进入2024年，首席信息官们必须考虑到生成式人工智能的前景和风险，重塑他们的数字议程。以下是应对LLM颠覆性潜力的五种方法。
数字化转型必须成为组织的核心竞争力。这是我对首席信息官和IT领导者的重要建议。
在主题演讲和与首席信息官的讨论中，我提醒大家，战略重点每两年或更短时间就会发生重大变化，从2018年的增长，到2020年的流行病和远程工作，再到2022年的混合工作和财务限制。
到2024年，包括ChatGPT和其他大型语言模型(LLM)在内的生成式人工智能的影响将成为一个重要的转型驱动因素。
随着许多首席信息官准备2024年预算和数字化转型优先事项，制定一项战略，寻求发展商业模式的机会，针对近期运营影响，优先考虑员工应该尝试的领域，并制定与人工智能相关的风险缓解计划，这是势在必行的。
但是，随着所有的兴奋和炒作，员工很容易将时间投入到危及机密数据的人工智能工具上，或者管理人员很容易选择没有通过安全、数据治理和其他供应商合规性审查的影子人工智能工具。更大的挑战是制定一个现实的战略，并对“不可能的梦想家”做出回应。“不可能的梦想家”是一种“不切实际”的商业领袖，是一种你会在地狱里遇到的商业高管。
塔塔咨询服务公司的首席信息官Abhijit Mazumder表示:“转型优先事项应该从根本上与业务优先事项以及任何组织试图实现的目标联系起来。在大多数公司，领导层同样关注增长和运营效率，同时也不会忘记优先考虑弹性、网络安全和技术债务消除计划。”
以下是首席信息官在发展数字化转型优先事项时需要考虑的几个生成式人工智能驱动因素。
定义一个改变游戏规则的LLM策略
在我最近主持的一次与数字开拓者的咖啡会上，我们讨论了生成式人工智能和LLM将如何影响每个行业。例子包括生成人工智能将如何:
•利用非结构化数据的附加智能加速药物发现
•使一线制造装配工人能够更快、更可靠地解决问题
•使医疗服务提供者能够为患者的健康问题提供个性化的答案
•根据客户对话，协助开发新的保险、银行和其他金融服务产品
•通过为教师提供提高学生创造性思维、协作能力和解决问题能力的新途径，变革教育
SnapLogic首席技术官Jeremiah Stone表示:“现在，首席信息官和首席技术官不仅要在如何以更少的投入做更多的事情上发挥创意，还要通过合理的投资超越竞争对手，因为他们的竞争对手可能会推迟或削减自己的转型项目。”“优先考虑能够创造新的收入来源、使技术民主化或减少技术债务的转型计划，特别是在考虑生成人工智能机会时。”
首席信息官们可能会认识到，这种规模的转型计划是一个多年的计划，需要评估LLM的能力，进行实验，并找到最低限度可行和足够安全的客户产品。但是，没有战略可能会导致颠覆，IT领导者在参加董事会会议时可能犯的一个关键错误是，没有为生成式人工智能等改变世界的新兴技术制定计划。
为私人LLM清理和准备数据
生成式人工智能能力将提高企业非结构化数据的重要性和价值，包括存储在学习管理系统中的文档、视频和内容。即使企业还没有准备好考虑生成式人工智能如何颠覆他们的行业和业务，积极主动的转型领导者也会采取措施，集中、清理和准备非结构化数据，以便在LLM中使用。
多米诺数据科学战略和宣传主管Kjell Carlsson表示:“随着整个组织的用户都在呼吁将生成式人工智能功能作为其日常活动的一部分，首席信息官、首席技术官和首席信息官的首要任务是实现对越来越多的生成式人工智能模型的安全、可扩展访问，并使数据科学团队能够开发和运营针对组织数据和用例量身定制的微调LLM。”
已经有14个LLM不是ChatGPT，如果有大量的数据集，可以使用Databricks Dolly、MetaLlama和OpenAI等平台定制一个专有的LLM，或者从头开始构建你自己的LLM。
定制和开发llm需要强大的商业案例、技术专长和资金。NewRelic的首席设计和战略官Peter Pezaris说:“训练大型语言模型可能会很昂贵，而且输出还没有完善，所以领导者应该优先投资于有助于监控使用成本和提高查询结果质量的解决方案。”
通过改进客户支持来提高效率
麦肯锡在2020年估计，人工智能每年可以创造1万亿美元的价值，其中客户支持是一个重要的机会。由于生成式人工智能的出现，这一机会在今天变得更大，尤其是当首席信息官将非结构化数据集中在LLM中，并使服务代理能够询问和回答客户的问题时。
SPR执行副总裁Justin Rodenbostel表示:“寻找机会利用GPT-4和LLM来优化客户支持等活动，特别是在自动化任务和分析大量非结构化数据方面。”
从LLM和人工智能搜索功能中获得短期投资回报率，改善客户支持是一个快速的胜利。llm需要集中企业的非结构化数据，包括嵌入CRM、文件系统和其他SaaS工具中的数据。一旦IT部门集中了这些数据并实施了私人LLM，其他机会包括改善销售线索转换和人力资源入职流程。
GetK3总裁兼首席执行官戈登•阿洛特表示:“几十年来，很多公司一直在向SharePoint和其他系统中填充数据。把它清理干净，用LLM学位可能真的很有价值。”
通过沟通LLM治理模型来降低风险
生成式人工智能领域有100多种工具，涵盖测试、图像、视频、代码、语音和其他类别。是什么阻止员工尝试一个工具并将专有或其他机密信息粘贴到他们的提示中?
Rodenbostel建议:“领导者必须通过研究和制定可接受的使用政策，确保他们的团队只以批准的、适当的方式使用这些工具。”
在三个部门中，首席信息官必须与他们的首席技术官和首席信息官合作，沟通策略并创建支持智能实验的治理模型。首先，首席信息官们应该评估ChatGPT和其他生成式人工智能对编码和软件开发的影响。IT必须以身作则，说明在哪里以及如何进行实验，以及何时不使用工具或专有数据集。
营销是第二个需要关注的领域，营销人员可以在内容创建、潜在客户生成、电子邮件营销和十多种常见营销实践中使用ChatGPT和其他生成式人工智能。目前有超过11,000个营销技术解决方案可用，在测试具有新LLM功能的SaaS时，有很多机会进行实验并犯无意中的错误。
领先组织的首席信息官正在创建一个注册表，以装载新的生成人工智能用例，定义一个审查方法的过程，并集中捕捉人工智能实验的影响。
重新评估决策过程和权力
需要考虑的一个重要领域是，生成式人工智能将如何影响决策过程和未来的工作。
在过去的十年中，许多企业的目标是通过使数据访问民主化、培训更多的商业人士了解公民数据科学以及灌输积极的数据治理实践，成为数据驱动型组织。生成式人工智能释放了新的能力，使领导者能够提示并快速获得答案，但及时性、准确性和偏见是许多LLM面临的关键问题。
Appen企业解决方案副总裁Erik Voight表示:“将人类置于人工智能的中心，并为数据使用和模型可解释性建立强大的框架，将大大有助于减轻这些模型中的偏见，并确保所有人工智能输出都是合乎道德和负责任的。现实情况是，在关键决策方面，人工智能模型无法取代人类，应该用来补充这些过程，而不是完全取代它们。”
首席信息官们应该寻求一种平衡的方法来优先考虑生成式人工智能计划，包括定义治理、确定短期效率和寻求长期转型机会。
