你好，歡迎您來(lái)到福建信息主管(CIO)網(wǎng)! 設(shè)為首頁(yè)|加入收藏|會(huì)員中心
將人工智能帶入公司首先要了解您的商業(yè)計(jì)劃最有競(jìng)爭(zhēng)力的應(yīng)用領(lǐng)域是什么，然后通過(guò)四步走策略（理解問(wèn)題、收集數(shù)據(jù)、測(cè)試概念、擴(kuò)展應(yīng)用）和對(duì)成本的明智把握，企業(yè)就能在這片人工智能（AI）的新土地上建立起自己的城堡，不僅使自己更具競(jìng)爭(zhēng)力，還能為客戶(hù)和社會(huì)創(chuàng)造更大的價(jià)值。
來(lái)源：GORODENKOFF / SHUTTERSTOCK
人工智能（AI）技術(shù)已開(kāi)啟企業(yè)效率新時(shí)代，其中生成式人工智能（GenAI）如ChatGPT的出現(xiàn)標(biāo)志著前所未有的發(fā)展機(jī)遇。盡管如此，企業(yè)實(shí)施AI技術(shù)面臨技能、數(shù)據(jù)、可解釋性及成本等挑戰(zhàn)。
AI技術(shù)在意大利企業(yè)中的應(yīng)用尚處于初級(jí)階段，受限于技能缺乏和成本問(wèn)題。AI主要應(yīng)用于流程自動(dòng)化、文本分析和語(yǔ)音識(shí)別等領(lǐng)域。
人工智能是一個(gè)廣泛的領(lǐng)域，涵蓋了基于學(xué)習(xí)過(guò)程的機(jī)器學(xué)習(xí)（ML）等技術(shù)。機(jī)器學(xué)習(xí)依靠大量數(shù)據(jù)和算法來(lái)訓(xùn)練模型執(zhí)行特定任務(wù)。
企業(yè)采用AI技術(shù)需建立在對(duì)AI決策過(guò)程的信任基礎(chǔ)之上。盡管AI能夠提供高效的建議，但其決策過(guò)程并不總是容易理解，這要求企業(yè)在實(shí)施時(shí)進(jìn)行嚴(yán)格的驗(yàn)證測(cè)試。
AI在企業(yè)中的應(yīng)用廣泛，包括生產(chǎn)過(guò)程的優(yōu)化、客戶(hù)服務(wù)、營(yíng)銷(xiāo)活動(dòng)等。成功的AI項(xiàng)目需要跨學(xué)科團(tuán)隊(duì)的協(xié)作，包括IT、數(shù)學(xué)統(tǒng)計(jì)等領(lǐng)域的專(zhuān)家。
意大利企業(yè)通過(guò)與技術(shù)伙伴合作，利用AI技術(shù)改善產(chǎn)品推薦、客戶(hù)識(shí)別等業(yè)務(wù)流程，實(shí)現(xiàn)了顯著的業(yè)務(wù)成果。
GenAI產(chǎn)品如ChatGPT引領(lǐng)了AI領(lǐng)域的新變革，使技術(shù)更易于企業(yè)和個(gè)人用戶(hù)接受。GenAI的應(yīng)用使企業(yè)能夠快速實(shí)驗(yàn)并見(jiàn)證AI的具體好處。
在實(shí)施GenAI時(shí)，企業(yè)需警惕幻覺(jué)等風(fēng)險(xiǎn)，并確保有能力的人工驗(yàn)證AI輸出的必要性。
成功實(shí)施AI項(xiàng)目需要明確的策略，包括問(wèn)題分析、數(shù)據(jù)收集、概念驗(yàn)證（PoC）和模型擴(kuò)展等步驟。
雖然AI技術(shù)本身可能不昂貴，但收集、準(zhǔn)備和標(biāo)記數(shù)據(jù)的成本較高。企業(yè)需要權(quán)衡使用現(xiàn)成模型與開(kāi)發(fā)定制模型的成本和效益。
企業(yè)若要充分利用AI技術(shù)，需要依賴(lài)于大量的內(nèi)部數(shù)據(jù)和跨學(xué)科人才的合作。】
人工智能的能力為企業(yè)效率的新時(shí)代打開(kāi)了大門(mén)。因此，生成式人工智能的到來(lái)是一個(gè)前所未有的承諾：ChatGPT在短短兩個(gè)月內(nèi)就達(dá)到了?1?億用戶(hù)的里程碑（瑞銀對(duì)?Similarweb?數(shù)據(jù)的分析;90?年代的萬(wàn)維網(wǎng)花了七年時(shí)間）。然而，對(duì)于首席信息官來(lái)說(shuō)，實(shí)施人工智能并不是那么簡(jiǎn)單。
“人工智能是一場(chǎng)革命，因?yàn)樗砹艘环N通用技術(shù)：我們可以將其與電力的引入和互聯(lián)網(wǎng)的誕生進(jìn)行比較。沒(méi)有人工智能，我們的公司將無(wú)法提高生產(chǎn)力、降低成本和保持競(jìng)爭(zhēng)力，“Pop AI（流行人工智能）的創(chuàng)始人兼總裁Emanuela Girardi?說(shuō)，這是一個(gè)非營(yíng)利性協(xié)會(huì)，其使命是向人們解釋什么是人工智能技術(shù)以及它們對(duì)日常生活的影響。
但是，為了使用人工智能，您需要一些必要條件。首先是技能，“因?yàn)槿斯ぶ悄芤笪覀儗W(xué)習(xí)如何做新工作或以不同的方式工作，”吉拉爾迪指出。事實(shí)上，根據(jù)Istat?的“2023?年商業(yè)和?ICT?報(bào)告”，缺乏技能是意大利采用人工智能技術(shù)的第一個(gè)剎車(chē)：55.1%?的公司考慮使用人工智能技術(shù)但沒(méi)有采用它，因?yàn)槿狈寄芎蛯?duì)業(yè)務(wù)可能性的理解而放棄了。
“轉(zhuǎn)折點(diǎn)在于了解你的公司可以以更好的方式做什么，這要?dú)w功于人工智能，”吉拉爾迪指出，他也是經(jīng)濟(jì)發(fā)展部人工智能專(zhuān)家小組的成員，該小組于2020?年為這項(xiàng)技術(shù)制定了意大利國(guó)家戰(zhàn)略。
那么，如果我們轉(zhuǎn)向生成式人工智能（Gen AI），考慮到誤差幅度（所謂的幻覺(jué)），對(duì)應(yīng)用范圍的深入了解是必不可少的。
另一個(gè)讓首席信息官擔(dān)心的因素是可解釋性：我們能否完全解釋為什么人工智能模型的結(jié)果會(huì)實(shí)現(xiàn)并信任它？同樣重要（也許是最容易被忽視的）是用于訓(xùn)練模型的大數(shù)據(jù)問(wèn)題和相關(guān)成本。事實(shí)上，在Istat報(bào)告中，公司采用人工智能的第二大和第三大障礙是成本過(guò)高（49.6%）和必要數(shù)據(jù)不可用或質(zhì)量差（45.5%）。
一、意大利有多少家公司使用人工智能
顯然，與人工智能技術(shù)和數(shù)據(jù)分析相關(guān)的活動(dòng)主要存在于數(shù)字化程度高的公司中。根據(jù)Istat?的數(shù)據(jù)，到?2023?年，擁有?10?名員工的公司中有?5%?至少使用了所分析的七種人工智能技術(shù)中的一種（2022?年為?6.2%）。在中型企業(yè)（50-99?名員工）中，5.6%?的公司至少使用過(guò)一種（2022?年為?9.4%）。在大公司中，約占總數(shù)的24%的份額保持穩(wěn)定。
Istat考慮的七種人工智能技術(shù)（與歐盟統(tǒng)計(jì)局一致）是用于分析文本文檔（如文本挖掘）、將口語(yǔ)轉(zhuǎn)換為計(jì)算機(jī)設(shè)備可讀的格式（語(yǔ)音識(shí)別）、生成書(shū)面或口頭語(yǔ)言（自然語(yǔ)言生成、語(yǔ)音合成）、根據(jù)圖像或視頻識(shí)別物體或人（識(shí)別、?使用計(jì)算機(jī)視覺(jué)進(jìn)行圖像處理），通過(guò)機(jī)器學(xué)習(xí)（例如，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)）進(jìn)行數(shù)據(jù)分析，自動(dòng)化工作流程或支持決策（流程自動(dòng)化、使用人工智能技術(shù)自動(dòng)執(zhí)行人類(lèi)任務(wù)的機(jī)器人軟件等），以及通過(guò)基于對(duì)周?chē)h(huán)境的觀察（機(jī)器人或自主無(wú)人機(jī)、自動(dòng)駕駛汽車(chē)）。
在使用人工智能的公司中，最常見(jiàn)的技術(shù)涉及通過(guò)機(jī)器人軟件實(shí)現(xiàn)工作流程自動(dòng)化（40.1%），從文本文檔中提取知識(shí)和信息（39.3%），以及通過(guò)語(yǔ)音識(shí)別技術(shù)將口語(yǔ)轉(zhuǎn)換為計(jì)算機(jī)設(shè)備可讀的格式（31.0%）。通過(guò)機(jī)器學(xué)習(xí)（機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)）進(jìn)行數(shù)據(jù)分析是大公司使用人工智能最常用的技術(shù)（51.9%）。
二、讓我們退后一步：人工智能和機(jī)器學(xué)習(xí)
事實(shí)上，人工智能通常基于學(xué)習(xí)過(guò)程，因此從根本上說(shuō)是機(jī)器學(xué)習(xí)（ML）：另一方面，人工智能是其他相關(guān)技術(shù)落入的大帽子，正如Vincenzo Laveglia博士所強(qiáng)調(diào)的那樣（研究論文是關(guān)于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)）和佛羅倫薩大學(xué)技術(shù)專(zhuān)家。
“人工智能和機(jī)器學(xué)習(xí)已經(jīng)存在了很長(zhǎng)時(shí)間，但直到最近幾年，大規(guī)模的應(yīng)用才對(duì)公司開(kāi)放，因?yàn)橐呀?jīng)滿(mǎn)足了一些不可或缺的條件：在線(xiàn)數(shù)據(jù)的大量可用性，用于培訓(xùn)過(guò)程的圖形卡和免費(fèi)提供的軟件庫(kù)，?這使得研究實(shí)驗(yàn)室之外的許多人能夠?yàn)闄C(jī)器學(xué)習(xí)編寫(xiě)代碼，“Laveglia解釋道?！半S著特定機(jī)器學(xué)習(xí)模型的引入，或者更確切地說(shuō)，神經(jīng)網(wǎng)絡(luò)：轉(zhuǎn)換器，也可以用作生成系統(tǒng)，例如GPT，ML系統(tǒng)經(jīng)歷了進(jìn)一步的繁榮。轉(zhuǎn)換器的特點(diǎn)是，它們可以構(gòu)建（和訓(xùn)練）非常大的神經(jīng)模型（實(shí)際上是深度學(xué)習(xí)）。我們已經(jīng)看到，具有數(shù)十億參數(shù)的非常大的模型能夠完成幾年前無(wú)法想象的事情。
神經(jīng)網(wǎng)絡(luò)是當(dāng)今使用最廣泛的機(jī)器學(xué)習(xí)模型。這些是由數(shù)千個(gè)參數(shù)組成的數(shù)學(xué)對(duì)象。這些參數(shù)在學(xué)習(xí)過(guò)程中會(huì)得到適當(dāng)?shù)闹匾暎趯W(xué)習(xí)過(guò)程中，ML模型將能夠自動(dòng)執(zhí)行其訓(xùn)練的任務(wù)。
然而，Laveglia強(qiáng)調(diào)了一個(gè)方面：在訓(xùn)練?AI?模型的過(guò)程中，人類(lèi)會(huì)給機(jī)器指示在它的位置上執(zhí)行某項(xiàng)任務(wù)，但事實(shí)上，教給系統(tǒng)的并不是它必須做的一切，而是它必須做的邊界，迫使它不犯錯(cuò)誤。
“我們告訴模型的是，有些結(jié)果是不一致的，我們會(huì)糾正它，直到它能夠在我們給它的參數(shù)范圍內(nèi)移動(dòng)，”他說(shuō)。
這意味著，最終，不可能一步一步地解釋為什么機(jī)器會(huì)提供某種結(jié)果。我們必須相信我們給她的指令：如果它們是正確的，那么輸出就必須是正確的，這在用大量數(shù)據(jù)訓(xùn)練的非常大的模型中尤其如此。
“誤差幅度取決于培訓(xùn)的完成方式。訓(xùn)練有規(guī)則可循，有些模型比其他模型更好，“Laveglia指出。
三、人工智能在公司：第一點(diǎn)是信任
事實(shí)上，幾位首席信息官指出，人工智能作為神經(jīng)網(wǎng)絡(luò)“推理”的結(jié)果提供了最終建議，對(duì)于人類(lèi)主管來(lái)說(shuō)，并不總是那么容易理解為什么對(duì)一個(gè)或另一個(gè)因素給予了更多的權(quán)重。這也是為什么公司，即使是大型公司，也經(jīng)常停留在實(shí)驗(yàn)階段，并為軟件提供人類(lèi)支持的原因。
“在商業(yè)智能（BI）中，人首先決定數(shù)據(jù)與最終決策之間的因果關(guān)系是什么，因此，它可以被認(rèn)為是百分百可以解釋的，而在人工智能（AI）中，決策只是部分知情的，因?yàn)槟銦o(wú)法完全控制因果關(guān)系。事實(shí)上，我們有點(diǎn)失控了，“制藥行業(yè)大型零售貿(mào)易公司Farvima Medicinali的首席信息官Alessandro Di Maio說(shuō)?！斑@就是為什么我們一步一步地進(jìn)行，通過(guò)小規(guī)模的實(shí)施來(lái)檢查系統(tǒng)的可靠性。但是，總的來(lái)說(shuō)，如果人工智能在大數(shù)據(jù)上工作，結(jié)果很難不可靠?！?/span>
關(guān)鍵在于大量不斷更新的數(shù)據(jù)，因?yàn)橄到y(tǒng)以這種方式自我喂養(yǎng)、自我糾正和自我整合。
四、我能用人工智能做什么？不僅僅是分析和商業(yè)智能
Istat指出，最常采用人工智能系統(tǒng)的業(yè)務(wù)領(lǐng)域與生產(chǎn)過(guò)程有關(guān)，例如生產(chǎn)中的預(yù)測(cè)性維護(hù)或質(zhì)量控制（39.0%，制造業(yè)高達(dá)52.5%），營(yíng)銷(xiāo)或銷(xiāo)售職能，例如客戶(hù)服務(wù)職能或個(gè)性化促銷(xiāo)活動(dòng)（33.1%， 服務(wù)業(yè)為41.3%）、網(wǎng)絡(luò)安全（23.7%，能源業(yè)為50.6%）以及研發(fā)或創(chuàng)新活動(dòng)，以分析數(shù)據(jù)、開(kāi)發(fā)新的或顯著改進(jìn)的產(chǎn)品或服務(wù)（21.1%）。
吉拉爾迪報(bào)告說(shuō)，許多公司正在朝這個(gè)方向進(jìn)行試驗(yàn)?！叭斯ぶ悄芸捎糜诔杀究刂葡到y(tǒng)，用于采購(gòu)原材料，或通過(guò)改善財(cái)務(wù)管理和現(xiàn)金來(lái)優(yōu)化需求和采購(gòu)，或者再次用于工廠(chǎng)的預(yù)測(cè)性維護(hù)以避免故障和停機(jī)，以及通過(guò)計(jì)算機(jī)視覺(jué)進(jìn)行質(zhì)量控制。許多公司正在將其應(yīng)用于聊天機(jī)器人或GenAI的客戶(hù)服務(wù)中，以進(jìn)行營(yíng)銷(xiāo)，“她指出。
然而，根據(jù)首席信息官Di Maio?的說(shuō)法，從人工智能實(shí)驗(yàn)轉(zhuǎn)向具體項(xiàng)目意味著擁有“巨大的技能，不僅是?IT，還有數(shù)學(xué)統(tǒng)計(jì)和敬業(yè)的團(tuán)隊(duì)”。
事實(shí)上，F(xiàn)arvima Medicina早在去年就開(kāi)始與合作伙伴一起開(kāi)發(fā)人工智能解決方案，該集團(tuán)在其附屬公司中擁有一家具有IT和AI專(zhuān)業(yè)知識(shí)的公司。
Farvima開(kāi)發(fā)的第一個(gè)基于人工智能的系統(tǒng)（目前正在測(cè)試中）為銷(xiāo)售提出了正確的定價(jià)，以實(shí)現(xiàn)絕對(duì)值和百分比，整體或每個(gè)產(chǎn)品線(xiàn)的銷(xiāo)售利潤(rùn)率目標(biāo)。該系統(tǒng)匯集并評(píng)估有關(guān)產(chǎn)品在市場(chǎng)上的表現(xiàn)和價(jià)格變化的歷史數(shù)據(jù)，因此為每個(gè)項(xiàng)目提供給定時(shí)間上市的價(jià)格建議，以便總銷(xiāo)售額允許您達(dá)到目標(biāo)中指示的利潤(rùn)。
“我們?cè)?jīng)有一個(gè)使用分析技術(shù)的系統(tǒng)，但人工智能系統(tǒng)要先進(jìn)得多，因?yàn)樗谕ㄟ^(guò)分析獲得的更多數(shù)據(jù)，”Di Maio指出?！懊織l數(shù)據(jù)都必須使用不同的數(shù)學(xué)函數(shù)進(jìn)行管理，并且考慮的變量更多，這也是因?yàn)槊總€(gè)項(xiàng)目都有一個(gè)整體管理，成本不僅僅取決于數(shù)量”。
五、聊天機(jī)器人如何變化
Farvima與合作伙伴開(kāi)發(fā)的第二款?AI?產(chǎn)品應(yīng)用于倉(cāng)庫(kù)優(yōu)化，以避免缺貨?！傲鞒虄?yōu)化是受益于人工智能的典型領(lǐng)域，”Di Maio指出?！?strong style=";padding: 0px;outline: 0px;max-width: 100%;box-sizing: border-box !important;overflow-wrap: break-word !important">我們的目標(biāo)是嘗試使用歷史和上下文數(shù)據(jù)集來(lái)預(yù)測(cè)我們將要銷(xiāo)售多少。例如，給定天氣條件和特定地區(qū)某種疾病的流行情況，人工智能可以幫助我們預(yù)測(cè)在一定天數(shù)內(nèi)，我們將不得不分發(fā)一定數(shù)量的特定藥物，并告訴我們何時(shí)何地分發(fā)?；蛘?，它阻止了我們?cè)陬A(yù)計(jì)需求不強(qiáng)勁的情況下使市場(chǎng)飽和。”
客戶(hù)體驗(yàn)領(lǐng)域是人工智能的另一個(gè)自然應(yīng)用。在這里，F(xiàn)arvima再次與合作伙伴一起集成了一個(gè)針對(duì)其最終用戶(hù)（藥劑師或醫(yī)生）的聊天機(jī)器人，以自動(dòng)化的方式指導(dǎo)他們進(jìn)行操作，例如檢索發(fā)票或包裝說(shuō)明書(shū)。聊天機(jī)器人了解用戶(hù)請(qǐng)求文檔，搜索它，將其鏈接到他們的個(gè)人資料，然后通過(guò)電子郵件或移動(dòng)設(shè)備上的消息將其發(fā)送給他們。下一個(gè)演變將是語(yǔ)音識(shí)別：用戶(hù)將撥打一個(gè)號(hào)碼，該號(hào)碼將由能夠理解和處理請(qǐng)求的機(jī)器人接聽(tīng)。
“語(yǔ)音識(shí)別本身就是一項(xiàng)成熟的技術(shù)，但在這里我們需要向前邁出一步：人工智能必須將與客戶(hù)的對(duì)話(huà)與行動(dòng)聯(lián)系起來(lái)，而這項(xiàng)任務(wù)在技術(shù)上與編程人工智能以執(zhí)行行動(dòng)（例如下載和發(fā)送文檔）不同，”Di Maio解釋說(shuō)。
基本基礎(chǔ)仍然是大數(shù)據(jù)，因?yàn)闄C(jī)器學(xué)習(xí)需要非常大的數(shù)據(jù)集。Farvima的?Di Maio?通過(guò)在其數(shù)據(jù)庫(kù)內(nèi)部執(zhí)行數(shù)據(jù)挖掘和流量規(guī)范化操作【即?ETL（提取-轉(zhuǎn)換-加載）活動(dòng)】進(jìn)行，而?AI?的實(shí)際部分，即使用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)從數(shù)據(jù)到響應(yīng)，委托給外部提供商。
這種基于伙伴關(guān)系的方法在意大利公司中變得越來(lái)越普遍。
六、伙伴關(guān)系和開(kāi)放式創(chuàng)新
例如，在金融和保險(xiǎn)行業(yè)，機(jī)器學(xué)習(xí)模型基于內(nèi)部數(shù)據(jù)（通常也基于技術(shù)合作伙伴提供的數(shù)據(jù)集）進(jìn)行訓(xùn)練，通過(guò)產(chǎn)品推薦為銷(xiāo)售和咨詢(xún)活動(dòng)生成建議。Change Capital是一家為中小企業(yè)提供金融解決方案的數(shù)字聚合商，它實(shí)施了一種機(jī)器學(xué)習(xí)模型，特別是改善了其兩個(gè)業(yè)務(wù)領(lǐng)域的管理：產(chǎn)品選擇和客戶(hù)識(shí)別。正如Change Capital的首席技術(shù)官Alessio Donati所解釋的那樣，ML模型由其技術(shù)合作伙伴MetriksAI根據(jù)Change Capital的歷史實(shí)踐數(shù)據(jù)創(chuàng)建，由于對(duì)下一步最佳行動(dòng)的自動(dòng)建議，金融科技客戶(hù)經(jīng)理的實(shí)踐轉(zhuǎn)化率提高了27%。反過(guò)來(lái)，這些為顧問(wèn)的交叉銷(xiāo)售和追加銷(xiāo)售活動(dòng)提供建議的產(chǎn)品引起了傳統(tǒng)銀行機(jī)構(gòu)的興趣，例如與Change Capital有產(chǎn)業(yè)合作伙伴關(guān)系的Banca Popolare di Cortona和Banca Valsabbina，它們分別擁有9.9%和9%的股份，并實(shí)施其技術(shù)產(chǎn)品。
Donati說(shuō)：“推薦系統(tǒng)可以自動(dòng)執(zhí)行在許多情況下仍手動(dòng)執(zhí)行的流程，這不僅是一種趨勢(shì)，而且是客戶(hù)互動(dòng)的戰(zhàn)略轉(zhuǎn)變。“機(jī)器學(xué)習(xí)在業(yè)務(wù)方面為我們帶來(lái)了顯著的成果，因?yàn)樗惴〞?huì)根據(jù)數(shù)據(jù)分析向我們的顧問(wèn)建議要出售給公司的產(chǎn)品。當(dāng)然，另一個(gè)應(yīng)用領(lǐng)域是信用風(fēng)險(xiǎn)管理，始終基于對(duì)歷史數(shù)據(jù)的分析“。
七、為什么生成式人工智能如此“重要”？
GenAI的產(chǎn)品代表了人工智能領(lǐng)域的進(jìn)一步變化，無(wú)論是從技術(shù)角度，還是從企業(yè)文化和專(zhuān)業(yè)培訓(xùn)的角度來(lái)看。我們不要忘記開(kāi)頭報(bào)道的那個(gè)數(shù)字：ChatGPT自推出以來(lái)在兩個(gè)月內(nèi)征服了?1?億用戶(hù)，這要?dú)w功于消費(fèi)者采用的熱情，就像手機(jī)一樣，但需要?16?年（固定電話(huà)?75?年）。這通常被稱(chēng)為IT的民主化，即技術(shù)不僅在工作中，而且在個(gè)人生活中都成為一種常用工具。幾年前，同一部手機(jī)是類(lèi)似趨勢(shì)的主角，更名為BYOD（自帶設(shè)備）：人們甚至在辦公室使用他們的個(gè)人設(shè)備（智能手機(jī)、平板電腦或筆記本電腦），具有很高的生產(chǎn)力和靈活性，但也給IT帶來(lái)了一些麻煩（數(shù)據(jù)安全和訪(fǎng)問(wèn)管理）。
Girardi指出，從這個(gè)角度來(lái)看，GenAI具有巨大的潛力：人們已經(jīng)在消費(fèi)者層面使用它，許多項(xiàng)目“很容易集成到公司中，并有重要的回報(bào)”。
根據(jù)Girardi的說(shuō)法，在生成式人工智能中，首席信息官的一個(gè)好方法是從一個(gè)小項(xiàng)目開(kāi)始（例如，作為編寫(xiě)合同、個(gè)性化營(yíng)銷(xiāo)信息、客戶(hù)服務(wù)或產(chǎn)生新產(chǎn)品和設(shè)計(jì)理念的助手），展示獲得的具體好處，然后，可能，擴(kuò)展實(shí)驗(yàn)。
專(zhuān)家指出：“生成式人工智能很重要，因?yàn)樗试S你開(kāi)發(fā)對(duì)一兩個(gè)部門(mén)有影響的小型項(xiàng)目，并從那里發(fā)展壯大，同時(shí)傳播人工智能文化，展示其風(fēng)險(xiǎn)和收益。
根據(jù)Laveglia?的說(shuō)法，“隨著?IT?的民主化，可以發(fā)生的事情是，通過(guò)基于大型語(yǔ)言模型 （LLM） 的產(chǎn)品，可以從?Internet?下載，這些模型將很容易被公司中的人員使用，甚至用于他們工作的單個(gè)任務(wù)?！?/span>
這些任務(wù)（例如文本和圖像的生成）與這些模型的巨大功能相比是小而微不足道的，但它們以一種可訪(fǎng)問(wèn)和快速的方式為日常工作提供了重要支持，即使并非沒(méi)有風(fēng)險(xiǎn)和成本。
八、可解釋性和其他風(fēng)險(xiǎn)
在GenAI中，風(fēng)險(xiǎn)是眾所周知的：幻覺(jué)。當(dāng)使用內(nèi)部數(shù)據(jù)進(jìn)行訓(xùn)練時(shí)，也可能出現(xiàn)完全錯(cuò)誤的結(jié)果。目前，不可靠性的范圍從3%到8%不等，具體取決于所使用的模型（但這取決于誰(shuí)進(jìn)行測(cè)試：一些公司報(bào)告的范圍為5%到27%）。出于這個(gè)原因，它必須在人員有能力的領(lǐng)域中使用：始終需要對(duì)輸出進(jìn)行人工驗(yàn)證。
“人工智能并不是一項(xiàng)完全成熟的技術(shù)。有些方面尚未解決，而且可能仍然難以解決。其中，最大的是可解釋性，“Laveglia指出?！斑@就是為什么今天有必要對(duì)這些系統(tǒng)的使用進(jìn)行限制。”
“有一些風(fēng)險(xiǎn)因素，”吉拉爾迪說(shuō)，“事實(shí)上，歐洲人工智能法案為高風(fēng)險(xiǎn)系統(tǒng)提供了基于歐盟正在制定的標(biāo)準(zhǔn)的認(rèn)證，這將定義可信賴(lài)的人工智能。這些控制措施將有助于降低風(fēng)險(xiǎn)。與此同時(shí)，研究繼續(xù)投資于解決可解釋性問(wèn)題，幾家初創(chuàng)公司正在開(kāi)發(fā)可解釋人工智能的框架。”
隱私和安全問(wèn)題也是首席信息官需要考慮的合規(guī)性和風(fēng)險(xiǎn)管理影響的方面。與任何技術(shù)一樣，人工智能系統(tǒng)也存在缺陷，從理論上講（但并非不可能），黑客可以篡改模型并使神經(jīng)網(wǎng)絡(luò)陷入混亂，然后會(huì)產(chǎn)生不一致的結(jié)果，如果不是有毒的話(huà)。
然而，這不是組織需要關(guān)注的地方?！坝捎谶@些都是非常復(fù)雜的工具，你需要一個(gè)策略來(lái)管理它們。但重點(diǎn)往往更多地放在恐懼上，而不是大型產(chǎn)業(yè)應(yīng)用上，“吉拉爾迪指出。相反，專(zhuān)家繼續(xù)說(shuō)：“恐懼是沒(méi)有道理的：人工智能是人類(lèi)開(kāi)發(fā)的一套工具，并且仍然如此。是的，他們自主做出決定，但訓(xùn)練模型和決定目標(biāo)的是人類(lèi)。風(fēng)險(xiǎn)存在于價(jià)值鏈中：如果人工智能訓(xùn)練使用不正確或歧視性的數(shù)據(jù)，如果測(cè)試進(jìn)行不充分，或者人們的使用是惡意的，那么人工智能就是有害的。但這是人的責(zé)任。
九、怎么做？四個(gè)基本步驟
人工智能項(xiàng)目涉及各種元素，這就是為什么公司謹(jǐn)慎行事并需要大量驗(yàn)證測(cè)試的原因。然而，根據(jù)Laveglia的說(shuō)法，第一個(gè)起點(diǎn)是“本體論”：理解問(wèn)題以及它是否可解決。
“如果人類(lèi)無(wú)法解決它，機(jī)器將很難解決它：該模型不會(huì)施展魔法，但會(huì)自動(dòng)執(zhí)行任務(wù)，”研究人員說(shuō)。
然后，您需要與手頭任務(wù)相關(guān)的數(shù)據(jù)，這是通過(guò)特征工程或從原始數(shù)據(jù)中提取信息內(nèi)容來(lái)支持訓(xùn)練來(lái)實(shí)現(xiàn)的。我們可以進(jìn)行的訓(xùn)練和我們將使用的模型取決于數(shù)據(jù)。顯然，問(wèn)題越復(fù)雜，需要的數(shù)據(jù)就越多。
最后，必須開(kāi)發(fā)ML?架構(gòu)，例如神經(jīng)網(wǎng)絡(luò)的類(lèi)型及其結(jié)構(gòu)（層數(shù)、激活函數(shù)等）。
沒(méi)有一個(gè)放之四海而四海而皆準(zhǔn)的公式，但總的來(lái)說(shuō)，Laveglia建議四個(gè)基本步驟：分析問(wèn)題、收集數(shù)據(jù)、開(kāi)發(fā)概念驗(yàn)證（PoC），如果有效，則繼續(xù)實(shí)施，即擴(kuò)展數(shù)據(jù)集、創(chuàng)建最大的模型并對(duì)其進(jìn)行改進(jìn)。
十、現(xiàn)在最大的問(wèn)題是：人工智能讓我花了多少錢(qián)？
現(xiàn)在我們來(lái)談?wù)勜?cái)務(wù)和CEO總是會(huì)問(wèn)CIO的問(wèn)題：一旦風(fēng)險(xiǎn)得到緩解，確定了最有利的應(yīng)用領(lǐng)域，訓(xùn)練和實(shí)施AI模型的成本是多少？有能源成本，但還有另一種經(jīng)常被遺忘的成本：數(shù)據(jù)。
“成本不是技術(shù)本身，”Laveglia指出?！靶⌒推髽I(yè)也可以使用較小的模型，而非常大的模型當(dāng)然需要大量投資。但是，對(duì)財(cái)務(wù)造成壓力的不是開(kāi)發(fā)模型的工程工作，而是收集、準(zhǔn)備和標(biāo)記數(shù)據(jù)的活動(dòng)。模型的訓(xùn)練階段成本高昂，這方面不容小覷，盡管為了降低成本，您可以與合作伙伴一起在云上進(jìn)行訓(xùn)練;然后，一旦模型被訓(xùn)練，它也可以移動(dòng)到專(zhuān)有服務(wù)器。
但是，即使在這里，也有區(qū)別：現(xiàn)成的和即時(shí)服務(wù)的產(chǎn)品使創(chuàng)新更容易獲得，但以犧牲定制為代價(jià)。如果一家公司需要將人工智能引入特定任務(wù)，則需要內(nèi)部模型開(kāi)發(fā)或?qū)κ袌?chǎng)模型進(jìn)行微調(diào)。
“在準(zhǔn)備數(shù)據(jù)時(shí)，您還可以使用一些快捷方式，例如通過(guò)訪(fǎng)問(wèn)在線(xiàn)數(shù)據(jù)集，這是許多任務(wù)的良好起點(diǎn)，”Laveglia繼續(xù)說(shuō)道。“但是，如果公司有特定需求，它需要一個(gè)專(zhuān)有的數(shù)據(jù)集，并結(jié)合對(duì)大型模型的微調(diào)，以及許多千兆的RAM和顯卡。這意味著計(jì)算需求將大大增加。
簡(jiǎn)而言之，即使使用從互聯(lián)網(wǎng)下載的預(yù)訓(xùn)練模型和LLM，也會(huì)使用大量電力。
十一、競(jìng)爭(zhēng)力的下一個(gè)層次是數(shù)據(jù)和人員
歸根結(jié)底，如果一家公司想要真正具有競(jìng)爭(zhēng)力，它就不能利用市場(chǎng)上的數(shù)據(jù)集：“區(qū)別在于受監(jiān)督的內(nèi)部數(shù)據(jù)集，也就是說(shuō)，使用私人數(shù)據(jù)，而不是對(duì)所有人開(kāi)放，”Laveglia?說(shuō)。
“機(jī)器學(xué)習(xí)系統(tǒng)的基礎(chǔ)是大數(shù)據(jù)和數(shù)據(jù)湖，”Change Capital的Donati還指出：“機(jī)器學(xué)習(xí)能力依賴(lài)于大量不同性質(zhì)的非結(jié)構(gòu)化數(shù)據(jù)，算法從中得出分析和建議。”
技能也是如此：如果您使用預(yù)先訓(xùn)練的即服務(wù)模型，則不需要專(zhuān)家。但是，對(duì)于依賴(lài)?IT?創(chuàng)造價(jià)值的企業(yè)來(lái)說(shuō)，內(nèi)部?AI?專(zhuān)業(yè)知識(shí)是必須的。
出于這個(gè)原因，向公司傳達(dá)一個(gè)明確的信息也很重要：人工智能不會(huì)取代人和他們的工作，而是增加他們的能力和可能性。
