克服挑戰：為什麼企業在2023年AI峰會上難以實現AI的運營化

Home AI新聞克服挑戰：為什麼企業在2023年AI峰會上難以實現AI的運營化

部署生成式人工智慧模型對於希望從簡單概念驗證過渡到有效規模運作的企業來說，面臨著重大挑戰。根據參加2023年紐約AI峰會的業界專家分享的見解，克服這些障礙的首要步驟是識別瓶頸。

其中一個主要挑戰是獲取和整理正確的數據。BCG的董事總經理兼高級合夥人Sesh Iyer強調，建立一個可持續的數據管道並包含良好組織的元數據至關重要。生成式AI模型依賴大量數據輸入，因此企業必須優化其知識庫，以釋放大型語言模型的潛力。Mastercard的人工智慧產品開發主管Gaurav Dhama也指出了優化數據管理的重要性。

建立有效的治理框架以管理生成式AI固有風險是另一個重大挑戰。高層領導對於安全風險、版權問題及AI生成不準確性的「信心問題」依然存在。Ironside的高級數據科學家Lucinda Linde指出，領導者必須小心應對這些風險，以充分擁抱這項技術。

適當利用生成式AI的熟練專業人才短缺，亦是另一障礙。許多組織仍在掙扎於識別其AI倡議的商業價值及投資回報率，而生成式AI的波動性成本也加劇了不確定感。

由於生成式AI技術仍在發展中，Coinbase的AI/ML產品策略與開發負責人Vik Scoggins提到：“這條路尚未鋪就。”這一環境要求企業謹慎對待生成式AI。Dhama預測，生成式AI將在高度監管的行業中，例如金融服務，長期處於「副駕駛階段」，人類監督依然至關重要。

此外，使用生成式AI可能產生安全漏洞，特別是在代碼任務中。正如Dhama所提到的，實施這些工具的專業知識至關重要。Linde建議企業應該開始內部部署生成式AI，以提升員工的生產力和效率，並指出在後台功能中的初步使用可以為更廣泛的應用鋪平道路，隨著組織內的信心增長。

儘管採用新技術存在挑戰，但生成式AI帶來的潛在生產力提升令人信服。Iyer估計，組織的效率提升可達10%至90%。

有效利用生成式AI的另一個關鍵方面是技術使用的多樣化。Linde強調，即使OpenAI的技術在當前應用中十分普遍，仍然需要使用多種生成式AI模型。最近OpenAI首席執行官Sam Altman的動盪事件，突顯了依賴單一供應商的風險。

探索不同模型至關重要，因為不同系統在不同領域表現出色。Linde提到新興模型如Mistral已顯示出卓越表現，應納入更廣泛的策略考量。Dhama同樣表示，倡導使用多樣化系統以增強韌性。

設計生成式AI框架的關鍵考量包括準確性、延遲和成本。面對許多組織使用相似的基礎模型，專家們強調，區別的關鍵在於底層數據的質量。正如Dhama簡言之：“關鍵在數據，而非模型。”

最大化生成式AI帶來的價值，需要商業洞察與操作執行的戰略交集，強調整理正確的數據。Iyer以一句力道十足的提醒結尾：“若你擁有數據，你就贏了。”

蘋果推出開放原始碼人工智慧開發工具，專為Mac使用者設計

谷歌推出Gemini：下一代大型語言模型，徹底改變AI技術

Most people like

Knowt

釋放你的學習潛能，使用我們的AI智能學習應用程式，內建互動式抽認卡、全面性學習指南及有效的練習測驗。提升你的學習效果，透過量身打造的工具來增強記憶，助你成功。

人工智慧驅動的抽認卡 AI Education Assistant

SciSummary

239.8K

利用SciSummary的人工智慧平台，快速總結並理解科學文章。體驗我們的創新工具帶來的深入理解與高效閱讀，旨在簡化複雜的研究成果。

人工智慧 Summarizer

Zocket

19.6K

快速且輕鬆地在幾秒鐘內創建點擊對話廣告！

生成AI AI Ad Creative Assistant

TeleportHQ

251.5K

TeleportHQ 是一個創新的低碼平台，旨在簡化前端設計和開發，使開發人員和設計師可以在不需深入編程專業知識的情況下，輕鬆創建引人注目的界面。

低代碼 AI Website Builder

Find AI tools in YBX