想要的東西的模型，可視化并生成與提示相匹配的內容。生成式人工智能加速了構思，將愿景變?yōu)楝F(xiàn)實，并讓我們有更多的時間投入到創(chuàng)意中。它創(chuàng)建各種各樣的數(shù)據(jù)，如圖像、視頻、音頻、文本和3D模型。通常使用大型語言模型，例如：ChatGPT、OpenAI。

大型語言模型：這是一種生成式人工智能算法，使用深度學習技術和龐大的數(shù)據(jù)集來生成和預測新內容。

三生成式人工智能技術的關鍵特征

以下是生成式人工智能技術的主要特征，

文本管理：生成式人工智能可以以連貫的方式完成給定的文本。它可以將文本從一種語言翻譯成另一種語言。它可以將文本總結為更短、更簡潔的形式。它可以生成模仿人類寫作的文本。

上下文理解：生成式人工智能具有強大的理解上下文的能力。

自然語言處理：它可以執(zhí)行各種NLP任務。理解和處理人類語言，讓用戶以對話的方式提出問題。

問答：生成式人工智能可以根據(jù)知識庫回答問題。

個性化：生成式人工智能可以針對特定用例進行微調。

多語言支持：生成式人工智能可以用多種語言執(zhí)行NLP任務。

高級語義搜索：支持對大量結構化和非結構化數(shù)據(jù)（包括數(shù)據(jù)庫、文檔等）進行語義搜索。此外，還支持使用基于自定義AI/ML的數(shù)據(jù)處理進行自動數(shù)據(jù)索引，以實現(xiàn)高效嵌入。

內容審核：針對企業(yè)特定數(shù)據(jù)進行訓練的查詢和響應的智能內容過濾和審核引擎。

集成：可以與組織內的各種應用程序/數(shù)據(jù)源集成，包括CRM、ERP和其他專有系統(tǒng)，以通過API訪問和分析數(shù)據(jù)。

基于角色的訪問控制：系統(tǒng)可以設置基于角色的訪問控制，確保用戶只能訪問和查詢他們有權限查看的數(shù)據(jù)。

軟件編碼：代碼生成、翻譯、解釋和驗證。

四生成式人工智能的采用步驟

以下是在整個企業(yè)中實施生成式人工智能所要遵循的步驟。

·生成式人工智能準備情況評估：建立一個執(zhí)行團隊，負責識別和監(jiān)督整個組織的人工智能計劃。為生成式人工智能實施制定清晰的愿景和戰(zhàn)略，使其與企業(yè)目標和業(yè)務功能保持一致。為員工制定切實可行的溝通方式和適當?shù)脑L問權限。

·業(yè)務用例識別：識別需要關注的業(yè)務挑戰(zhàn)。此外，了解采用人工智能對企業(yè)成功至關重要的業(yè)務優(yōu)勢。選擇目標用例并執(zhí)行概念驗證(POC)，以實現(xiàn)所需的業(yè)務和運營成果。通過提高生產(chǎn)力、增長和新業(yè)務模式來創(chuàng)造價值。

·確定流程：了解人工智能解決方案的影響并確定其成功衡量標準。創(chuàng)建持續(xù)監(jiān)控和審計生成式人工智能系統(tǒng)的流程，以負責任地使用人工智能，確保符合法律和技術標準。定義人工智能系統(tǒng)的數(shù)據(jù)訪問控制、數(shù)據(jù)共享協(xié)議和數(shù)據(jù)生命周期管理程序。從試點轉向生產(chǎn)，包括將生成式人工智能功能集成到更大的IT系統(tǒng)中。迭代并學習符合企業(yè)目標和愿景的潛在生成式人工智能。

·識別數(shù)據(jù)源：通過處理結構化和非結構化數(shù)據(jù)源來實現(xiàn)對高質量數(shù)據(jù)的訪問。

·評估生成式AI工具：評估適用于企業(yè)業(yè)務的生成式AI工具。該工具需要遵守企業(yè)標準，如安全性、隱私性、數(shù)據(jù)處理和合規(guī)性。該工具需要授權利益相關者滿足業(yè)務需求，并根據(jù)業(yè)務指標不斷改進其生成的體驗。

·生成式人工智能治理：在整個企業(yè)內建立生成式人工智能治理。定義參與生成式人工智能開發(fā)、部署和監(jiān)控的個人的角色和職責。促進人工智能專家、領域專家和業(yè)務利益相關者之間的合作。建立一個集中的跨職能團隊，根據(jù)技術、法規(guī)和企業(yè)需求審查和更新生成式人工智能治理實踐。

·技能提升：通過開展各種培訓課程重新培訓員工，提高生產(chǎn)力，并鼓勵他們執(zhí)行POC。此外，根據(jù)員工的角色和技能，確定技能差距并進行有效培訓，以更好地為企業(yè)轉型計劃做出貢獻。

·建立員工隊伍：教育員工如何使用生成式人工智能技術、它們在企業(yè)系統(tǒng)中的使用、使用生成式人工智能的挑戰(zhàn)以及如何克服這些挑戰(zhàn)。進行結構化培訓以培養(yǎng)新技能并應用新思維方式，為最終用戶提供更好的體驗。制定溝通機制，讓員工了解生成式人工智能技術及其含義。

五生成式人工智能原則

生成性人工智能涵蓋人工智能系統(tǒng)的設計、開發(fā)和監(jiān)控，以增強和提高整個企業(yè)的生產(chǎn)力和工作質量。

下圖描述了生成式人工智能原則，分為戰(zhàn)略、應用、數(shù)據(jù)分析、技術、安全和治理。

下面介紹了12大生成式人工智能原則及其基本原理。

原則1：人們應該對人工智能系統(tǒng)負責。

理由：建立監(jiān)督機制，使人類能夠承擔責任并保持聯(lián)系。評估系統(tǒng)對人員和組織的影響。

原則2：人工智能系統(tǒng)應該透明、可理解。

原理：設計人工智能系統(tǒng)以智能地進行決策。人工智能系統(tǒng)旨在告知人們他們正在與人工智能系統(tǒng)交互。

原則3：人工智能系統(tǒng)應該公平對待所有人。

理由：人工智能系統(tǒng)旨在為特定人口群體提供類似質量的服務

原則4：人工智能系統(tǒng)應該賦予每個人權力并讓每個人參與進來。

理由：人工智能系統(tǒng)的設計符合企業(yè)可訪問性標準

原則5：在整個企業(yè)實施AI微服務。

理由：快速構建利用微服務組件的應用程序。GemAI平臺必須提供跨企業(yè)的基于AI的軟件服務綜合目錄。

原則6：支持全生命周期AI模型開發(fā)。

理由：生成式人工智能平臺支持集成的全生命周期算法開發(fā)體驗。

原則7：設計系統(tǒng)的數(shù)據(jù)質量管理

理由：訓練數(shù)據(jù)可供企業(yè)AI系統(tǒng)使用

原則8：統(tǒng)一所有企業(yè)數(shù)據(jù)。

原理：將來自眾多系統(tǒng)的數(shù)據(jù)集成為統(tǒng)一的聯(lián)合數(shù)據(jù)。數(shù)據(jù)必須是最新且實時的。

原則9：訪問多格式數(shù)據(jù)

理由：該平臺需要支持數(shù)據(jù)庫技術，包括關系數(shù)據(jù)存儲、分布式文件系統(tǒng)、鍵值存儲、圖形存儲以及傳統(tǒng)應用程序。

原則10：提供企業(yè)數(shù)據(jù)治理和安全。

理由：生成式人工智能平臺必須提供強大的加密、多級用戶訪問認證和授權控制。

原則11：實現(xiàn)多云部署。

理由：生成式人工智能平臺必須支持多云操作。生成式人工智能平臺必須進行優(yōu)化，以利用差異化服務。

原則12：生成式人工智能治理應端到端地發(fā)展。

理由：治理、道德、誠信和安全需要從一開始就建立起來。開發(fā)生成式人工智能系統(tǒng)與整個企業(yè)互動，從基礎層面提供誠信。賦予個人權力。建立持續(xù)的人類學習和改進決策的過程。

六生成式AI參考架構

下圖展示了生成式人工智能的邏輯架構及其關鍵組件和層。

生成式人工智能的各個模塊分為：

o企業(yè)平臺

o人工智能數(shù)據(jù)源

o人工智能基礎設施

o基礎模型

o人工智能數(shù)據(jù)存儲庫

o及時工程

o人工智能搜索

oAPI網(wǎng)關

o政策管理

o商業(yè)用戶

企業(yè)平臺：這些是現(xiàn)有的以及新的企業(yè)應用程序和平臺，涵蓋ERP、CRM、資產(chǎn)管理、DWH、數(shù)據(jù)湖和社交媒體等。它們使用來自AI數(shù)據(jù)源的數(shù)據(jù)并與基礎模型共享。

AI數(shù)據(jù)源：數(shù)據(jù)源提供解決業(yè)務問題所需的洞察力。數(shù)據(jù)源是結構化的、半結構化的和非結構化的，它們來自許多來源?；贏I的解決方案支持處理來自各種來源的所有類型的數(shù)據(jù)。

人工智能基礎設施：它由存儲、計算支持生成人工智能應用所需的大量數(shù)據(jù)的存儲和處理組成。

基礎模型：這些是深度學習模型。它們在大量非結構化和未標記數(shù)據(jù)上進行訓練，以執(zhí)行特定任務。它充當其他模型的平臺。為了處理大量非結構化文本，基礎模型利用大型語言模型(LLM)。

LLM是一種基于大量文本數(shù)據(jù)進行訓練的AI系統(tǒng)，可以理解自然語言并生成類似人類的響應。LLM模型可以使用開源模型或專有模型構建。開源模型是現(xiàn)成的，可以定制。專有模型以LLM即服務的形式提供。以下是一些LLM工具，

基礎模型經(jīng)過微調，適合不同領域的采用，并且能夠使用標記數(shù)據(jù)進行短期訓練，從而更好地執(zhí)行特定任務。在特定任務或數(shù)據(jù)集上進一步訓練預訓練模型，使其適應特定應用或領域的過程稱為微調。

這些模型的例子有GPT-4、BERT、PaLM2、DALL·E2和StableDiffusion。

AI數(shù)據(jù)存儲庫：此層主要由模型中心、博客存儲和數(shù)據(jù)庫組成。模型中心由經(jīng)過訓練和批準的模型組成，這些模型可以根據(jù)需求配置，并充當模型檢查點、權重和參數(shù)的存儲庫。涵蓋結構化和非結構化數(shù)據(jù)源的綜合數(shù)據(jù)架構被定義為存儲庫的一部分。此外，數(shù)據(jù)被分類和組織，以便生成AI模型可以使用。

提示工程：這是一個設計、改進和優(yōu)化輸入提示的過程，以引導生成式AI模型產(chǎn)生所需的輸出。

AI搜索：這包括上下文管理、緩存和認知搜索。上下文管理為模型提供來自企業(yè)數(shù)據(jù)源的相關信息。該模型可以在正確的時間訪問正確的數(shù)據(jù)以產(chǎn)生準確的輸出。緩存可以加快響應速度。

AI安全：有助于建立強大的安全性。AI安全必須涵蓋戰(zhàn)略、規(guī)劃和知識產(chǎn)權。生成式AI平臺需要提供強大的加密、多級用戶訪問、身份驗證和授權。

API網(wǎng)關：利益相關者使用API網(wǎng)關渠道與企業(yè)進行互動。它是消費者訪問后端服務的單一入口點。基于客戶旅程和上下文的服務組合和編排。此功能由API管理平臺提供。

策略管理：確保對企業(yè)數(shù)據(jù)資產(chǎn)的適當訪問。它涵蓋基于角色的訪問控制和基于內容的策略，以保護企業(yè)數(shù)據(jù)資產(chǎn)。例如，HR的生成式AI模型涵蓋的員工薪酬詳細信息僅由HR訪問，而組織的其他部分則無法訪問。

業(yè)務用戶：內部和外部的各種利益相關者都屬于此層。他們是系統(tǒng)的主要用戶。

七生成式人工智能的真實用例

生成式人工智能的用例無窮無盡，而且它們在不斷發(fā)展。各行各業(yè)的企業(yè)都在嘗試以不同的方式整合生成式人工智能。此外，各行各業(yè)對提高效率和改善決策能力的需求也很高。生成式人工智能應用可改善體驗、降低成本并增加企業(yè)收入。

1.醫(yī)療保健和制藥

基于生成式人工智能的應用程序可幫助醫(yī)療保健專業(yè)人員提高工作效率，提前發(fā)現(xiàn)潛在問題，提供洞察力以實現(xiàn)互聯(lián)健康并改善患者治療效果。它有助于：

更好的客戶體驗：自動化管理任務，例如處理索賠、安排預約和管理醫(yī)療記錄。

患者健康摘要：通過生成個性化的患者健康摘要、加快患者響應時間并改善患者體驗來提供醫(yī)療決策支持。

加快出版物分析速度：生成式人工智能通過比以往更快地分析來自多個來源的大量數(shù)據(jù)，有助于減少創(chuàng)建特定藥物研究出版物所需的時間。它有助于加快護理速度和質量。它還可以提高藥物依從性。

個性化醫(yī)療：根據(jù)患者的基因構成、病史、生活方式等制定基于生成人工智能的個性化治療計劃。

醫(yī)療保健虛擬助手：它為最終用戶提供對話式且引人入勝的訪問方式，以獲取最相關、最準確的醫(yī)療保健服務和信息。

2.制造業(yè)

生成式人工智能使制造商能夠利用其數(shù)據(jù)創(chuàng)造更多東西，從而推動預測性維護和需求預測的發(fā)展。它還有助于模擬制造質量、提高生產(chǎn)速度和材料效率。

預測性維護：幫助估計機器及其部件的使用壽命。主動向技術人員提供有關零件和機器維修和更換的信息。這有助于減少停機時間。

績效效率：主動預測問題。它涵蓋實時生產(chǎn)中斷風險、瓶頸和安全風險。

生成式人工智能在制造業(yè)的其他用途包括：

·產(chǎn)量、能源和產(chǎn)量優(yōu)化

·數(shù)字模擬

·銷售和需求預測

·物流網(wǎng)絡優(yōu)化

3.零售

生成式人工智能有助于個性化產(chǎn)品、品牌管理、優(yōu)化營銷和銷售活動。它使零售商能夠更精確地根據(jù)客戶需求定制產(chǎn)品。它有助于支持動態(tài)定價和規(guī)劃。

個性化產(chǎn)品：使零售商能夠提供定制的體驗、產(chǎn)品、定價和計劃。它還有助于實現(xiàn)在線和實體購物體驗的現(xiàn)代化。

動態(tài)定價和計劃：預測不同產(chǎn)品的需求，為定價和庫存決策提供更大的信心。

生成式人工智能在零售業(yè)的其他用途包括：

·活動管理

·內容管理

·增強客戶支持

·搜索引擎優(yōu)化

4.銀行業(yè)

生成式人工智能應用程序有助于為客戶提供個性化的銀行體驗。它改進了金融模擬，開發(fā)了風險分析和欺詐預防。

風險緩解和投資組合優(yōu)化：生成式人工智能幫助銀行構建數(shù)據(jù)基礎，以開發(fā)風險模型，識別影響銀行的事件，如何緩解風險并優(yōu)化投資組合。

客戶模式分析：生成式人工智能可以大規(guī)模分析歷史銀行數(shù)據(jù)中的模式，幫助客戶經(jīng)理和客戶代表識別客戶偏好、預測需求并創(chuàng)造個性化的銀行體驗。

客戶財務規(guī)劃：生成式人工智能可用于自動化客戶服務、識別客戶行為趨勢、預測客戶需求和偏好。這有助于更好地了解客戶并提供個性化建議。

生成式人工智能在銀行業(yè)的其他用途包括：

·反洗錢法規(guī)

·遵守

·財務模擬

·申請人模擬

·下一步最佳行動

·風險分析

·預防詐騙

5.保險

生成式人工智能分析和處理大量數(shù)據(jù)的能力有助于準確評估風險和有效處理索賠。各種數(shù)據(jù)類別包括客戶反饋、索賠記錄、保單記錄和經(jīng)濟狀況等。

客戶支持：生成式人工智能可以通過翻譯客戶查詢并以客戶首選語言回復來提供多語言客戶服務。

政策管理：生成式人工智能分析與客戶政策、各種政策文件、客戶反饋、社交媒體文獻相關的大量非結構化數(shù)據(jù)，以實施更好的政策管理。

索賠管理：生成式人工智能有助于分析各種索賠工件，以提高索賠管理的整體效率和有效性。

生成式人工智能在保險行業(yè)的其他用途包括：

·客戶溝通

·覆蓋范圍說明

·產(chǎn)品的交叉銷售和追加銷售

·加速產(chǎn)品開發(fā)生命周期

·產(chǎn)品創(chuàng)新

6.教育

生成式人工智能有助于連接教師和學生。它還使教師、管理人員和技術創(chuàng)新者之間的協(xié)作成為可能，從而為學生提供更好的教育。

學生賦能：生成式人工智能幫助學生進行實時課程翻譯，翻譯語言多種多樣。幫助盲人學生實現(xiàn)課堂無障礙。

學生成功：深入分析學生的成功并幫助教師做出如何改善學生成績的明智決定。

7.電信

電信行業(yè)采用生成式人工智能可提高運營效率和網(wǎng)絡性能。在電信行業(yè)，生成式人工智能可用于：

·分析顧客購買模式

·個性化服務推薦

·提高銷量，

·管理客戶忠誠度

·洞察客戶偏好

·更好的數(shù)據(jù)和網(wǎng)絡安全性，增強欺詐檢測。

8.政務部門

數(shù)字政府的目標是建立互聯(lián)政府，提供更好的公民服務。生成式人工智能使這些公民服務能夠更有效地服務公民，并保護機密信息。

智慧城市：生成式人工智能有助于收費管理、交通優(yōu)化和可持續(xù)性。

更好的公民服務：通過跟蹤、搜索和對話機器人為公民提供更便捷的聯(lián)網(wǎng)政府服務。

使用生成式人工智能實現(xiàn)的其他服務包括：

·服務運營優(yōu)化

·聯(lián)絡中心自動化

八生成式人工智能的好處

以下是生成式人工智能改變行業(yè)的優(yōu)勢，

·做得更好、做更多的工作

·創(chuàng)造更多更好的內容

·個性化客戶體驗并接觸合適的客戶

·識別新的客戶旅程并識別新的受眾

·通過增強聊天和搜索體驗改善客戶互動

·增強創(chuàng)造力和使用創(chuàng)造工具的能力

·通過對話界面和摘要探索大量非結構化數(shù)據(jù)

·改變活動、受眾、體驗、旅程和見解。

·幫助營銷團隊提出更好的想法，更快地執(zhí)行活動并創(chuàng)造更加個性化的體驗。

九當前生成式人工智能的局限性

當今企業(yè)在實施生成式人工智能解決方案時面臨的主要挑戰(zhàn)是：

數(shù)據(jù)準備：人工智能的數(shù)據(jù)源識別、算法的數(shù)據(jù)標記、數(shù)據(jù)管理、數(shù)據(jù)治理、數(shù)據(jù)政策、數(shù)據(jù)安全和數(shù)據(jù)存儲是企業(yè)面臨的挑戰(zhàn)。

可靠性：訓練后的模型是黑匣子，對最終用戶沒有任何線索。這可能會導致錯誤、有害和不安全的結果。

安全風險：云模型可能會泄露專有數(shù)據(jù)、IP、PII和模型交互歷史記錄。

技術復雜性：LLM的數(shù)據(jù)準備、算法設計、模型構建、模型訓練是一項復雜的任務。訓練的計算識別、云識別和部署都是復雜的任務。

大規(guī)模定制：企業(yè)業(yè)務需求需要對基礎模型進行大量精細調整和及時工程。

技能差距：生成式人工智能計劃需要機器學習/深度學習/快速工程/大型語言模型專業(yè)知識來構建和訓練基礎模型。許多企業(yè)缺乏這些技能資源，并且內部沒有這些資源。企業(yè)構建算法和模型以滿足業(yè)務需求將是一個挑戰(zhàn)。

生成式人工智能模型的其他挑戰(zhàn)包括：

·不受控制的輸出

·不可預測的輸出

·生成可能錯誤或非法的輸出

·版權和法律挑戰(zhàn)

十使用生成式人工智能的關鍵成功因素

在大多數(shù)情況下，企業(yè)的IT部門會為了應對降低成本的業(yè)務壓力而啟動生成式AI的采用。他們以極大的熱情開始這項計劃，但一段時間后，這項計劃便自行消退。這可能是由于高層管理人員缺乏承諾、將重點轉移到其他新計劃、規(guī)劃不周和期望不切實際。

以下是整個企業(yè)生成式人工智能計劃要解決的關鍵成功因素。

CXO需要關注的是，

制定戰(zhàn)略并領導治理

建立生成式人工智能治理委員會，幫助指導企業(yè)決策

確保生成式人工智能戰(zhàn)略與業(yè)務戰(zhàn)略保持一致

向各利益相關者清晰傳達生成式人工智能的目標

獲得同行的支持

闡明執(zhí)行生成式人工智能的好處，以及對企業(yè)的成本和風險

定義指標

所有利益相關方的參與和積極參與

引入業(yè)務

建立負責任的人工智能文化

保持勢頭

通過定期審查來監(jiān)控生成式人工智能計劃

要求定期更新現(xiàn)代化項目

生成式人工智能的采用是一個持續(xù)的過程，需要定期評估

鼓勵員工對生成式人工智能的興趣

IT領導者應重點關注的是，

定期進行生成式人工智能采用情況審查

部署具有適當技能組合的經(jīng)驗豐富的顧問團隊

確定適合采用生成式人工智能的應用程序，以經(jīng)濟高效且可靠的方式滿足業(yè)務需求

納入審計。這有助于企業(yè)制定和部署政策，以保護企業(yè)免受版權侵犯和專有數(shù)據(jù)泄露等風險

確定建議的行動方案

創(chuàng)建生成式AI采用框架

簡化數(shù)據(jù)源、人才和技術

建立商業(yè)案例

闡明每個潛在生成式人工智能項目的成本和風險，包括不采取任何行動的機會成本

民主化思想，限制生產(chǎn)。防止員工啟動未經(jīng)測試和不受監(jiān)管的人工智能項目

允許員工進行實驗，但無需具備使用生成式人工智能的能力

建立卓越中心

提升員工的生成式人工智能技能

構建用例和最小可行產(chǎn)品

及時定義并進行微調

生成式人工智能團隊將重點關注

收集相關且有意義的數(shù)據(jù)

IT利益相關者和關鍵SME/資源是否能夠按照計劃及時并有時間投入進行信息共享、研討會、訪談、調查、調查結果驗證和相關活動

針對客戶痛點提出一系列正確的問題，引領生成式人工智能實踐

識別動態(tài)數(shù)據(jù)

檢查現(xiàn)有數(shù)據(jù)并適當使用

準備動態(tài)數(shù)據(jù)。動態(tài)數(shù)據(jù)包括表格、圖像、視頻、文本、代碼等。

迅速識別

提示識別

調整AI在初始階段使用的提示

微調提示以解決不準確和有偏見的輸出

構建目標架構

創(chuàng)建目標參考架構

創(chuàng)建生成式人工智能采用路線圖

小結

生成式人工智能在企業(yè)中的應用越來越廣泛，甚至可能走向工業(yè)化。

了解生成式人工智能基礎知識，以確定業(yè)務用例。制定整個企業(yè)的數(shù)據(jù)和人工智能戰(zhàn)略。確定需要LLM的用例的最高價值。

生成式AI平臺可以是開源的，也可以是專有的，支持基于標準的集成(API)，使用ML和DL庫和數(shù)據(jù)管理工具。生成式AI的應用不斷發(fā)展，有助于：

為新產(chǎn)品創(chuàng)造創(chuàng)意

重新構想用戶體驗

重塑工作流程

培訓員工以推動生成式人工智能驅動的計劃。考慮重新培訓和提升員工技能，以便有效地使用生成式人工智能。解決并隨時了解與人工智能相關的新興道德準則和法規(guī)。

最后，生成式人工智能是一個機會，而不是我們的競爭對手。它不會取代人類，但會幫助下一代企業(yè)取得成功。