據(jù)麥肯錫稱，只有15%?的公司表示生成式人工智能正在帶來有意義的盈利影響。更典型的經(jīng)驗(yàn)是在經(jīng)典的“技術(shù)尋找解決方案”陷阱中進(jìn)行實(shí)驗(yàn)。
CIO站在將人工智能的巨大潛力轉(zhuǎn)化為實(shí)際價(jià)值創(chuàng)造的最前線。為此，他們可以選擇以下三種方法之一?！矮@取者”使用第三方供應(yīng)商提供的現(xiàn)成的、由人工智能驅(qū)動(dòng)的軟件。“制造者”創(chuàng)建自己的?LLM。然后，介于兩者之間的是“塑造者”，他們將外部模型集成到現(xiàn)有系統(tǒng)中以創(chuàng)建定制用途。對于許多公司來說，成為塑造者是最合適的選擇，因?yàn)樗葮?gòu)建基礎(chǔ)模型更便宜、更簡單，而且比購買現(xiàn)成的更有用。下圖專門解釋了三者的關(guān)系：
【睿觀：這張圖片展示了不同類型人工智能應(yīng)用的預(yù)估總擁有成本（Estimated total cost of ownership），分為三個(gè)典型案例：Taker、Shaper 和 Maker。下面是對圖片內(nèi)容的逐項(xiàng)解釋：
Taker（采用者）：
示例用例：為軟件開發(fā)人員提供的現(xiàn)成編碼助手（Off-the-shelf coding assistant for software developers）。
預(yù)估總擁有成本：一次性成本大約在50萬到200萬美元之間。這包括一個(gè)由6人組成的團(tuán)隊(duì)工作3到4個(gè)月的集成成本。
年度持續(xù)成本：每個(gè)1000日活躍用戶大約20萬美元的模型推理成本。
Shaper（塑造者）：
示例用例：通用型客戶服務(wù)聊天機(jī)器人，僅包含提示工程和文本聊天（General-purpose customer service chatbot with prompt engineering only and text chat only）。
預(yù)估總擁有成本：大約200萬美元，用于在第三方模型API之上構(gòu)建插件層。這包括一個(gè)由8人組成的團(tuán)隊(duì)工作9個(gè)月。
年度持續(xù)成本：假設(shè)每天有1000次客戶聊天，每次聊天使用10000個(gè)令牌，則每年大約20萬美元。
插件層維護(hù)：根據(jù)開發(fā)成本的10%，每年最高可達(dá)20萬美元。
Maker（制造者）：
圖片中沒有提供具體的Maker示例用例或成本估算。
備注：
通過工程優(yōu)化，生成性人工智能的經(jīng)濟(jì)性正在迅速發(fā)展，這些是基于2023年中期的總擁有成本（包括資源、模型訓(xùn)練等）的高層次估計(jì)。
解釋：
Taker?類型的AI應(yīng)用可能涉及購買現(xiàn)成的工具或服務(wù)，成本相對較低，但可能需要一定的集成工作。
Shaper?類型的AI應(yīng)用可能需要更多的定制開發(fā)，因此成本更高，包括開發(fā)插件層和維護(hù)工作。
這些成本估算提供了一個(gè)關(guān)于不同AI應(yīng)用類型可能涉及的財(cái)務(wù)投入的高層次視角。
由于生成性AI技術(shù)正在迅速發(fā)展，這些估算可能會(huì)隨著時(shí)間和技術(shù)進(jìn)步而變化。
建議：
在考慮投資AI應(yīng)用時(shí)，組織應(yīng)該評估一次性成本和持續(xù)成本，并考慮技術(shù)發(fā)展可能帶來的成本變化。
組織應(yīng)該密切關(guān)注技術(shù)進(jìn)步，以便及時(shí)調(diào)整其AI策略和預(yù)算。
考慮到成本和效益，組織可能需要權(quán)衡不同AI應(yīng)用類型的投資回報(bào)率。】
那么，Shaper（塑造者）需要做些什么才能擺脫飛行員的困境，并成功擴(kuò)大人工智能的規(guī)模呢？本文介紹的三個(gè)原則至關(guān)重要。
【睿觀：為什么將塑造者在人工智能?(AI)?規(guī)?；矫婷媾R的挑戰(zhàn)稱為“飛行員的困境”？
飛行員的困境：通常指在兩種同樣糟糕的選擇之間進(jìn)行艱難抉擇的情景。這個(gè)術(shù)語源自航空領(lǐng)域，指的是飛行員在飛機(jī)失速時(shí)必須立即采取行動(dòng)以避免撞擊地面。
在AI?規(guī)?；矫?，塑造者面臨著類似的困境。他們需要在兩種選擇之間進(jìn)行權(quán)衡：
1.構(gòu)建自己的LLM： 這種方法可以提供最大的控制和靈活性，但它也需要大量的資源和專業(yè)知識(shí)。
2.使用第三方供應(yīng)商提供的預(yù)構(gòu)建LLM： 這種方法可以更快速、更便宜地實(shí)施?AI，但它也意味著放棄對模型的某些控制和定制能力。
這兩種選擇都存在潛在的風(fēng)險(xiǎn)和收益。構(gòu)建自己的LLM?可能會(huì)非常昂貴且耗時(shí)，而且最終可能無法成功。另一方面，使用第三方供應(yīng)商的?LLM?可能會(huì)限制塑造者滿足其特定需求的能力，并可能導(dǎo)致數(shù)據(jù)隱私和安全問題。
因此，塑造者面臨著飛行員的困境，因?yàn)樗麄儽仨氃趦煞N都有潛在缺點(diǎn)的選擇之間進(jìn)行艱難的權(quán)衡。以下是一些塑造者可以用來克服飛行員困境的策略：
1.仔細(xì)評估他們的需求：塑造者應(yīng)該首先明確他們需要AI?來實(shí)現(xiàn)哪些目標(biāo)。這將有助于他們確定哪種方法最適合他們的需求。
2.探索混合方法：塑造者可以考慮結(jié)合構(gòu)建自己的LLM?和使用第三方供應(yīng)商的?LLM?的方法。例如，他們可以構(gòu)建自己的?LLM?以滿足其特定需求，但可以使用第三方供應(yīng)商的?LLM?進(jìn)行更通用的任務(wù)。
3.與其他塑造者合作：塑造者可以通過共享資源和專業(yè)知識(shí)來共同努力克服挑戰(zhàn)。
4.投資于AI?教育和培訓(xùn)：塑造者需要確保他們擁有必要的技能和知識(shí)來成功實(shí)施?AI。
通過仔細(xì)的規(guī)劃和執(zhí)行，塑造者可以克服飛行員的困境，并成功擴(kuò)大人工智能的規(guī)模。
附加說明
重要的是要注意，塑造者并非唯一面臨飛行員困境的群體。其他組織，例如“獲取者”和“制造者”，也面臨著類似的挑戰(zhàn)。
AI領(lǐng)域發(fā)展迅速，因此塑造者需要不斷學(xué)習(xí)和適應(yīng)新的技術(shù)和趨勢。
最終，成功的關(guān)鍵在于找到適合組織具體需求和目標(biāo)的AI?戰(zhàn)略。】
一、設(shè)定優(yōu)先事項(xiàng)
在成功的技術(shù)轉(zhuǎn)型中，行動(dòng)與解決業(yè)務(wù)問題密切相關(guān)。這就是為什么CIO?需要與業(yè)務(wù)部門負(fù)責(zé)人合作，設(shè)定優(yōu)先事項(xiàng)，然后使這些選擇發(fā)揮作用。原則是確定人工智能推動(dòng)戰(zhàn)略發(fā)展的用例，這可能需要關(guān)閉失敗的試點(diǎn)項(xiàng)目，并加倍投入有希望的項(xiàng)目?？韶?fù)擔(dān)性也必須是這項(xiàng)分析的一部分。由于人工智能仍然很新，成本可能會(huì)膨脹，從而難以擴(kuò)大規(guī)模。要記住的一條規(guī)則是，在構(gòu)建人工智能應(yīng)用程序上每花費(fèi)?1?美元，就需要大約?3?美元用于變更管理，包括培訓(xùn)人員和積極跟蹤性能。
抵制直接放棄技術(shù)人員的誘惑也很重要。這可能會(huì)導(dǎo)致多個(gè)平臺(tái)（有時(shí)是重疊的），這既耗費(fèi)金錢又耗費(fèi)時(shí)間。更好的方法是構(gòu)建基礎(chǔ)設(shè)施和應(yīng)用程序，以便可以相對輕松地切換提供商或模型。
二、不要將人工智能視為一項(xiàng)技術(shù)計(jì)劃
新一代人工智能是一項(xiàng)團(tuán)隊(duì)運(yùn)動(dòng)，而首席信息官是主教練。要產(chǎn)生真正的影響，新一代人工智能必須脫離?IT?職能，融入業(yè)務(wù)，這意味著將技術(shù)與產(chǎn)品、風(fēng)險(xiǎn)、法律和其他部門整合在一起。這個(gè)跨職能團(tuán)隊(duì)的一個(gè)重要重點(diǎn)是制定并實(shí)施支持規(guī)模化的協(xié)議和標(biāo)準(zhǔn)。發(fā)展這樣的團(tuán)隊(duì)有不同的方法，而首席信息官將對其組成和任務(wù)有很大的發(fā)言權(quán)。一些公司已經(jīng)開始設(shè)立卓越中心，而另一些公司則選擇設(shè)立獨(dú)立的戰(zhàn)略和交付部門。重要的是，團(tuán)隊(duì)合作良好，知道自己想要實(shí)現(xiàn)什么，并在過程中定期檢查。首席信息官需要確保團(tuán)隊(duì)是價(jià)值的創(chuàng)造者，而不僅僅是工作的管理者。
要牢記的原則是，重點(diǎn)不是創(chuàng)建不同的部分，而是確保它們協(xié)同工作。每個(gè)用例都需要能夠訪問多個(gè)模型、矢量數(shù)據(jù)庫、提示庫和應(yīng)用程序。這意味著公司必須管理各種來源，例如云端、現(xiàn)場、供應(yīng)商或組合中的應(yīng)用程序或數(shù)據(jù)庫，同時(shí)確保與現(xiàn)有協(xié)議（包括訪問權(quán)限）的彈性和一致性。
三、重復(fù)使用和調(diào)整現(xiàn)有技術(shù)
如果沒有準(zhǔn)確的數(shù)據(jù)和將模型連接到內(nèi)部數(shù)據(jù)源的架構(gòu)，就不可能實(shí)現(xiàn)高性能的新一代人工智能解決方案。例如，對內(nèi)容源的重要性進(jìn)行分級很重要，這樣模型才能了解哪些內(nèi)容源應(yīng)該被賦予更大的權(quán)重。然而，公司往往追求完美，而他們需要做的是確定哪些數(shù)據(jù)最重要，然后投入資金進(jìn)行管理。大型數(shù)據(jù)程序是走向緩慢死亡的最可靠途徑。相反，應(yīng)該專注于為高優(yōu)先級用例帶來價(jià)值的數(shù)據(jù)域。不要解決所有問題。例如，“有針對性的標(biāo)簽”足以為新一代人工智能查詢提供高質(zhì)量的答案。
對于代碼而言，可能也沒有必要重新發(fā)明輪子，只要確保它能順利運(yùn)轉(zhuǎn)就行了。與其為每個(gè)用例編寫代碼，不如尋找可以服務(wù)于許多不同用例的解決方案。根據(jù)麥肯錫最新的人工智能現(xiàn)狀調(diào)查，新一代人工智能高績效者這樣做的可能性幾乎是前者的三倍。可重復(fù)使用的代碼可以將新一代人工智能用例的開發(fā)速度提高?50%。為了實(shí)現(xiàn)這一點(diǎn)，首席信息官需要帶頭識(shí)別用例中常見的功能，然后構(gòu)建合適的工具。
事實(shí)證明，挖掘新一代人工智能的潛力比想象的要困難得多。很明顯，整合它可能需要重新規(guī)劃從運(yùn)營模式到技術(shù)和數(shù)據(jù)系統(tǒng)的一切。為了讓新一代人工智能創(chuàng)造價(jià)值并激發(fā)人們的興趣，首席信息官需要站出來，了解自己的位置。他們將負(fù)責(zé)組建團(tuán)隊(duì)、利用資產(chǎn)并指導(dǎo)戰(zhàn)略思維，以確?；蜃璧K新一代人工智能在未來的地位。
麥肯錫公司（McKinsey & Company）：大多數(shù)公司將轉(zhuǎn)向 Taker 和 Shaper 的某種組合，以快速獲得商品服務(wù)，并在基礎(chǔ)模型之上構(gòu)建專有能力。然而，最有價(jià)值的 gen AI 倡議通常依賴于 Shaper 方法。
1.有關(guān)三種方法的更多信息，請參見“技術(shù)與生成性 AI 的代際時(shí)刻：CIO 和 CTO 指南”，麥肯錫，2023年7月11日。
2.從 gen AI 的蜜月期過渡：CIO 從試點(diǎn)到規(guī)?；钠邆€(gè)殘酷真相
3.在成本失控之前控制住它們。模型只占 gen AI 應(yīng)用總成本的大約15%。了解成本藏在哪里，并應(yīng)用正確的工具和能力來控制它們。
4.馴服工具和技術(shù)的擴(kuò)散?；A(chǔ)設(shè)施、LLMs 和工具的擴(kuò)散使得規(guī)?；瞥鲎兊貌豢尚小？s減到那些最有利于業(yè)務(wù)的能力，并利用可用的云服務(wù)（同時(shí)保持你的靈活性）。
5.創(chuàng)建能夠創(chuàng)造價(jià)值而不僅僅是模型的團(tuán)隊(duì)。要實(shí)現(xiàn)規(guī)模化，需要一個(gè)具有廣泛技能的團(tuán)隊(duì)，不僅要構(gòu)建模型，還要確保它們安全、可靠地產(chǎn)生應(yīng)有的價(jià)值。
6.選擇正確的數(shù)據(jù)，而不是完美的數(shù)據(jù)。確定哪些數(shù)據(jù)最重要并長期投資其管理，對快速規(guī)?；兄卮笥绊憽?/span>
7.重用它，否則就會(huì)失去它?？芍赜么a可以將生成性 AI 用例的開發(fā)速度提高 30% 到 50%。
8.消除噪音，專注于信號 盡管許多商業(yè)領(lǐng)袖承認(rèn)需要超越試點(diǎn)和實(shí)驗(yàn)，但這并不總是反映在實(shí)際發(fā)生的事情上。即使 gen AI 的采用增加，其對實(shí)際底線影響的例子仍然很少。在我們最新的 AI 調(diào)查中，只有15%的公司表示他們看到 gen AI 的使用對他們公司的 EBIT 有實(shí)質(zhì)性影響。
加劇這個(gè)問題的是，領(lǐng)導(dǎo)者從他們的實(shí)驗(yàn)中得出了誤導(dǎo)性的教訓(xùn)。他們試圖將本質(zhì)上是聊天界面試點(diǎn)的東西轉(zhuǎn)移到應(yīng)用中——典型的“技術(shù)尋找解決方案”陷阱。或者一個(gè)試點(diǎn)可能被認(rèn)為是“成功的”，但它并沒有應(yīng)用到業(yè)務(wù)的重要部分。
未能規(guī)?；脑蛴泻芏?，但最重要的原因是資源和高管關(guān)注過于分散在數(shù)十個(gè)正在進(jìn)行的 gen AI 計(jì)劃中。這不是一個(gè)新發(fā)展。我們在其他技術(shù)出現(xiàn)時(shí)也看到了類似的模式，從云到高級分析。然而，這些創(chuàng)新的教訓(xùn)卻沒有堅(jiān)持下去?！?/span>
CIOCDO：知道您愛學(xué)習(xí)，反正一次也讀不完，可發(fā)郵件預(yù)約7月15日下午，福建CIO網(wǎng)在線AI應(yīng)用研討交流《生成式人工智能的蜜月期已過：CIO 從試點(diǎn)到規(guī)模化的七個(gè)殘酷真相》：admin@fjcio.org?
