人们从早期云计算中学到的昂贵而痛苦的教训与生成式人工智能时代相关。

　　

　　云计算的繁荣带来了创新，并向人们展示了战略规划的必要性，以避免代价高昂的错误，如“影子IT”(在IT部门不知情的情况下进行的IT活动或购买活动)，这会导致意外的费用和安全问题。随着生成式人工智能的兴起，IT领导者可以运用这些经验来避免类似的“影子人工智能”陷阱，即在没有精确规划的情况下不受限制地使用人工智能。

　　

　　生成式人工智能有望产生重大的经济影响，但它需要仔细的战略规划。公共云不能成为人工智能的首选;您还必须考虑本地部署的价值。大多数云计算爱好者认为这是一种亵渎，但它可能会在未来几年内为许多企业节省数百万美元。研究表明，在本地运行人工智能可能比在云端运行更具成本效益。内部部署方法优先考虑数据安全、主权和适当的管理，避免了数据重力和昂贵的重新配置等潜在问题。

　　

　　为什么云计算并不总是人工智能的答案

　　

　　云计算革命预示着一个创新的新时代，提供了无与伦比的计算资源访问，并实现了大规模的数字化转型。然而，快速采用和仓促实现也会导致成本上升、安全漏洞和治理挑战，这些都是影子IT的常见问题。

　　

　　由于狂热者曾经争先恐后地使用云计算以获得即时访问和灵活性，采用人工智能技术的动力非常强劲。麦肯锡公司估计，生成式人工智能每年可能为全球经济增加2.6万亿至4.4万亿美元。然而，不受控制的热情可能导致高成本和战略失误，特别是当公司严重依赖公共云服务，但不监控云成本或确保费用与业务目标一致时。

　　

　　云时代的主要教训之一是从一开始就为成本优化制定战略的重要性。EnterpriseStrategy集团的一项研究发现，在本地托管带有检索增强生成(RAG)的开源大型语言模型(LLM)比在公共云中托管同类服务的成本效益高38%至75%。基于API的方法效率更低。这凸显了仔细审查人工智能部署选项的重要性，支持内部部署或混合解决方案，以更好地管理成本并保持对数据的控制。

　　

　　第二个关键的收获是优先将人工智能功能带到数据所在的地方。Gartner公司预测，到2025年，75%的企业生成数据将在传统的集中式数据中心之外创建和处理。这种转变要求组织重新考虑其数据管理策略，以确保数据安全、主权和合规性。

　　

　　内部部署优先的方法在利用现有基础设施的同时维护这些优先级。它允许企业在有意义的时候战略性地利用公共云资源，避免由于数据重力等挑战而需要进行重大的重新设计。此外，随着基因的进化，持续的评估和适应至关重要。技术领域是不断变化的，今天有效的策略可能明天就不有效了。这需要内置的适应性，使组织能够随着技术和业务需求的发展而调整。

　　

　　通过采用这些措施，IT组织可以以一种促进创新和确保可持续性的方式部署genAI。这意味着要关注业务，而不是当前的趋势。这意味着不需要在云计算会议上获得解决方案，而是从您自己的需求出发，考虑整个过程中的成本。

　　

　　一个到达目的地的计划

　　

　　基因人工智能时代提供了一个将技术进步与战略远见相结合的机会，确保人工智能成为创新的基石，而不是代价高昂的实验。优先考虑成本效率、数据管理和自适应策略，对于在一个越来越受智能洞察力驱动的世界中实现人工智能技术的全部潜力至关重要。

　　

　　首先，企业应评估其现有的基础设施，并定义明确的人工智能目标，使其与业务目标保持一致，以指导投资和技术选择。采用内部部署方法可以更具成本效益，利用现有基础设施来维护对数据的控制，同时在必要时战略性地利用云资源来实现敏捷性。

　　

　　数据主权和安全至关重要;企业需要强大的治理来防止未经授权的人工智能部署，确保合规性，并防止影子人工智能问题。紧跟市场趋势并与人工智能专家合作，将帮助企业适应技术变革，并根据需要完善战略。此外，投资建立内部人工智能专业知识和培养创新文化将使团队能够管理和优化人工智能计划。企业可以持续评估人工智能的表现，并通过实施成功指标和采用迭代方法进行必要的调整。

　　

　　这种战略准备使企业能够利用人工智能进行可持续创新，避免代价高昂的挫折。云计算时代的教训为成功驾驭人工智能驱动的未来的复杂性提供了重要的路线图。

　　

　　编辑：Harris