生成式人工智能将我们推向了人工智能的临界点
生成式人工智能：推动我们走向人工智能的临界点在人工智能（AI）由于《生成AI》（GenAI）的可及性而进入主流市场之前，与机器学习相关的数据集成和分期成为业务提升的一个热门重点。过去，企业和顾问会为特定的使用案例创建一次性的AI/ML项目，但对结果的信心有限，这些项目几乎只被IT团队保留。这些早期的AI使用案例需要专门的数据科学家团队，太耗时间和精力以产生结果，缺乏透明度，其中大部分项目都失败了。
随着开发者对这项技术变得更加熟悉和自信，人工智能和机器学习（ML）被更频繁地使用，同样，主要是由于构建模型的复杂性，清理和输入数据以及测试结果，所以主要由IT团队使用。如今，全球范围内无论是在专业领域还是个人领域，都无法逃脱GenAI的影响，人工智能技术已经变得大众化。我们现在正处于人工智能的转折点，但我们是如何走到这里的，为什么GenAI推动了我们的广泛采用？
关于人工智能的真相
随着“OpenAI”和“ChatGPT”成为家喻户晓的名词，关于GenAI的讨论无处不在，无法回避。从商业用途，如聊天机器人、数据分析和报告摘要，到个人用途，如旅行计划和内容创作，GenAI正迅速成为全球讨论最多的技术，并且其快速发展超过了我们在其他技术创新方面所看到的。
虽然大多数人知道人工智能的存在，并且有些人知道它如何工作和如何应用，但公共和私营部门的组织在充分发挥这项技术的全部益处方面仍然赶不上。根据Alphasense的数据，40%的收益报告都宣扬人工智能的益处和激动人心，但只有16%的标准普尔500指数公司在季度监管文件中提及人工智能。这引发了一个问题：人工智能的财务影响如何，有多少公司真正投资了它的应用？
企业不应仅仅因为人工智能是时尚而跟风，而是需要考虑AI将在内部和对客户带来什么价值，以及它能为用户解决什么问题。AI项目通常很昂贵，如果一家公司在没有正确评估其应用案例和投资回报率的情况下就开始使用人工智能，可能会浪费时间和资金。客户的私人预览提供了一种可控的方式，以确定产品在市场上是否具有合适的市场适应性，并验证特定使用案例的预期投资回报率，以在将其推向市场之前验证人工智能解决方案的价值主张。
供应商在投资人工智能之前需要了解的内容
在决定是否投资于人工智能之前，软件即服务（SaaS）供应商需要认真考虑这个重要问题。在权衡选择时，要在价值、速度、信任和规模之间保持平衡。
在价值和速度之间取得平衡。如果仅仅提及一项人工智能解决方案，很少有客户会被打动；相反，他们会希望得到可衡量的价值。SaaS产品团队应该首先问自己是否有真正的业务需求或问题需要解决，以及人工智能是否是合适的解决方案。不要试图将方形钉（AI）塞入圆孔（您的技术产品）。如果不知道人工智能如何为最终用户增加价值，就不能保证有人会为这些功能付费。
建立信任，然后扩大规模。改变系统需要很大的信任。供应商在扩大规模之前应该优先建立对其人工智能解决方案的信任。透明度和对数据模型和结果的可见性可以解决摩擦。让用户点击模型源，让他们了解解决方案的洞察力来源。大多数信誉良好的供应商也可以分享人工智能采用的最佳实践，以帮助减少潜在的问题。
技术供应商的常见障碍：人工智能篇
对于准备踏上人工智能之旅的组织来说，有一些要避免的陷阱，以确保产生最佳影响。避免集体思维，不要盲目跟随，而不知道自己的目标在哪里。制定明确的人工智能采用战略，这样您可以反思自己的最终目标，并确保该战略与您的组织使命和客户价值相一致。
将人工智能产品推向市场并不是一项容易的任务，失败的案例比成功的案例多。安全、经济和人才风险多不胜数。
从安全方面看，AI模型通常持有敏感材料和数据，SaaS组织需要有能力管理这些材料和数据。需要考虑的事项包括：
- 处理敏感材料：与通用大语言模型（LLMs）共享敏感材料会存在模型意外泄露敏感材料的风险。公司应明确为用户（包括内部和外部用户）制定保护敏感材料的最佳实践。
- 存储数据和隐私影响：除了共享方面的担忧，将敏感材料存储在AI系统中可能会使数据暴露于潜在的侵犯或未经授权访问的风险之下。用户应将数据存储在安全位置，并采取措施以防止数据泄露。
- 减少不准确信息：AI模型收集并综合大量数据，不准确信息很容易传播。必须进行监测、监管和人工验证，以确保正确和准确的信息被共享。批判性思维和分析对避免错误信息至关重要。
除了安全问题，AI项目还需要大量的资源和预算。考虑到高效和有效的AI开发所需的能源和基础设施量。因此，为客户提供明确的价值主张至关重要，否则产品开发所投入的时间和资源将被浪费。了解您的组织是否具备开始进行AI工作的基础，如果没有，确定需要迎头赶上所需的预算。
最后，人才和技能水平风险也不容忽视。一般的AI开发需要一组专注于数据科学家、开发人员和数据工程师，以及功能性业务分析师和产品管理人员。然而，当与GenAI合作时，由于前面提到的安全风险，组织需要额外的安全和合规监督。如果AI不是长期的业务目标，那么招聘和培训人才的成本可能是不必要的高昂费用，而且不会带来良好的投资回报率。
结论
AI已经来临。但是，如果在加入AI项目的势头并为其提供资金之前没有进行战略思考，它有可能对您的组织产生更多的危害而不是好处。这个新的AI时代刚刚开始，其中许多风险还不为人所知。在评估您的组织进行AI开发时，需要清楚地了解AI对内部和外部客户的价值，建立对AI模型的信任，并了解相关风险。
