作者:Matt McIlwain. 编译:Cointime.com QDD
"我们的生成式人工智能战略是什么?" 这几乎是每个行政团队在如今的财富500强公司和其他公司中所面临的问题。提出这个问题的人几乎总是CEO,他们期望得到答案并迅速看到结果。同时,同样的CEO如果发现生成式人工智能(GenAI)开始对你的客户产生幻觉,战略数据资产被管理不善,或智能应用给你的公司带来安全或性能问题,他们也会感到不满。虽然这个现实将使管理咨询公司在未来几年内蓬勃发展,但有些实用的指导是需要的,以帮助高级执行人员(包括CIO和CDO)和他们的业务单位伙伴制定一个引人注目的计划。通过与企业客户、GenAI公司和云服务提供商的交流,我们发现了三个核心问题,这些问题可以指导你的生成式人工智能战略:
1. 成功采用GenAI需要什么样的企业思维模式?
2. 如何在短期内实现“快速胜利”?
3. 在中长期内,利用GenAI的最佳策略是什么?
成功的企业思维模式
你可能已经听说过AI在去年底推出ChatGPT时经历了它的“Mosaic浏览器时刻”。我们几十年来一直在使用AI(Google搜索、亚马逊Alexa、Netflix/Spotify的推荐),但现在个人可以直接创造性地使用GenAI来快速提供价值。无论这个价值是起草一个笔记、开发软件代码还是完成一个任务,通过自然语言提示AI模型,GenAI可以帮助任何人更高效、更有效。商业环境中有无限的机会,而且你的员工已经在进行实验!
由于GenAI如此易于接触和灵活,它需要一种在大型公司中往往难以找到的敏捷思维模式。职能将会演变,新的技能将会被要求,许多公司将会受到原生GenAI业务的挑战。毫无疑问,GenAI将产生颠覆性影响,许多员工将抵制这种变化。有些员工会用诸如安全性和治理等领域来审慎对待你的实验。管理这些风险领域非常重要,需要设定防范措施和操作最佳实践,例如WhyLabs开发的框架。但是,包括CEO在内的许多员工都渴望尝试、学习并将GenAI应用于你的业务。寻找在低风险和快速反馈循环下利用这些新技术的方法对于每个企业来说都至关重要。
先想一下你公司的领域能力和差异化数据资产,以及如何利用它们对你的公司和客户长期受益。建立稳定的客户关系、差异化的数据和专业知识,以及现有的工作流程和界面,都可以成为现有业务的有价值工具。你的员工和客户已经在尝试将你的产品和价值主张与GenAI扩展结合起来。接纳这些创新者,并努力理解他们所解决的问题及其原因。通过树立一个重视和鼓励智能实验的氛围,你可以快速了解组织中可能的可能性和优先级的范围,同时管理风险!
对于终端用户而言,GenAI非常易于接近,但构建和运营GenAI模型和应用程序却并非易事。
快速胜利的三步方法
通过向你的员工、客户和值得信赖的技术合作伙伴询问他们已经在GenAI方面做了什么,你将发现与你的业务相关的机会。在短期内,我们建议采取以下三个步骤来开始并在制定公司的GenAI战略时快速学习:
1. 接纳“协作伙伴”提高生产力。
2. 与大型云服务提供商(CSPs)和软件公司合作,在“增强版”方式下提供GenAI解决方案。
3. 推出一个GenAI学习实验室,并举办一次黑客马拉松,以进行快速敏捷的实验,以帮助确定和优先考虑你的GenAI能力。这个学习实验室还可以帮助你发现新兴的、具有创新性的“原生GenAI”公司,并为你的内部技能提供补充。
协作伙伴
GenAI的早期成功故事之一是协作伙伴的出现 - 例如微软的GitHub Copilot或亚马逊的Code Whisperer,用于改进软件开发。同样,OpenAI的ChatGPT和其他工具使得智能助手以多种形式出现,可以帮助员工在书面文本的创作中提高效率。
你的开发人员已经利用GenAI工具来编写和优化代码,知识工作者正在起草营销文件,项目经理正在自动化特定的工作流程。这些工具今天已经提高了员工的生产力。特别是,你的工程团队可以通过推动采用代码生成工具来改善软件开发。许多软件团队已经看到生产力提升20-30%。这一点非常重要,以至于这些团队应该从当前的软件开发方法中抽出时间,学习如何利用这些新方法。那些不使用代码生成工具提高生产力的团队在交付软件项目方面将越来越落后。
了解组织内部已经发生的事情,并鼓励提高生产力,将有助于评估你的内部GenAI准备情况,并将最有可能的机会归类为“自己动手”,“与我一起动手”或“由他人代劳”的举措。换句话说,你的公司是否准备从个体组成部分(数据、算法、GPU)中自己烘烤GenAI蛋糕,使用现成的蛋糕混合物和糖霜制作蛋糕(云服务提供商、托管模型),还是从当地的面包店购买蛋糕(原生GenAI和增强版SaaS解决方案)?从终端用户的角度来看,GenAI非常易于接近,但构建和运营GenAI模型和应用程序并非易事。观察员工已经在做什么将为内部能力和GenAI解决方案交付计划创建一个基准。为了取得成功,你需要客观评估自己的内部能力,包括收集和准备数据、训练和部署基础GenAI模型,以及构建对现有应用程序和工作流程进行GenAI增强的能力。最有可能的是,早期的收益将是内部生产力的提高和从购买增强型解决方案中获得的能力学习。
直接利用合作伙伴
寻找那些已经将他们的数据基础设施和应用程序与GenAI相结合的现有应用伙伴。你与他们有业务关系,他们通常是安全和合规的供应商。你还共享上下文和数据集,你的员工了解这些供应商提供的用户界面和工作流程。因此,他们可以迅速帮助你改进业务流程和工作流程。这些合作伙伴可能对新兴技术和快速增强其GenAI堆栈的技能集有更好的获取途径。
在短期内,你的已建立合作伙伴,包括亚马逊AWS、微软Azure、谷歌云等云服务提供商以及Workday、Atlassian、Smartsheet等软件应用公司,已经为你提供了增强的解决方案。还有一层数据管理层,CSPs和数据服务公司如Snowflake、MongoDB和Databricks提供了更深入的GenAI工作所需的数据管理功能。
采取起始的购买优于自建的方法的关键是通过了解和利用你已建立的合作伙伴正在做的事情来实现额外的快速胜利。然后,当你进一步明确公司的方向时,你可以找到最适合构建自己的GenAI增强的方法。
建立一个GenAI学习实验室
无论是来自内部早期采用者还是增强型第三方解决方案,你的早期成功将主要用于提高内部生产力和创造力。然而,更根本的需求是确定如何转变业务以更好地为外部客户提供服务。许多科技公司已经举办黑客马拉松,激发内部团队的活力,并开发了为客户服务的优先机会。这也是你公司开始的一个很好的地方!此外,他们指定了一位高级执行人员担任跨职能的GenAI负责人,负责领导实验工作并制定GenAI战略计划。你可以将这些努力看作是一个GenAI学习实验室。
更具存在感的需求是确定你将如何转变你的业务,以更好地服务于你的外部客户。
尽管这个团队可能会监测和总结GenAI的迅速变化,但最有效的发现方法是通过实践来学习。能够入选GenAI学习实验室应该被视为一个机会,让具有潜力的公司建设者和领导者参与其中。他们将需要访问数据资源,并可能需要在IT和数据管理方面碰壁,以快速进行实验。高级执行人员的赞助将是平衡实验和风险的关键。实验室(以及整个公司)应该制定一些关于何时以及如何以安全合规的方式共享项目的规则和制度。虽然帮助启动该团队的黑客马拉松可以提供灵感,但这些团队要想开发出客户可以测试的优先级和产品,很可能需要时间和一些外部专业知识。具有行动倾向和实验思维的态度将有助于实验室和公司取得成功。
一些具体的早期优先考虑领域是为你的客户服务代表和客户提供生成式聊天和生成式搜索。生成式聊天是让你的客户和服务代表以自然语言的方式与你已有的数据和知识资源进行交互,帮助他们更快地获得答案。其想法是通过聊天式界面进行交互,并快速获得问题的答案。生成式搜索类似于生成式聊天,但更多地涉及为你的搜索结果添加推理和见解。谷歌最近宣布了一系列关于企业搜索的功能。
学习实验室很可能是与在写作、图像、视频、代码生成等领域构建更原生GenAI服务的创新型初创公司合作的最佳地点。像Jasper.ai、Copy.ai、HyperWrite以及当然OpenAI的ChatGPT这样的公司已经在原生支持各种写作用例。像Lexion(法律合同)或Harvey(法律程序)这样的公司专注于特定的起草和文件管理领域。RunwayML是视频创建和编辑市场的早期领导者,非常幸运地拥有一个深入了解整个GenAI堆栈的团队。在启用领域,如模型测试和部署(OctoML、Mosaic)、数据整理(Number Station)和数据摄入(Unstructured.io)方面,也出现了一些专注于GenAI的公司。我们相信原生GenAI公司正在全新的视角上看待客户的问题,所需的新技术能力以及不断迭代从数据到最终用户的敏捷方法。正如Tomasz Tunguz在几周前深思熟虑地分享的那样,构建、部署和运营生成式应用程序将带来重大的产品开发以及组织和文化方面的变化。与你的学习实验室以及之后的某些原生GenAI公司合作将为你的能力建设的长期方法提供信息。
在长期过程里的中期取得胜利
在取得一些快速胜利和能力建设的基础上,你很可能已经赢得了组织内其他人(包括CEO)对更中长期项目的认可和信心。你还将更好地校准你的内部团队和流程能力、数据资产和客户需求。在建立快速胜利的基础上,花时间回过头来制定一套更长期的优先事项,确定你将要交付的内容以及如何交付。
许多协作伙伴和软件合作伙伴的快速胜利将为你揭示内部和外部机会的洞察力。在客户满足和客户成功等领域,你可以在哪些领域提供更多的自动化、个性化和成本节省?你是否拥有专有数据和/或对公共数据源的了解,可以帮助你构建差异化的GenAI模型和解决方案?是否有一种更好的系统,通过GenAI增强,用于设计产品和服务的下一个迭代版本?在市场上销售产品的分销或合作渠道是否会出现,同时继续满足你对数据和强化学习的需求?
你面临的最重要的决策之一是“我们如何做到这一点?”你的快速胜利可能会确定拥有技能和激情的内部冠军,他们愿意拥抱你的GenAI转型。培养这些GenAI冠军并将他们纳入长期倡议中将极大提高你的成功机会。特别是,寻找那些有求知欲但并不本能地认为你的公司必须采取自己动手的方法的冠军。大多数公司在寻求利用整个GenAI堆栈更好地满足面向客户和员工的需求时,将从自己动手和“与我一起动手”的合作伙伴方法中受益。
总的来说,以下是增加成功可能性的一些指导原则:
1. 最初重点放在基于云的部署而不是边缘用例上(边缘正在兴起,但仍处于早期阶段)。
2. 从数据开始设计,并在应用层上区分应用层基础设施。你很可能会利用其他开源和托管模型(包括语言模型和领域特定模型)和云基础设施,因此是你的数据和工作流程将帮助你定制创建独特价值的模型和应用程序。
3. 始终推动了解你的数据和元数据资产,并从战略上管理它们以实现长期价值(在数据泄露风险与数据损耗风险之间平衡)。你很可能需要升级底层的数据存储,如数据仓库和数据库类型,以最终构建利用专有数据和见解的语言模型。
4. 同时采用原生GenAI创新者和增强型现有技术合作伙伴,支持你的GenAI之旅。这应该有助于提高内部生产力和创造力,同时改善客户体验和价值!
为马拉松做准备,而不是短跑
将近30年前,我是一家名为The Genuine Parts Company(GPC)的财富500公司的年轻企业副总裁。我们的业务在不同的行业,包括汽车零部件(NAPA)、工业产品和办公用品,提供出色的供应链服务,从制造商到最终用户客户。1995年,一项名为互联网的颠覆性技术出现了,引发了第一波大型风险投资炒作周期和一系列对每个公司产生影响的商业创新。每个星期,一家新的风险投资支持的公司联系GPC,探索他们如何成为新的技术推动者、新的客户类型或我们的新合作伙伴(可能成为竞争对手!)。我的角色迅速演变为筛选这些公司,评估它们与我们战略的契合程度,并制定能够在 embracing technological change 时扩展我们价值的安排。
随着晚上的互联网泡沫接近高峰,整个商业界都沉浸在电子商务、互联网公司和“实体与在线”创新之中。像GPC这样的传统公司在担心他们会陷入“创新者困境”之际,股价暴跌。NAPA Auto Parts、亚马逊和Madrona探索了一个“实体与在线”的合资企业,但他们很快意识到在纳斯达克指数在2000年3月达到当时的记录5000点(2000年3月)之前,商业市场还没有准备好一个在线汽车零部件商店。其他人没有那么幸运,无数的创始人、初创公司和投资者在泡沫破裂时遭受了巨大的损失。我永远不会忘记在2000年4月参加由财富和高盛在纽约举办的一次会议,会议以财富500公司与互联网公司之间的战斗为主题。当时很少有人相信财富500公司有机会,但如今,由于拥有学习的心态、出色的执行力和长期的视角,GPC的市值是那时的8倍!
在2023年及以后的时间里,颠覆性的GenAI技术、智能和生成式应用以及更自然的用户界面将在初创公司、现有技术公司和成熟企业之间产生赢家和输家。企业和其领导者将需要敏捷性、创造力和长期的视角来应对这个高度动态的时代。他们还需要对客户需求有战略的清晰度,对内部能力和数据资产进行客观评估,并与外部合作伙伴进行接触,以成为赢家。这就是为什么每位首席执行官都在问:“我们的生成式AI战略是什么?”的更深层原因。
所有评论