麥肯錫公司最新報告顯示，生成式人工智能有望每年為全球經(jīng)濟貢獻高達4.4萬億美元。對于開發(fā)者和IT領(lǐng)導(dǎo)者而言，這無疑是一個千載難逢的機遇。

然而，當前超過半數(shù)的員工在使用AI技術(shù)時并未獲得雇主的正式許可，他們迫切希望借助這些工具提升工作效率。值得注意的是，有32%的員工計劃在不久的將來將生成式AI集成到自己的工作流程中，無論公司是否出臺相關(guān)政策。這種現(xiàn)象凸顯了員工對AI技術(shù)的熱情以及組織可能面臨的風險。

要充分發(fā)揮生成式AI的潛力，公司首先需要重視數(shù)據(jù)管理和準備工作。數(shù)據(jù)是驅(qū)動生成式AI理解和分析世界的關(guān)鍵，也是其實現(xiàn)變革性突破的基石。因此，建立健全的數(shù)據(jù)管理體系和策略至關(guān)重要。

此外，公司還需為大規(guī)模AI服務(wù)的構(gòu)建和運營奠定基礎(chǔ)，并確保生成式AI項目獲得持續(xù)且明智的資金支持。在這場激烈的人工智能競爭中，遲緩的步伐可能導(dǎo)致失敗。因此，公司必須在數(shù)據(jù)層面做好充分準備，同時有策略地擴大AI服務(wù)規(guī)模，并確保資金來源穩(wěn)定可靠。

然而，如果我們忽視了數(shù)據(jù)管理的重要性或未能有效應(yīng)對規(guī)模擴大和成本控制的挑戰(zhàn)，那么生成式AI的巨大潛力可能會付諸東流。為了避免這種情況發(fā)生，數(shù)字經(jīng)濟應(yīng)用實踐專家駱仁童博士指出，我們需要積極探索改進數(shù)據(jù)管理方法的途徑，并思考如何為長期支持生成式AI項目提供有力保障。只有這樣，我們才能確保生成式AI在推動全球經(jīng)濟增長方面發(fā)揮出應(yīng)有的作用。

AI的數(shù)據(jù)來源

AI的數(shù)據(jù)以多樣的形態(tài)呈現(xiàn)，每種形態(tài)的數(shù)據(jù)都能在適當應(yīng)用下豐富生成式AI的洞察力和質(zhì)量。其中，結(jié)構(gòu)化數(shù)據(jù)以其規(guī)則有序的組織方式脫穎而出，涵蓋了產(chǎn)品詳情、客戶統(tǒng)計數(shù)據(jù)以及庫存水平等各類信息。這種數(shù)據(jù)為生成式AI注入了堅實的事實基礎(chǔ)，有助于提升響應(yīng)的精準度。

除此之外，外部數(shù)據(jù)源也為內(nèi)部結(jié)構(gòu)化數(shù)據(jù)提供了有力的補充。天氣預(yù)報、股市動態(tài)、交通流量等實時信息，為決策過程增添了真實世界的色彩。將這些數(shù)據(jù)融入生成式AI項目中，不僅能提供高質(zhì)量的數(shù)據(jù)支持，還能避免自行生成這類數(shù)據(jù)所需的繁瑣流程。

衍生數(shù)據(jù)則是另一種重要的數(shù)據(jù)形態(tài)。它通過對原始數(shù)據(jù)進行深入分析和建模得出，涵蓋了客戶意圖、銷售預(yù)測以及群體行為等方面的洞見。這些數(shù)據(jù)為生成式AI提供了更深層次的理解，有助于挖掘更具價值的信息。

然而，非結(jié)構(gòu)化數(shù)據(jù)也不容忽視。與傳統(tǒng)的報告或數(shù)據(jù)格式不同，非結(jié)構(gòu)化數(shù)據(jù)包括圖像、文檔和音頻文件等多種形式。它們捕捉到了人類溝通和表達的微妙之處，為生成式AI提供了獨特的視角。生成式AI程序常常以此類數(shù)據(jù)為基礎(chǔ)進行工作，將其作為輸入和輸出的常見選擇。

但值得注意的是，數(shù)據(jù)隱私和網(wǎng)絡(luò)安全問題在使用生成式AI時尤為突出。65%的公司表示，這是他們在使用生成式AI工具時面臨的首要挑戰(zhàn)。這些工具在收集和處理數(shù)據(jù)時，可能涉及到IP地址、瀏覽活動等敏感信息，存在被識別個人身份的風險。一旦數(shù)據(jù)處理不當或發(fā)生泄露，可能會造成嚴重的后果。

此外，深度偽造技術(shù)的興起也加劇了人們的擔憂。它能夠在未經(jīng)許可的情況下創(chuàng)建逼真的圖像和聲音，對社會穩(wěn)定和個人權(quán)益構(gòu)成威脅。同時，AI工具也使得犯罪分子能夠制造更復(fù)雜的釣魚郵件和惡意軟件，加速網(wǎng)絡(luò)攻擊的進程。

因此，在使用生成式AI時，數(shù)字經(jīng)濟應(yīng)用實踐專家駱仁童博士強調(diào)，企業(yè)必須高度重視數(shù)據(jù)隱私和網(wǎng)絡(luò)安全問題。定期評估網(wǎng)絡(luò)安全策略，確保其與人工智能的發(fā)展保持同步至關(guān)重要。同時，采取強大的數(shù)據(jù)隱私措施如數(shù)據(jù)匿名化和加密等也是必不可少的。只有這樣，我們才能充分發(fā)揮生成式AI的潛力，同時保障個人和社會的利益不受損害。

靈活型的大數(shù)據(jù)

在這個多元化的時代，各種各樣的數(shù)據(jù)集散落在不同的環(huán)境中。為了讓它們在生成式AI項目中發(fā)揮作用，關(guān)鍵是要構(gòu)建一個實時的、多樣化的數(shù)據(jù)景觀，使其能夠被輕松訪問。此外，還需要對數(shù)據(jù)進行預(yù)處理，以便生成式AI系統(tǒng)能夠有效地利用它們。嵌入使得生成式AI系統(tǒng)能夠理解并使用數(shù)據(jù)，同時保留其意義和上下文。無論原始數(shù)據(jù)的形式如何，通過創(chuàng)建嵌入，我們都能讓生成式AI系統(tǒng)超越簡單的文本匹配，深入挖掘數(shù)據(jù)背后的意義和上下文。

通過這些嵌入，企業(yè)可以在所有數(shù)據(jù)上進行向量搜索或混合搜索，同時結(jié)合數(shù)據(jù)的價值和意義。然后，將這些結(jié)果匯總后傳遞給大規(guī)模語言模型（LLM）進行整合。通過從多個來源提供更多數(shù)據(jù)，而不僅僅依賴LLM本身，你的生成式AI項目就能為用戶提供更準確、更可靠的結(jié)果，并大大降低虛構(gòu)內(nèi)容的風險。

要實現(xiàn)這一目標，必須選擇合適的底層數(shù)據(jù)架構(gòu)。在這個過程中，我們應(yīng)盡量避免將數(shù)據(jù)分散在不同的解決方案中，形成碎片化的拼湊，因為每個這樣的解決方案都可能成為一個需要長期維護、查詢和管理的數(shù)據(jù)孤島。相反，我們應(yīng)尋求一種統(tǒng)一的數(shù)據(jù)架構(gòu)，它能夠無縫地集成數(shù)據(jù)，使生成式AI能夠充分利用所有可用的數(shù)據(jù)頻譜。這樣，用戶就能快速地向LLM提問并迅速得到回應(yīng)，而不必等待多個組件逐一響應(yīng)并由模型權(quán)衡其結(jié)果。這將極大地提高生成式AI的效率和準確性，為用戶帶來更好的體驗。

AI模塊化應(yīng)用的優(yōu)勢

為了擴展生成式AI實施，需要在加快采用速度與保持對關(guān)鍵資產(chǎn)的控制之間取得平衡。采用模塊化的方式來構(gòu)建生成式AI代理可以使這個過程變得更容易，因為它可以分解實施過程，避免潛在的瓶頸。

類似于微服務(wù)設(shè)計在應(yīng)用程序中的應(yīng)用，AI服務(wù)的模塊化方法也鼓勵圍繞應(yīng)用程序和軟件設(shè)計的最佳實踐，消除故障點，并讓更多潛在用戶能夠接觸這項技術(shù)。這種方法還使得監(jiān)控整個企業(yè)中AI代理的表現(xiàn)變得更容易，能夠更精確地找出問題發(fā)生的位置。

模塊化的第一個好處是可解釋性，因為參與生成式AI系統(tǒng)的各組成部分彼此分離，這樣就更容易分析代理是如何運作和作出決策的。AI通常被視為“黑箱”，而模塊化使得跟蹤和解釋結(jié)果變得更加容易。第二個好處是安全性，因為各個組件可以通過最佳認證和授權(quán)機制進行保護，確保只有授權(quán)用戶才能訪問敏感數(shù)據(jù)和功能。模塊化還使得合規(guī)和治理變得更容易。

類似的做法是將生成式AI視為企業(yè)自身運營的產(chǎn)品，而非單純的軟件。AI代理應(yīng)作為產(chǎn)品來管理，因為這更能有效地體現(xiàn)其所創(chuàng)造的價值，并使整合、工具和提示方面的支持資源更容易獲得。簡化這種模式有助于在整個組織內(nèi)普及對生成式AI的理解，促進最佳實踐的采納，并營造出共享專業(yè)知識和協(xié)作的生成式AI開發(fā)文化。

生成式AI具有巨大的潛力，各公司正競相在其運營中實施新的工具、代理和提示。然而，要將這些潛在項目投入生產(chǎn)，就需要有效管理數(shù)據(jù)、奠定系統(tǒng)規(guī)?；l(fā)展的基礎(chǔ)，并建立合適的預(yù)算模型以支持團隊。合理安排流程和優(yōu)先級將有助于你和你的團隊釋放這項技術(shù)的變革潛力。

關(guān)注ai帶來的新挑戰(zhàn)

最后，面對生成式AI工具，我們必須保持警惕。盡管這些工具在缺乏足夠信息時仍會給出回應(yīng)，但它們有時會編造答案，這要求我們在接收信息時不能只看表面，而要積極核實其有效性。事實上，60%的公司將此視為生成式AI的最大擔憂，因為這可能引發(fā)聲譽問題和其他嚴重后果。因此，AI算法的開發(fā)者應(yīng)設(shè)定編造答案的比例或是否允許無答案的情況發(fā)生。同時，了解所使用工具的開發(fā)背景至關(guān)重要，以便確定組織可接受的誤差范圍。通常，將誤差范圍設(shè)為零是最佳選擇，因為沒有信息總比錯誤信息強。

版權(quán)和知識產(chǎn)權(quán)（IP）風險也是與生成式AI相關(guān)的重要問題。這些模型可能在受法律保護的材料上訓練，并生成類似現(xiàn)有作品的內(nèi)容。若用戶未給予適當?shù)男庞茫赡軐?dǎo)致版權(quán)、商標或?qū)＠謾?quán)。目前，法院正努力解決如何將知識產(chǎn)權(quán)法應(yīng)用于AI生成的內(nèi)容，但這需要一定時間。

因此，保護知識產(chǎn)權(quán)和培訓員工批判性地思考他們輸入AI工具的信息至關(guān)重要。明確規(guī)定哪些員工和合作伙伴可以訪問公司的知識產(chǎn)權(quán)和敏感信息，并禁止特定材料和數(shù)據(jù)被輸入AI模型。同時，教育員工如何合法地使用AI生成的內(nèi)容以避免侵犯版權(quán)也是必不可少的。

隨著生成式AI技術(shù)的不斷發(fā)展，我們應(yīng)保持關(guān)注并隨時了解相關(guān)法律進展。雖然生成式AI帶來了諸多挑戰(zhàn)，但它也為我們帶來了前所未有的效率和機會。AI技術(shù)預(yù)計每年將為全球經(jīng)濟增加4.4萬億美元的價值。為了充分利用這些益處，公司需要深入了解并有效管理AI的風險。從現(xiàn)在開始，讓我們共同保護和推動業(yè)務(wù)的發(fā)展。

商道童言（Innovationcases）歡迎點贊和分享哦！~~

免費電子書： | | | |

數(shù)字經(jīng)濟應(yīng)用實踐專家 駱仁童主講課程

人工智能：

數(shù)字應(yīng)用：

數(shù)字中國：

數(shù)字化轉(zhuǎn)型：》

產(chǎn)業(yè)數(shù)字化：《》

宏觀與趨勢：

思維與技能：》

創(chuàng)新與創(chuàng)業(yè)：