微软在生成式AI领域取得了显著的进展，为企业提供了强大的AI工具。然而，企业在采用微软AI平台时需要仔细权衡利弊，并制定相应的策略。随着AI技术的不断发展，企业需要持续关注市场动态，并不断调整自己的AI战略。随着炒作和概念验证转向现实主义和部署，构建在微软人工智能平台上有其利弊。
图源：PEOPLEIMAGES.COM - YURI A（图片上传者，可以译为用户PEOPLEIMAGES.COM - YURI A，或者PEOPLEIMAGES.COM - YURI A） /SHUTTERSTOCK
微软在企业级生成式人工智能领域取得了显著的领先优势：它将生成式人工智能功能集成到几乎所有其提供的企业工具中，在GitHub（是一个面向开源及私有软件项目的托管平台，因为只支持Git作为唯一的版本库格式进行托管，故名GitHub。Github拥有1亿以上的开发人员，400万以上组织机构和3.3亿以上资料库。）上添加了最受欢迎的生成式人工智能开发工具——GitHub Copilot（微软与OpenAI共同推出了一款AI编程工具，能够基于 GitHub 及其他网站的源代码，可根据上文提示为程序员自动编写下文代码。）已经超过了微软收购GitHub时的规模——并且运营着为OpenAI（在美国成立的人工智能研究公司，核心宗旨在于“实现安全的通用人工智能，AGI”，使其有益于人类。OpenAI于2015年由一群科技领袖，包括山姆·阿尔特曼、彼得·泰尔、里德·霍夫曼和埃隆·马斯克等人创办。）提供动力的云平台。
除了无处不在的ChatGPT（是人工智能技术驱动的自然语言处理工具，它能够通过理解和学习人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码，写论文等任务）之外，首席信息官们还将发现与熟悉的企业供应商合作的明显优势，该供应商比许多人工智能初创公司更了解他们的需求，并承诺与现有企业工具集成。但这些紧密的集成也对数据管理产生了影响，因为新功能通常意味着云账单的增加，更不用说生成式人工智能在Azure（Microsoft Azure是微软基于云计算的操作系统，主要目标是为开发者提供一个平台，帮助开发可运行在云服务器、数据中心、Web和PC上的应用程序。云计算的开发者能使用微软全球数据中心的储存、计算能力和网络基础服务。）上的极高受欢迎度，这引起了人们对服务和知道如何充分利用这些服务的员工的效率的担忧。
事实上，许多类似的优缺点可能适用于企业选择的任何人工智能平台提供商，首席信息官们需要在他们的人工智能战略中考虑这些更广泛的问题。
一、在广阔的市场中领先
在Morgan Stanley（摩根士丹利，财经界俗称“大摩”，是一家成立于美国纽约的国际金融服务公司，提供包括证券、资产管理、企业合并重组和信用卡等多种金融服务，在全球27个国家的600多个城市有代表处，雇员总数达6万多人。）的季度首席信息官调查中，38%的首席信息官预计将在未来12个月内采用微软Copilot工具。微软声称，《财富》500强公司中有一半使用Copilot工具，2023年第四季度每日用户数量翻了一番，尽管没有说明这些工具在这些组织中的部署范围有多广。
现有的投资和与微软的关系在这里发挥了重要作用。“Copilot最终比我们预期的更重要，因为大多数公司已经与供应商密切合作。”Forrester（弗雷斯特市场咨询，是一家独立的技术和市场研究公司，针对技术给业务和客户所带来的影响提供务实和具有前瞻性的建议。公司已经被公认为思想的领导者和可信赖的咨询商，通过所从事的研究、咨询、市场活动和高层对等交流计划，帮助那些全球性的企业用户建立起市场领导地位。）首席分析师J.P.Gownder（J.P. 冈德尔）说，“它嵌入了我们每天使用的应用程序中，整体安全模型非常严密。首席信息官们宁愿让员工使用经过批准的工具，而不是自带AI。那是有风险的。”
所有OpenAI的使用都累积到微软，因为ChatGPT运行在Azure基础设施上，即使没有被标记为微软OpenAI服务（尽管微软在其自身产品中用于AI服务的并非所有大型语言模型都来自OpenAI；其他一些是由Microsoft Research/微软研究院创建的）。无论你是直接购买还是通过Azure购买，OpenAI的成本都是一样的。新模型同时推出，通过微软购买提供安全和治理优势，就像其他所有Azure服务一样，可以访问按订阅和租户分割的Azure OpenAI服务，每个企业都有自己的实例。
微软首席技术官Kevin Scott（凯文·斯科特）将公司的Copilot堆栈比作Linux、Apache、MySQL和PHP的LAMP堆栈，使组织能够在互联网上大规模构建，并且有明确的企业兴趣使用这些服务构建解决方案。
微软人工智能平台的副总裁 Eric Boyd（埃里克·博伊德）表示，使用Azure AI服务的60,000多个组织包括65%的《财富》500强企业，其中超过三分之一是被OpenAI吸引的新Azure客户，他们继续使用更多的Azure AI服务。例如，一半使用Azure AI Search（Azure平台上的AI驱动搜索服务），使企业数据可供通用AI应用程序和他们构建的copilots使用。
微软还在OpenAI之外进行了投资，例如在Mistral和Meta的LLAMA（Meta AI推出的大语言模型。之后源代码公开到了 4chan 论坛上，使得任何一个普通工程师，都有机会开发自己的聊天机器人产品。只需要一台笔记本电脑就能部署，不必像 OpenAI 那样动辄上万块 GPU，对中小开发者极其友好，且性能也没差到哪去。泄漏后的几个月内，一位斯坦福大学的研究人员，只花了不到 600 美元就做出了一个性能尚可的 AI 聊天机器人；大洋彼岸的哈工大，数位研究人员用 Llama 和专业数据做出了一个医学知识 AI，取名叫“华佗”。围绕 LLaMA，一个生态开始涌现。）模型，它自己的小型语言模型如Phi（微软的小型语言模型），以及与Cohere（人工智能初创公司。成立于2019年，开发人员可以使用该公司创建的自然语言处理软件为企业构建人工智能应用程序，包括聊天机器人工具和其他可以理解人类语音和文本的功能。2021年11月，该公司宣布与谷歌建立多年合作关系，由谷歌的云部门为Cohere提供训练软件模型所需的计算能力。）、Hugging Face（起初是一家总部位于纽约的聊天机器人初创服务商，本来打算创业做聊天机器人，然后在github上开源了一个Transformers库，虽然聊天机器人业务没搞起来，但是他们的这个库在机器学习社区迅速大火起来。目前已经共享了超100,000个预训练模型，10,000个数据集，变成了机器学习界的github。）和Nvidia（英伟达，是一家人工智能计算公司。公司创立于1993年，总部位于美国加利福尼亚州圣克拉拉市。是全球可编程图形处理技术领袖。）等供应商合作。其模型目录有超过1600个选项，其中一些也可以通过GitHub Models（GitHub上的模型库）获得。
尽管竞争对手有类似的模型花园，但根据IDC（国际数据公司，是国际数据集团旗下全资子公司。是信息技术、电信行业和消费科技市场咨询、顾问和活动服务专业提供商。经常发布的市场资讯、预测和资深分析师关于业内热点话题的观点性文章。）的数据，微软2023年来自其AI平台服务的收入占市场份额的13.8%，是谷歌（5.3%）和亚马逊网络服务（5.1%）总和的两倍多。
二、提前计划应对大量使用
OpenAI的普及引发了人们对生成式人工智能可用性的质疑。与第三季度一样，对微软人工智能服务的需求仍然高于可用容量。这是一个全行业的问题。Gartner（高德纳，Gartner Group公司成立于1979年，它是第一家信息技术研究和分析的公司。它为有需要的技术用户来提供专门的服务。Gartner已经成为了一家独立的咨询公司，Gartner公司的服务主要是迎合中型公司的需要，它希望使自己的业务覆盖到IT行业的所有领域，从而让自己成为每一位用户的一站式信息技术服务公司。）杰出副总裁分析师Jason Wong（杰森·黄）表示：“生成式人工智能和推理所需的特定工作负载为其供应链带来了更大的复杂性，以及它们如何平衡跨数据中心区域和不同地区的计算和推理工作负载。”虽然可用性不是微软的既成事实，但他指出，这对许多超大规模用户来说是一个问题。
继续其现有的投资Azure更多区域和国家特定数据中心的方法，可以提高性能和数据主权，也将帮助微软避免人工智能瓶颈，其中一半的资本支出大幅增加专门用于服务器CPU（中央处理器。作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。CPU自产生以来，在逻辑结构、运行效率以及功能外延上取得了巨大发展。）和GPU（图形处理器，又称显示核心、视觉处理器、显示芯片，是一种专门在个人电脑、工作站、游戏机和一些移动设备。如平板电脑、智能手机等上做图像和图形相关运算工作的微处理器。）。
对于OpenAI而言，微软还设计了自己的Maia AI加速器，其机架密度远大于通常用于前沿模型的Nvidia和AMD GPU。它正在积极地将这些部署到Azure数据中心，客户无需进行任何更改，预计到2025年中期，这些投资将更接近满足需求。
它还在创建工具，帮助客户从广泛的模型中进行选择，Wong（黄）补充说。“有小型模型和具有视觉、声音和文本的多模态模型，”他说，“有很多新的进步和小型模型，可能有助于减少工作负载。”组织通常从最适合他们工作负载的最强大模型开始，然后针对速度和成本进行优化。Azure AI的客户开始尝试使用较小的模型，使用Azure AI Studio在他们的应用场景中进行基准测试和比较。
“如果我能够有效地微调其中一个模型以适应我的特定用例，并得到一个比可能没有针对那个用例进行微调的更大模型表现更好的模型，那么我就能得到小型模型在成本和更低延迟方面的好处，至少在这个特定任务上，拥有更大模型的质量，”Boyd（博伊德）说。
他鼓励那些希望扩大人工智能使用规模的首席信息官提前与微软接洽。“惊喜总是最困难的事情，”他说，“如果一家公司想一夜之间从零增加到一百万GPU，那可能很难。但如果有一个计划，我认为一般来说，我们已经能够满足所有这些[请求]。”
拥有其他云数据算力和基础设施算力的企业自然会首先评估他们现有提供商的通用人工智能功能——这些提供商也对容量持谨慎态度——然后再考虑像Azure这样的选项，Forrester的高级分析师Rowan Curran（罗文·柯兰）指出“微软和Open AI在公众认知方面一直处于前沿，但当我们查看企业购买格局时，我们看到有很多机会。”
平台熟悉度对于数据连接性、权限管理和成本控制有优势。他补充道：“实施是实现成功的重要组成部分。”
三、从数据所在的位置开始
使用自己的企业数据是与开放访问的人工智能聊天工具的主要区别，因此从已经托管您的企业数据的提供商开始是有意义的。Curran（柯兰）说：“这是支持使用这些工具的上下文信息。”
拥有构建企业数据湖并连接到许多不同数据源经验的组织具有人工智能优势。“它们能够连接到更多样化的数据源，围绕模型处理的查询构建更复杂的上下文，并进行检索增强生成，”他补充说。
对于许多企业来说，微软不仅提供文档和电子邮件存储，还为这些数据源提供企业身份的根本，正如软件开发公司Nerdio（微软云虚拟桌面管理平台）的首席执行官Vadim Vladimirskiy（瓦迪姆·弗拉基米尔斯基）所指出的。“对于我们的大多数客户来说，Azure是他们身份所在的地方，是人们的凭据所在的地方，是人们的数据已经存在的地方，”他说，““从身份验证的角度来看，当你在同一朵云中共享相同的身份计划时，建立这些数据连接会更容易。”
对于Copilot来说尤其如此。他补充道：“与一些非微软的替代品相比，微软365 Copilot的最大优势在于它集成到了微软365产品生态系统中，这意味着企业数据存储库中的所有数据都可以在Copilot中显示出来。”
随着新加入Azure的企业选择将其用于OpenAI服务，Boyd（博伊德）还声称他们是为了AI应用程序而来，但会留在完整的平台上。将Azure用于数据和人工智能意味着Copilot和任何组织自行构建的应用程序都继承了现有的安全性、权限和数据访问。微软堆栈中的AI工具也尊重访问权限和敏感度标签。Boyd（博伊德）说：“当数据来自SharePoint（微软的协作平台和文档管理系统）等时，Azure AI Search将尊重之前数据的权限。”
但是使用能够连接到所有数据的生成式人工智能的缺点是有可能在数据管理上偷工减料时。“如果你在没有设置权限的情况下从文档中提取数据，那么就没有信息可得，”他补充说，“人们在构建应用程序时需要考虑到这一点。”
这并不是一个新问题。“良好的数据治理和信息架构一直是一个问题，”Wong（黄）说。生成式人工智能只是使企业在管理权限或策划数据方面不足时更加明显。“当你谈论工具的嵌入式人工智能的能力，无论是微软365或Google Workspace还是Slack AI，人工智能应用本质上是依赖于系统中的数据——数据的质量和相关性，如果它是冗余或过时的，如果它被过度共享并包含敏感数据，那将会引起质量问题以及合规性和安全风险。”
Wong（黄）说，对于向不应该访问数据的员工暴露数据的担忧已经推迟了一些Copilot部署。“对于微软365 Copilot，我们看到有相当一部分客户表示，由于安全问题，他们已经将试点延长或推迟生产推出三个月或更长时间。”
为了提供帮助，微软的权限数据治理服务现在包括一个人工智能中心，组织可以使用它来查找和保护数据，跟踪Copilot和其他人工智能工具中数据的使用情况，并管理合规性、保留和删除，但这需要时间和专业知识。
“微软提供了所有的工具来锁定它，但需要大量的专业知识来了解什么允许数据流，它们是如何工作的，以及如何在微软Graph系统中设置权限，以便正确地锁定它，并按照首席信息官对组织的要求进行设置，”Vladimirskiy（弗拉基米尔斯基）说。
Virgin Atlantic（维珍航空是英国维珍大西洋航空公司/Virgin Atlantic Airways的简称，维珍航空于1984年成立，是英国一家航空公司，提供来往英国的洲际长途航空服务。维珍航空是维珍集团的附属公司之一，维珍集团拥有其51%股权，达美航空则拥有49%股权。）的技术和转型副总裁Gary Walker（加里·沃克）建议组织从那里开始。尽管急于进入Copilot测试版，但这家航空公司花费了10周时间使用Purview（一种数据管理和分析工具）和Sharegate（一种用于迁移和管理SharePoint的工具）等工具分析数据安全，查看其Office 365（是微软建基于Microsoft Office 办公室套件的云端办公室方案，包括免费的线上Office Online、线上会议Skype for Business、管理信件的Outlook Web App、建立小组沟通网站的SharePoint Online 等。）租户中的每一份文档和工件，记录了在启用Copilot之前设置在它们上的权限，并在数据泄露报告中进行了记录。
“数据隐私、数据控制和数据访问管理在过去五年中发生了巨大变化，”他说，“我们很多人继承了20到30年的遗产，你可以打赌，当时的文件可能和今天创建的内容一样敏感，但当时可能没有考虑到数据隐私。”
即使SharePoint权限最初设置正确，随着人们在组织中移动和文件被错误分类，工作角色和组成员资格的变化可能会引入问题。该报告不仅涵盖了概念验证中涉及的文档和人员，还包括了安全扩展Copilot使用到业务其他部分所需的行动。
评估如此多的数据以清理任何现有问题，并创建正确的结构以加强未来的数据卫生是一项有价值的练习，很少有组织尝试过，但许多组织都会从中受益。法律和人力资源等业务功能显示出预期的严格控制，但也有像业务访问IT系统的意外情况。
“我最大的建议是集中精力在数据安全和分类上，创建一个数据泄露报告，并确保你了解你正在启用此功能的用组的范围，”他说，“不要在整个企业中直接这样做。不要仅仅将Copilot视为Office 365的一个额外插件。它与众不同。”
四、衡量成本和价值
生成式人工智能的另一个主要问题是价格。根据IDC的数据，组织预计在未来两年内使用人工智能将使成本增加近四分之一。
许多IT预算都是固定的，节省时间并不意味着可以花更多的钱。组织通常从少量用户开始，评估在哪里进行更广泛的部署，甚至考虑IT以外的预算，以分配提高生产力的成本。微软称之为“land and expand”（落地与扩展模式，是一种SaaS策略，旨在通过较小的合同向客户出售产品，然后随着时间的推移通过追加销售/upselling和交叉销售/cross-selling来扩大服务范围。这种策略是高净留存率的标志，涉及三个独立但相互关联的目标：追加销售、使用率和保留率。这种策略的实现需要从核心技术立足，经过产品化落地，到商业模式复制，最终达到规模化验证，养成过硬的客户粘性，是一个逐步履行服务价值变现的过程。此外，Land and Expand策略的成功还要求企业不仅要有深刻的to B思维，还需要“死磕”某类技术或产品变现，同时需要战略前瞻并付诸耐心深耕，以扩大SaaS服务价值的变现），这与既定的Office采用或其他熟悉的软件成本非常不同。
一些微软的人工智能工具包含在现有产品的价格中，如Power平台中的Copilot Studio，或用于销售的Dynamics 365中的Copelot，这也适用于Salesforce等其他CRM系统。但Vladimirskiy（弗拉基米尔斯基）说，除了企业选择构建定制工具的任何型号和服务的价格外，Copilot的成本通常是微软365成本的两倍。并非所有许可证都是Copilot每个用户每月30美元的基础。对于更具体的技能，比如用于金融服务或客户服务的新Copilots，在差异报告等核心任务上的领域专业知识需要额外的成本。
微软表示，大多数企业客户正在回来购买更多的Copilot席位。但大多数许可证都是用于试验，而不是大规模部署——根据Gartner的数据，通常不到20%的员工，早期采用者在扩展之前会考虑熟悉的成本与投资回报率等式。
“首席信息官们可能很难建立一个商业案例来展示如何将微软365许可证的成本翻倍，并获得同等的生产力提升。”Vladimirskiy（弗拉基米尔斯基）说，“但微软正在努力提供洞察力和利用率可见性，这将有助于进行论证。”
Wong（黄）说，企业对在副驾驶工作室创建定制的应用越来越感兴趣。他表示：“获得针对特定角色和功能的经过策划、审查、权威的具体数据最终将改变作用，而不仅仅是索引整个SharePoint的内容，并希望得到正确的答案。”
这也可以省钱。“客户通常有非常具体的需求，比如总结文档库。”Vladimirskiy（弗拉基米尔斯基）基建议说，“Copilot可以做到这一点，但接着我为许多我认为不太有价值的其他事物支付每月每位用户30美元。我能否构建一些仍然可以访问我的数据，仍然在微软云中运行，仍然使用与OpenAI相同的基础模型，并不为我没有使用的东西付费吗？假设你拥有软件开发才能，可以使用这些AI构建模块来构建产品，你可以得到比ChatGPT更健壮、更定制化、更安全的东西。”
在开源方面拥有丰富经验的企业可能会将开放基础模型视为降低成本的一种选择，但Curran（柯兰）警告说，不要将开放权重模型与更熟悉的开源生态系统等同起来。他预测企业将采用它们，包括在Azure等精心策划的环境中使用它们。
Boyd（博伊德）说：“我对开源模型很感兴趣，但在生产中并不多，”尽管客户开始使用像微软自己的Phi系列这样的小型模型。“但这在很大程度上还处于早期阶段。我还没有看到大规模采用。”
除了简化设置和运行开放权重模型外，在像Azure这样的平台上使用它们还有一个额外的好处：微软的模型内容安全服务是“默认情况下与Azure开放人工智能服务集成，但默认情况下也与我们所有的开源模型集成，”他补充道。
在经历了去年的兴奋和实验之后，首席信息官们更加慎重地考虑如何实施人工智能，做出熟悉的投资回报率决策，并经常从客户支持开始。他说：“是大多数组织都有的成本，但他们不喜欢为此付费，但他们仍然希望提供高质量的体验。”减少通话时间和升级也是明显的好处。
这些更垂直、特定任务、集成的人工智能产品可能比多面手的生产力助手贡献更多，因为人们不需要找到用途，然后记住将其纳入工作流程。但最受欢迎的Copilot表现强劲：例如，Virgin Atlantic报告称，其每天的效率提高了14分钟。
但并非所有Copilot都必须提供相同的价值。Curran（柯兰）认为，安全副产品可能不会在Microsoft Defender现有工具的基础上提供显著的额外价值，至少在没有额外培训的情况下是这样。但Excel Copilot在Virgin Atlantic大受欢迎。Walker（沃克）说：“人们绝对喜欢Copilot会自动告诉你，你填写表格的方式是否存在数据不一致。”他描述了Copilot如何在添加小写而不是大写的重复过滤器时发出警告，并对其进行修复。“这就像你在做事的时候有人在背后看着你。”
Teams Copilot用于总结会议并提供后续步骤也普遍受到欢迎。“你进入一个有15人的房间，你不必专注于谁在记录会议纪要，或者你是否需要在分配任务时表达得足够清晰，并确保每个人都明白输出结果是什么，”Walker（沃克）说，“你专注的是会议本身，因为你知道你参与其中，因为你知道Copilot在你身后录音和转录。”
即使是这个预构建的Copilot也需要在启用前进行准备。工作人员同时使用母语和英语或普通话等共同语言的多语种组织需要更仔细地监控转录和翻译的质量。如果记录会议在组织中还不常见，首席信息官们需要就保留、审计和删除策略去咨询法律和数据保护团队，因为可能存在发现方面的问题。
数据泄漏计划在这里也有帮助。“一旦你记录了一些东西，它就变成了一种数据形式，需要分类并在组织中占有一席之地。”Walker（沃克）说，“但同样，你需要知道首先创建这些数据是否合适。”
尽管首席信息官们需要保持财务纪律，并跟踪使用通用人工智能API（应用程序编程接口，是一些预先定义的函数，目的是提供应用程序与开发人员基于某软件或硬件的以访问一组例程的能力，而又无需访问源码，或理解内部工作机制的细节。）的情况，采用现在大家熟悉的“按使用付费”模式，尤其是在预算季节即将到来的九月，但他们也需要进行长期规划，IDC的企业软件集团副总裁Mickey North Rizza（米奇·诺斯·里扎）警告说。“这将花费你很多钱，”她说，“首席信息官们可能会抱怨他们从中得到的还不够，但当你第一次得到iPhone时，没有人知道该怎么用它。”
无论是作为助手、顾问还是代理，她都希望人工智能对信息的优化访问能够以更少的步骤将多步骤的业务流程减少到实时系统。但是，实现显著结果的实验需要时间。
与此同时，Boyd（博伊德）指出，OpenAI的价格已经大幅下跌。他说：“自Azure OpenAI服务推出以来的一年半时间里，ChatGPT4已经下降了12倍，而速度却快了6倍。”
五、使培训具有针对性
分阶段部署不仅涉及成本、安全性或合规性问题，还涉及获取正确的反馈，以便更好地管理它们并为用户提供适当的支持。培训是关键，即使在招聘时考虑到人工智能的技能，也要愿意接受人工智能可以产生的简化流程。令人担忧的是，领导者认为他们的员工已经为人工智能做好了准备，而员工则不认为他们已经做好了准备。
Forrester发现，59%的领导者认为他们给员工提供了充分的培训，但只有45%的员工说他们接受过任何正式培训。最成功的培训不仅涵盖员工角色，还涵盖他们的工作流程。Wong（黄）说，人们对这生成式人工智能有着巨大的热情，但如果他们没有时间探索它并学习如何为他们的工作获得有用的结果，参与度很快就会下降。
“如果你不使用这项技术从根本上重新思考流程，而只是在现有流程上叠加更多的人工智能工作，你就无法从中获得最佳利益。”他说，“你必须重新考虑潜在的流程，并进行培训和持续教育，因为这些技术发展非常迅速。矛盾的是，尽管员工很难将生成式人工智能融入他们的日常工作中，而且在某些情况下，基于他们的期望，它的效果并不理想，但他们仍然想要它。”
首席信息官们可能需要考虑组织如何采用低代码工具，鼓励自下而上的热情、实验和分享日益增长的专业知识有助于在企业中推广使用。微软和Virgin Atlantic都报告了包括实验时间在内的结构化培训的良好结果。Walker（沃克）指的是“引导式游戏会议”，并鼓励用户与同行分享有效的方法。他说：“他们可以作为可信用户进入环境，并向人们说这并不可怕。”
首席信息官们还应该记住，“生成式人工智能只是组织要求员工吸收的众多变化之一。Curran（柯兰）警告说，企业员工被期望适应的变化速度是2010年的三倍。“企业并没有以同样的速度增加支持这些变化的能力，”他说。增加资源以支持员工适应这些变化，对于生成式人工智能的成功与正确获取技术同样重要。”
这包括IT团队本身，他们需要为生成式人工智能继续以这种速度发展做好准备。Vladimirskiy（弗拉基米尔斯基）传达了微软对创建自己的生成式人工智能产品软件合作伙伴的建议。“每个人都应该有这样一种预期，即当你构建了某个产品时，你将不得重新开始，”他说，“公司的价值可能不在于他们正在构建的产品的结果，而在于组织内部专业知识的创造，以便在未来当人工智能比今天更有能力时能够利用它。”
作者：Mary Branscombe（玛丽·布兰斯科姆）
译者：宝蓝
【睿观：微软在生成式AI领域取得了显著的进展，为企业提供了强大的AI工具。然而，企业在采用微软AI平台时需要仔细权衡利弊，并制定相应的策略。随着AI技术的不断发展，企业需要持续关注市场动态，并不断调整自己的AI战略。
主要观点：
微软的领先优势： 微软通过将生成式AI功能集成到其众多企业工具中，如GitHub Copilot和Azure，建立了强大的生态系统。其与OpenAI的紧密合作，以及在AI基础设施上的巨额投资，使其在市场上占据了主导地位。
企业采用的机遇：
紧密集成： 微软AI工具与现有企业工具的深度集成，降低了企业采用的门槛。
丰富的模型库： 微软提供了多样化的AI模型，满足不同企业的需求。
强大的云基础设施： Azure提供了可靠的云平台，支持大规模AI应用。
企业采用的挑战：
成本高昂： AI服务的成本较高，尤其是对于大规模部署。
数据安全与隐私： 企业需要谨慎处理数据安全和隐私问题，防止敏感信息泄露。
技术复杂性： AI技术复杂，需要专业知识进行管理和维护。
员工培训： 企业需要对员工进行充分的培训，以帮助他们适应新的工作方式。
未来展望：
成本优化： AI服务的价格有望随着技术的进步而下降。
模型多样化： AI模型将变得更加多样化，以满足更细分的需求。
企业关注点转变： 企业将从关注通用AI转向定制化AI应用，以提高生产效率和降低成本。
如何平衡成本与收益？ 企业需要权衡AI带来的价值与投入的成本，找到最佳的投资回报率。
如何保障数据安全与隐私？ 企业需要建立完善的数据治理体系，保护敏感信息。
如何培养AI人才？ 企业需要加强对员工的AI培训，提升其技能。
如何选择合适的AI模型？ 企业需要根据自身需求选择合适的AI模型，并进行充分的测试。】
