Snowflake

有效AI的数据执行指南 来自数据高管的AI转型之旅的最佳实践 3前言 4设置舞台 5AI的今天 关于AI的担忧 8通往有效AI的旅程第一阶段： 传福音第二阶段：实验第三阶段：操作阶段四：扩展 第五阶段：转换 19热门旅行小贴士 PREFACE “数据执行官的有效AI指南”提供了一个路线图，以帮助数据，分析和AI领导者在其组织中有效实施和扩展AI计划。为了制作这份报告，我们在2024年1月和2月对Sowflae客户公司的数据主管进行了深入采访，并与其他数据领导者进行了讨论，他们正在努力用新技术改造他们的组织。 我们要特别感谢以下高管的时间和见解： 米其林·凯西 首席数据和分析官, 西门子能源 BETHQUINTON 副总裁,数据, 加拿大航空 佩里·菲利普 首席数据官, Entain VIJAYKOTU 首席分析官, ServiceNow AMANTHIND 首席技术官, 道富阿尔法 彼得·威廉姆斯 数据总监, 企鹅兰登书屋 贝诺里德 数据和分析总监 ，海拔运动 KIMMACAULAY 首席信息和数据官，国际航空 运输协会(IATA) 安德鲁·库里 中央数据办公室经理,埃克森美孚 3 设置舞台 人工智能现在无处不在。这一次它真的会留下来。是的，随着人们庆祝创新，公众的兴奋情绪有所减弱 ，但很快就失去了兴趣。然而，这一次，人工智能的当前复苏似乎并不那么短暂。把它带到最前沿的是，它现在在每个人的能力范围之内。人工智能nowspeakourlanguage(s).WhileclassicalAI,alsoknownasmachinelearning,couldpredictsalesrevenuesoracustomer'spropendsionstospendbasedonalimitedsetofdataofdata,anddeeplearningcouldpredicatefoottrafficinast 或视频片段，从所需的技术专长数据中提取这些见解。现在，生成型AI提供的工具可以用简单的语言说话，而不是代码。新的兴奋加速了整个企业的所有AI项目。 在许多组织中，GeneAI都是从后门进入的。在ChatGPT广为人知的首次亮相不到一年后，大多数千禧一代报告说他们已经使用了一种生成式AI工具，包括用于工作目的，并且超过一半的人报告定期使用它们。正如许多人现在所说的那样，GeneAI的采用是整个AI的“iPhone时刻”。 然而，根据CDO议程2024，许多数据领导者不知道这种采用正在发生 在他们的手表上。在2023年夏天，不到30％的受访者表示员工正在进行个人层面的试验，超过10％的受访者表示进行了试点，不到10％的受访者表示进行了生产部署。大多数受访者在解决日益增长的采用率方面做得很少。不到四分之一的人报告为AI用例准备数据，超过10%的人获得了额外的训练数据来扩大其内部来源。 数据领导者最初可能会放慢脚步来扩大人工智能的采用。但是，许多人现在不仅要让他们的技术，还要让他们的人员和流程来完成任务。为了了解CDO实际上是如何优先考虑机遇和应对挑战的，我们直接询问了他们。接受采访的雪花 大约有12个CDO在他们的组织内推动人工智能创新，以捕捉他们的“数据执行官有效人工智能指南”的战略和最佳实践。 当这些以数据为中心的领导者解释他们在启动AI计划时面临的挑战时，出现了一个由五个不同阶段组成的旅程。本报告围绕这五个里程碑组织了他们的经验，从宣传和试验这些新工具，到在组织中更大规模地使用它们，扩展用例和 受益者，并最终将其嵌入到组织的DNA中，以实现业务转型 。 4 今天的AI状态 虽然生成AI一直是最近兴奋的催化剂，但AI有多种形式。早期的AI工具将求职者与适当的工作或预测的结果相匹配，如欺诈活动，通常基于今天被认为是较小的数据集。 大多数早期的人工智能工具可以分为四大类：匹配、预测、推荐和辅助。 匹配 确定最适合工作或学术职位，临床试验，包括数据应用程序上兼容配置文件上的广告位置重叠分析。 预测 预测结果或特定结果或事件的可能性，如运动输赢、疾病爆发、欺诈活动或维护需求。 建议 根据特定于细分市场或个人的信息推荐特定的产品或服务、医疗、学习路径或其他操作。 ASSISTING 通过识别一般模式和相关性来简化选择并促进决策，从而支持跨用例的决策。 5 通过访问更大的数据集以及分析非结构化数据（如文档、图像或视频）的能力，模型可以提供更准确的预测，并提供处方以指导更好的决策。 特定的客户？或者可以交付哪种替代产品来代替缺货的在线订单？数据中确定的模式提供了帮助决策者的见解-人或机器。 随着生成AI模型的发布，我们现在不仅可以预测和处方，还可以访问大量信息并创建新内容。这不仅仅是Alexa告诉我们天气或Siri解释导致彩虹的原因。这些工具可以深入企业记录 ，为各种关键业务决策提供信息。在摩根士丹利，为其财务顾问和支持人员设计的新工具。摩根士丹利助理，可以访问超过100,000份研究报告和文档，将信息放在指尖，并提高员工生产力 。一家全球物流公司处理现有客户的运输请求，已使用AI工具从合同中提取相关信息，以加快响应速度。 除了信息检索之外，这些新的生成助手还可以起草给客户的电子邮件回复或营销活动的内容 -甚至是获取见解或构建新应用程序的代码。这些副驾驶工具是生成AI的一些最广泛的企业用途，并且早期报告表明积极的生产率提高。 关于AI的担忧 生成人工智能的爆炸性采用提高了人们对所有人工智能工具的承诺的认识，也提高了人们对其广泛使用相关问题的认识 。 数据泄露 越来越多的公共生成AI工具的使用引发了数据高管的安全担忧 。而 有可能配置设置为了防止ChatGPT使用对话来训练和改进模型 ，ChatGPT本身会告诉您避免共享敏感或机密信息. 这就是为什么一家全球专业食品制造商的数据团队通过监控其网络流量来发现ChatGPT的内部使用。他们发现，大约10%的员工在2023年第一季度访问并测试了ChatGPT。然而，一个团队负责ChatGPT流量的60％，实际上只有一名员工-一名实习生学习与AI副驾驶并排编码。虽然这是开发人员和年轻员工之间的常见用例，但它是一个监控，以确保使用符合公司政策，并指导员工如何最好地使用这些工具。 对于娱乐产品制造商的数据、分析和IT创新副总裁来说，共享到开放或公共平台中的专有或敏感数据可能会被滥用，从而违反 监管要求太高。对数据流失的恐惧是关于使用开源GeneAI的非常受控的访问政策的驱动力。他说：“我们需要确保员工知道如何正确使用这些新工具。”“建立公司范围的政策是重中之重。” 我们需要确保员工知道如何正确使用这些新工具。制定全公司政策是当务之急。” —娱乐产品制造商的数据、分析和IT创新副总裁 捕捉历史偏见 数据偏见的可能性在数据领导者中众所周知。住房，招聘，贷款和警务方面的机构偏见故事并不新鲜，很可能 例如，如果人力资源部门想要识别其组织中特定角色的配置文件，则仅使用内部数据将捕获该角色中过去员工的特征。 这些潜在的内部偏见存在于所有决策中。如果零售商想扩展到新市场，仅使用内部数据预测需求将根据其当前市场的销售情况产生结果。例如，如果没有有关新市场的外部数据，从北欧转移到南欧就不会很好地了解。 大多数数据领导者都知道如何减轻这些风险，但应该关注不断变化的法规。令人担忧的是，错误地预测新市场的需求可能会导致错误的业务决策，但歧视性的招聘做法可能会违反法规，并带来更重要的后果。 6 不准确和伪造 A福布斯顾问调查发现76%的消费者担心谷歌双子座、ChatGPT和BingChat等人工智能工具的错误信息。同时,54%的受访者表示他们认为他们可以区分人类编写的内容和自动聊天机器人生成的内容。但 是你试过吗?《纽约时报》发表要识别的测验AI生成的图像，这并不容易。现在新的工具，如AI或不，可以帮助确定图像是由人 工智能还是由人类生成的。 但是当我们与聊天机器人互动时，我们认为提供的信息是正确的。对信息负责他们的聊天机器人交付。 Aspeopleleaveanorganization,thosewhostartonthejourneymightnotbetheontherswhocompleteit.Usecasesandmodelswillgetorphanizedandpassedaround." -佩里·菲利普 CDO,Entain 作业中断 根据福布斯的调查，更广泛的人群中最大的担忧之一是失业 ：人工智能将夺走我们的工作。有些任务将被AI取代，例如律师助理在以前的案例中寻找先例所花费的时间。对于许多其他人来说，新的AI工具将改变我们所知道的工作。他们将取代某些任务并加速其他任务。想象一下你的手机之前的生活。 手机甚至电脑。但是人工智能有局限性:它缺乏判断力，不理解上下文，而且只能和它所训练的数据一样好。这对人类来说是个好消息。我们可能不会被完全取代——至少在创造性、创新性思维方面是这样。这是人类擅长的。但是为了充分利用人工智能工具，员工需要接受再培训。 在今年早些时候在伦敦举行的CDO级网络活动上，数据领导者强调了解决基础技能差距的必要性。genAI的激增加速了提高现有员工数据素养的需求，但也提高了 在埃克森美孚，CDOAndrewCurry报告说， 数据素养计划由其中央数据办公室拥有，该办公室为业务和技术角色的组合开发课程。 组织更替 这不仅仅是失业。数据领导者也担心人员流失。Entain的CDOPerryPhilipp认为，采用AI技术期间最大的风险之一是营业额。“随着人们离开组织，那些开始 旅程可能不是完成它的人，”Philipp说。“用例和模型将成为孤儿并传递。” 缺乏连续性可能会破坏新项目并危及业务利益。项目管理和治理将需要填补空白。 越来越多的人工智能采用率和对担忧的认识促使数据高管加快了组织中的政策和协调。对于许多人来说，战略和流程仍在进行中。然而，最佳实践正在出现。 7 追求有效的AI 这些新的人工智能工具和技术所面临的挑战并不是识别它们的有用应用。最近的历史表明，用户渴望使用它们。对于企业领导者来说，真正的挑战是弄清楚如何有效 、负责任地大规模使用它们。 8 9 有效AI之旅的各个阶段 使用阶段来计划、执行和扩展 传福音 指出讨论，激发创造力 实验 鼓励使用AI沙盒进 行实验 Operationalize 建立AI和数据战略治理机构和 推动规模发展的流程 展开 进一步实现数据、分析和人工智能的使用和重用的民主化和工业化，将更多的利益相关 者纳入治理机构 转换 通过协调投资、持续教育和整个组织的高水平重用，将AI 嵌入组织的DNA中 在西门子能源公司，数据团队在业务领域花费了大量时间来完善其战略，并引入了AI成熟度模型来跟踪其实施进度。大量的成熟度模型说明了人工智能在企业内部的潜在演变。没有一种尺寸适合所有人；CDO报告从许多人中抽出，以创建最适合的模型。虽然一些模型表明旅程是单向的，但随着公司实现每个连续的成熟度水平，情况通常并非如此。数据领导者报告说 ，阶段重叠，表征早期阶段的活动持续到后续阶段。特别是在大型组织中，并不是每个人都会同时在同一个地方。 考虑下图所示的不同阶段。数据领导者在开始实验时不会放弃福音，或者在开始操作AI时放弃实验。转变永远不会真正完成。将此旅程视为正在进行的，不断发展的新技术进行宣传和使用案例进行测试。虽然这些阶段看起来很基本，但它们通过分解复杂的转换过程提供了有用的组织结构。数据领导者将这些用于规划目的，并实现扩展。 随着采用率的增长。重要的是要认识到转型是跨越整体的旅程 公司，甚至整个生态系统，而不仅仅是在临时项目的口袋里。 Forsomeorganizations,thetransformationrequirespullingtogetherexistingyetdistranedi