为企业构建价值驱动型AI战略
要想提高人工智能的影响力，就必须强化人工智能战略的四大支柱：愿景、价值、风险和实现计划。
0 人工智能战略：从设定人工智能愿景到执行价值驱动型人工智能计划
生成式人工智能（GenAI）是高管们突然想在其业务中尝试的一种人工智能，但要以可持续的方式获取其价值并管理风险，高管们需要一个健全、全面且可实现的人工智能战略。
人工智能战略要考虑的四个关键要素：
- 设定 GenAI 目标、效益和成功指标
- 将您的 GenAI 愿景与业务影响联系起来
- 评估并降低主要的人工智能风险
- 优先考虑 GenAI 计划
4 个 AI 战略支柱让您专注于推动业务影响
构建包含 GenAI 的人工智能战略需要采取严格的方法--从制定业务驱动的愿景到规划采用哪些举措以及为什么采用。
- 人工智能愿景
- 人工智能价值观
- 人工智能风险
- 采用人工智能
1 人工智能愿景：识别生成式或其他人工智能的战略机遇
生成式人工智能突然出现在每个人的视线中，但有些组织已经在多个业务部门和流程中部署人工智能技术方面积累了丰富的经验并取得了成功。Gartner 的研究表明，这些成熟的人工智能组织仅占目前正在尝试人工智能的组织的 10%，但潜在的 GenAI 采用者可以从他们身上学到很多东西。
生成式人工智能有可能从根本上改变现有的经济和社会框架，就像互联网和电力等早期创新一样。您的企业面临的问题是，人工智能将如何支持企业的雄心壮志并推动取得更大成果。
如果部署得当，GenAI 将成为一种竞争优势和差异化因素，它以一般人工智能的能力为基础，能够自动执行重复而乏味的任务，并通过预测分析、机器学习 (ML) 和其他人工智能方法产生新的见解、想法和创新。
生成性人工智能可以创造新的颠覆性机会，推动企业实现以下目标，从而对股东价值产生重大影响：
- 增加收入。人工智能将帮助企业更快地创造新产品。随着新药、低毒家用清洁剂、新型香精香料、新型合金以及更快更好的医疗诊断的开发，制药、医疗保健和制造业（CPG、食品和饮料、化学品和材料科学）将成为人工智能先行行业。
- 提高客户参与度。通过颠覆现有的价值链和商业模式，使组织能够绕过出版商和分销商等传统中介机构，直接向消费者创建和分发内容，生成式人工智能可以提高客户参与度。
- 降低成本，提高生产力。GenAI 功能可简化流程并加快结果，无论是通过增强人类工作人员的工作（如总结、简化和分类内容），还是生成软件代码或优化聊天机器人性能。GenAI 还可以利用以前未使用（因而被浪费）的数据。
2 人工智能的价值：消除有效获取 AI 价值的障碍
ChatGPT 等新工具激发了人们对人工智能潜力的兴趣，但为了捕捉其价值，高管们需要更广泛地关注商业价值、风险、人才和投资优先事项，并为现有商业模式和战略的潜在中断做好准备。
迄今为止，人工智能的商业价值主要来自一次性解决方案。大规模获取更多价值，包括从 GenAI 计划中获取价值，可能需要对业务流程进行深入的更改;新的技能组合、角色和组织结构;以及新的工作方式。不改变可能会降低你抓住你发现的机会的能力。
生成式 AI 意味着对人员、技能和流程的颠覆
规划您的组织将如何转变流程和系统，并在 GenAI 融入日常工作时提高人员的技能。以有意识和着眼于未来的方式部署人工智能将是长期成功和潜在灾难之间的区别。
Gartner 的战略假设指出：
- 到 2026 年，将有超过 1 亿人使用机器人同事（合成虚拟同事）为企业工作做出贡献。
- 到 2033 年，为增强或自主完成任务、活动或工作而引入的人工智能解决方案将净增 5 亿多个人类工作岗位。
找出可能减缓 GenAI 项目采用速度或阻碍您获取其价值的问题，绘制解决方案和行动图，并指定一名执行负责人来支持所需的组织变革。例如，如果您的组织缺乏推动人工智能项目所需的数据素养，则应让高管（而不仅仅是员工）参加数据素养培训和练习，让首席数据和分析官（CDAO）负责推动该计划并确保其他高管参加。
3 人工智能风险：为评估和降低一系列人工智能风险做好准备
有关人工智能的政府法规和框架开始出现，因此要了解相关司法管辖区的具体法规。随着人工智能的使用不断引发有关道德和责任的问题，新的法规可能会应对公众对人工智能使用的情绪变化。不过，总的来说，要为主要类型的风险做好准备，包括：
- 监管。人工智能会带来法律风险，因为它有可能使组织面临版权或受保护内容、信息和数据的诉讼。法规瞬息万变，因此要了解当地和司法管辖区的人工智能法规，以确保您符合管理政策。还要注意特定行业的法规，如生命科学和金融服务领域的法规。
- 声誉。人工智能可能会放大偏见并创造一个 "黑盒子"--一个用户无法看到输入和操作的人工智能系统，不提供训练数据集透明度的供应商有可能产生有害的结果，未经测试的人工智能服务也可能因决策失误和/或任务执行不力而带来风险。企业在构建或购买生成式人工智能服务时，需要建立强大的防护栏，以防止知识产权或客户数据丢失。
- 能力。人工智能需要一套独特的技能，必须通过提高现有人才的技能或从学术界或初创企业有意识地获取这些技能，在短期内，快速工程和责任性的人工智能等领域的技能需求将日益增长。
人工智能的威胁和破坏（恶意或良性）是持续不断发展的，因此要为人工智能的治理、可信度、公平性、可靠性、稳健性、有效性和隐私制定原则和政策。否则，组织更有可能遭遇负面的人工智能结果和违规行为。模型不会按照预期运行，会出现安全和隐私故障、财务和声誉损失以及对个人的伤害。
Gartner 人工智能 TRiSM（信任、风险和安全管理）框架包括针对模型可解释性和可解释性、隐私、模型操作以及客户和企业的对抗性攻击抵抗的解决方案、技术和流程。我们主张成立一个跨职能的专门团队或工作组，其中包括法律、合规、安全、IT 和数据分析团队以及业务代表，以便从每项人工智能计划中获得最佳结果。
框架显示了安全地将人工智能引入企业所需的人工智能风险、信任和安全管理的关键组成部分。
与生成式人工智能相关的风险
当生成式人工智能通过从大量原始内容库中学习生成新版本的内容、策略、设计和方法时，可能会导致以下结果:
- 错误输出。生成式人工智能在推理和事实方面可能会不稳定和出错，无法完全理解上下文，可解释性和可追踪性有限，并且存在偏见。
- 安全性。目前，输入公共应用程序的任何机密信息都会被存储起来，并可用于训练新版本的模型。敏感数据和知识产权可能会被组织外的用户（包括恶意行为者）获取。
- 法律风险。生成式人工智能可能会带来与知识产权和隐私相关的法律风险，包括版权侵权、商业秘密盗用、数据隐私、模型偏差和模型安全性。
4 采用人工智能：根据业务影响和可行性优先考虑人工智能用例
在选择人工智能用例（包括采用 GenAI 的用例）时，业务部门的利益相关者应该能够通过以下问题清楚地阐明他们所期望的实际业务收益：
- 企业试图解决什么问题？
- 谁是技术的主要消费者？
- 什么业务流程将承载人工智能技术？
- 哪些业务领域的主题专家可以指导解决方案的开发？
- 如何衡量实施该技术的影响？
- 如何监控和维护技术的价值？由谁来负责？
实验先行
如果不先行试验人工智能技术的各个组成部分，就制定全面的人工智能战略，就会本末倒置。
按照以下五个步骤引入人工智能技术：
- 使用案例：建立有影响力、可衡量且可快速解决的用例组合
- 技能： 汇集一套与用例相关的人才
- 数据： 收集与选定用例相关的适当数据
- 技术： 选择与用例、技能和数据相关的人工智能技术
- 组织： 组织专业知识和积累的人工智能诀窍
这五个步骤是引入人工智能技术的战术方法，有利于快速实现价值，它不是一种战略性的长期展望。
将人工智能技术引入企业时需要解决的五个关键问题：用例、技能、数据、技术和组织。
在使用案例中，可行性与商业价值同等重要，甚至更为重要。
第 1 步--确定最有价值的用例--应以具体的改进项目和切实的业务成果为目标，可行性至关重要。
通常情况下，当风险高而可行性低时，回报就会更高，但如果项目无法通过现有的技术和数据完成，那么无论表面上的业务价值如何，都不值得追求。
可行性标准包括:
- 技术：现有技术方案能在多大程度上将所述业务用例提升到 "最先进 "水平？
- 内部：文化、领导力、认同、技能和道德等方面的考虑因素（缺乏）。
- 外部因素：如（缺乏）法规、社会认可度和外部基础设施。
对商业价值有突出贡献且易于实现的用例，要么是一项突破，要么是市场错失良机。
数据策略影响 AI 项目的可行性
AI 是数据密集型的，虽然您可以在不将应用程序集成到数据堆栈中的情况下使用 GenAI，但如果没有支持的数据策略，您将无法充分利用 AI。
阐明明确的数据管理和治理要求，例如对数据质量和信任的期望，可以降低数据采集成本，并帮助您查找和捕获支持 AI 所需的数据。
原文：https://www.gartner.com/en/information-technology/topics/ai-strategy-for-business
