以数据为中心的人工智能方法的四个关键支柱

核心观点与关键数据

• 生成式AI（GenAI）处于Gartner 2024年AI炒作周期顶端：GenAI持续创新，包括性能提升、上下文长度扩展、小语言模型出现、专家混合模型（MoE）和AI代理等。企业对GenAI的预期显著，预计未来12-18个月产品效率提升22.6%，收入增长15.8%，成本降低15.2%。
• 企业技术投入增加：82%的企业计划增加BI和数据分析、AI和GenAI的投入，分别较前一年增长4%、11%和14%。
• 企业面临挑战：76%的CIO和技术领导者难以平衡创新速度与规模化需求，同时面临技能、采用和理解风险的差距。

主要趋势与建议

持续的GenAI项目需要基础投资

• GenAI创新进展：性能提升、上下文长度增加、小语言模型、MoE模型和AI代理等。
• 企业应对策略：
  • 识别和优先使用案例：采用“爬-走-跑”方法，从试点项目开始，逐步扩大应用范围。
    • 爬：选择内部用例，验证技术概念，评估解决方案效果。
    • 走：建立正式的用例选择流程，考虑功能性（如提高生产力、改善体验）和技术性（如文本生成、问答、摘要等）用例，并进行可行性、价值和风险评估。
    • 跑：基于早期项目验证实施方法，建立风险管理框架，识别技能差距，规划生产部署，并采用扩展模式。
  • 定义模块化架构：为大规模实施建立整体能力图谱，采用检索增强生成（RAG）设计模式，以应对数据隐私、幻觉、访问控制等问题，并支持多种内容类型、搜索技术和提示模板。
  • 提升团队技能：培训团队使用新的GenAI工具和技术。

重视价值、弹性和可靠性

• 企业需关注解决方案的价值、可靠性和弹性。
• 提升开发者体验：根据不同用户角色定制增强型分析和AI平台选项。
• 关注解决方案成熟度：专注于价值、可靠性和弹性。

赋能用户并提升数据与AI素养

• 民主化开发：让组织内更多用户参与分析和仪表板、指标和AI模型开发。
• 实施素养计划：通过变革管理推动对分析洞察和AI预测的采用。

加强AI治理和技能提升

• 融入信任和透明度：确保治理和技能提升计划促进包容性、问责制、流程整合、公平性和风险管理。
• 提升技能：与业务团队合作，识别效率提升机会，推出差异化产品。
• 建立核心团队：负责快速原型设计和制定技术实施路线图。
• 投资技能提升：利用技术增强任务。
• 逐步扩展实践：如自服务分析和传统AI模型开发。
• 提高敏捷性：通过自动化和简化方法。
• 建立指南和框架：确保一致和可信赖的实施。
• 实施治理：确保控制、监管合规和最佳实践。