为什么 Aflac 不急于采用生成式 AI
快速阅读: 据《CIO 潜水》最新报道，Aflac的CIO安德森强调，在生成式AI的应用上采取谨慎态度，优先考虑业务需求与合规性。通过混合架构确保数据安全与成本效益，并通过跨学科团队协作推进试点项目。公司成立全球生成式AI工作组加强安全实践，并通过教育和创新实验室推动治理与优先级设定。
编者注：本文基于3月CIO Dive线上活动中的见解撰写。您可以通过按需观看会议获取更多信息。
在2022年ChatGPT公开发布之后，企业与供应商纷纷急于将生成式AI嵌入工作流程中，然而，安德森（Aflac的执行副总裁兼首席信息官）却采取了不同的方法。本月，他在CIO Dive线上活动中提到：“我知道这将对行业产生变革性影响，但如果你考虑这些技术的成熟生命周期……在你体验它的那一天，它将是不成熟的。”
作为一家保险公司，Aflac当时并未贸然采用生成式AI技术，如今依旧如此。在ChatGPT公开发布两年多后，Aflac谨慎地实施生成式AI，强调与业务影响和战略优先事项的协调。
“对我们来说，最重要的是首先从‘为什么’开始：商业机会是什么，”安德森说，“我们仍然优先考虑业务一致性，并寻求回报。”
作为一家保险公司，Aflac特别关注监管合规性和数据安全。同时，注重成本效益同样重要。为了实现这两个目标，安德森表示生成式AI技术需要在混合架构中运行。
“当你考虑云与本地部署时，拥有数据的安全性和所有这些方面的所有权会让人认为它应该在本地，但这样做的价格点必须非常慎重选择，”安德森说，“这是一个平衡。”
通过Aflac的云战略，能够在首选环境中运行生成式AI功能成为可能。安德森之前曾在利宝互助保险集团和美国USAA担任部门首席信息官，2022年加入公司后，他放慢了迁移计划。
“我想给组织一些时间重新装备和重新培训，了解能力后再继续前进，”安德森说，“我们正在更加有目的地评估这些能力：我们希望哪些作为云原生应用，我们在一级或关键应用程序上如何投资，哪些可以留在分布式模型中？”
团队之间的协作对于确保选定的生成式AI试点为业务目标做出贡献并产生预期结果至关重要——适当技能的跨学科团队有助于保持试点的方向。
“特别是进行生成式AI时，你会从许多不同的数据源中提取信息，通常解决跨组织的挑战，”安德森说，“团队决定概念验证的ROI是否值得，并且如果值得，如何推动采用。”
团队之间的协作对于确保选定的生成式AI试点为业务目标做出贡献并产生预期结果至关重要——适当技能的跨学科团队有助于保持试点的方向。
Aflac正在利用生成式AI的一个领域是数字化入职。该公司一直在前端与许多不同的注册合作伙伴协调方面面临挑战。Aflac通常遵循购买还是自建模式，并选择了一家初创公司来帮助测试相关能力。
“我们有许多正在进行的试点项目，”安德森说，“目前还没有任何完全投入生产的系统。”
**治理AI优先事项**
大约五年前，Aflac通过一个名为基于代码处理的机器学习平台开始了其AI之旅。主要目标是提高质量、推动业务价值并改善客户体验。
在生成式AI之前的工作使公司在数据管理、AI模型实施和使用指南所需的治理流程开发方面占据了先机。
Aflac成立了一个由美国和日本工程、架构和安全领域的领导者组成的全球生成式AI工作组，以加强并专注于安全实践。
“作为一个高度受监管的行业，这始终是我们最关心的问题，有时也是我们首先要考虑的事情，”安德森说。
该小组审查了Aflac的数据隐私准则、隐私执行和合规要求。
教育也是治理的关键部分，安德森说。公司已在全国范围内举办了教育机会，包括董事会成员。
Aflac的创新实验室也支持其治理和用例优先级目标。
“它让我们有机会快速测试和学习，而不是一开始就认为可以从头到尾一直扩展到规模化并投入生产，”安德森说。
(以上内容均由Ai生成)
