以下文章来源于CIOCDO ，作者CIO.com&睿信咨询

在一个充满风险的领域，避免不利结果与获得改变游戏规则的优势同样重要。成功的 CIO 会找到平衡风险和回报的方法。

来源：STOCK 4YOU / SHUTTERSTOCK

在人工智能的动荡中，技术正在迅速崛起，初创公司正在争夺关注，超大规模企业正在争先恐后地争夺市场份额。这种环境甚至对最精明的首席信息官的决策能力也提出挑战。但无论是否准备好，都必须做出具有深远影响的选择。停滞不前不是一种选择。

“人工智能发展迅速，所以我们不想拖延。我们需要准备好回应我们的首席执行官，以解决人工智能的问题，“Covanta的首席信息官Srini Gudipati说，Covanta是一家专门从事可持续材料管理的公司，包括大规模回收。

Forrester Research新兴技术副总裁 Brian Hopkins 对此表示赞同。“我们无法足够快地筛选所有这些，但你不能坐以待毙。机会太大了。有很多风险和很多地雷需要导航，”分析师说。

有一件事是肯定的：未来几年将有大量资金押注在人工智能技术上。根据 IDC 的数据，人工智能的核心 IT 支出将从 2024 年的 2356 亿美元增长到 2027 年的 5210 亿美元。

一、应对风险

进行任何赌注或投资的第一步是了解您承受风险的能力。韦伯斯特银行（Webster Bank）的首席信息官Vikram Nafde表示：“我们对采用人工智能技术保持审慎和有计划的方法，符合我们作为传统金融机构的适度风险偏好，”韦伯斯特银行（Webster Bank）的首席信息官Vikram Nafde说，韦伯斯特银行是一家拥有超过750亿美元资产的商业银行，通过商业银行、消费者银行和HSA银行（一家专注于医疗保健的金融服务提供商）提供数字和传统服务。

在人工智能方面，Nafde认为所选供应商的风险，以及使用的商业价值案例，以及该倡议的成本。首席信息官已经制定了解决这三个问题的策略。

对于供应商，Nafde从建立超大规模企业开始。“我们想要一个由大型、成熟的参与者组成的生态系统，”他说。鉴于与韦伯斯特银行的现有关系，其中包括AWS和Microsoft。尽管他更喜欢与大型公司合作，但纳夫德也在关注那些已经构建了在超大规模机器上运行的生成式人工智能工具的小公司。其中一家公司已经建立了一个工具，可以根据以前的互动和其他市场数据来预测客户的意图和行为。

为了找到有前途的用例，韦伯斯特银行征求了数十个提案，并决定从三个可以带来切实好处的提案开始。该银行现在正在实施这些概念验证 （POC） 计划：智能搜索内部生产力、具有 AI 功能的自动化以协助银团商业贷款工作流程，以及客户流失预测。

为了应对第三个风险领域，即成本，Nafde正在带头努力为内部员工提供必要的技能、能力和工具，以便在内部开展人工智能计划。Nafde说：“通过投资开发我们的全职员工（FTE）并为我们的技术人员提供必要的专业知识，我们的目标是最大限度地减少对外部顾问的依赖，并最大限度地提高我们从内部推动创新的能力。”

在Covanta，Gudipati正在逐案实施人工智能，专注于一次解决一个问题，其实施完全在成熟技术的能力范围内。“我们正在谨慎行事，因为LLM（大型语言模型）的兴起带来了新的数据安全风险，”他说。“在过去的几年里，我们一直在使用开源模型开发自己的内部人工智能能力。这确保了我们的敏感数据和知识产权不会被外部提供商使用。”

Covanta的一个POC旨在通过识别进入Covanta设施的丙烷罐等物品以及无害的可回收物，来降低将危险材料带入Covanta设施的风险。Gudipati说：“我们正在探索的技术使用人工智能和X射线技术分析入境卡车，以发现丙烷罐的轮廓，以免它与Covanta的巨型破碎机撞击时爆炸。这是一个巨大的危险，代价很高。根据Gudipati的说法，消除每小时花费约10,000美元的火灾危险应该使实施能够收回成本。”

【睿观：

（一）POC项目的技术原理

1.X射线技术：X射线扫描可以透视卡车的载货部分，生成物品的内部图像。X射线技术常用于安全检查，能够揭示包裹或货物中的内容结构，包括金属、塑料、液体等不同材料。

2.人工智能分析：AI技术用于分析X射线图像，识别特定的物品轮廓和特征。在这个应用场景中，AI模型经过训练，可以识别丙烷罐等潜在危险物品的形状和特征。

（二）应用目的

1.风险降低：主要目的是防止丙烷罐等危险物品进入Covanta的处理流程，因为这些物品在处理过程中可能会引发爆炸，造成巨大的安全隐患和经济损失。

2.成本效益：Gudipati提到，每小时的火灾危险成本约为10,000美元，通过实施这项技术，能够有效避免这类危险事件的发生，从而节省可能发生的高额处理费用。

结论：Covanta的这项POC项目通过结合X射线和AI技术，能够有效识别和筛选进入设施的危险物品，如丙烷罐，从而降低安全风险并实现经济效益。这种技术应用可以显著提升处理设施的安全性和经济性，防止潜在的事故和损失。】

在另一项实施中，Covanta正在使用人工智能来检查潜在客户的网站，以衡量公司的碳足迹，以及公司是否有资格获得联邦能源信用。“我们的数据团队使用Amazon 云上的 Gen AI 来探索可持续性指标。因此，这有一个创收的方面，“他说。

此外，Covanta正在使用Salesforce的CRM案例管理工具来创建发票，并使客户能够直接与Salesforce机器人交谈，以回答任何发票问题。Covanta还使用人工智能对合同进行法律审查，检测和突出可能的风险点。“这些都是默默无闻地使用工具的好例子，”古迪帕蒂说。

二、公共部门的谨慎

传统上，政府机构是最规避风险的组织之一，必须在公众的监督下运作，公众对没有回报或将公民数据置于风险之中的项目几乎没有容忍度。

“在哈里斯县，我们将数据机密性、完整性和可用性放在解决方案设计和架构的最前沿，”哈里斯县通用服务执行董事兼哈里斯县首席信息官Sindhu Menon 说，哈里斯县是德克萨斯州最大的县，也是全美第三大县，按人口计算，该机构为休斯顿地区的 470 万公民提供服务。

与Gudipati和Nafde一样，Menon和她的团队正计划使用超大规模企业作为相对低风险的选择。虽然是一个多云环境，但该机构的大部分云实施都托管在Microsoft Azure上，其中一些托管在AWS上，一些托管在ServiceNow的311公民信息平台上。根据Menon的说法，哈里斯县有大约六个基于人工智能的POC处于规划阶段，其中包括一个使许可处理现代化的POC，另一个使司法程序现代化的POC。

三、奠定基础

为了开发POC 实现，Menon 和她的团队正在建立一个实验室，预计将于 2024 年 3 月首次亮相，用于在推出前测试 AI 工具。该实验室位于县政府大楼内，将吸引来自多个部门的成员，包括该县的数据团队和架构团队。

“参加全县的测试和参与非常感兴趣。我们的目标是将团队聚集在一起，提供一个安全的环境来学习和测试解决方案，“她解释道。对于一个可能涉及当前托管在Azure 上的 Snowflake 数据湖的典型项目，Menon 强调数据质量至关重要。“人工智能工具依赖于这些解决方案中使用的数据。需要良好的数据管理实践才能获得预期的结果和人工智能解决方案，“她说。

同样，Nafde组建了一个由韦伯斯特银行首席企业架构师和首席数据官领导的大约二十多人的人工智能治理团队，其中包括技术人员、风险和合规人员以及律师。该银行人工智能团队的一个重点同样是数据质量。为此，该集团为银行的Snowflake环境实施了数据质量和治理工具。

对于卡万塔的Gudipati来说，第一步是通过建立一个强大而全面的数据基础来实施人工智能技术和服务，使公司“为人工智能做好准备”。

Gutipati解释道：“AI 受到高质量数据的滋养，因此我们使用 Talend 创建了一个全面的数据管理结构，将 Snowflake 用于我们的运营数据存储和仓库。然后，我们在 AWS 上实施了一套全面的 AI 工具，这些工具本身可以很好地协同工作，为我们提供真正的 AIOps。我们广泛使用亚马逊进行基础设施和数据存储，因此使用它们很有意义，”Gudipati 继续说道，他补充道，“我们完成了数据基础设施，在此基础上人工智能可以真正发挥其全部潜力。”

四、锁定风险

由于运行人工智能算法并不便宜，因此每个项目都存在成本高于预期的风险。

“人工智能引擎的运行成本很高，因为它们比传统人工智能消耗更多的处理器，因此我们必须密切关注成本，”Gudipati说。

纳夫德对此表示赞同。“人们没有意识到人工智能模型必须搅动如此多的计算资源。他们不知道这要花多少钱，“纳夫德说。“我们有计算服务的成本触发器。我们相信我们可以管理运行成本，因为我们将不断评估成本。

与云服务提供商（包括超大规模提供商）合作并非没有锁定风险。尽管有可能从一个云提供商转移到另一个云提供商那里获得更好的交易，但迁移的劳动力和费用令人生畏，可能会抵消任何潜在的节省。例如，Snowflake在Microsoft Azure或AWS上运行，因此可以从一个移动到另一个。“我不认为这是不可能的，但你需要做一些基础工作。提前考虑一下是件好事，“古迪帕蒂说。

五、不要只是站在那里，做点什么

对于首席信息官来说，以前很少有技术能够像生成式人工智能那样必须采取行动。风险缓解策略面临着高层管理人员的推动，他们不希望自己的公司落后。

“这可能是历史上第一次，非技术高管可以看到一些东西并对此感到兴奋，因为他们可以参与其中。这一直是引发董事会层面兴趣的关注点，”Forrester 的 Hopkins 说。

在金融服务领域，Nafde认为，支付公司Stripe和移动应用程序MX等初创公司可以使用人工智能来接管客户关系。“用户行为可能会发生很大变化，以至于人们不会想到线下银行，而是想到他们正在使用的支付应用程序，”Nafde说。“金融科技公司和初创公司将利用人工智能来超越老牌企业，否则将精疲力竭。”

然而，与初创公司不同的是，老牌公司不能冒着将全部押注在人工智能上可能带来的损失的风险。他们面临的挑战是引导一条中间路线，产生底线结果。Gudipati说：“我们不会告诉全世界我们是一家基于人工智能的公司，但我们将其用作日常解决问题的工具。”

【睿观：本文探讨了首席信息官（CIO）在快速发展的人工智能（AI）技术领域面临的挑战与机遇，特别强调了他们如何在追求创新的同时管理风险。文章通过不同行业和组织的实际案例，展示了CIO们如何权衡人工智能投资的回报和风险，确保技术投资与组织的长远目标和风险承受能力相匹配。

（一）主要观点：

1.人工智能的快速发展：人工智能技术的快速进步为企业带来了前所未有的机遇，同时也带来了复杂的风险和挑战。CIO们需要迅速适应这一变化，制定相应的战略和计划。

2.风险管理与机遇把握：成功的CIO将寻找平衡风险和回报的方法，通过审慎的规划和策略，既避免不利的结果，又能够抓住改变游戏规则的机遇。

（二）案例研究：

1.Covanta：通过结合X射线和人工智能技术，有效识别和筛选进入设施的危险物品（如丙烷罐），降低安全风险，并通过节省成本实现经济效益。

2.韦伯斯特银行（Webster Bank）：CIO Vikram Nafde展示了对AI技术的审慎采用，重点是与大型、成熟的企业合作，同时关注小公司的创新解决方案（如可以根据以前的互动和其他市场数据来预测客户的意图和行为。）

3.公共部门的策略：政府机构在采用AI时表现出极大的谨慎，重视数据的机密性、完整性和可用性，同时倾向于与大型企业合作，降低风险。

4.基础建设与数据管理：无论是公私部门，CIO们都在强调建立强大的数据管理和分析基础设施的重要性，这是成功实施AI技术的前提。

5.风险与成本控制：人工智能项目的运行成本高昂，CIO们需要密切监控成本，确保项目的可持续性。

结论：文章揭示了CIO在人工智能领域的关键作用，不仅是技术的实施者，更是风险管理者和战略规划者。通过实际案例，展现了在迅速变化的技术环境中，成功的CIO如何通过审慎的决策和策略，平衡风险和机遇，引领组织走向创新和成功。】