作者 | Andy Nolan
在过去一段时间里，人们一直在谈论和使用生成式 AI，并尝试了许多不同的用例，真是令人惊叹。但我认为这只是个开始，生成式 AI 是一个非常令人兴奋的领域。
在这篇文章里，我想讨论如何在工作场所使用生成式 AI，以及如何提升采用的速度，减少浪费，并确保获得最大的收益。我相信你的员工正在使用生成式 AI 做许多出色的事情，而你可能并不知情。为此，我们需要在组织里增加一些治理和机制，确保组织在朝着正确的方向前进。
生成式 AI 改变了一切
突然间，人们开始意识到生成式 AI 是提高工作效率的工具：可以生成总结报告，发电子邮件，甚至写汇报。有数据表明，68%的受访者表示他们正在使用生成式 AI 辅助工作，但没有告诉自己的老板。这意味着作为员工，生成式 AI 是一个提高竞争力的工具。有了它，员工可以更高效地完成更多任务。此外，还可以把它当成一种创意工具，提出新想法，打造独特的竞争优势。
如果越来越多领导者或高管也开始使用这些工具，那么我们可能就需要以某种方式展开管理了：比如设定一些防范措施，以确保人们了解高效利用这些工具的方法以及使用风险。有67%的受访者表示，他们所在的公司正在考虑使用生成式 AI，这是一个相当高的比例。
实际上，我认为这个数字可能会更高。每个组织都在考虑它的机会在哪里？生成式 AI 会如何扰乱组织的价值链？企业要如何使用它来提高员工的生产力？
这真是一种既兴奋又害怕的感觉。
另外一个趋势是，随着生成式 AI 的出现，人工智能不再局限于组织内的机器学习和数据团队，突然间组织内的每个人都试图使用它。那么如何确保我们不会在这个过程中失去太多的知识产权？我们是否在面临着一些未知的风险？
技术创新时间表
在我看来回顾历史总是很有帮助的。它可以帮助我们展望未来，了解未来可能会发生什么。
回到过去，电力推动创新的时代是一个漫长的历程。人们通过组合不同的物体来创造新的事物，比如将电力与扫帚结合起来创造出吸尘器。我们每天都使用这些东西。所以直到今天，我们仍然能看到电力本身还是创新的一个主要来源。
然后，我们进入了互联网时代。尽管互联网不是生活的全部，但它已成为我们日常不可或缺的一部分。许多伟大的组织和个人认为，只要将自己的想法放在互联网上，就可以快速致富，迅速赚取大量金钱。然而，事实并不完全如此。我们确实经历了一些互联网公司的失败，但也有一些成功者，以及我们今天所知道的许多非常大的组织，它们都是在那个时代建立的。我们每天都在使用它们的工具，这是我们做生意和进行沟通的基本方式。
在过去的20年中，我每天都在使用互联网。现在，移动互联网已经成为事实。我还记得我的诺基亚手机上有一个简单的游戏——贪吃蛇，我现在仍然喜欢玩。不久之后，世界开始普及智能手机，应用程序开始爆发式增长。这些应用程序将移动电话与一些非常有趣的技术结合起来，为以前不可能的新用例打开了大门。许多企业，例如 Facebook 和 Instagram，都是基于这些技术构建的。它们在移动设备上获得了蓬勃发展，把我们带到了今天。
现在，我们正处于 AI 的时代。无论是多么平凡的东西，AI 都已内置其中。但其实不同形式的 AI 已经存在了至少50年。当我们提到 AI 时，通常指前沿的智能思维。而50年前的 AI 定义与我们今天的 AI 定义非常不同。它通常是指允许我们创建这些智能系统的实践方法、方法论或技术类型。这些方法还在不断发展，因此我们很难明确定义 AI。
图片来源：https://spectrum.ieee.org/alan-turing-how-his-universal-machine-became-a-musical-instrument
1950年，艾伦·图灵在研究一台被认为是人工智能旅程一部分的智能机器，这就是艾伦·特鲁姆（顺便说一下，这是电影里的）。当他被问及机器是否可以思考时，他回答：“我认为一个更好的问题是，机器可以做什么？” 我们今天要谈论人工智能，不是这些机器是否能够取代人类，不是它们是否很快就会有普遍的智能，而是我们今天可以用人工智能做什么？
它们有很多用途。你可能已经玩过 ChatGPT 和生成式 AI，做了一些有趣的事情。也许它帮助你决定晚餐吃什么，告诉你应该给宠物起什么名字。这些都很有用，但不要认为这将取代你、自动化你的工作或导致你失业，这不是一个正确的思考方式。
组织中的生成式 AI
在组织中使用生成式 AI，正在改变我们的生产力。我们可以用它研究软件开发过程，与编码助手合作以提高代码质量，从而提高开发速度。我们还有很多其他的探索机会。
因此我认为这才刚刚开始。在组织中，我倾向于将使用生成式 AI 的机会分为三类：内容、流程和商业模型。
内容
生成式 AI 非常擅长创造内容。这些内容可以是营销材料，也可以是图像、电子邮件或个性化的客户沟通方式。如果我们了解客户的信息，或许可以通过生成式 AI 以不同的方式与他们联系。因此，生成式 AI 改变了与外界连接的方式。
如果你了解最新的 Adobe 产品，你就会知道它们已经将图像生成集成到 Photoshop 和其他工具中。Canva 也在使用这些工具。随着时间的推移，我们将看到越来越多的公司采用这种工具。我们最近与一些公司交谈，发现其营销团队正在使用这些工具，生成新的想法。这些工具可以帮助他们实现概念，并移交给专家、图形设计师。这种内容迭代的过程和将 AI 作为创意工具的合作，是一种非常好的思考方式。
流程
组织是由人员、流程和产品组成的。但人工智能和生成式 AI 会如何改变我们的流程呢？我们有可能简化和自动化这些流程吗？我接触到一个非常有趣的想法：使用大型语言模型来自动化流程，并在需要输入或需要一些关于下一步操作的建议时，再询问人类。这是一个非常好的方式，类似于 ChatGPT 模型的逆向应用，我们向它提问，当模型在下一步应该采取什么行动方面存在不确定性时，会向人类提问。这就是在思考组织内的流程会如何改变。
商业模型
商业模型是接下来重要的一步。生成式 AI 能改变我的商业模式吗？是否会有新的机遇？还是说人工智能的使用已经侵蚀了现有的价值流？也许我需要在现有领域继续加强，也许我需要转向其他方向。我现在做的事情是否仍然对社会有价值？人们是否仍会为此付费？
如果这些问题盘亘在你的脑海，那么开始重新考虑你的商业模式以及生成式 AI 可能会产生的影响，就变得非常重要。
以下是由我非常喜欢的一位漫画家制作的漫画。
这基本重现了过去三个月我与高管团队之间发生的对话。我们讨论了 ChatGPT 对业务可能的影响。我们不能确定它所说的有多少是虚假的，它是否会取代我们的工作，安全风险如何，或者它是否会损害我们的声誉。但我们确切知道，我们想要尽快在所有地方采用它。尽管有风险，有很多事情需要考虑，但是每个人都想要它，想要尽快拥有它。
我们可以换个角度思考，这里既存在采取行动的风险，也有不采取行动的风险。采取行动和快速成为领导者或跟随者的风险是，可能道路还没有完全铺好，采用方法还不太清楚。因此，我们需要做一些事情。
采用生成式 AI 的风险与应对措施
如果我们对生成式 AI 采取积极的行动，这也意味着可能会泄露某些知识产权。如果我们将其整合到面向客户的产品中，模型可能会执行一些你不希望执行的操作。比如最近有个例子，新西兰一家杂货店使用生成式 AI 生成食谱。结果听起来有点疯狂，它开始推荐一些包含了漂白剂和其他奇怪物品的食谱，而在现实中，这些物品永远不会被放入任何食品中。不仅如此，生成式 AI 还可能涉及道德问题、法律问题以及声誉风险和安全风险。
但另一方面，不采用生成式 AI 可能会带来破坏风险。如果我们什么也不做，或者没有系统地采用这种技术，我们可能会被竞争对手颠覆。他们也许会找到使用这个工具的方法来创造价值，做得比我们更好。
这里有很多事情需要考虑，对于生成式 AI，一个组织需要思考快速行动和行动过慢的风险分别是什么。
负责任的人工智能准备
在决定采用生成式 AI 的时候，我们需要考虑到公正性和可解释性。我们在谈到使用 AI 特别是生成式 AI 时，具备解释模型所做事情的能力至关重要。
最近，我与一家保险公司接触时，他们表示使用 AI 的最大挑战之一就是解释性。因为如果他们基于位置或其他因素进行价格预测或建议，就需要向监管机构解释，以确保该定价系统没有偏见。多年来，我们看到了一些 AI 系统明显会表现出偏见，生成式 AI 也不例外。
此外，我们也需要非常小心地部署这些技术，确保安全性。
知识产权是一个很重要的问题。想象一下如果所有员工都在偷偷使用这些工具，而没有告诉任何人，实际上他们很可能正在将组织或客户的机密信息输入到这些服务中，却并不真正了解获取这些信息的公司是什么，以及它们拿走这些数据会做什么，也许它们会将其用于训练更多的模型，这可能会带来很大的问题。
这是互联网上的常见现象，如果产品是免费的，那么你的信息可能会被用于获得一些现实收益。隐私和对社会环境的影响是很严肃的问题。
而过度依赖 AI 则可能是另外一个问题。
嵌入人工智能能力到你的组织中
我们已经讨论过生成式 AI 的创意，以及如何用它来生成图像和文本。市场营销人员使用它生成沟通的内容，经理们则将其用于战略。它可能会提供一些显而易见的内容，也可能会提供一些出乎预料的新东西。因此，如果不采取战略性的方法来使用人工智能，我们将会失去竞争能力。
因此，我们需要思考如何利用已有的数据或独特价值，把人工智能的能力嵌入到组织中，来创建未来有益于我们自身的人工智能系统。
首先，你需要开始教育你的组织，从高层领导开始。我们需要确保高管团队真正理解人工智能的风险和好处，理解一些术语，使他们能够就如何投资以及前进做出决策。
接下来是总经理和 VP。我们需要帮助他们有能力识别在产品、流程和工作中使用人工智能的机会。
最后一级是从业人员。我们需要为他们使用这些工具提供支持，同时让他们能在软件开发生命周期中，以明智和安全的方式使用它们。
一旦你完成了对每个人的教育过程，则将会有大量的创意涌现。每个人都会对如何使用人工智能做不同事情有更好的想法，创意将不再是问题。问题在于如何系统地筛选这些创意，并确保你将投资于能产生最大积极影响的创意。
人工智能的发展速度非常快，以至于你编写的任何关于人工智能的长期战略在完成之前就会过时。因此，我们需要用简单明了的方式来进行思考。
可以组合的人工智能策略
你还记得小时候玩的乐高吗？我常常和孩子一起玩乐高。乐高的伟大之处就在于它的可塑性。把每个小块单独拿出来时，你做不了太多事情，但当它们与其他块组合在一起时，你可以创建出更强大、更有趣的玩具。真正重要的是这些块之间的接口，以及它们如何连接在一起。
我认为这是一个很好的比喻，可以用来直截了当地思考我们的人工智能战略。我们应该先考虑解决一个小的人工智能系统，然后在适当的情况下，将其与其他人工智能系统组合在一起，以实现升级换代。因此，这种可组合性也是需要考虑的重要因素之一。
有很多工具可以解决这个问题。但要确保它们能以有意义的方式协同工作，而不是采用分散的方法让每个人使用不同的工具或方法。
我喜欢参考一些可组合的系统。例如自动驾驶汽车，我们可以将汽车中的每个传感器视为一个小的子系统，其中一个可能会检测车道，一个可能会检测前方车辆的速度和与该车的距离，而另外一个可能正在执行巡航控制之类的操作。但是，当这些小系统适当组合在一起形成大系统时，我们将最终得到一辆可能实现自动驾驶的汽车。现在已经有一些汽车非常接近这个目标了。这是一个很好的可组合系统的例子。
下一个例子是增强现实。这种头戴设备需要许多传感器，以执行不同的任务，创造出非常沉浸式的体验。这可以用在实时语言翻译，因为它可以在现实世界中显示翻译。如果设计得好，可组合系统的潜力就会变得非常大。
对于企业来说，最困难的挑战不是发明创新产品，而是构建一个能够持续创新的组织。
在我看来，这也是我们目前在生成式 AI 方面所面临的情况。我们的策略不是要找出如何很好地使用一个工具，或者因为某个问题采用它，而是以系统性的方式使用它。
以下是一些基本建议：
(1) 确保在创新或思考时与业务战略保持一致。
如果你的组织有目标，那么应该将资金投入到那些可以帮助实现战略目标的地方，而不是随意开展活动，建造实际上并不能帮助实现战略目标的东西。明确的愿景、目标和计划都是非常基础的要素。
(2) 接下来会有很多创意被提出，你需要系统性地评估这些创意。
因此，应当制定组织的标准，并根据这些标准来评估创意。有很多技术可以用来产生创意。这些创意需要经过开发概念、原型和实验的漏斗。
这些实验的结果可能会很有用，也可能不太有用。但总会有第三种情况，就是一个永远不会停止的概念原型，我们称之为“僵尸原型”。它们虽然存在，但实际上没有真正的目的。在开发这些系统和进行实验时，我们需要确保有标准可以告诉我们，何时应该停止尝试某个东西，转而尝试更有用的东西。
从今天开始
那么，从今天开始，我们可以做哪些你不会觉得遗憾的事情呢？
首先，进行高管培训，让每个人都了解人工智能，并将其应用到整个组织中，将其视为组织转型的过程。优先考虑人工智能，我认为加强认知可能是一个很好的起点，我们需要为人工智能和数据建立运作模型。使用第三方工具是很好的，但如果我们真的想获得战略优势，就需要使用自己的内部数据和系统。
