IT领导者可以从谷歌的GenAI起步不稳中学到什么

谷歌推出 Bard 时，试图对抗 OpenAI 的 ChatGPT，但在首次演示中不幸出现了事实错误。尽管谷歌随后将 Bard 扩展到 Gmail 到 YouTube 等所有平台，但公众最初的焦点仍然是该工具未能达到 OpenAI 响应的质量。

谷歌在GenAI的起步失败展示了大型语言模型（LLMs）准确输出的价值。但更重要的是，它提出了每位 IT 领导者在寻求抓住GenAI机会时应该问自己的几个问题。

首先，向我们山景城的朋友们学习，并问自己以下问题。

我们能用 AI 解决什么现有问题？

人们认为，作为一项新技术，GenAI必须解决新问题。这是一个误解。转变你的思维，问自己：“我的团队或我的公司面临什么问题，如果我们用 AI 来解决这些问题，情况会是怎样的？”

我的 AI 解决方案真的能帮助我们的客户吗？

几乎每家科技公司都在跳上GenAI的潮流。然而，只有少数公司真正有意义地采用和实施这项技术，从而使客户受益。

许多 AI 聊天机器人将坚持浅层次的用例，并未能产生真正的影响。那些打破这种趋势的人将是那些针对曾经无法解决但现在有了GenAI只是有些困难的用例的人，比如自动生成来自隐晦语言的查询。

当您的 IT 团队在公司内部部署 AI 解决方案时，要从高层次审视结果，确保它们与公司的目标保持一致。多模态GenAI应用（例如移动、网络、语音、聊天机器人、图像和视频）的最终目标是超越在响应中的渐进式改进，而是在客户甚至提出问题之前就解决他们的问题或回答他们的问题。

很快，我期望看到能够因为知道应该做什么而自行采取行动的主动GenAI代理。这将要求 AI 拥有明确的最终目标和达成目标的路径，以及对整个业务的全面理解。

我们的文档准备好了吗？

文档的完善将决定 AI 实施的成败。你可以构建世界上最好的 AI 助手，但如果你没有正确记录你的业务，助手就无法理解你的公司是做什么的以及为什么要这么做。

如果没有这些知识，AI 无法指导你的员工或客户并帮助他们使用你的产品。GenAI需要一个知识图谱——整个业务的语义地图。定义节点和边作为关系，AI 助手将自然地在其回应中使用它们，极大地增加了GenAI的价值。

下一步

专注于未来：许多公司主要将 AI 视为一种降低成本的方式；更大的机会在于增强人类能力和增长市场份额的创新。专注于这项技术将创造的新角色，以及填补这些角色的人员所需的资源、工具和教育。

抵制诱惑：不要因为假设创新想法只能从下而上而让GenAI在组织中自发传播。为了推动竞争优势，组织需要采取规定性的方法。聪明的首席技术官将主动支持进一步将GenAI集成到其团队的日常任务和流程中，同时寻找机会在整个组织中注入生成式 AI。

IT 在 AI 集成中的作用：IT 团队将成为在其公司内部推动GenAI集成的先驱，至关重要的是团队能够展示这些应用如何造福组织内的其他团体。从自动化团队内的重复任务开始，展示如何使用GenAI来优化工作流程。例如，让营销团队熟悉如何通过 ChatGPT 完成特定产品的推广任务。如果你告诉 ChatGPT 为购买高性能 PC 创建三个推广案——或任何类似的产品，它会愉快地遵从。IT 领导者已经在开发专门针对营销功能的GenAI模型。

教育关键利益相关者：通过工作坊、研讨会和培训课程，使商业领袖意识到GenAI的潜在好处和用途，帮助员工提升技能并了解如何与GenAI工具和技术合作。在你的 IT 团队内部确定并推广现实生活中的用例，以帮助推动你的组织的目标。通过一些简单的事情开始，比如使用生成式引擎来撰写电子邮件和员工通信，给人们带来惊喜。

确定适用的用例：通过组建一个小型特遣队成为你的GenAI专家，找出用例。你最热情的人将抓住这个机会。让他们寻找当前技术堆栈中可以通过自然语言处理、图像生成、计算机视觉或推荐系统自动化或增强的过程或任务。使用低风险的“快速失败”技术测试这些概念，这些技术利用小型项目和快速反馈。你选择的项目应该有明确的范围、定义的目标和可衡量的成果。大声宣布你的成功以获得关键利益相关者的支持和认可。

衡量绩效和影响：建立关键绩效指标来衡量GenAI解决方案对内部团队项目和跨部门的总体业务成果的影响。与公司内的其他领导人合作，跟踪诸如成本节约、生产力提高、客户满意度和对收入的影响等指标。寻找快速胜利；它们是让其他人加入的最佳方式。

鼓励团队不断学习和实验。向组织内的其他人传达 AI 是未来的信息，他们的职业成功将通过学习如何应用它而得到增强。

在坚实的基础上成长

我们可能要到 2024 年末或 2025 年才会看到使用新兴 AI 技术在可观测性和其他行业中的真正回报和影响。时间会告诉我们抢先进入市场的重要性，或者客户的优先事项在哪里。

他们是否只关注响应的质量？速度？他们是否满意于一个快速的助手能让他们完成一半的正确答案，知道他们在审查答案时需要保持一定程度的怀疑？AI 助手做三件事做得好是否比做十件事做得一般要好？

GPT-4 仍然是GenAI质量的黄金标准。然而，OpenAI 因为将注意力转向围绕其 LLMs 构建产品、追求利润以及偏离对质量的专注而成为众人瞩目的焦点。IT 领导者在开始他们的GenAI之旅时必须找到正确的平衡。

房间里的大象是GenAI将如何影响劳动力市场。有些工作在短期内无疑会受到干扰，历史表明，颠覆性技术最终创造的工作比它消灭的工作要多。

新技术总是增长劳动力市场的份额，并在以前不存在的地方创造新的机会。毕竟，很少有人能预测到在 Google 发布 25 年后，LinkedIn 上会有 420 万个包含“SEO”一词的职位头衔。那些超越地平线看问题的企业家看到了获得超额收益的机会。

GenAI的情况也将如此。

新技术的首批应用通常在我们寻求改进现有操作时显而易见。革命性的潜力在于我们从根本上重新思考整个过程。

GenAI很快将成为商业环境中的标准部分，就像今天的网站和智能手机一样。技术领导者必须超越最明显的用例，寻找具有变革潜力的应用，以抓住机遇。而且你现在必须做出一个决定：“你是全身心投入，还是满足于只在边缘试探？”

如果有一件事我的 30 多年技术经验教会了我，那就是试探者不是赢家。你需要让自己和你的组织致力于将GenAI成为你的业务的一部分。它需要被编织进公司的一切。