GenAI 落后者（终于）参加比赛的 3 种方式

快速阅读: 据《信息周刊》最新报道，本文探讨了生成式人工智能背景下企业面临的挑战与机遇，强调了领导者与落伍者之间的差距。文章指出，企业应关注业务价值而非盲目追逐技术潮流，优化数据管理，加强团队协作，并提升员工的人工智能素养，以在竞争中占据优势。

在每一波技术浪潮中，我们总是看到企业分成两类：领导者与落伍者。领导者通常勇敢且充满好奇心，他们是早期采用者，热衷于拥抱创新并引领市场步伐。落伍者则往往谨慎保守，满足于等待热潮消退，冒着进一步落后于人的风险。我们见证过互联网的诞生、云计算的崛起，以及如今生成式人工智能的兴起。作为一名拥有三十年数据战略经验的人士，我目睹了许多重塑行业的转变，尤其是在计算领域。然而，这种应用场景对商业而言也是最具风险的，它凸显了领导者与落伍者之间的显著差异。利用生成式人工智能创建一幅鲑鱼逆流而上的图片相对无害，但如果生成式人工智能虚构财务数据或医疗方案，则存在巨大的风险。

在与MIT SMR Connections合作的一份近期报告中，十分之八（83%）的生成式人工智能分析早期采用者认为他们相对于市场具备竞争优势，近半数（48%）预计未来三年内回报率将达到100%或更高。那么，随着这些早期采用者似乎已取得不可逾越的领先优势，那些传统上采取观望态度的企业如何确保自己不会被永久甩在后面？

**相关：突破人工智能瓶颈 关注“为什么”，而非仅限于“怎么做”**

当涉及新技术时，普遍存在强烈的错失恐惧症（FOMO），生成式人工智能也不例外。近两年来，董事会和高管们一直受到关于生成式人工智能经济和运营影响的评论和预测的轰炸。麦肯锡报告称，生成式人工智能每年可为全球经济带来高达4.4万亿美元的生产力和效率提升，而摩根大通首席执行官杰米·戴蒙在今年初的一封信中告知股东，生成式人工智能有可能与人类最重要的发明相提并论。这种压力常促使企业单纯因为技术流行而投资。我们被新技术（技术本身）的耀眼光芒所迷惑，却忽视了“为什么”（业务价值）。技术投资永远不应仅为技术本身，而是要应用于推动企业在降低成本、提高效率或创造更流畅体验方面实现有意义的变革。如果你无法阐述“为什么”，那么就不要急于采纳“怎么做”。

**相关：人工智能如何改变音乐行业**

进化思维和流程，而不仅仅是技术。要正确驾驭生成式人工智能，首先需要整理好你的数据。不出所料，许多早期采用者的共同特点是拥有现代化、集成化的基于云的数据资产。另一方面，对于许多落伍者而言，他们的数据环境更像一个杂乱无章的储藏室：混乱、碎片化且价值不一。尽管管理、治理和保护这些信息的技术已有所进步，但我们的实践和原则必须以同样快的速度发展，以应对更多数据、更快数据和不同类型数据的需求。

企业重新思考数据管理的方式也应扩展至数据团队与业务团队之间的关系，这些团队传统上被深度隔离。正如Elevance Health的罗伯特·加内特在《数据主管》播客中与我分享的，数据团队终于赢得了公司会议席位，并从被动执行者转变为真正的业务伙伴。随着生成式人工智能不断降低数据用户入门门槛，这两组之间需要类似乔布斯与沃兹尼亚克的合作，以确保统一和集中化的数据-人工智能-业务战略。

**相关：为什么人工智能模型管理如此重要**

现实是，我们整体上没有做足够多的工作来重新技能和升级我们的劳动力。根据埃森哲的数据，只有5%的组织积极致力于大规模构建其人工智能素养技能，企业必须认识到人工智能素养——就像之前的数据素养一样——现在是一种生存技能，而不仅仅是一种业务技能。

每个企业，无论其行业或市场如何，都应建立负责任的人工智能委员会，制定框架，明确各业务线可以统一应用于全公司的期望和指导方针。该委员会应由来自整个组织的代表组成，包括技术人员、业务人员、安全和隐私利益相关者。其职责应包括评估提议的大语言模型、为专有数据建立保障措施、设计评估投资回报率的标准、确定专有和第三方解决方案的最佳组合，并确保获得全面的培训与发展课程。

**在生成式人工智能时代，领导者与落伍者之间的差距从未如此明显，但为时不晚。**

凭借对业务价值的深刻理解、对现代数据管理的投资、高度一致的团队以及对员工教育的承诺，企业可以确保这场生成式人工智能竞赛是变革性的，而不仅仅是一场热潮。

(以上内容均由Ai生成)