生成式AI对企业工作流程的变革与机遇
生成式AI正在帮助组织在更短的时间内完成更多工作，而一种充满好奇的态度可以帮助领导者抓住新技术带来的蓬勃机遇。销售力AI首席执行官克拉拉·施（Clara Shih）与麦肯锡高级合伙人Lareina Yee探讨了生成式AI的变革力量、变革管理的重要性，以及企业领导者在AI采用方面提出的关键问题。
技术基础与应用
- 技术基础：生成式AI采用模型-视图-控制器（MVC）技术堆栈，结合非结构化数据（如视频、语音转录、客户聊天记录等），通过大型语言模型（LLM）和大型视觉模型进行分析、总结和生成。
- 应用场景：LLM可以处理大量非结构化数据，例如总结播客内容、转录会议、生成客户档案、提供基于知识文章的客服响应等，将客户服务问题的平均解决时间缩短10%至20%。
变革管理与企业采用
- 变革管理：AI的采用不仅仅是技术问题，更是管理问题。每个员工都需要以开放的心态接受新技术，视其为与互联网和云计算同等重要的变革。
- 企业采用：企业需要从试点阶段过渡到生产阶段，优化数据管理，并根据自身需求选择合适的模型（如Claude 3、GPT-4或开源模型）。未组织好数据的公司正在加速推进数据基础项目，以确保安全大规模部署AI。
工作流程的变革与个人发展
- 工作流程变革：AI可以自动化或加速完成许多耗时任务，例如客户服务、销售和市场营销。知识工作者需要学习如何与LLM有效互动，利用AI提高效率。
- 个人发展：AI技能将成为未来工作的基本要求，同时也将创造出新的职位。企业需要帮助员工学习新技能，适应AI带来的变化。
AI风险与信任
- AI风险：AI风险主要包括数据隐私、数据安全、误导信息、歧视和取代。企业需要建立信任，确保数据安全，遵循伦理规范，并防止AI被滥用。
- 信任建立：企业需要解决客户关于数据存储、使用、共享和模型训练的担忧，确保AI的透明度和可靠性。
企业级AI问题
- 业务成果：企业关注AI如何提升效率、降低成本、提高客户满意度、增加转化率和缩短销售周期。
- 数据保护：企业需要保护客户数据，确保模型训练遵循伦理规范，防止AI生成误导性或歧视性内容。
- 变革管理：企业需要领导整个组织接受AI，并培养员工的AI技能和成长心态。
鼓励女性参与AI发展
- 女性参与：科技领域中女性建筑者和领导者的不足，部分原因在于社会对女性的社会化教育方式和STEM教育的压迫感。
- 鼓励措施：需要建立支持女性的组织，如GirlsInc.，帮助女孩们设想自己成为未来的科技专家，构建一个健康且充满活力的明日领导者人才管道。
初学者心态与AI潜力
- 初学者心态：培养成长心态，不认为自己总能成为足够精通以至于不再质疑基本原理或重新思考假设。在这个变化如此迅速的世界里，我们每个人都是常新的初学者。
- 抓住机遇：带着新鲜和开放的心态，审视可能性，才能抓住并利用AI带来的重大颠覆性时刻。
