生产性 AI ： 如何实现运营和商业价值

生产性AI：实现运营和商业价值的关键路径

在当前时代，将人工智能（AI）从实验室转移到实际应用显得尤为重要。领先的企业通过AI能更好地贴近客户、简化运营以及创造竞争优势。AI不仅能够预测客户需求，还能识别并优化工作流程、自动化重复性任务，从而提升物流效率、客户服务质量和电子邮件营销的效果。

为了充分发挥AI的潜力，企业应将其视为团队运动，而非仅由数据科学家和开发人员负责。AI的成功实施始于建立一个全面参与的团队，包括软件开发者、数据科学家和业务人员。企业可以考虑设立AI卓越中心，如37%的企业已建立的那样。

在AI的初步阶段，应识别小项目，并准备接受快速失败的可能性。在找到具有明显商业价值的项目后，应迅速采取行动并将其推广至整个组织。公关和高管的赞助至关重要，但不必过于担忧时机过晚。先发优势往往被高估，重要的是构建完整的解决方案堆栈，利用早期采用者的经验，包括模型、训练数据和脚本。

对于IT领导者而言，AI的操作提供了独特的机会。他们能够创建共享的基础架构，连接孤岛，促进跨职能的创新。在构建基础架构时，应保持灵活性，因为AI的操作与云或数据中心无关，而是两者结合。从云开始，选择合适的工具和低成本的实验环境进行探索，然后逐渐转向使用生产数据。

在部署机器学习和深度学习模型时，考虑将计算引入本地数据存储，以更好地服务于存储密集型应用。云和本地基础架构的结合通常最有效。开发人员可以在云中尝试模型和库，而生产应用程序则在本地构建，以便数据科学家专注于模型开发，而不是数据移动的时间和成本。

构建自己的AI系统时，应避免通过DIY方法追求低成本基础架构的陷阱。虽然初期可能节省了一些成本，但这些节省往往被系统设计、集成、软件工程、故障排除和支持所消耗的时间和预算所掩盖。AI系统应专门构建以跨多个GPU并行化复杂模型，并具备高效I/O子系统和网络，以解决训练问题分布于多个系统上的需求。

最后，商业价值巨大，不容忽视。通过实施AI改善结果，实现并获得竞争优势，企业应把握这一机遇，推动AI在运营和商业上的应用。