Companies that educate, explore, experiment, and expand, perpetually, with the right pace and sequencing, are most likely to win with AI。以正确的速度和顺序不断教育、探索、实验和扩展的公司，最有可能在人工智能中获胜！

来源：GETTY

人工智能永不眠。随着每一项新的声称人工智能将是自互联网以来最大的技术突破，首席信息官都会感受到压力山大。对于每一个新的标题，他们都会面临十几个新问题。有些是基本的：什么是生成式人工智能？其他的更重要：我们如何通过业务的每个维度应用人工智能？

从战术上讲，你可以用多种方式回答这些问题。您可以建立一个人工智能卓越中心（COE），启动战略工作组，或指定一名副手来作为负责人。但是，无论您做什么——如果我们的咨询工作和与领先的首席信息官的讨论提出了什么建议——您都必须在四个相关（但不一定是连续的）工作流中追求卓越：教育、探索、实验、扩展。正是围绕这四个工作流程，领先的组织正在将自己定位为完善其数据战略，从而不仅回答了今天的人工智能问题，也回答了明天的问题。

一、教育

你不能自己讨论人工智能，只有当你能向被营销的人传递数据流畅性和对生态系统的信心时，你的旅程才会富有成效。

因此，许多首席信息官已经将自己塑造成他们组织内的人工智能“教授”——开发101种功能并进行路演，以提高认识，解释生成式人工智能与其他类型的区别，并讨论其风险。

为了推动在一些话题上的合作，北美领先的电子元件分销商Digi-key Electronics甚至建立了影响者网络。正如该公司的首席信息官Ramesh Babu所解释的那样，“我们确定组织中的‘传播’大使，并将他们请到会议上，以推动对流传的许多术语的共同理解。”

Babu还警告说，不要只讨论人工智能的好处。他也和人们强调风险。“我们正试图进行人工智能应用与风险相互平衡的对话，”他说，这种做法强调了首席信息官有责任制定适当的政策和使用指南，以减轻人工智能的风险。

为了帮助您的员工了解人工智能，请向他们提供有关该主题的材料，包括通用定义、重新构想的未来状态、风险以及使用政策和指南。让他们为即兴会议、会议演示和其他设置做好准备，并指导您的同事访问自助服务渠道，以便他们可以访问主题材料并按照自己的节奏学习。

二、探索

探索就是提出一个问题：我如何让人工智能为我的组织工作？由于人工智能的格局既庞大又复杂，请采取双管齐下的方法：内部分析并外部与市场活动结合起来。

在内部，从查看您的价值链或提供价值主张的能力开始。头脑风暴生成式人工智能如何使您的流程（以及支持这些流程的人）更加智能和高效。如果您已经在将人工智能部署了一些用例，那么无论如何，也要记录这些能力。并特别关注与客户服务有关的用例：在最新的梅蒂斯战略数字研讨会上接受调查的高管中，43%的人表示，他们的组织正在优先考虑2023年生成式人工智能的客户服务用例。

从所有这些来源中，将您的用例汇编成知识库，并按影响和可行性进行排名。您将了解到在哪里可以创造新的方法并在短期和长期内获胜，同时淘汰那些对价值实珊来说太困难的案例。

接下来，检查市场。起初，你可能很难理解它的规模——高盛估计，这是一个1500亿美元的潜在市场——但通过这样做，你启动了可持续的评估。首先搜索特定垂直和企业范围的人工智能解决方案。根据他们支持的能力对他们进行分类。如果您的组织允许，甚至可以询问ChatGPT（或者百度文心一言、讯飞星火等）。

将市场上可用的生成式人工智能产品与您排名靠前的用例和您已经拥有的功能进行比较和对比。如果内部能力尚不存在，并且该案例依赖于大型语言模型（LLM），则需要确定您希望如何进行：像摩根士丹利使用OpenAI那样，通过训练和微调现成模型；或者像彭博社那样构建自己的模型。

三、实验

做好实验就是以紧迫感和敏捷性处理你的累积工作，特别是在人工智能的情况下，对渐进式进步有偏见。正如Baker Tilly首席信息官Allen Smith在最近的一次小组讨论中解释的那样，“本垒打和一垒单打之间是有区别的。（“Home runs”指的是指击球员将对方来球击出后（通常击出外野护栏），击球员依次跑过一、二、三垒并安全回到本垒的进攻方法，是棒球比赛中非常精彩的高潮瞬间。“Singles”指的是击球手将球击出后，球落在对方球场内，击球手需要跑过第一垒，然后继续跑向第二垒、第三垒，最终回到本方球场，完成一次得分。）”史密斯说，一垒单打是你的朋友（注：指一步一个脚印的推动AI应用场景项目），这是展示有形的东西、建立信心和创造工具来激发其他有趣想法的好方法。

在科技巨头联想，首席信息官Art Hu正在采取类似的方法。Art Hu说，他们正在运行数十个概念验证。根据Art Hu的说法，处于生成式人工智能早期的特点之一是快速发展。“因为它速度很快，你可以为不用大规模投资而运行概念证明。”这表明，在经济不确定性缩小了技术投资范围的环境中，他的团队如何在投资优先事项上与业务保持同步。“这就是你想要的方式。你想在不花钱或不投入大量资金的情况下为业务迈出小步。他们可以看到结果，并决定“好吧，我们加倍投入，或者将投资转移到其他地方。”

许多人将生成式人工智能的应用效果承诺放在建设技术堆栈（如数据湖、数据中台等）的顶端，这些技术虽然不可否认地有前途，但仍然需要利用技术专业知识。认识到这种细微差别，许多公司已经建立了AI的实验沙盒，来自整个组织的用户可以在受控环境中尝试人工智能。

四、展开

研究报告表明，生成式人工智能可以为全球经济增加数万亿美元。但总的来说，这些报告假设人工智能可以大规模实施。事实上，人工智能从小规模应用到大规模普及，面临着一系列新的挑战。

关于创建AI应用规模，数字咨询Metis Strategy的合伙人、人工智能实践的领导者Chris Davis不太担心扩展技术，而担心人们在AI应用规模中的作用。“必须有人开发、训练和监督模型，”他解释说。“......具有讽刺意味的是，人们实际上可能是一个限制因素。”

作为克服这一限制的手段，他强调，组织重新审视并酌情修订其运营模式非常必要。他说：“你需要在考虑到人工智能的指数级规模的情况下重新构想业务战略。”“然后培训产品经理如何将人工智能融入到任何东西中——核心数字产品、客户体验、员工体验等。”他继续解释说，这也意味着消除组织中各种参与者的角色和责任：“人工智能实验室、数据科学家、产品团队——他们都必须知道如何在每一步高效地合作，从识别用例到构建算法和模型，从遵循人工智能操作程序到监控任何已经在使用的模型。”

有很多证据支持戴维斯的观点。例如，在最近重新定义其IT产品团队的角色、职责和交付方法以适应其特定的人工智能战略规划后，一家全球金融服务提供商发现了其能力上的许多差距：一些可以通过提高技能来解决，但也有一些需要它雇用新人的问题。

五、向前看

与此同时，夸张的头条新闻将继续泛滥。然而，它们不会超过数据量增长的指数级速度，特别是随着5G和物联网等技术快速增长。因此，如果您也想充分利用人工智能，您必须首先照照镜子：我可以管理这个不断增长的数据量吗？如果你不能将数据转换为有意义的东西，那么，正如联想的技术主管Art Hu所建议的那样，你可能会失去优势：“如果你作为一个公司，不知道如何有效和高效地管理不断增长的数据，那么采用AI手段管理数据的竞争对手可能会拥有显著的优势。”

随着您数据策略的成熟，请记住，您有许多数据驱动的工具可供使用，其中只有一个是人工智能。它夹在用例海洋和核心数据基础之间，每个层的进展都与其他两个层密不可分。将您的数据策略视为二进制的东西是没有用的，就好像它是一座正在建设的建筑物，总有一天会完工。那些以正确的速度和顺序不断教育、探索、实验和扩展的人，是最有可能用人工智能获胜的人。