Kunal Purohit 参与播客，探讨企业级应用中的人工智能（AI）扩展。 他概述了数字化转型的四个阶段，并强调了可能减缓实施的技术与文化挑战。同时，他还讨论了组织在采用AI技术时常见的陷阱。
Tech Mahindra简介
在Tech Mahindra，我的双重角色是利用新兴技术开发创新解决方案，帮助客户实现显著的商业效益。我们指导组织从传统运营模式向数字和认知框架转型。通过洞察分析和AI的力量，我们能够更快速地交付成果，提升客户满意度。
此外，我还在执行委员会工作，探索公司内的新想法，以培养新的商业机会。在过去三到四年中，我们成功启动了多个旨在为Mahindra创造长期价值的项目。
将AI与数字化转型相结合以促进收入增长
数字化转型已成为各组织的重要关注点，而AI正在彻底改变这一概念。企业虽然长久以来拥有数据，但现在开始意识到其在生成可操作洞察方面的潜力。这一转变促成了更好的决策和个性化的客户互动，从而改善了运营效率和收入增长。
近年来，AI在数字领域的广泛应用显著加快。从基础设施到客户互动，新兴技术（如生成式和判别式AI）变得更加普及，适用性日益增强。
客户AI成熟度之旅
我们与企业密切合作，评估它们在AI采用方面的成熟度。起初，许多组织设立了卓越中心（CoE）用于自动化，随后逐步演变为智能自动化团队。这一转型使他们能够探索AI驱动的应用案例，深入整合AI和机器学习于运营中。
目前，大多数企业的成熟度大致处于第二和第三阶段，寻求利用生成式AI提升生产力。一些领先的组织已开始实施这些先进的AI技术，但在扩展能力方面仍面临挑战。
扩展AI时的挑战与解决方案
许多因素妨碍企业有效扩展AI。虽然存在技术挑战，但文化因素（如数据驱动的思维方式）同样重要。例如，如果决策更多依赖直觉而非数据，AI的采用可能会受到阻碍。识别组织内的倡导者推动AI项目的成功，可以帮助培养以数据为中心的文化。
对未知的恐惧也在一定程度上拖慢了进展。许多企业不敢尝试新技术，担心潜在的失败。然而，早期实验可以带来宝贵的经验，增强信心。
在技术层面，模型在不同环境中的复制常常会遇到挑战，尤其是在技术基础设施水平各异的情况下。此外，数据更新和模型管理也需要系统性的方法，面临不小的困难。
人才短缺也是一个不容忽视的问题，缺乏现代架构思维和实用AI应用能力的专业人才，会限制公司的进步。组织必须努力弥补这一技能差距，以确保有效部署AI计划。同时，还需平衡AI开发的成本与预期成果。
引导持有疑虑的高管
为应对这些挑战，我们启动了生成式AI工作室，旨在帮助企业探索生成式AI，而无需进行沉重的初始投资。通过提供包含代码生成和内容创建在内的30多种功能的工具，我们让企业可以在降低风险的同时，进行实验和加深对生成式AI的理解。
根据我们的经验，企业意识到测试用例和提升成熟度在成功部署AI解决方案中的关键作用。
成功的AI实施案例
我们目睹了AI在多个行业中的成功应用。横向用例通常侧重于增强知识管理和改善与利益相关者的沟通。例如，在与一家度假村公司的最近项目中，引入生成式AI使响应准确率从63%提升至91%，更好地满足了客户的询问。
在石油和天然气等专项行业，生成式AI被用来简化合同生成流程，减少对昂贵法律资源的依赖。例如，我们帮助一家大型石油和天然气公司自动化合同模板的创建，显著降低了成本，同时仍通过人力监督确保准确性。
AI倡议中的常见失误
企业往往因对潜在失败的责任感而犹豫不决，不愿着手AI倡议。此外，许多人低估了实现所需成果的资源。为帮助缓解这些问题，我们鼓励客户开展初始项目试点，以建立信心和技能，为更广泛的成功实施奠定基础。
通过初创企业孵化支持创新
通过我们的Garage4.0计划，我们支持与技术目标一致的初创企业，旨在孵化可独立扩展或重新融入Tech Mahindra的创新理念。这一方法使我们能够促进高增长领域的价值创造，同时为外部投资轮提供潜力。
我们的使命明确：创造有效解决方案，利用印度日益增长的技术环境，最终惠及Mahindra集团及我们的客户。
排行榜
