数据驱动的创新回顾|Wave 12

技术趋势：数据和技术领域正经历着从“硬边缘”到“软扩散”的转变，技术正逐渐无缝融入组织的各个层面。文章重点探讨了小语言模型（SLMs）的兴起，以及它们在各个领域的应用，例如金属有机框架（MOFs）的发现和决策智能。
关键数据：文章强调了数据质量、治理和可访问性的重要性，并指出这些因素对于实现创新至关重要。此外，文章还提到了人工智能（AI）在各个领域的应用，例如自动驾驶、客户体验和供应链管理。
研究结论：文章认为，企业需要从控制转向治理，并强调建立信任和问责制的重要性。文章还建议企业将数据视为产品，并采用开放数据产品规范（ODPS）来连接数据和AI，以实现可衡量的业务成果。

小语言模型（SLMs）：文章将SLMs描述为企业AI的“主厨”，它们能够以较低的成本和较高的效率执行特定的任务，例如意图路由、实体提取和工具选择。文章建议企业将SLMs与前沿大型语言模型（LLMs）结合使用，以实现更高效的AI应用。
决策智能：文章指出，企业普遍存在“行动差距”，即从洞察到行动之间存在延迟。决策智能能够消除这种差距，并帮助企业更快地做出决策。文章建议企业将决策智能与SLMs结合使用，以实现更高效的业务运营。
上下文图：文章认为，上下文图是连接证据和行动的关键，它能够帮助企业更好地理解世界并做出更明智的决策。文章建议企业将上下文图视为企业的核心资产，并投入资源来构建和维护它。
信任与主权：文章强调了信任和主权的重要性，并指出企业需要建立治理框架来确保AI系统的可靠性和安全性。文章还建议企业探索主权AI，以保护其数据和模型免受外部威胁。
InnerSource：文章介绍了InnerSource的概念，它是一种在企业内部运行开源工作流的实践。InnerSource能够帮助企业建立知识共享和协作的文化，并加速创新。

AI驱动的产品：文章预测，到2030年，企业将不再仅仅将AI视为工具，而是将其视为核心驱动力。企业需要将AI嵌入到其产品和服务中，并建立治理框架来确保其可靠性和安全性。
人机协作：文章认为，未来将是一个人机协作的时代，人类和AI将共同工作以实现更复杂的任务。企业需要重新设计其业务流程，以适应这种新的工作模式。
信任至上：文章强调，信任将是未来AI发展的关键因素。企业需要建立信任机制，以确保其AI系统的可靠性和安全性，并赢得客户的信任。