就像過去一樣，許多公司急于投入大量資金，僅僅是為了宣稱他們在關注GenAI，而沒有明確設定預期的業務成果。
另一方面，有些公司則因擔心落后而生活在恐懼中，他們被AI的可能性所壓倒，不知道從何開始。
這些公司認識到他們需要AI，但同樣被GenAI的狹隘應用范圍所分散了注意力。根據我作為CEO的經驗，從一個兩人小店發展成一家跨國、數十億美元的企業——如果想要從一種新技術（如AI）中獲得回報，就必須明確業務目標并設定清晰的采用目標。
AI已經到來，并將繼續發展，但AI也是一種非常不同的技術，其業務結果因公司而異。與其急于啟動試點項目，我們建議集中精力制定一個計劃。完整的AI探索允許你的企業合理規劃AI的適用領域，審視所有可用的AI技術，并有信心和目的地進行投資。
在探索過程中，我們發現了三個常見的主題：首先，數據往往是大多數實施的障礙，其次，GenAI只能解決企業主提出的小部分問題，第三，客觀地決定哪個AI試點項目應首先啟動非常重要。
深度學習和機器學習解決的問題比GenAI更多
我們采訪了數百家公司，這些公司認為他們需要GenAI來解決所有問題，但這只涵蓋了這些企業需要幫助的小部分問題，實際上這分散了他們解決最大問題的注意力。
在探索過程中，我們常常聽到企業希望能夠處理數據、識別模式，并根據數據做出預測。如果企業想要解決這三個問題，他們的最佳選擇將是使用深度學習、機器學習或兩者的結合——而不是GenAI。
在分析領域，機器學習仍然是一種更為普遍和相關的技術。那些已經由人類識別出數據特征層次結構的企業，已經準備好利用機器學習。最好的例子是，如何通過人類定義的產品類別和特征，Amazon能夠向買家推薦下一件產品。同樣，機器學習是檢測異常（如網絡安全或欺詐檢測）、為用戶策劃內容、動態定價，甚至醫療診斷的合適AI工具。
如果企業擁有大量非結構化數據并希望理解這些數據，那么深度學習是合適的AI工具。非結構化數據包括像文本文件這樣簡單的東西。由于單個文件可能有無窮多的變體，你需要一種能夠理解數據并在無需人工干預的情況下對其做出一般性觀察的AI。
例如，許多企業從客戶那里收集文件，然后需要手動將數據輸入到他們的系統中。想象一下，一個注冊會計師（CPA）從客戶那里收到一份未分類的收據文件。深度學習可以理解這些數據并提取出適當的信息，將其自動輸入系統，而無需人工干預。深度學習正是賦予智能自動化以“智能”的關鍵。
數據決定了AI實施的成敗
目前，當人們談論在企業中使用AI時，通常指的是使用像ChatGPT這樣的大型語言模型（LLM）來回答問題。問題在于，公開可用的LLM并沒有基于個別企業的特定數據進行訓練。要讓AI真正具有價值，而不僅僅是個新奇玩意兒，企業需要明確他們想要利用的數據。
許多企業已經開始進行數據清理和存儲——從數據倉庫到數據湖再到數據集市。這些數據項目通常是為了為定制的AI模型提供可用的數據，然而，對于每個完成這一過程的企業來說，可能還有1000家企業尚未完成。現在，GenAI有可能分散企業完成這些項目的注意力。更糟糕的是，很多人誤以為GenAI是解決他們數據問題的方案。
看看Google最近在其GenAI產品Gemini上犯的錯誤吧，其中包括建議人每天應該吃的最低石頭數量，以及一個用膠水制作的食譜，目的是防止披薩上的奶酪掉下來。問題在于Google在訓練Gemini時，使用了所有Google搜索數據，包括一些玩笑性質的社交帖子。
這個簡單的教訓就是，你不能隨便將所有數據都扔給AI，然后期望一切順利。你需要有選擇地使用數據，并且確保數據是干凈的。同樣，AI探索可以幫助企業弄清楚如何利用現有數據，并如何從數據中獲得更多價值。
客觀決定啟動哪些AI項目
你可能會發現，你的企業有幾十甚至上百個潛在的AI用例——其中一些可能是基于GenAI的。那么，你如何決定哪些用例可以先行試點？
我們經常發現，企業中最有影響力的聲音最終決定了哪個AI項目獲得即時關注，但在AI探索中仔細權衡每個想法后，這個項目往往不是最優選擇。
在AI探索（Discovery）過程中，企業應當收集整個企業中關于AI的所有想法和應用場景。然后，根據企業的目標，對每個應用場景進行客觀評分，以確定優先級。
AI探索的重要性
想象一下，你剛剛聽說了一個新的熱帶島嶼群，每個人都說那是最棒的度假體驗，于是你決定前往，然而，你沒有計劃，沒有預算，沒有交通工具，甚至不知道這些島嶼在哪里。
這正是許多企業在處理AI項目時的做法。在沒有進行結構化的探索階段就貿然進入AI項目，可能導致優先級不一致、資源浪費以及錯失機會。AI探索提供了那張關鍵的“地圖”，引導企業穿越AI實施的復雜性。AI探索的三個核心成果是：
1. 現有技術格局的清單——企業應識別出其現有能力以及需要解決的差距。
2. 解開為每個問題選擇正確AI技術的迷團——通過深入了解不同的AI技術（如GenAI、智能自動化和深度學習），企業可以做出明智的決策。
3. 根據戰略業務目標對AI項目進行優先級排序——探索使企業能夠專注于那些承諾帶來最高投資回報的項目，而不是追逐每一個可能的AI應用場景。
探索的最終結果是一條清晰的實施路線圖。僅僅獲得一份關于AI在何處有用的報告是不夠的，你還需要一項實際部署AI并衡量其影響的策略。如果這一過程不能為你的業務帶來實際利益，那它就只不過是像之前所有其他技術一樣的炒作而已。
企業網D1net(hfnxjk.com)：
國內主流的to B IT門戶，旗下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)。旗下運營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