Shutterstock CTO分享规模化AI部署的实战经验

对于CIO和CTO来说，开启技术栈中所有可用的AI功能是一件颇具诱惑力的事，但这种做法往往会导致供应商体系过于分散，并带来治理层面的挑战。

在《IT Leaders Fast-5》栏目的本期内容中，Shutterstock公司CTO兼CISO Courtney Totten分享了她的团队为何花费数月时间评估AI工具、建立治理模型并设置防护机制，才最终推进技术部署。与此同时，她的团队还有意推行"培训培训师"模式，将AI知识向整个组织延伸。

Totten负责监管Shutterstock的网络、云运营、安全、工程及AI基础设施，在IT和网络安全行业拥有逾20年从业经验，曾先后在通用电气、汤森路透、博思艾伦咨询及通用动力等公司担任领导职务。

以下内容经过编辑整理，以提升可读性。

哪项技术或组织决策近期产生了最大的影响？原因是什么？

过去一年，我们有意识地选择了主动拥抱AI，而非被动应对。我们花了六个月时间评估了两款AI工具，但在完成评估、建立治理模型和防护框架之后，我们得以在10个月内完成了共计八款工具的落地部署。

现在的重点是将这些工具真正交到团队成员手中，并倾听来自业务用户——而非技术人员——的使用反馈。看到他们借助工具提升效率、逐渐建立起对这些工具的信心，这个过程令人振奋。

其中部分工具是我们已有的存量工具，只是此前未曾开启AI功能。例如，我们一直在使用Slack，但从未激活其AI能力。经过安全审查和评估之后，我们开启了部分功能。

这听起来或许没什么了不起，但会议记录和内容摘要功能对我们来说意义重大——毕竟我们每天都在用Slack。这是一个很典型的例子：一个小小的功能开关，就能切实改善用户的工作体验。

我们还借助ChatGPT为员工提供支持。一个典型案例是创建问答文档：我们有一个团队长期疲于回答各种流程相关的问题，通过将数百页的流程文档转化为能够直接响应用户请求的系统，大量重复性的行政工作得以消除，团队得以从中解放出来。

近期哪件事没有按计划进行？它迫使你重新思考了什么？

是成本问题。随着云计算和AI使用量的指数级增长，成本很容易失控。我们较早意识到了这一点，并在问题还处于可控范围内时及时介入。我们组建了一支专项团队，成员来自云架构团队，专门负责监控与云服务商及AI服务商相关的所有费用支出。

现在，我设立了一个云FinOps与治理团队，不仅负责成本监控，还承担优化工作。此外，我们面向全体团队发起了一项竞赛：鼓励大家发现降本机会，并设有奖励。这是一项季度挑战赛，它让每个人都意识到这些资源正在转化为真实的成本支出。如何节省开支，为更有价值的事情腾出空间？这项活动在工程团队乃至全体团队中培育了一种财务自律意识。

你目前在哪些人才方向上加大投入？又有意识地回避了哪些方向？

我并没有刻意回避某些领域的投入。只要有机会帮助团队放大整体效能，我就会在那里投入。我常说，资源整合能力是一项极为重要的技能。

我们需要确保每个人都有足够的深度，能够灵活调动资源、推动事情落地。如何提升员工培训的效果？如何让他们更全面地了解可用的工具？我们每年都非常重视培训目标，并充分利用合作伙伴提供的免费培训资源。AWS、Google和OpenAI都是我们的重要合作伙伴，他们在从云计算到AI的整个发展历程中给予了大力支持。

我们也在确保AI能力深入渗透到每一个岗位。也许再过一两年，AI将进入我们所有的团队，这令人振奋。我认为AI是每个人都需要掌握并持续实践的核心技能，确保拥有合适的人才来驱动业务成果，对我来说至关重要。

近期哪项外部进展最可能改变你们组织的运营方式，哪怕是间接影响？

每天都在发生变化——AI模型每天都在迭代，每一个新模型都比上一个更强。让团队具备随时评估和接入新模型的能力，是我们当前的重要任务。

例如，OpenAI近期发布的Codex就是一个很好的案例。我的团队已经开始上手体验，产出的成果让他们自己都感到惊喜，这很有意思。

我们建立了一套"培训培训师"的导师制度：团队中有几位在这一领域深耕多年的专家，他们带出了八人小组，负责培训、制定标准和防护规范。现在，这八个人又各自在带两到三个人，最终这套培训经验将覆盖到每一位成员。每天都有新工具涌现，保持学习节奏至关重要。

与此同时，许多供应商也在摸索如何整合AI以保持自身竞争力。这也让我们反思：我们是否真的需要所有这些工具？持续审视供应商全景，识别功能重叠、避免供应商体系过于臃肿，是非常重要的一件事。

你最近读到、看到或听到的哪些内容，改变了你对领导力或技术的思考方式？

我最近读了Martin Fowler网站上一篇名为《软件工程循环中的人类与智能体》的文章。文章探讨了工程师如何在当前这场变革中找准自己的定位，并提出了三种不同的参与方式。

第一种是"脱离循环"——让智能体自主运行，去编写代码，然后寄希望于结果正常，但这种方式存在相当大的风险。第二种是"深陷循环"——逐行审查每一段代码，近乎微观管理，这会让人精疲力竭。

第三种则是着眼于整个工程循环本身，聚焦于最终输出：确保你理解智能体的工作机制，确保它按预期运行，并持续监控输出结果。因为最终我们真正在乎的，是输出的质量。

这一切都回归到标准、流程和防护机制上——只要这三者到位，你就可以专注于输出，既不过度介入，也不完全放手。这篇文章对我触动很深，因为作为领导者，帮助每个人明确自己的参与方式，是我的责任所在。我希望每个人都能借助现有工具，产出最优质的成果。

Q&A

Q1：Shutterstock在部署AI工具时，为什么要先花六个月时间评估？

A：Shutterstock的CTO Courtney Totten表示，团队选择主动而非被动地拥抱AI。在正式部署前，他们用六个月时间对两款AI工具进行评估，建立了治理模型和防护框架。正是这套体系的完善，使得后续10个月内能够顺利落地共八款工具。这种审慎的前期投入，帮助团队规避了大规模推进时可能出现的安全隐患和管理混乱。

Q2：Shutterstock是如何控制云计算和AI带来的成本失控问题的？

A：Shutterstock组建了专项云FinOps与治理团队，专门监控云服务商和AI服务商的费用支出，并推动持续优化。与此同时，公司还发起了面向全体团队的季度降本挑战赛，鼓励员工发现节省成本的机会并给予奖励。这一机制有效培养了工程团队及全体员工的财务自律意识。

Q3："培训培训师"模式在Shutterstock是怎么运作的？

A：Shutterstock建立了一套导师制培训体系：首先由团队内少数AI领域专家带领八人小组，进行系统培训并制定标准与防护规范；这八人随后各自带领两到三名成员；如此层层传递，最终将AI知识和使用经验扩散至整个组织的每一位成员，确保AI能力在公司范围内得到均衡普及。