人工智能驅(qū)動(dòng)的變革即將到來，但2025年將是緩慢而穩(wěn)定進(jìn)步的一年。
圖片來源：fizkes / Shutterstock
今年，人們對(duì)人工智能最初的炒作和興奮逐漸平息，人們的期望越來越現(xiàn)實(shí)。這在企業(yè)部署中尤其如此，因?yàn)楝F(xiàn)有模型的功能加上許多業(yè)務(wù)工作流的復(fù)雜性，導(dǎo)致進(jìn)展比許多人預(yù)期的要慢。其中的核心是，許多企業(yè)用戶意識(shí)到人工智能中沒有“我”——至少到目前為止是這樣。LLM(大型語言模型)非常擅長發(fā)現(xiàn)各種數(shù)據(jù)中的模式，然后根據(jù)與這些模式相匹配的用戶提示創(chuàng)建人工制品。但這不是人類意義上的智能。LLM傾向于編造看似合理但不準(zhǔn)確的信息就是證據(jù)。
盡管存在這些限制以及首席信息官對(duì)人工智能成本的擔(dān)憂，但今年人工智能已經(jīng)取得了真正的進(jìn)展，我們預(yù)計(jì)到2025年這一進(jìn)展將進(jìn)一步擴(kuò)大。我認(rèn)為這將在5個(gè)關(guān)鍵領(lǐng)域成形。
1.增強(qiáng)員工，而不是取代他們
無論是通過削減成本、創(chuàng)新產(chǎn)品和服務(wù)還是改善客戶體驗(yàn)，建立競爭優(yōu)勢都是大多數(shù)技術(shù)部署的核心，人工智能也不例外。然而，法學(xué)碩士（開放和封閉）的廣泛可用性以及部署它們的工具意味著所有組織都可以使用人工智能。就像80年代和90年代的個(gè)人電腦革命以及21世紀(jì)初云計(jì)算和SaaS【SaaS（Software as a Service，“軟件即服務(wù)”）。這是一種軟件分發(fā)模型，其中第三方提供商托管應(yīng)用程序，并通過網(wǎng)絡(luò)向客戶分發(fā)，客戶可以訪問這些應(yīng)用程序】的興起一樣，當(dāng)每個(gè)人都可以使用相同的工具時(shí)，使用這些工具的方式才是競爭優(yōu)勢。
對(duì)于人工智能來說，這意味著要增強(qiáng)現(xiàn)有的技能基礎(chǔ)并充分利用人力資產(chǎn)。將人工智能視為熟練和經(jīng)驗(yàn)豐富的工人的替代品的企業(yè)將走上錯(cuò)誤的道路。員工對(duì)公司產(chǎn)品、流程以及他們經(jīng)營的市場和銷售客戶的知識(shí)往往是未編碼和隱性的。假設(shè)一項(xiàng)技術(shù)可以捕捉這些風(fēng)險(xiǎn)將會(huì)失敗，就像90年代許多知識(shí)管理“解決方案”試圖實(shí)現(xiàn)不可能的事情一樣。isAI信任與合規(guī)平臺(tái)（isAI信任和合規(guī)平臺(tái)是一個(gè)專注于人工智能領(lǐng)域的治理、風(fēng)險(xiǎn)和合規(guī)平臺(tái)。這個(gè)平臺(tái)旨在幫助組織確保其AI系統(tǒng)和工具的安全和倫理性，以及符合相關(guān)的法律和行業(yè)標(biāo)準(zhǔn)，包括監(jiān)督機(jī)制，以解決偏見、隱私侵犯和濫用等風(fēng)險(xiǎn)，同時(shí)促進(jìn)創(chuàng)新和建立信任）的創(chuàng)始人Michael Hobbs（邁克爾·霍布斯）【Michael Hobbs（邁克爾·霍布斯）是isAI信任和合規(guī)平臺(tái)的創(chuàng)始人。他是一位在人工智能領(lǐng)域具有影響力的人物，專注于AI系統(tǒng)的治理、風(fēng)險(xiǎn)和合規(guī)性問題。Hobbs強(qiáng)調(diào)了在利用AI系統(tǒng)時(shí)，需要評(píng)估其提供的答案是否準(zhǔn)確，以及這些系統(tǒng)是否有助于增強(qiáng)組織內(nèi)部的技能基礎(chǔ)】對(duì)此表示贊同。“你可以從新一代人工智能系統(tǒng)中快速獲得答案，”他說。“但首席信息官需要問這些是否是好的答案，以及我是否在組織內(nèi)增加技能基礎(chǔ)，使用工具來增強(qiáng)它，還是從根本上減少它？”
如果對(duì)LLM達(dá)到飽和的擔(dān)憂是正確的，我們可以預(yù)期，用于創(chuàng)建新模型的每個(gè)額外GPU的收益都會(huì)遞減。在這種情況下，利用AI在現(xiàn)有知識(shí)庫的基礎(chǔ)上提高員工能力將是關(guān)鍵。
2.關(guān)注數(shù)據(jù)資產(chǎn)
基于上一點(diǎn)，到2025年，公司的數(shù)據(jù)資產(chǎn)及其員工將變得越來越有價(jià)值。FM(基礎(chǔ)模型)的設(shè)計(jì)基于從多個(gè)公共來源抓取和獲取的廣泛數(shù)據(jù)。這種訓(xùn)練的規(guī)模使它們能夠回答一般問題，但其價(jià)值僅限于大多數(shù)企業(yè)的特定需求。RAG(檢索增強(qiáng)生成)提供了一種將專有數(shù)據(jù)與LLM功能相結(jié)合的途徑，以獲得更有針對(duì)性和更相關(guān)的結(jié)果。Forrester（Forrester是一家全球知名的獨(dú)立研究和咨詢公司，它為商業(yè)和技術(shù)領(lǐng)域的領(lǐng)導(dǎo)者提供服務(wù)，幫助他們以客戶為中心來加速增長。提供的服務(wù)包括市場與戰(zhàn)略研究、數(shù)據(jù)與洞察、定制化咨詢、高端企業(yè)交流與會(huì)議活動(dòng)以及培訓(xùn)與認(rèn)證）預(yù)測，RAG服務(wù)將成為大多數(shù)云提供商在2025年的關(guān)鍵產(chǎn)品，為企業(yè)提供更廣泛的供應(yīng)商選擇，并可能提供具有競爭力的價(jià)格產(chǎn)品。
為了從更廣泛的RAG服務(wù)中受益，組織需要確保其數(shù)據(jù)已為AI做好準(zhǔn)備。這涉及良好信息管理的平凡但必不可少的活動(dòng)：數(shù)據(jù)清理、重復(fù)數(shù)據(jù)刪除、驗(yàn)證、結(jié)構(gòu)化和檢查所有權(quán)。AI治理軟件也將在此過程中變得越來越重要，F(xiàn)orrester預(yù)測，到2030年，現(xiàn)成解決方案的支出將增加四倍以上，達(dá)到近160億美元。
企業(yè)越早識(shí)別整個(gè)業(yè)務(wù)的數(shù)據(jù)資產(chǎn)，采用創(chuàng)造性的方法來利用它們，然后使其處于AI就緒狀態(tài)，他們就越早能夠利用2025年即將推出的全新RAG服務(wù)。
3.控制成本
根據(jù)Gartner【Gartner（高德納咨詢公司）是一家全球領(lǐng)先的信息技術(shù)研究和顧問咨詢公司，成立于1979年，總部設(shè)在美國康涅狄克州斯坦福。Gartner提供深入的IT研究、市場數(shù)據(jù)和專業(yè)服務(wù)，幫助企業(yè)領(lǐng)導(dǎo)者做出明智的技術(shù)決策，推動(dòng)創(chuàng)新和增長】的數(shù)據(jù)，2024年接受調(diào)查的CIO中超過90%認(rèn)為成本管理限制了他們從AI投資中為企業(yè)創(chuàng)造價(jià)值的能力。Gartner認(rèn)為，解決方案的一部分是在進(jìn)行任何大規(guī)模部署之前計(jì)算成本將如何擴(kuò)大。不這樣做可能意味著他們的成本計(jì)算錯(cuò)誤率將增加500%到1,000%。到2025年，我們可以期待看到Gartner、IDC（IDC是一家專注于市場情報(bào)、咨詢服務(wù)、以及事件服務(wù)的全球市場研究公司）和Forrester等公司提供更好的計(jì)算這些成本的框架，這些框架建立在概念驗(yàn)證和早期部署不斷增長的知識(shí)庫之上。
隨著Microsoft Azure（Microsoft Azure是微軟提供的云計(jì)算和托管服務(wù)平臺(tái)。它提供了一系列包括計(jì)算、分析、存儲(chǔ)和網(wǎng)絡(luò)服務(wù)在內(nèi)的云服務(wù)，以支持各種業(yè)務(wù)需求。Azure支持多種編程語言、工具和框架，包括微軟自己的技術(shù)和第三方技術(shù)）、AWS（AWS是亞馬遜提供的一個(gè)廣泛使用的云計(jì)算平臺(tái)，它提供了一系列包括計(jì)算能力、存儲(chǔ)空間、數(shù)據(jù)庫服務(wù)、機(jī)器學(xué)習(xí)、物聯(lián)網(wǎng)和企業(yè)應(yīng)用服務(wù)在內(nèi)的云服務(wù)）和Google Cloud（GCP是谷歌提供的一套云計(jì)算服務(wù)，它包括計(jì)算、存儲(chǔ)、數(shù)據(jù)庫、網(wǎng)絡(luò)、大數(shù)據(jù)和機(jī)器學(xué)習(xí)等工具。GCP以其高性能的基礎(chǔ)設(shè)施、全面的數(shù)據(jù)分析工具和機(jī)器學(xué)習(xí)技術(shù)而著稱）等云提供商的AI產(chǎn)品在2025年不斷發(fā)展，我們可以期待看到更具競爭力的定價(jià)，這有助于控制企業(yè)的成本。然而，這將取決于新的AI數(shù)據(jù)中心相對(duì)于需求的建設(shè)速度。麥肯錫計(jì)算出，從2023年到2030年，全球?qū)?shù)據(jù)中心容量的需求可能以每年19%到22%的速度增長。為這些新中心提供足夠的電力將繼續(xù)限制2025年及以后的需求。
4.衡量人工智能投資回報(bào)率
隨著2025年在企業(yè)內(nèi)部署AI的復(fù)雜性變得更加明顯，對(duì)投資回報(bào)率的擔(dān)憂也將加劇。然而，我們可能預(yù)計(jì)在未來一年會(huì)看到一種更細(xì)致入微的計(jì)算投資回報(bào)率的方法。多年來，從財(cái)務(wù)和生產(chǎn)力角度衡量新技術(shù)的影響一直是一項(xiàng)挑戰(zhàn)。1987年，諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主Robert Solow(羅伯特·索洛)【Robert Solow(羅伯特·索洛)是一位著名的美國經(jīng)濟(jì)學(xué)家，因其在經(jīng)濟(jì)增長理論方面的卓越貢獻(xiàn)而聞名，特別是他對(duì)資本理論和增長理論的開拓性研究。他的研究重點(diǎn)在于促進(jìn)對(duì)經(jīng)濟(jì)增長機(jī)制的理解，特別是技術(shù)進(jìn)步在經(jīng)濟(jì)增長中的作用】曾說過一句名言：“除了生產(chǎn)力統(tǒng)計(jì)數(shù)據(jù)，你隨處可見計(jì)算機(jī)時(shí)代。”
2025年，這種情況仍將持續(xù)，因?yàn)楣芾碚吆茈y量化人工智能投資的收益。部分問題在于缺乏衡量回報(bào)的通用標(biāo)準(zhǔn)。成本相對(duì)容易計(jì)算，因?yàn)樗鼈兛梢钥s減為美元金額并與前幾年進(jìn)行比較。然而，要評(píng)估人工智能對(duì)工人產(chǎn)出的質(zhì)量改進(jìn)，則面臨更大的挑戰(zhàn)。與計(jì)算擴(kuò)大人工智能部署成本一樣，2025年將出現(xiàn)新的框架，幫助管理者衡量其投資的價(jià)值。這些將超越傳統(tǒng)的KPI，需要納入客戶滿意度、改進(jìn)的決策和加速的創(chuàng)新流程等指標(biāo)。
5.避免無關(guān)緊要
當(dāng)前人工智能產(chǎn)品浪潮的變革性質(zhì)威脅著許多企業(yè)的商業(yè)模式，就像互聯(lián)網(wǎng)削弱并取代了Blockbuster（Blockbuster是一家曾經(jīng)非常著名的家庭錄像租賃連鎖店，該連鎖店在20世紀(jì)80年代到90年代非常流行，提供電影和游戲的租賃服務(wù)，但隨著數(shù)字媒體和流媒體服務(wù)的興起，Blockbuster的實(shí)體店鋪逐漸衰落）、Borders（Borders是一家曾經(jīng)的國際書店連鎖品牌，主要銷售書籍、音樂和DVD。Borders書店曾經(jīng)在美國和其他一些國家設(shè)有分店，但隨著電子書和在線書店的興起，Borders面臨著巨大的競爭壓力，最終在2011年申請(qǐng)破產(chǎn)保護(hù)并關(guān)閉了所有店鋪）和HMV（HMV是一家音像制品的零售商，總部位于加拿大。它起源于1921年英國作曲家埃爾加在倫敦牛津大街創(chuàng)辦的一個(gè)唱片零售店，后公司不斷擴(kuò)大，在世界各地開辦了多家分店，并開展網(wǎng)上銷售業(yè)務(wù)。隨著數(shù)字音樂的興起，HMV也面臨挑戰(zhàn)，但它依然是音樂和電影愛好者的一個(gè)標(biāo)志性品牌）等公司一樣。Clayton Christensen(克萊頓·克里斯坦森)【Clayton Christensen（克萊頓·克里斯坦森）是一位著名的美國學(xué)者，被譽(yù)為“顛覆性創(chuàng)新”理論的創(chuàng)始人，這一理論被廣泛認(rèn)為是現(xiàn)代商業(yè)中最重要的思想之一，對(duì)全球的企業(yè)家和管理者產(chǎn)生了深遠(yuǎn)的影響。他的研究和教學(xué)領(lǐng)域集中在新產(chǎn)品和技術(shù)開發(fā)管理以及如何為新技術(shù)開拓市場】提出的創(chuàng)新者窘境概念解釋了新進(jìn)入者如何利用新技術(shù)和商業(yè)實(shí)踐以創(chuàng)新方式淘汰經(jīng)營良好、成功的企業(yè)。今年，我們看到在線教育巨頭Chegg（Chegg成立于2005年，最初以教科書租賃業(yè)務(wù)為起點(diǎn)，逐漸發(fā)展成為一站式在線教育平臺(tái)，為學(xué)生提供廣泛的學(xué)習(xí)服務(wù)和資源。Chegg的使命是幫助每個(gè)學(xué)生在學(xué)校和學(xué)校之外都能取得最好的成績，通過提供在線工具支持學(xué)生的學(xué)術(shù)和職業(yè)發(fā)展）市值縮水99%，即145億美元，原因是學(xué)生們轉(zhuǎn)而使用ChatGPT免費(fèi)幫助完成家庭作業(yè)，而不是每月支付19.95美元訂閱服務(wù)。
我們可以預(yù)期在2025年會(huì)出現(xiàn)類似但可能不那么引人注目的例子。這些例子將涉及B2C和B2B環(huán)境中的營銷、出版、娛樂和教育等多個(gè)領(lǐng)域。Chegg的不幸應(yīng)該給所有企業(yè)敲響警鐘，但也可以看作是許多企業(yè)的機(jī)遇。情景規(guī)劃應(yīng)該像SWOT分析一樣成為優(yōu)先事項(xiàng)，這是一個(gè)很好的起點(diǎn)：您的企業(yè)有哪些優(yōu)勢可以利用人工智能的優(yōu)勢，外部機(jī)會(huì)和威脅會(huì)如何影響這些優(yōu)勢？
明年在很多方面都將充滿挑戰(zhàn)。從企業(yè)的角度來看，人工智能驅(qū)動(dòng)的變革只會(huì)加速，盡管進(jìn)展緩慢而穩(wěn)定。如此多的模型的可訪問性以及它們越來越多地融入現(xiàn)有應(yīng)用程序意味著任何希望采用它們的企業(yè)都可以使用它們。如何部署和使用它們來補(bǔ)充現(xiàn)有的企業(yè)優(yōu)勢和數(shù)據(jù)資產(chǎn)，以及如何與戰(zhàn)略目標(biāo)保持一致，將決定誰是贏家。
作者：Martin De Saulles（馬丁·德·索勒斯）
譯者：穿山甲
【睿觀：人工智能的現(xiàn)實(shí)回歸與企業(yè)部署的挑戰(zhàn)
核心觀點(diǎn)：
人工智能熱情的降溫：?初期的過度炒作逐漸平息，人們對(duì)人工智能的期望變得更加務(wù)實(shí)。
企業(yè)部署的瓶頸：?現(xiàn)有模型的功能限制、業(yè)務(wù)流程的復(fù)雜性導(dǎo)致人工智能在企業(yè)中的應(yīng)用進(jìn)展緩慢。
LLM的局限性：?LLM擅長模式識(shí)別和文本生成，但缺乏真正的人類智能，容易產(chǎn)生虛假信息。
企業(yè)用戶認(rèn)知的轉(zhuǎn)變：?企業(yè)用戶逐漸意識(shí)到人工智能并非萬能，存在諸多限制。
詳細(xì)說明：
人工智能的現(xiàn)實(shí)回歸：
期望與現(xiàn)實(shí)的差距：?初期人們對(duì)人工智能寄予厚望，認(rèn)為其能夠解決所有問題。但隨著技術(shù)的深入發(fā)展，人們發(fā)現(xiàn)人工智能仍處于發(fā)展初期，存在諸多局限性。
務(wù)實(shí)態(tài)度的轉(zhuǎn)變：?人們開始更加理性地看待人工智能，認(rèn)識(shí)到其優(yōu)勢和不足，從而更加務(wù)實(shí)地規(guī)劃人工智能的應(yīng)用場景。
企業(yè)部署的挑戰(zhàn)：
模型功能的限制：?現(xiàn)有的LLM等模型雖然在某些方面表現(xiàn)出色，但仍無法完全滿足企業(yè)多樣化的需求。
業(yè)務(wù)流程的復(fù)雜性：?將人工智能模型集成到企業(yè)的現(xiàn)有業(yè)務(wù)流程中是一項(xiàng)復(fù)雜工程，需要考慮諸多因素，如數(shù)據(jù)質(zhì)量、模型適配、流程優(yōu)化等。
進(jìn)展緩慢的原因：?上述因素的疊加導(dǎo)致人工智能在企業(yè)中的部署進(jìn)展比預(yù)期慢。
LLM的局限性：
模式識(shí)別與文本生成：?LLM擅長從大量數(shù)據(jù)中發(fā)現(xiàn)模式，并根據(jù)這些模式生成文本，但并不具備真正的理解能力。
虛假信息的產(chǎn)生：?LLM生成的文本看似合理，但可能并不準(zhǔn)確，甚至可能包含虛假信息。
缺乏常識(shí)與推理：?LLM缺乏人類所擁有的常識(shí)和推理能力，無法像人類一樣進(jìn)行深入思考和判斷。
企業(yè)用戶認(rèn)知的轉(zhuǎn)變：
人工智能并非萬能：?企業(yè)用戶逐漸意識(shí)到，人工智能并不是萬能的，不能解決所有問題。
關(guān)注點(diǎn)轉(zhuǎn)向?qū)嶋H應(yīng)用：?企業(yè)用戶更加關(guān)注人工智能在實(shí)際業(yè)務(wù)場景中的應(yīng)用效果，而非追求技術(shù)上的炫酷。
總結(jié)：
人工智能的發(fā)展雖然迅速，但仍處于初級(jí)階段。企業(yè)在部署人工智能時(shí)，需要充分認(rèn)識(shí)到其局限性，并結(jié)合自身業(yè)務(wù)特點(diǎn)，選擇合適的應(yīng)用場景，以實(shí)現(xiàn)人工智能的最大價(jià)值。同時(shí)，研究人員也需要不斷努力，提升模型的性能，使其更加接近人類智能?！?/span>
