然而,作为一项技能,天生式AI面临的一个不同平凡的寻衅是,目前这项技能已经被主流采取,但仍处于炒作周期的顶峰。
这便是为什么许多企业对付天生式AI用例感到愉快,但仍在努力实现投资回报。

因此,为了最大限度地提高天生式AI的投资回报,主要的是从临时实验转向更有目的性的计策和系统履行方法。

以下是从天生式AI中得到最大商业利益的五种最佳实践。

制订整体的天生式AI计策

CIO指南成功实施生成式AI的5项最佳实践

定义天生式AI计策该当与更广泛的AI、自动化和数据管理方法相互关联。
毕竟,当代数据计策须要通过支持企业智能自动化目标以及支持交易、剖析和决策的大量运用来办理和增强全体IT堆栈。

看看最近推出的EDB Postgres AI,这是一个用于交易、剖析和AI事情负载的智能平台。
成功的AI履行80%依赖于数据方面,例如质量和清洁情形,因此你可以预期在这些类型的事情负载之间看到越来越多的孤岛被打破。

你的计策该当环绕组织的天生式AI制订计策主题,以及将如何支持各种业务目标。
定义哪些计策主题与你的业务模式、流程、产品和做事是干系的。
这些主题中,有哪些是支持增长议程、内部效率和本钱节约的?你将如何区分产品和做事、独特的代价主见和计策目标,以及你打算为业务带来哪些成果。

创造用例并对其进行优先级排序

你的组织中可能有十几种天生式AI的用例,虽然很多用例都是从终极用户那里自然识别出来的,但体例一份主列表很主要。
要节制用例,请在公司内联网上设置AI协作区,约请从业者分享他们正在做的事情和他们的创造。
这有助于盘点全体组织的活动,鼓励知识共享和相互协作。
你可能惊异于正在被积极评估的用例数量和参与者的数量。

通过获取正在进行的活动主列表,然后将其映射到客户旅程图或企业流程的流程图中,你就能找到覆盖范围中存在的差距和重叠,确定空缺领域中存在的机会,并开始确定优先级。

纵然你已经深入履行了几个用例,创新研讨会也是让终极用户群策群力并确定用例优先级的一种好方法。
你须要探求快速得胜(高业务影响和高履行难度)和必备条件(高业务影响,但由于韶光、本钱或项目风险和繁芜性而导致履行难度较低),然后相应地添加到你的履行路线图中。

有目的地进行实验和试点

随着天生式AI处于炒作周期的顶峰,可能会涌现很多调度但却没有持续关注终极目标的情形。
但是,你可以通过一些小幅的修正,鼓励试点和实验,授权终极用户成为创新者和测试者来发挥天生式AI的力量。

为了培养创新文化,这些小幅的修正该当包括供应辅导、支持和鼓励。
例如,如果终极用户正在考试测验一种新的AI语音转文本工具,你可以鼓励他们考试测验两三种不同的工具,并对结果进行比较。
为了帮助他们找到组织的最佳选择,除了他们目前最喜好的供应商之外,您还可以分享公司标准、预算考虑和首选供应商的详细信息。

分享护栏

当你通过鼓励实验和试点来培养创新文化时,你可以分享组织护栏来帮助终极用户应对AI的寻衅。

组织层面的大略防护方法便是制订自己企业的利用政策,并酌情签署各种行业协议。
对付AI和其他领域,企业利用政策可以帮助用户理解潜在的风险领域,从而管理风险,同时仍旧鼓励创新。

虽然每个行业在AI风险领域都有自己的优先事变,但在建筑、工程和建筑行业,我们创造,数据隐私和保密性是一个紧张问题。
因此,教诲用户理解公共和私人GPT的优缺陷,以及何时利用个中一种或两种是很有用的。
这也可能会影响你对供应商的选择。
例如,如果长期供应商利用来自其用户社区的数据来演习他们的模型,那么来自长期供应商的内置AI可能便是一个缺点的选择。

把投资回报率及早加入谈论之中

由于AI和许多其他技能已经被IT部门以外的广大员工评估和利用,因此为他们配备必要的工具,使他们的履行对企业取获胜利是非常主要的。

关键是供应支持性的业务案例,解释如何利用该技能以及如何打算投资回报率。
在这方面,AI和其他技能没有什么不同。
这是一个着眼于面向客户的产品和做事的代价主见和竞争差异化,以及内部流程在韶光和本钱节省方面的效率问题。
一个大略的投资回报率打算电子表格会是一个很好的开端,可以帮助员工理解前后情形,以及AI如何能帮助简化运营。

总体来看,由于环境迅速变革,制订相适应的AI计策、乐意根据须要定期更新,并在履行过程中不断学习和改进,这些都是至关主要的。
采纳循规蹈矩的步骤来得到快速胜利,并尽早展示投资回报率,但同时也要专注于必须具备的条件和更具计策性的举措,这将有助于你的组织在未来几年脱颖而出。