“我们的生成式人工智能战略是什么?”这是今天财富500强公司及其他公司几乎每个高管团队都会被问到的问题。提出问题的人几乎总是首席执行官,他们期待答案和快速的结果。如果生成式人工智能(GenAI)开始对您的客户产生幻觉,战略数据资产管理不善,或者智能应用程序为您的公司带来安全或性能问题,那么同一位首席执行官也会感到不满。虽然这一现实将在未来几年成为管理顾问的繁荣,但需要一些实用的指导来帮助这些C级高管(包括CIO和CDO)及其业务部门合作伙伴制定令人信服的计划。在我们与企业客户、GenAI 公司和云服务提供商的对话中,出现了三个核心问题,这些问题可以为你的生成式 AI 战略提供信息:

  1. 成功采用GenAI的企业心态是什么?
  2. 如何在短期内获得“速赢”?
  3. 从中长期来看,您利用GenAI的最佳策略是什么?

成功的企业思维

你可能已经听过这样的说法:去年年底 ChatGPT 推出时,AI 迎来了“马赛克浏览器时刻”。几十年来,我们一直在使用人工智能(谷歌搜索、亚马逊Alexa、Netflix/Spotify推荐),但现在个人可以直接创造性地使用GenAI来快速提供价值。无论这个价值是起草笔记、开发软件代码还是完成任务,GenAI 都可以通过自然语言提示 AI 模型来帮助任何人提高效率和有效性。在商业环境中,机会比比皆是,您的许多员工已经在尝试!

由于GenAI是如此容易获得和动态,它需要敏捷的思维方式,这在大公司中通常很难实现。工作职能将不断发展,需要新的技能,许多公司将受到原生企业的挑战。毫无疑问,GenAI将是颠覆性的,许多员工会抵制这种变化。一些员工会深思熟虑地使用安全和治理等领域来缓和您的实验。管理这些风险领域非常重要,需要护栏和运营最佳实践,例如WhyLabs开发的框架。但是,包括首席执行官在内的许多员工都渴望尝试、学习并将GenAI应用于您的业务。找到利用这些新技术的方法,降低风险和快速反馈循环对每个企业都至关重要。

在开始之前,请深入思考公司的域功能和差异化数据资产,以及您计划如何利用它们为公司和客户带来长期利益。已建立的客户关系、差异化的数据和专有技术以及现有的工作流程和界面都可以成为现有企业的宝贵工具。您的员工和客户已经在尝试您的产品和价值主张的 GenAI 扩展。拥抱这些创新者,并寻求了解他们正在解决的问题以及原因。通过设定重视和鼓励智能实验的基调,您可以快速了解在管理风险的同时,组织可以快速了解什么是可能的以及优先考虑哪些方面!

从最终用户的角度来看,GenAI非常平易近人,但构建和操作GenAI模型和应用程序却不是。

快速致胜的 3 步法
通过询问您的员工、客户和值得信赖的技术合作伙伴他们已经在使用 GenAI 做了什么,您将发现您的业务的相关机会。在短期内,我们建议在制定公司的 GenAI 战略时采用 3 步法开始并快速学习:

  1. 拥抱“副驾驶”生产力提升。
  2. 与已经以“增强型”方式提供 GenAI 产品的大型云服务提供商 (CSP) 和软件公司合作。
  3. 启动 GenAI 学习实验室并举办黑客马拉松,进行快速、敏捷的实验,这将有助于识别您的 GenAI
    功能并确定其优先级。该学习实验室还可以帮助您识别具有创新产品和方法的新兴“原生”公司,以补充您的内部技能。

副驾驶
GenAI的早期成功案例之一是副驾驶的出现——比如Microsoft的GitHub Copilot或亚马逊的Code Whisperer——用于改进软件开发。同样,OpenAI的ChatGPT和其他公司已经启用了多种形式的智能助手,可以帮助员工提高创建书面初稿的效率。

您的开发人员已经在利用 GenAI 工具编写和完善代码,知识工作者正在起草营销文档,项目经理正在自动化特定的工作流程。如今,这些工具正在提高员工的工作效率。特别是,您的工程团队可以通过推动代码生成工具的采用来改进软件开发。许多软件团队已经看到了20-30%的生产力提升。这些团队应该从当前的软件开发方法中抽出时间来学习如何利用这些新方法,这一点非常重要。不使用代码生成工具来提高生产力的团队将越来越多地落后于交付软件项目。

了解组织内已经发生的事情并鼓励生产力的提高,将有助于您评估内部GenAI的准备情况,并对哪些机会最有可能是“自己动手”,“与我一起做”或“为我做”计划进行分类。换句话说,您的公司是否准备用单个成分(数据、算法、GPU)烘焙自己的 GenAI 蛋糕,用商店购买的蛋糕混合物和糖衣(CSP、托管模型)制作蛋糕,或者从当地面包店购买蛋糕(原生和增强的 SaaS 产品)?从最终用户的角度来看,GenAI非常平易近人,但构建和操作GenAI模型和应用程序却不是。观察您的员工已经在做什么将创建内部能力的基线以及您将如何交付 GenAI 解决方案的计划。为了取得成功,您需要对内部收集和准备数据、训练和部署底层 GenAI 模型以及为现有应用程序和工作流程构建 GenAI 增强功能的能力进行客观评估。最有可能的是,早期的好处将是内部生产力的提高和购买增强型产品的能力学习的结合。

直接利用合作伙伴
看看您现有的应用程序合作伙伴,他们已经使用 GenAI 增强了他们的数据基础设施和应用程序。您与他们有业务关系,他们通常是安全且合规的提供商。您还具有共享的上下文和数据集,并且您的员工了解这些提供商提供的 UI/UX 和工作流程。因此,它们可以快速帮助您增强业务流程和工作流程。这些合作伙伴可能能够更好地获得新兴技术和技能,以通过GenAI堆栈的更深层次元素快速增强其产品。

在短期内,您建立的合作伙伴,包括Amazon AWS,Microsoft Azure和Google Cloud等云服务提供商(CSP),以及Workday,Atlassian和Smartsheet等软件应用程序公司,已经在为您增强其产品。还有一个数据管理层,CSP和数据服务公司(如Snowflake,MongoDB和Databricks)提供了更深入的GenAI工作,您将希望直接承担。

采取初始收购构建方法的关键是通过了解和利用您已建立的合作伙伴已经在做的事情来实现额外的快速赢利。然后,当您进一步阐明公司的发展方向时,您可以找到最适合构建自己的GenAI增强功能的方法。

构建 GenAI 学习实验室
无论是来自内部早期采用者还是增强的第三方产品,您的大多数早期胜利都将是提高内部生产力和创造力。但是,更关乎生存的需求是确定您将如何转变您的业务以更好地为外部客户提供服务。许多技术公司已经举办了黑客马拉松,以激励其内部团队,并开发优先服务客户的机会。这也将是贵公司开始的好地方!此外,他们还指定了一名高级管理人员担任GenAI跨职能领导者,负责领导实验工作并制定GenAI战略计划。你可以把这一系列努力想象成一个GenAI学习实验室。

更关乎生存的需求是确定您将如何转变您的业务以更好地为外部客户提供服务。

虽然这个团队可能会监控和总结GenAI的快速和动态变化,但最有效的发现方法是边做边学。被选入GenAI学习实验室应该被定位为实干家的机会 - 你在公司中最具潜力的建设者和领导者。他们将需要访问数据资源,并且可能需要在IT和数据管理中踩一些脚趾才能获得快速实验所需的内容。高级管理人员的赞助将是平衡实验和风险的关键。实验室(和整个公司)应该有一些关于何时以及如何以安全和合规的方式共享项目的基本规则和护栏。虽然帮助启动这个小组的黑客马拉松可以成为灵感的来源,但这些团队可能需要时间和一些外部专业知识来开发优先级和客户可以测试的产品。对行动和实验心态有偏见将为学习实验室和您的公司提供良好的服务。

早期优先事项需要考虑的一些特定领域是针对客户服务代表和客户的生成式聊天和生成式搜索。生成式聊天是一种自然语言方式,您的客户和服务代表可以与您已有的数据和知识资源进行交互,这些数据和知识资源可以帮助某人更快地获得答案。这个想法是通过类似聊天的界面进行交互并快速回答问题。生成式搜索是生成式聊天的表亲,尽管它更多的是向搜索结果添加推理和见解。谷歌最近宣布了一套围绕企业搜索的功能。

学习实验室可能是与引人注目的初创公司合作的最佳场所,这些初创公司在写作、图像、视频、代码创建等领域构建更多原生服务。像 Jasper.ai,Copy.ai,HyperWrite这样的公司,当然还有OpenAI的ChatGPT,都原生支持各种各样的写作用例。像法律合同中的Lexion或法律程序中的Harvey这样的公司专注于起草和管理文件的特定领域。RunwayML是视频创作和编辑市场的早期领导者,很幸运拥有一支深入了解整个GenAI堆栈的团队。在模型测试和部署(OctoML,Mosaic),数据争用(Number Station)和数据摄取(Unstructured.io)等支持领域也出现了专注于GenAI的公司。我们相信,原生公司正在重新审视客户的问题、所需的新技术功能以及从数据到最终用户不断迭代所需的敏捷方法。正如Tomasz Tunguz几周前深思熟虑地分享的那样,构建、部署和运营生成式应用程序将带来重大的产品开发以及组织和文化变革。在您的学习实验室内外与选定的本地公司合作将为您在这些能力建设领域的长期方法提供信息。

中长期制胜
在为一些速赢和能力建设设定了方向后,您可能会赢得组织内其他人(包括首席执行官)对中长期项目的赞赏和信任。您还将更好地校准内部团队和流程能力、数据资产和客户需求。在快速获胜的基础上,花点时间退后一步,为您将要交付的内容以及如何实现制定一套长期优先事项。

许多副驾驶和软件合作伙伴的快速胜利将揭示对新的内部和外部机会的洞察力。您可以在哪些方面实现更多的自动化、个性化,并最终在客户履行和客户成功等领域节省成本?您是否拥有专有数据和/或对公共数据源的理解,可以帮助您构建差异化的GenAI模型和产品?是否有更好的系统,由GenAI增强,用于设计产品和服务的下一次迭代?iw分销或合作渠道是否会出现,将您的产品推向市场,同时继续满足您对数据和强化学习的需求?

你最大的决定之一是,“我们如何做到这一点?您的快速获胜可能会发现具有技能和热情的内部拥护者,以接受您的 GenAI 转型。培养这些 GenAI 冠军并让他们参与长期计划将大大提高您的成功前景。特别是,寻找那些对学习感到好奇但不会本能地认为您的公司必须采取仅限 DIY 的方法的冠军。大多数公司将受益于DIY和“与我一起做”的合作方法,因为他们寻求利用整个GenAI堆栈来更好地满足面向客户和员工参与的需求。

通常,以下是增加成功概率的更多准则:

  1. 最初专注于边缘用例的基于云的部署(边缘即将到来,但还为时过早)。
  2. 从数据开始设计,并在应用层与基础架构层实现差异化。您可能会利用其他开源和托管模型(LLM
    和特定于领域的模型)和云基础架构,因此您的数据和工作流将帮助您自定义创造独特价值的模型和应用程序。
  3. 始终努力了解您的数据和元数据资产,并战略性地管理它们的长期价值(平衡数据泄露风险和数据损坏风险)。您可能需要升级基础数据存储(例如使用的数据仓库和数据库类型),以最终构建自己的语言模型,以利用专有数据和见解。
  4. 拥抱原生创新者和增强型现有技术合作伙伴的组合,以支持您的 GenAI
    之旅。这应该可以帮助您提高内部生产力和创造力,同时改善客户体验和价值!

准备马拉松,而不是短跑
大约 30 年前,我还是一家名为 The Genuine Parts Company (GPC) 的财富 500 强公司的年轻公司副总裁。我们的业务提供从制造商到不同行业的最终用户客户的卓越供应链服务,包括汽车零部件 (NAPA)、工业产品和办公产品。1995年,一种名为互联网的颠覆性技术出现了——启动了第一个大型风险投资炒作周期之一,以及影响每家公司的一系列商业创新。每周,一家由风险投资支持的新公司都会联系GPC,探索他们如何成为新技术推动者,新的客户类型或我们的新合作伙伴(可能会变成竞争对手!我的职责迅速演变为筛选这些公司,评估它们与我们的战略契合度,并构建有助于在拥抱技术变革的同时扩展我们的价值的安排。

随着 1990 年代后期的互联网泡沫接近顶峰,整个商业世界都被电子商务、互联网和“砖头和点击”创新所吞噬。像GPC这样的传统公司看到他们的股价暴跌,因为他们担心他们会陷入“创新者的困境”。NAPA Auto Parts、亚马逊和Madrona探索了一个“砖头和点击”的合资企业,但在纳斯达克达到当时创纪录的5,000(2000年3月)之前不久意识到,商业市场还没有准备好建立在线汽车零部件商店。其他人就没有那么幸运了,随着泡沫的破裂,无数的创始人、初创公司和投资者都遭受了巨大的损失。我永远不会忘记2000年4月参加由财富和高盛在纽约市举办的会议,该会议被描述为财富500强公司与互联网公司之间的战斗。很少有人相信财富 500 强有机会,但今天 GPC 凭借学习的心态、出色的执行力和长远的眼光,其市值是当时的 8 倍!

在 2023 年及以后,颠覆性的 GenAI 技术、智能和生成应用程序以及更自然的用户界面将在初创公司、现有技术公司和成熟企业中产生赢家和输家。企业及其领导者需要结合敏捷性、创造力和长期眼光来驾驭这个高度动态的时代。他们还需要对客户需求进行战略上的明确性,对内部能力和数据资产进行客观评估,并与外部合作伙伴合作,以成为赢家。这就是为什么每个CEO都在问这个问题的更深层次的原因:“我们的生成式人工智能战略是什么?

原文:https://www.madrona.com/generative-ai-strategy/