使用 GenAI 转变业务运营：从战略开始，然后扩展

无论是使用它来超自动化日常任务还是增强产品和服务，企业都越来越多地采用生成人工智能 (GenAI) 来获得竞争优势。但成功实施 GenAI 说起来容易做起来难。它需要明确的策略以及对您的业务需求和数据要求的深入了解。

企业应该问自己的第一个问题是组织内的哪些领域将从 GenAI 中受益最多。最初的 GenAI 项目是否应该专注于改善内部运营，例如提高营销或人力资源部门的效率？或者他们应该面向客户，例如优化呼叫中心或增强公司的整体数字化形象？

无论何种用例，作为第一步，GenAI 都可以非常有效地优化和简化复杂的业务流程和工作流程。在医疗保健、技术、制造和零售等行业，存在跨越多个部门和机构的复杂程序。公司现在开始确定人工智能内容生成、分析和总结可以自动实现团队之间的交接并加快时间表和输出的地方。

我们合作的一位客户是一家负责管理医院放射科预约安排的大型医疗保健提供商，它能够利用人工智能大幅提高效率。安排一次放射科预约需要评估数十个不同的参数，例如医生、设备和患者的可用性，以前这个过程平均需要 8 到 10 分钟。通过使用 GenAI 快速分析所有数据点，提供商将调度时间缩短至仅 2 到 3 分钟。那很大。对于大批量的提供商来说，每次预约的安排时间即使缩短几分钟，每年也能节省数百万美元的成本。

但现实是，大多数组织需要先学会用 GenAI 走路，然后才能跑步。十多年前，咨询公司麦肯锡将创新阶段分为三个不同的阶段。第一个是渐进式创新，发生在最初的一两年内，包括对现有产品、服务或流程进行逐步改进或优化。第二个阶段发生在未来两到五年内，正在探索和发现新的扩展。第三个视野，通常是五到十年，涉及设想和创造以前不存在的全新商业模式或市场机会。

我相信这些创新视野仍然有效，但在 GenAI 时代，它们的时间框架将大大加快。事实上，根据 IDC 最近的一份报告，92% 的人工智能部署需要 12 个月或更短的时间，组织在 14 个月内实现平均投资回报。

另请参阅： 从 GenAI 应用程序中获取层层价值

充分利用 GenAI 开展业务的 5 个步骤

虽然 GenAI 的潜在好处是巨大的，但成功地实施和扩展该技术需要采取具有明确目标的务实方法。以下是为 GenAI 部署取得积极成果的五个步骤。

1：确保AI准确性

企业面临的一个关键挑战是验证人工智能生成的输出的准确性和可靠性。大多数人工智能模型（例如 ChatGPT）都附带免责声明，称其内容可能不准确或错误。这就是为什么公司仍然需要人类参与循环来审查和验证人工智能输出的准确性。

好消息是，市场上有新的工具可以让人类评估人工智能生成的内容，提供准确与不准确的反馈，并不断微调模型。随着 GenAI 在整个业务工作流程中投入使用，一定程度的人工监督对于建立信任和问责制至关重要。

2：量化业务案例

另一个关键考虑因素是投资回报率。你必须考虑是否应该投入精力使用人工智能来做一些原本可以通过传统自动化或现有工作流程来完成的事情。您花了多少钱来实现可以用更简单的方式完成的事情？

除了财务投资回报率之外，公司还应该规划出使用人工智能进行内容生成、分析和其他任务可能节省的时间。如果您想使用人工智能生成和分析内容，与手动操作相比，您可以节省多少时间？该业务流程总共减少了多少时间？然后，您可以将这些时间节省映射到成本节省。通过人工智能简化流程可以节省时间和成本，这可能是令人信服的驱动因素。然而，这些节省在不同的用例和领域之间可能会有很大差异。

3：寻找经验丰富的合作伙伴

过去 18 个月里 GenAI 的快速发展引起了混乱，这是可以理解的。最初，有人讨论在内部构建定制模型。但这类似于创建您自己的移动应用程序平台。对于大多数公司来说，这显然是一项过于复杂且成本高昂的工作。

对于大多数组织来说，更明智的方法是运行价值证明 (POV) 项目。与验证技术本身的概念验证不同，POV 展示了您的企业通过利用 GenAI 针对特定用例可以获得的具体价值。不要陷入证明已经建立的事实——这些模型是有效的。而是专注于证明它们对您的运营的价值。

要运行有效的 POV，请利用合作伙伴和 IT 服务提供商的专业知识，他们拥有深厚的 GenAI 领域知识，并由 Microsoft、Google 或 AWS 等经过验证的平台提供支持。这些专家带来了为其他客户实施类似解决方案的宝贵经验。

4：优先考虑数据质量

GenAI 取得伟大成果的关键是数据准备。这一切都与数据的质量、可用性、组织和治理有关，而不仅仅是培训过程本身。最重要的是，如果数据质量差或不可用，人工智能就不可能取得成功。

鉴于大型语言模型通常是根据互联网数据进行预训练的，许多 CXO 仍然对 GenAI 如何有效地处理他们的数据持怀疑态度。这个概念需要被揭开神秘面纱。只要组织的数据结构正确，人工智能模型就可以在组织的数据上良好运行。重要的是准备好高质量、组织良好的数据。

5：实施人工智能护栏

GenAI 可能是不可预测的。它可能会加剧偏见、危害隐私并导致不道德的决定。这是广泛采用的最大障碍之一。但如果仔细解决道德考虑、数据偏见和类似问题，这一挑战是可以克服的。例如，人们广泛讨论的意外和不受欢迎的言论问题。现在有一些工具可以提供控制和过滤与仇恨、暴力或自残相关的言论的方法。此类工具至关重要，它们将为用户灌输信心。

特别是，微软、谷歌和 AWS 等主要技术供应商以及许多初创公司正在开发工具和附加组件，以帮助部署 GenAI 解决方案，并已做好准备。这些技术的目标是确保用户不必担心过滤有偏见的输出和阻止滥用内容。该任务是在幕后处理的。但人工智能安全工具仍处于早期阶段。对于任何希望利用 GenAI 的企业来说，实施强大的护栏都需要付出巨大的努力。

另请参阅： 超越流行语：深入探讨 GenAI

最终要点

GenAI 现在正在实时改变业务。那些不参与其中的组织就会被抛在后面。但急于拥抱 GenAI 的公司必须在行动之前进行审视和规划。通过遵循这五个步骤并及时了解最新趋势和最佳实践，企业可以释放 GenAI 的变革潜力，从而推动更大的创新、效率和增长。