企业AI应用最佳实践指南

对于企业而言，这既是激动人心的时代，也是充满挑战的时代。从高管到基层员工，每个人都在争相探索如何利用全新的工具和理念来获得优势。

对于普通员工而言，当务之急是通过学习AI在各自岗位中的应用来证明自己工作的价值（我引用了Toby Lutke的Shopify备忘录）。而对于管理者和领导者来说，他们有着略微不同的目标——需要弄清楚如何利用AI来造福整个组织。

那么，面对这些不确定的时代，你该如何获得信心呢？

AI技术研究

一个好的起点是学习这项技术的基础知识，开始了解大语言模型的功能和原理。

举个例子：我在Codemotion上发现了一份AI/ML中常用算法组件和随机理念的清单：

线性回归、逻辑回归、决策树、随机森林、支持向量机(SVM)、朴素贝叶斯、K近邻算法(KNN)、人工神经网络(ANN)、卷积神经网络(CNN)、循环神经网络(RNN)、生成对抗网络(GAN)、强化学习算法（如Q学习、深度Q学习）、聚类算法（如K均值、DBSCAN）、降维算法（如主成分分析、t-SNE）。

如果你担任领导职务，了解和理解这些术语对你很有益处。它们代表了我们如何开始将AI用于餐厅推荐、绩效评估分析和决策支持等方面的简要概述。换句话说，如果你能解释这些机器学习机制的类型，在AI头脑风暴方面你就更接近顶尖水平了。

大语言模型引擎的建议

MS Copilot和ChatGPT对这个问题有什么看法呢？毕竟，你正试图理解它们。

我向Copilot询问更好的AI采用技巧，得到了以下回答：

明确目标和范围；遵循一套最佳实践以确保未来就绪；使用AI处理日常任务和分析；在准备数据集和使用基础模型时选择正确方法；通过用户友好的界面和行业标准API和SDK访问来产生强大的AI解决方案。

（Copilot引用了Codemotion和analyticsinsight的资料，以及微软和IBM等巨头公司，还有我们在Forbes的工作。）

然后我询问了ChatGPT并得到了以下建议：

从小处着手，优先考虑高影响用例——不要试图一次性改革所有事情。识别AI能够带来可衡量价值的具体问题（如自动化客户支持、改善需求预测）。在受控环境中试点项目，在扩大规模之前证明投资回报率。

投资于干净、有序的数据——AI系统的好坏取决于你提供的数据。审核和准备数据，确保其准确、完整且易于访问。建立数据治理政策以确保持续质量。

提升员工技能——提供培训，让员工了解AI工具及其有效使用方法。鼓励跨职能团队（如业务+IT+数据科学）协作。让AI采用成为共同的旅程，而不是自上而下强加的东西。

选择合适的合作伙伴和技术栈——仔细评估供应商，寻找能与现有系统集成的解决方案。考虑可扩展性、安全性和合规性（特别是客户数据）。通过确保保留数据和模型的所有权来避免被锁定。

专注于变革管理和清晰沟通——传达AI举措背后的原因，以建立信任并减少阻力。解决员工对自动化取代工作的担忧，强调AI如何增强他们的工作。定义成功指标并庆祝快速胜利以建立动力。

人工审查后的思考

我观察了这些建议的重叠之处。可以说，Copilot的"明确目标和范围"与ChatGPT关于清晰沟通的第5个建议相对应。至于ChatGPT的"选择合适的合作伙伴和技术栈"，则与Copilot关于准备合适工具的建议相呼应。

我将让读者来判断这些建议是否过于宽泛。

更多关于AI采用的讨论

IIA举办了一场由GAI Insights的Paul Baier主持的小组讨论。

小组成员Venkat Vedam说："（你应该有）不断发展技术的实际应用，但也要专注于自己的计划执行。（你应该有）用例和商业案例的规划...今年、明年，但同时，我们不想在技能差距上失败。"

小组还讨论了影子IT，即员工可能使用组织未明确认可的工具。

Vedam说："我觉得影子IT不是问题，更像是机会...影子IT存在的原因是员工没有得到他们需要的工具...它也以稍微更结构化的方式表现出来。"

他解释道："有一群工程师和开发人员在为一小部分技术上不属于技术组织的用户提供服务。影子IT之所以有效，是因为实施这些工具的人很了解业务问题，并且有采用新技术的灵活性。（目标是）围绕它建立运营模式...（并）建立治理流程，将影子IT中有效的部分变为现实。"

小组成员Joan LaRovere说："随着一切变化如此之快，我认为很难（有影子IT，因为）你的组织实际上不再那么需要它了。你试图解决什么问题？...我们需要考虑其他供应商或内部构建吗？...你（应该）知道你的技术栈中需要什么来实际解决组织需要解决的问题，你需要这种监督。"

小组成员Tomas Reimers补充说："我认为你要权衡的是安全性。所以如果你的员工引入能够访问客户数据或个人健康信息的工具，那就不好了。如果他们使用AI工具为中午的会议预订餐厅，那可能无关紧要。"

信息传播

后来，Reimers谈到观察技术流程和交互以获得更好的鸟瞰视图。

"我们办公室里最喜欢的图表之一是，每当我们进入一个组织时，我们实际上可以绘制出相互交流的开发人员的社交网络，这是开发工作的产物之一。然后你可以看到它在哪里被采用。它总是看起来像从一个节点开始，然后从那里传播开来。"

LaRovere提到了更广泛协作的价值，这是另一个与我产生共鸣的观点，可以作为路线图的一部分。

"我认为最好的事情之一...是把人们聚集在一起，分享他们所做的事情，展示他们所做的事情，测试不同的东西，创建我们所说的学习社区。"

你自己的商业案例

最后我想说：在几十年的技术接触中，我学到的一点是，大多数新工具在实际集成方面都可能帮助或阻碍企业发展（如果你读过很多这些博客，可能已经读过这个观点）。通常都有学习曲线。如果不为员工做好准备，你可能会遇到很多麻烦。然后还有让应用适合你的业务需求，这不是一刀切或千篇一律的事情。

但也许这套来自人员、网络和大语言模型的建议是一个好的开始。