原文來源：澎湃新聞
圖片來源：由無界AI 生成
數字化轉型必須成為組織的一個核心能力，這是給CIO和IT領導者的一條重要建議。
戰略優先事項每兩年或更短時間就會發生重大變化，從2018年的增長，到2020年的新冠疫情和遠程辦公，再到2022年的混合辦公模式和財務限制問題。
生成式AI（包括ChatGPT和其他大型語言模型）所帶來的影響，將成為2024年的一個重大轉型驅動力。
當CIO們開始為2024年預算和數字化轉型優先事項做準備的時候，有必要製定一項戰略以找機會改進業務模式、看準近期運營影響、對員工應該試水的項目進行優先級排序、並制定與AI相關的風險緩解計劃。
但伴隨著所有這些興奮和炒作，員工很容易將時間投入到會洩露機密數據的AI工具上，或者管理者很容易選擇那些尚未經過安全、數據治理和其他廠商合規審查的影子式AI工具上。更大的挑戰是，要製定一個切合實際的戰略，並對“不可能的夢想家”做出回應。這裡，“不可能的夢想家”是一種“要一步登天”的商業領袖，是一種地獄級的商業高管。
塔塔諮詢服務公司首席信息官Abhijit Mazumder表示：“轉型優先事項應該能夠從根本上與業務優先事項、以及各個組織想要實現的目標聯繫起來。在大多數企業中，領導層同樣也關注增長和運營效率，但同時不會忘記優先考慮彈性、網絡安全和技術債務消除計劃。”
以下就是CIO們在製定數字化轉型優先事項時需要考慮的幾個生成式AI的驅動因素。
制定一項改變遊戲規則的大型語言模型策略
生成式AI和大型語言將會給每個行業帶來怎樣的影響，舉例來說：
利用非結構化數據帶來的智能型，加速藥物發現使一線製造裝配工人能夠更快速、更可靠地解決問題使醫療服務提供者能夠為患者提供有關健康問題的個性化方案根據客戶對話協助開發新的保險、銀行和其他金融服務產品通過為教師提供新方法，提高學生的創造性思維、協作和解決問題的能力，從而實現教育轉型
SnapLogic公司首席技術官Jeremiah Stone表示：“現在，CIO和CTO不僅要發揮創意，以更少的資源做更多的事情，還要經過深思熟慮的投資來超越競爭對手，因為他們的競爭對手可能會推遲或削減自己的轉型項目。優先考慮那些能夠創造新收入來源、推進技術普及或者能減少技術債務的轉型舉措，特別是考慮生成式AI帶來的機會。”
CIO們可能會認識到，這種規模的轉型計劃是長達多年的計劃，需要評估大型語言模型的能力、進行試驗、尋找最低可行度且足夠安全的客戶產品。但完全不制定戰略則可能會導致混亂，而IT領導者在參加董事會會議時可能犯的一個關鍵錯誤就是，完全沒有製定針對生成式AI等改變世界的新興技術的計劃。
為私有大型語言模型清理和準備數據
生成式AI將提高企業非結構化數據的重要性和價值，包括存儲在學習管理系統中的文檔、視頻和內容。即使企業還沒有準備好利用生成式AI來變革他們所在的行業和業務，積極主動的轉型領導者也會採取措施中心化、清理和準備非結構化數據，以供大型語言模型使用。
Domino公司數據科學戰略和佈道負責人Kjell Carlsson表示：“隨著整個組織的用戶強烈要求把生成式AI功能作為日常活動的一部分，CIO、CTO和CDO的首要任務就是要實現對越來越多的生成式AI模型的安全且可擴展的訪問，並讓數據科學團隊開發和實施針對組織數據和用例量身定制的大型語言模型。”
現在出了ChatGPT之外已經有14個大型語言模型，如果你有大型數據集，你可以使用Databricks Dolly、Meta Llama和OpenAI等平台定制專有的大型語言模型，或者從零開始構建自己的大型語言模型。
定制和開發大型語言模型需要強大的商業案例、技術專長和資金。 New Relic公司首席設計和戰略官Peter Pezaris表示：“訓練大型語言模型的成本可能極高，而且輸出結果尚未完善，因此領導者應該優先投資於那些有助於監控使用成本和提高查詢結果質量的解決方案。”
通過改善客戶支持來提高效率
麥肯錫早在2020年的時候就預計，每年人工智能可以創造1萬億美金的價值，其中客戶支持是一個重要的機會。如今，由於生成式AI的出現，這個機會變得更大，特別是當CIO們把非結構化數據中心化在大型語言模型中並使服務代理能夠詢問和回答客戶問題的時候。
SPR公司高級副總裁Justin Rodenbostel表示：“要尋找機會利用GPT-4和大型語言模型來優化客戶支持等活動，特別是在自動化任務和分析大量非結構化數據方面。”
改善客戶支持是通過大型語言模型和AI搜索功能提供短期投資回報的一種快速通道。大型語言模型需要中心化企業的非結構化數據，包括嵌入在CRM、文件系統和其他SaaS工具中的數據。一旦IT部門中心化這些數據並實施大型語言模型，那麼還有可能改進銷售線索轉化和人力資源入職流程等方面。
GetK3公司總裁、首席執行官Gordon Allott表示：“幾十年來，企業一直在把數據填充到SharePoint和其他系統中，而通過清理這些數據並使用大型語言模型，實際上很可能是很有價值的。 ”
通過圍繞大型語言模型的溝通來降低風險
生成式AI領域有100多種工具，涵蓋了測試、圖像、視頻、代碼、語音等類別。那麼是什麼阻止了員工嘗試一款工具並將專有信息或其他機密信息粘貼到他們的提示內容中呢？
Rodenbostel建議：“領導者必須通過研究和製定可接受的使用政策，確保其團隊僅以經批准的恰當方式使用這些工具。”
有三個部門，是CIO必須與CHRO還有CISO展開合作、溝通政策並創建支持智能實驗的治理模型。首先，CIO應該評估ChatGPT和其他生成式AI會給編碼和軟件開髮帶來怎樣的影響。 IT部門必須以身作則，明確在何處、如何進行試驗、以及何時不使用工具或專有數據集。
營銷部門是第二個需要關注的，營銷人員可以在內容創建、潛在客戶開發、電子郵件營銷和十多種常見營銷實踐中使用ChatGPT和其他生成式AI。目前已經有超過11000種營銷技術解決方案可供使用，因此在使用新的大型語言模型功能測試SaaS的時候，有大量的機會去進行試驗並犯下無意的錯誤。
領先組織的CIO們正在創建一個註冊表來加入新的生成式AI用例，定義審查方法的流程，併中心化管理AI實驗帶來的影響。
重新評估決策過程和授權
還有一個需要考慮的重要領域是，生成式AI將如何影響決策過程和未來的工作。
在過去十年中，很多企業的目標是通過實現數據訪問民主化、對更多商業人士進行全民數據科學培訓、以及灌輸主動的數據治理實踐來成為數據驅動型的組織。生成式AI釋放了新的能力，讓領導者能夠提示并快速獲得答案，但及時性、準確性和偏見是許多法學碩士的關鍵問題。
Appen公司企業解決方案副總裁Erik Voight表示：“將人類置於人工智能的中心，並圍繞數據使用和模型可解釋性建立強大的框架，將大大有助於減少這些模型的偏見，確保所有AI輸出都是道德的、負責任的。現實情況是，在關鍵決策方面，AI模型無法取代人類，應該將其作為補充，而不是讓它們完全超越。”
CIO們應該尋求一種平衡的方法來優先考慮生成式AI計劃，包括定義治理、確定短期效率、以及尋求長期轉型的機會。
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載