人工智能正在以令人瞩目的速度改变商业世界。分析机构Gartner近期预测,在未来两年内,全球一半的商业决策将由人工智能完全自动化或部分增强完成。这一趋势无疑为企业提供了无限可能,但在拥抱人工智能之前,企业领导者必须认真思考以下四个关键问题,以确保技术的引入能够为业务带来实际价值。
在人工智能时代,云基础设施的重要性不容忽视。阿斯特拉捷利卡(AstraZeneca)作为全球知名制药企业,已率先在多个领域应用人工智能技术。他们开发了一款AI支持的研究助理,用于优化科学方法的可重现性以及加速新药物研发。这不仅显著提高了科学家们的工作效率,还通过与斯坦福大学等学术机构合作,进一步推动了代理型AI的实验。
然而,阿斯特拉捷利卡的首席企业架构师韦恩·菲林-马修斯指出,企业想要充分利用AI的潜力,必须先构建强大的云基础设施。他表示,“没有云优先,就不可能实现AI优先。”这一观点凸显了云技术在数据存储、计算能力和系统整合中的核心地位。对于任何希望借助人工智能实现商业转型的企业来说,云战略是不可或缺的基础。
数据治理是AI成功实施的另一关键因素。以美国特鲁伊斯银行为例,该行批发银行首席数据官阿米特·帕特尔分享了他在AI应用中的重要经验。他指出,银行需要确保数据来源的准确性、合法性和规范性,尤其是在监管要求严格的金融行业。
帕特尔强调,企业在引入AI之前,必须解决数据的血缘关系、元数据管理以及数据质量审核等问题。他的团队发现,很多内部数据源并不够可靠,无法直接用于训练大型语言模型(LLM)。因此,企业需要通过建立坚实的数据基础,确保数据的高质量和可追溯性,才能有效地应用人工智能技术。
此外,帕特尔还提到,很多员工对AI的部署存在误解,认为其使用过程简单快捷。实际上,企业需要投入时间和资源,定义模型的边界和适当的元数据,以确保AI系统在实际工作中安全可靠地运行。
质量问题是企业在使用AI技术时不可忽视的难题。Snowflake公司的首席数据和分析官安娜希塔·塔夫维兹分享了她的团队在开发AI驱动产品时的经验。她表示,企业不仅要关注AI的创新速度,还要确保输出结果的质量。
在Snowflake推出的AI工具Snowflake Intelligence中,企业用户可以创建数据代理以优化业务流程。塔夫维兹的团队在内部销售流程中引入了一款AI助手,并对其输出质量进行了严格把控。她提出了一个关键问题:“95%的质量是否足够?”她强调,员工对AI结果的信任至关重要,企业必须在治理结构、访问控制和数据质量方面投入足够的精力,以在创新和质量之间取得平衡。
除了提高效率和自动化流程,人工智能还能够带来许多意想不到的好处。金融科技企业TS Imagine的首席数据和分析官托马斯·博登斯基分享了一个引人入胜的案例。他们的团队利用AI技术处理来自供应商的每年多达10万封电子邮件,这些邮件包含产品更新的关键信息。
通过AI的帮助,原本需要两个半全职员工完成的繁重数据处理工作,如今得以自动化完成。这不仅降低了人工成本,还显著提高了数据处理的速度和准确性。此外,AI还被用于处理周末的客户请求,这在以前是一个业务盲区。博登斯基坦言,“人工智能让我们能够更好地服务客户,同时释放了员工的时间用于更有价值的工作。”
在将人工智能引入业务之前,企业需要回答以下四个问题:我的云战略是否稳固?我是否解决了数据治理问题?我的AI输出质量是否过关?我是否考虑到了AI的意外优势?通过对这些问题的深入思考和有效应对,企业才能充分释放人工智能的潜力,抓住未来的商机,为业务发展注入新的动力。返回搜狐,查看更多bwin官网