摘要：从技术人才问题到正确处理数据方程式的困难，IT领导者正在发现人工智能的独特挑战，这是一种艰难的方式:在飞行中。

  从技术人才问题到正确处理数据方程式的困难，IT领导者正在发现人工智能的独特挑战，这是一种艰难的方式:在飞行中。

随着人工智能的飞速发展，这项技术在企业内部引发了各种各样的情绪——从兴奋、期待到压力和担忧。

麦肯锡公司在5月进行的一项全球调查显示，65%的组织使用了生成式人工智能，几乎是该公司10个月前调查的两倍。随着这种增长，用例正在激增。

德勤咨询公司负责人JimRowan表示，与过去的技术采用模式一样，大多数企业开始在提供战术优势的领域使用生成式人工智能，例如改进现有流程和降低成本。Rowan表示，这种方法有助于从“唾手可得的果实”中获取价值，同时积累知识、经验和对新技术的信心。

尽管如此，各组织仍处于生成式人工智使用的不同阶段。一些早期采用者现在通过将多个用例连接在一起来展示切实的效率效益，从而将试点扩展到生产中。Rowan表示，其他公司一直在投资提高语言的流畅性，尝试一些概念验证，并在很大程度上希望采用嵌入第三方软件的人工智能技术。另一个阵营则采取了观望的态度。

虽然组织正在弄清楚如何从学习生成式人工智能到开始试点，再到部署真正具有变革性的全面实施，但到目前为止，IT领导者已经收集了六个残酷的事实。

1.技术人才仍然是应用的第一大障碍

德勤公司的一份关于生成式人工智能的报告显示，拥有高水平人工智能专业知识(33%)的组织往往对生成式人工智能持更积极的态度，但他们也感到采用该技术的压力更大，认为生成式人工智能对他们的商业模式构成了更大的威胁。

Rowan说，“这表明，即使是那些认为自己精通人工智能的组织也在为潜在的逆风做准备。”

因此，IT领导者，即使是那些在团队中拥有高水平人工智能专业知识的人，也在重新思考围绕人工智能的人才战略，提高技能在弥合人工智能技能差距方面发挥着至关重要的作用。

2.生成式人工智能的底线影响还有很长的路要走

麦肯锡高级合伙人兼全球主管Aamer Baig在今年5月的麻省理工学院斯隆管理学院首席信息官研讨会上谈到了生成式人工智能的残酷事实，他指出，虽然“蜜月期已经结束”，但目前可能很少有生成式人工智能项目能产生底线影响。

Baig表示，在麦肯锡调查的公司中，只有15%的公司着眼于从生成式人工智能项目中提高收入。并不是所有的用例都是一样的。没有多少附加价值。他建议组织将注意力集中在“解决技术上可行且风险很小的实际业务问题的计划”上。

德勤公司的报告发现，48%的组织预计在一到三年内不会看到人工智能的转变。

凯斯纽荷兰工业集团全球首席数字和信息官Marc Kermisch表示，总部位于英国的凯斯纽荷兰工业集团是微软Copilot的早期采采者，并于2023年11月开始创建自己的大型语言模型(LLM)。

Kermisch说:“我们确实认识到有很多限制，这并不是我们都认为的万灵药。”

虽然生产率有所提高，但Kermisch预计，在发票处理等领域，生产率的提高将更为显著。他说，生成式人工智能主要是我称之为信息合成工具的东西。他说，现成的生成式人工智能工具目前对任何财务或数字分析都没有任何效果。

另一个问题是工具和技术的激增，Baig表示，这需要得到遏制。大规模实现生成式人工智能的最大障碍之一是太多的生成式人工智能平台。

凤凰城儿童医院首席创新官兼执行副总裁David Higginson表示赞同:“每周都会有新的工具在其能力和潜在的未来影响方面令人兴奋。”但他表示，目前生成式人工智能“实际上只能由少数几家科技巨头来执行，而不是由医疗机构内部的小公司来进行修修补补。”“因此，我们感觉好像处于一种暂停状态，等待成熟的供应商提供成熟的解决方案，这些解决方案可以提供我们所期望的有形价值。”

Higginson表示，有效的工具将会出现，为医疗保健提供者解决实际问题。当这种情况发生时，它将迫使人们在风险承受能力、成本、提供者满意度和患者结果之间做出不舒服的决定。

3.法律问题使IT处于不确定状态

Higginson认为，阻碍平台大规模交付的两个因素是，依赖这项技术的法律和监管方面的未知因素，以及成为早期采用者的高昂成本。

他说:“虽然使用这项技术的法律风险仍然模糊不清，但供应商的成本和媒体对‘出错’的偏执情绪仍然很高。因此，许多管理者都不愿成为这一勇敢的新技术前沿的第一个测试案例——尤其是当他们对这项技术的功能还不清楚，也无法向律师提供任何有关其实际工作原理的保证时。”

德勤公司的研究发现，合规性(28%)和治理问题(27%)被认为是采用人工智能的障碍。报告显示，不到一半(42%)的受访者认为，他们在管理生成式人工智能的采用和降低其潜在风险方面做得足够了。

Rowan指出:“这表明，未来一年人工智能的监管方式存在很大的不确定性，尤其是对在多个地区运营的全球性组织而言。从更大的角度来看，生成式人工智能在公司治理和风险方面带来的挑战与社会治理和风险方面的挑战是平行的。”

超过一半的受访者表示担心，生成式人工智能的广泛使用将使全球经济权力集中(52%)，并加剧经济不平等(51%)。

Rowan说，“在这两个领域，这项技术的潜在好处和潜在危害都很高，国家机构和政府将需要在确保生成人工智能的利益得到广泛和公平分配方面取得平衡，而不是过度阻碍创新或为拥有不同规则的公司提供不公平的优势。”

4.管理成本是个大问题

与Higginson对实施人工智能成本的担忧相呼应，麦肯锡的Baig强调，组织必须在成本管理它们之前管理成本。这是由于人工智能需要高计算强度和高变更管理。

他建议组织在这些领域的投资与实现数字化转型的投资一样多，因为人工智能将需要改变工作流程、业务流程和新的KPI。组织还必须考虑风险和幻觉培训，以及持续维护的预算，贝格说。

Higginson表示，采用生成式人工智能的根本障碍是训练模型所需的硬件、电源和数据的稀缺性和成本。他说:“由于这种稀缺性，需要优先考虑哪些解决方案对人口最具吸引力，并能产生最长期的收入。”

凯斯纽荷兰工业集团Kermisch曾对生成式人工智能寄予厚望，希望它“能帮助我们改变成本曲线”，但这并没有发生。他说，平台的实施成本非常高，使用的人工智能越多，成本就越高。

他表示:“如果我能在生产率方面收回投资，那很好，但我们没有看到它一对一地转化。”凯斯纽荷兰工业集团的副驾驶执照数量有限，IT部门在对使用新技术感到兴奋的员工之间轮换。

这种情况往往会逐渐消失。Kermisch指出:“通常在30天内，利用率就会急剧下降。“这绝对是闪亮的新工具的(现象)。他们会打开一个Excel电子表格，试图使用Copilot，但很快就意识到他们不会使用它。”

他补充说，当使用正确的提示时，副驾驶是有效的。“提示越准确越好。”然而，“我们还没有找到使用它的高级用户。”

Briggs&Stratton的副总裁兼首席信息官布莱恩•奥尔森(BrianOlsson)已经为GoogleGemini做了大量的推广工作。他说，虽然成本会是一个问题，但更令人担忧的是如何监控它的采用和使用。与Kermisch一样，Olsson也表示，这将有助于IT部门确定该工具是否值得投资。

他说:“人工智能领域的发展如此之快，我们试图保持灵活，我们正在推出它，试图看到效率。我们正在关注财务状况和采用率，但我们不会设置太多障碍，以免被抛在后面。”

5.获得正确的数据是困难的

现在，许多组织都面临着使用高质量数据的挑战，因为生成式人工智能模型需要大量准确、相关的数据才能有效地执行。

麦肯锡的拜格表示，企业不应该专注于寻找完美的数据，因为这是一个“巨大而艰巨的挑战”。他说，许多组织采用自上而下的方式查看数据，“结果看起来就像一个庞大的电子表格。”“专注于能帮助你处理多个用例的数据。”

德勤的Rowan表示，虽然研究和开发继续推动生成式人工智能的发展，但“我们知道，数据是实现人工智能解决方案的关键方面，我们也认识到，许多组织正在开展工作，以建立正确的数据基础，以支持大规模的人工智能部署。”

凯斯纽荷兰工业集团的Kermisch表示，他们已经了解到，使用文档或基于文本的数据存储库创建LLM具有“相对较高的价值，并且相对容易快速转变。”

他说，凯斯纽荷兰工业集团的高管们相信，生成式人工智能最终将对他们的业务产生重大影响，但现在还为时尚早。Kermisch说:“我们认为，在几个月的时间里，我们就能看到汽车设计能力的巨大进步，并通过自动化任务降低成本。这些都没有真正实现。我们看到了积极的产出和积极的结果——但在有限的用例中。”

因此，Kermisch采取的方法是培训一批技术领导者，并与微软合作，为更广泛的员工基础提供培训。他表示:“我们鼓励进行实验，允许业务团队走出去学习。我有点觉得我们在一个大型科学博览会上设计假设，10个中有8个是失败的。只要他们很快失败，我们现在就可以接受。”

6.它就在这里

尽管有成长的烦恼，但IT领导者认识到，生成式人工智能不会走到任何地方。

凤凰医院的Higginson说，“有一件事是肯定的，这将是一个颠簸的过程，有一些壮观的成功和失败，我迫不及待地想看到这个行业在未来5到10年的变化。”

世界保险公司首席信息官Michael Corrigan表示，虽然生成式人工智能功能强大，发展非常迅速，但它的成熟速度非常缓慢。他说，关于它也有很多炒作和误称。

Corrigan说:“要想对你的业务产生积极的影响，提高你的能力，实现你的业务目标，这肯定需要一个正确实施的战略和路线图。”

它还要求组织建立用例和他们想要使用的工具，因为影子生成式正在悄悄进入。

他表示:“即使公司没有推出特定的人工智能工具，员工也会使用ChatGPT和各种第三方人工智能工具，因为这能提高他们的效率。残酷的事实是，如果你不开始给他们提供工具，他们就会找到工具;即使他们没有使用人工智能，数据风险也是存在的。这是一个新的信息安全风险。”

消费者能源公司IT执行董事DavePawlak对此表示赞同，他表示，生成式人工智能必须安全实施，这并不像公众使用OpenAI或其他(开放的)生成式人工智能工具那样容易。

然而，即使面对所有这些残酷的事实，Kermisch、Pawlak、Baig和其他人都表示，快速、安全、大规模地实施生成式人工智能是有价值的。

Baig说：“这将使你从试点走向规模化。“与其他数字颠覆不同，我认为我们正处于一个需要一定程度投资的生成式人工智能阶段，以及对这项技术的更好理解。你有一个难以置信的机会来利用这一点，这使得首席信息官在领导组织前进中发挥领导作用变得更加重要。”

编辑：Harris