人工智能工具与人工智能解决方案之间存在差异：研究人员表示，IT 领导者可以鼓励员工通过学习AI提示词等方式来有效利用人工智能工具，以帮助员工适应更复杂、更有影响力的人工智能解决方案。
来源：PeopleImages.com - Yuri A / Shutterstock
人工智能工具与人工智能解决方案的区别@福建CIO网
未能通过生成式人工智能获得组织支持的 CIO 可能需要重新考虑如何引入这项技术，以及如何增强他们的人工智能战略以适应这一需求。
麻省理工学院的最新研究表明，当 IT 领导者考虑生成式 AI 时，他们应该在推出提高生产力的 AI 工具时制定与部署业务案例驱动的 AI 解决方案不同的策略。
根据麻省理工学院信息系统研究中心 (CISR) 最近发布的简报“管理生成式人工智能的两面”，所谓的人工智能工具和人工智能解决方案为对生成式人工智能感兴趣的组织提供了两种不同的机会，并且可能需要采用不同的部署方法才能成功。
报告作者表示，从 AI 工具和 AI 解决方案中获取价值的关键是以正确的方式部署它们并抱有正确的期望。麻省理工学院 CISR 首席研究科学家 Barbara Wixom 表示，这项研究的推动部分源于 IT 领导者提出的疑问：为什么他们没有从新一代 AI 中获得与过去几十年的数据和分析技术相同的价值。
其中一个原因可能是他们对人工智能采取了“一刀切”的做法。另一个原因可能是他们没有意识到推出某些人工智能工具可以培养AI应用意识，为未来更大的进步和更雄心勃勃的计划奠定基础。
一、人工智能工具需要训练
麻省理工学院 CISR 报告细分了当今企业中新一代人工智能的使用情况，将 ChatGPT、Adobe Acrobat AI Assistant 和 Microsoft Copilot 等能够提高生产率的人工智能工具与更复杂、更具战略性的人工智能解决方案区分开来，后者旨在通过大规模改变流程和系统来产生财务回报。
Wixom 表示，人工智能工具不仅能提高工作效率，还能帮助员工习惯使用人工智能。因此，IT 领导者需要将人工智能助手和副驾驶等工具视为“建立数据民主的真正重要机制”，她补充道。
她说：“员工和劳动力越多地使用这些通用工具，并且在使用人工智能方面变得越自如和富有创造力，这实际上就会提升员工的技能，并在解决方案方面带来更多的创新。”
然而，指南非常重要，尤其是对于这一层级的 AI 产品，因为有些产品可能会重新利用输入的公司数据。此外，培训也是必不可少的，以确保 AI 助手和副驾驶员能够成为未来更复杂的 AI 解决方案的有效门户技术。
麻省理工学院 CISR 的研究科学家 Nick van der Meulen 表示：“在员工层面进行这种调整和实验很有价值，但你希望安全地进行。”“许多此类生成式 AI 工具都是公开的，因此你需要确保自己有一些良好的指导方针，甚至可能要从你信任的选定供应商那里选择一些精选工具。”
在 AI Copilot 推出初期，许多 CIO并不完全相信这些工具的承诺。部分原因是，鉴于员工通常不会跟踪节省的时间，因此可能很难计算出它们的全部效果。研究人员为该报告采访的一位高管表示，AI 工具是生产力的“剃须刀”，因为它们可以通过汇总文档或帮助起草电子邮件等方式为用户节省每项任务的几分钟时间。
人工智能解决方案需要战略计划
研究人员指出，与人工智能工具相比，人工智能解决方案可以满足战略性业务需求。联络中心用来处理对话内容和语气并为代理提供实时指导的大型语言模型 (LLM) 就是一个很好的例子。研究报告建议，部署人工智能解决方案的组织应创建正式且透明的人工智能创新流程，并制定人工智能开发指南，通过定制化优先考虑竞争差异化。
研究报告指出：“为了避免陷入某位高管所说的‘人工智能清单思维’，组织需要清晰的治理结构、早期和持续的利益相关者参与，以及对可扩展解决方案的关注。”“这位高管所在的组织成立了一个高级工作组来指导其人工智能计划，利用黑客马拉松和外部顾问等各种资源来提出利益相关者对人工智能解决方案的想法。”
威克瑟姆说，在某些情况下，人工智能解决方案的价值可能比人工智能工具的价值更快显现出来。
“如果你从事的是内容密集型、专业知识密集型、文档密集型行业，并且拥有大量非结构化数据，那么你就有无限的商机，”她说，“他们会找到最适合自己的黄金用例。”
【睿观：
内容密集型行业，如媒体、出版、法律、金融等，每天产生海量非结构化数据。这些数据蕴藏着巨大的商业价值，但如何有效地挖掘并利用，是摆在企业面前的一大挑战。
洞察客户需求： 通过分析用户评论、社交媒体互动等，可以更深入地了解客户需求，从而提供更个性化的产品和服务。
优化业务流程： 通过分析文档、报告等，可以优化业务流程，提高效率，降低成本。
发现新的商机： 通过分析行业趋势、竞争对手信息等，可以发现新的商机，抢占市场先机。
成效： 通过分析用户阅读历史、偏好等数据，构建个性化的推荐系统，提高用户粘性，增加广告收入。
案例： Netflix、抖音等平台通过精准的推荐算法，成功地将用户留在了自己的平台上，并不断拓展新的用户群体。
成效： 利用自然语言处理技术，对大量合同进行分析，提取关键条款，提高合同审查效率，降低法律风险。
案例： Contract Analytics等公司开发的智能合同分析平台，帮助法律团队大幅缩短合同审查时间，提高工作效率。
构建强大的数据基础设施： 建立统一的数据湖，存储和管理海量非结构化数据。
采用先进的分析技术： 利用自然语言处理、机器学习等技术，对数据进行深入分析。
开发定制化的应用： 根据业务需求，开发定制化的应用，将分析结果转化为可行的行动方案。
保护数据安全： 确保数据的安全性和隐私性。
内容密集型行业拥有丰富的非结构化数据资源，这些数据是企业实现数字化转型、提升竞争力的宝贵财富。通过合理利用这些数据，企业可以实现个性化服务、优化业务流程、发现新的商机。】
二、定制回应
SaaS 文本营销平台 Textdrip 的首席技术官 Dhaval Gajjar 同意这两种类型的人工智能实施需要不同的策略。
例如，网站和移动应用开发公司 Pranshtech 的首席执行官 Gajjar 表示，成功使用 AI 工具（这些工具往往更容易部署）取决于用户培训。“供应商的标准化应该遵循指南和最佳实践，以有效使用它们，”他表示，这与麻省理工学院 CISR 的建议相呼应。
他补充道，人工智能驱动的欺诈检测或预测分析系统等解决方案更为复杂。“就我而言，任何人工智能解决方案都需要采用结构化和正式的方法来启动，”Gajjar 补充道。“因此，需要跨职能协作才能大规模实现这一价值，并进行严格的测试和明确的治理。”
会计和咨询公司 BPM 的首席信息官 Moe Asgharnia 补充说，人工智能工具和解决方案之间的划分更多的是一种实际的部署框架，而不是技术划分。
“重要的是要记住，底层技术是相同的，”他说。“不同之处在于它们的应用和使用方式。聊天机器人或写作助手等人工智能工具通过特定任务提高生产力，而人工智能解决方案（例如人工智能驱动的客户支持平台）旨在使用多种人工智能功能改变整个工作流程。”
Asgharnia 也认为，copilots 等 AI 工具可以让员工接受更复杂的解决方案。“AI 工具可以在生产力和效率方面带来快速成功，并且可以作为未来更复杂的 AI 实现的垫脚石，”他说。“通过熟悉和适应这些工具，公司可以为未来部署更大规模的 AI 解决方案奠定更坚实的基础。”
他补充说，如果正确部署，这两种类型的人工智能技术都将非常有用。
“每种方法的范围和复杂性的差异直接影响到如何推广或实施，”Asgharnia 说道。“在这两种情况下，组织都应通过直接影响以及这些工具和解决方案与长期业务目标的契合程度来衡量成功。”
【睿观：人工智能工具与解决方案在部署和应用上存在显著差异，IT领导者需要根据不同类型采取不同的策略，才能最大化其价值。
人工智能工具与解决方案的区别：
人工智能工具： 侧重于提升个体工作效率，易于部署，但需要用户培训。
人工智能解决方案： 关注业务流程优化，需要跨部门协作，并有严格的治理。
部署策略：
人工智能工具： 强调员工培训，建立数据民主，为更复杂的解决方案打下基础。
人工智能解决方案： 需要制定明确的战略，创建创新流程，并关注长期业务目标。
价值衡量：
人工智能工具： 通过提高个体生产力来衡量。
人工智能解决方案： 通过对业务目标的影响和长期价值来衡量。
IT领导者应根据不同类型的人工智能，制定差异化的部署策略。
强调员工培训，培养员工对人工智能的熟悉度和应用能力。
建立明确的治理框架，确保人工智能的应用符合企业战略。
关注人工智能对业务的长期影响，而非短期收益。】
