一些潛在的項目需要使用大型語言模型（LLM）進行定制開發，但其他項目只需切換開關以啟動企業軟件中的新AI功能。“AI出現在每個軟件包和每項技術中，尤其是生成式AI，”EY全球AI咨詢負責人Dan Diasio說，而一些供應商，如微軟，已將AI作為其軟件的核心。
為了跟上步伐，Redmond成立了一個指導委員會，根據業務目標確定機會，并將一長串的潛在項目縮減到大約十幾個，涵蓋從庫存和供應鏈管理到銷售預測等領域。“我們不想只是追求下一個亮眼的目標，”她說。“我們希望保持紀律并深入研究。”
康涅狄格州Webster銀行的CIO Vikram Nafde表示，要想成功，AI概念驗證（PoC）項目還需要具有良好的商業意義。“實施和運行AI模型的成本可能相當高，因此在評估AI用例的商業價值時必須非常謹慎，”他說。“這涉及對每個AI項目的潛在收益、風險和成本進行嚴格評估，以確保投資是審慎的，并符合我們的風險回報特征。”
初步積極結果
在Eaton，一些PoC已經開始產生結果，他們已經使用AI在全球70多個ERP系統之間整合信息。Redmond的團隊在軟件開發商Palantir Technologies的幫助下開發了一個模型，該模型整合并清洗了這些系統的數據，然后對其進行分析，向決策者提供洞察——以及相當復雜的建議。
例如，如果一個業務單元的生產缺少用于完成裝配訂單的八英寸鋼棒，而業務的另一個區域手頭有十英寸的鋼棒，AI可能會建議使用較長的鋼棒并將其切割以趕上交貨期限。“人類會審查它以確保這是有意義的，如果是，AI就會將其納入學習模型，”她說。該項目仍處于Redmond所稱的“價值主張階段”，已經為公司的電氣業務帶來了積極結果。“準時交付有了顯著改善，”她說。
Webster銀行正在遵循類似的策略。“我們建立了一個由技術、架構、數據、安全、法律、風險和審計的代表組成的AI工作小組，其中包括技術實踐者和業務用戶，以制定AI使用最佳實踐和治理框架，”Nafde說。該銀行還在考慮使用AI幫助簡化內部運營和提高效率，包括構建專門針對業務需求的定制模型。例如，它正在嘗試使用生成式AI自動閱讀企業客戶的財務報表，以評估貸款申請。
“這里的團隊必須閱讀和理解大量的財務信息，而且幾乎從不采用標準格式，”他說。“生成式AI可以閱讀和提取所需信息，并為人類進行總結。”到目前為止，他說，“我們認為這是一個很好的用例。它可以更快、更準確，使團隊更具生產力。”
禮來公司也處于采用和整合AI到業務前沿。“我們發現AI可以幫助幾乎每個領域簡化工作量并推進我們的研發，”執行副總裁兼首席信息和數字官Diogo Rau說。
目前，生成式AI通過創建前所未有的分子并分析其在新藥開發中的潛力，以幫助新藥開發。Rau說，它將多年的工作壓縮為數月——有時甚至是數天。禮來還開發了一種AI工具，用于管理和解釋治療設備的患者數據，并使用專有的“傳感器云”提高藥物的安全性和有效性。此外，它還使用生成式AI自動開發軟件的初步版本，以生產支持臨床試驗的文檔，并創建用于監管提交的材料。
生產是另一個受益于AI的領域。“在禮來的工廠，我們利用復雜的算法和模型、自動導引車、全自動倉庫、機器人和高度自動化的生產設備，以增加和加速我們的藥物生產，”Rau說。
合作關系至關重要
為了為AI項目創建PoC，像Eaton的Redmond這樣的CIO正在求助于值得信賴的合作伙伴。“這是必要的，因為我們沒有大量的AI資源，而你需要一個模型來開始，”她說。“一開始這是一個很好的加速器。”但是，她補充說，隨著項目投入生產，讓你的內部團隊提高學習曲線以降低成本也很重要。
Webster銀行盡可能利用像微軟和AWS這樣的超級計算公司，并讓銀行自己的專家技術人員構建對其需求最重要的內容，同時盡量減少對顧問的依賴。“這樣，我們就不必在構建和持續支持上花費昂貴的承包商費用，”Nafde說。
成功的PoC并不保證成功：利益相關者需要對其信任。例如，在Eaton，一個基于AI的銷售預測工具有潛力大幅提高生產力。目前，所有財務和銷售團隊需要數月和成千上萬的工時來回顧歷史信息，將其與新的銷售預測數據結合，并創建預測。現在，Redmond說，“AI模型可以潛在地為你完成這些工作。”
Eaton的預測PoC項目，在去年第四季度運行，至少和目前的方法一樣準確，她補充說，如果不是更準確的話。“這肯定比我們現在花費成千上萬小時工作的做法更好，”她說。問題是人們是否愿意信任技術，足以放棄自己完成工作。“在讓人們舒適地放手這一點上，我們還沒達到那里，”她解釋說。“我們仍處于‘信任但驗證’階段。”
另一個可能導致AI信任問題的原因——無論是在IT內部還是外部——是模型如黑箱般的性質，無法確切理解輸出是如何確定的。“而且，首次使用生成式AI時，我們正在與非確定性的技術合作；它不是二元的，”Genpact的首席數字策略師Sanjay Srivastava說。“例如，使用生成式AI時，你可能得到一個回答，表示94%的時間是正確的，這意味著它需要一些監督或增強。”
“這些工具非常強大，有時卻令人信服地錯誤，”EY的Diasio說。不幸的是，人們有自動駕駛的傾向。人類需要使用這些工具并詳細審查輸出。“你需要為此規劃時間，”他說。
Srivastava說，大多數項目保留人類進行最終決策，但后續行動至關重要。“如何在連續循環中從數據到洞察到行動？”他問。“這是人們未能獲得經濟成果的首要原因。”
數據準備很重要，除非……
在供應鏈和分析等領域，將所有數據準備好，隨時可供AI模型使用是至關重要的。“數據是AI成功的關鍵，”Nafde說。“在AI策略之前先從數據策略開始，并使你的AI策略與你的業務策略保持一致。”
Diasio同意。“確保你擁有的數據能被AI系統發現，這可能意味著使用生成式AI構建豐富的目錄，或者在結構化數據之上構建本體，”他說。“在許多情況下，使用AI簡化這些工作量可以顯著提高生產力。在我們觀察到的一些數據遷移活動中，各個步驟的效率提高了40%，速度也有所提升。”
禮來已經在使用AI工具加速攝取和清潔用于訓練和微調其制藥模型的數據，Rau說，Genpact也使用AI準備其數據供其AI模型消費。“我們擁有大量數據，其中三分之二是非結構化的，”Srivastava說。“你可以使用生成式AI在你的數據之上自動構建一個語義層。你需要理解數據位于哪里，它如何與其他東西關聯，數據的質量如何，血統是什么，以及它在哪里被使用。”
這項工作很困難，需要高度熟練的人才，這就是為什么許多企業會引入合作伙伴來幫助完成這項工作。但AI可以為你自動創建那個語義層。它不是完美的，但它可能讓你達到80%，Srivastava說。
然而，Diasio表示，你不總是需要組織內部數據來利用AI。“例如，使用市場上可獲得的預訓練模型和生成式AI，像產品開發這樣的創造性任務，或像聯系中心轉錄這樣的概要任務，在適當的上下文環境和巧妙的提示下可能會有效地開箱即用，”他說。“這可以幫助公司加速AI的使用，同時他們繼續策劃他們的內部數據并收獲他們的專業知識。”
在啟用AI功能前確保其適用性
“CIO應該投資于新的或升級現有的CRM、物聯網、ITSM和商業智能工具，這些工具包括AI/ML功能，”IDC的研究副總裁Jevin Jensen說。“當你從現有的現成供應商那里選擇一個已經增加了AI功能的軟件解決方案時，價值實現的時間將大大縮短。”你可能只需要打開該功能或添加插件。他說，只需檢查確保你可以選擇退出讓你的數據用于訓練供應商的模型。
雖然Salesforce和ServiceNow等企業軟件中的新AI功能承諾提供大量的工作流程生產力好處，但你不應該在完全理解它們如何適應你的工作流程之前就啟用它們。“我們最近與ServiceNow進行了深入研討，討論如何使用智能預測、虛擬聊天和其他功能與我們的業務戰略保持一致，”Nafde說。例如，銀行的虛擬聊天功能包括幾十個用例。有些可能可以開箱即用，有些需要定制，有些則不適用。“我們需要決定哪些功能將是有用的，”他說。
Eaton已經在ServiceNow中啟用了一些AI功能，到目前為止結果令人鼓舞。“從案例管理的角度來看，它很有幫助，找到我們可以改進的缺陷線索，找到根本原因，并提供可以減少案例數量的解決方案，”Redmond說。
然而，企業軟件中嵌入的AI的難題在于，它可能今天還沒有為你的組織的需求提供引人注目的解決方案。在這種情況下，尤其是面臨競爭壓力的CIO可能會發現自己處于兩難境地：“你應該等待你的業務線應用供應商納入AI，并在等待供應商構建它的同時犧牲上市時間，還是應該構建自己的企業架構策略，你有自己的定制實施和圍繞它的基礎設施，但它昂貴且需要持續投資？”Srivastava問道。“這就是挑戰所在。”
禮來還在其IT運營中利用AIOps能力。AI工具包括一個事故檢測和響應系統，能夠迅速檢測異常，預測潛在問題以防止它們升級，確定故障的根本原因，并評估技術問題對業務的影響。“例如，如果訂單處理系統經歷延遲，AIOps可以量化對收入和客戶滿意度的影響，”Rau說。這使團隊能夠優先解決最關鍵的問題，并更快地解決。
應該做什么和不應該做什么
盡管Webster Bank在AI之旅的初期階段，Nafde已經學到了一些東西：整理你的數據。將你的AI策略與你的業務戰略對齊。在開始前就確定正確的關鍵績效指標(KPI)。然后從小處開始，展示價值證明，逐步擴展，并在每一步與利益相關者進行教育和溝通，他說。
同樣重要的是合作起步，但要通過工具和專業知識建立你的團隊，以開發和維護新的AI能力。同時，不要低估建立信任的需要。“保持你的信息傳遞領先，”他說。“期望會有懷疑者，做好市政廳會議，讓領導者介入。”畢竟，當引入新技術時，很多人會感到恐懼和普遍不愿接受變化。“這里的挑戰不僅僅是關于AI，”他補充道。“這是一個經典的變革管理問題。”
Redmond補充說，要有策略并限制你承擔的項目數量。“專注于少數幾件事情并深入研究，”她說。找到可信賴的合作伙伴來幫助你開始，并利用你的SaaS供應商已經引入其產品中的AI能力——當這些能力有意義的時候。她補充說，不要忽視你的生態系統中已有的資源。
“文化很重要，”Rau補充說。“變革很艱難，所以CIO需要通過展示你所期望的創新和開放思維行為，以及創造一個鼓勵圍繞AI進行學習和創新的環境，來引領文化轉變。我們最大的風險是如果我們的員工沒有充分利用AI。”
Redmond表示，像讓利益相關者使用它直到他們適應新技術這樣的勝利會極大增加信心。“這會降低恐懼因素，”她說。
企業網D1net(hfnxjk.com)：
國內主流的to B IT門戶，同時在運營國內最大的甲方CIO專家庫和智力輸出及社交平臺-信眾智(www.cioall.com)。同時運營19個IT行業公眾號(微信搜索D1net即可關注)。
版權聲明：本文為企業網D1Net編譯，轉載需在文章開頭注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號