怀疑生成性人工智能潜力的高管正在成为一种越来越罕见的品种。在最近与德勤合作对财富500强首席执行官进行的一项调查中,75%的人预计生成人工智能将提高运营效率,而超过一半的人认为它将促进增长。
在我们自己对数据科学领导者及其团队的调查中,90%的人认为这种炒作是合理的。事实上,有一连串的报告认为genAI将对世界经济产生巨大影响。例如,麦肯锡估计,它每年将增加2.6万亿至4.4万亿美元。
问题不再是生成性人工智能是否会具有变革性,而是我们将如何实现这种变革。换句话说,我们如何用genAI赚钱?为了回答这个问题,我们必须看看使genAI难以“赚钱”的挑战,以及公司如何克服这些挑战。
答案在于确定正确的生成性人工智能用例,并建立开发和操作genAI应用程序的能力。
为什么用生成人工智能很难赚钱?
有两个关键挑战使“赚钱”变得困难,即使用生成人工智能提高运营效率或收入增长。更大、更困难的挑战是,它需要寻找新的用例,并开发与我们看到的传统机器学习不同的新商业模式。
这是因为genAI是关于解锁新的非结构化数据——分析和生成文本、语音、图像、视频等——而企业在很大程度上忽略了这一点。您如何制作一个聊天机器人,帮助员工发现和总结企业内容管理系统中的文档(许多公司正在与genAI一起追求的用例)?还没有人知道做到这一点的方式,因为在genAI之前,如果不投入大量时间和金钱,就不可能做类似的事情。
第二个暂时的挑战是,与传统的机器学习模型相比,genAI模型的成本更高,也更难操作。这是因为它们比传统人工智能模型大几个数量级,而且在过去几年里,它们的规模急剧增长。例如,GPT-4被认为有超过一万亿的参数,比BERT模型大9000倍,BERT模型是基于相同架构的早期生成人工智能。BERT于2018年发布,其规模又大大超过当时使用的大多数型号。由于这些模型要大得多,并且在更多的数据上进行训练,因此在生产中使用它们的成本要高得多。
第二个挑战是暂时的,原因有三。首先,基础设施越来越便宜。其次,优化技术不断创新,减少了这些模型的基础设施足迹。第三,也是最重要的是,公司越来越熟悉如何使用genAI,他们正在从超大型genAI模型转向针对特定任务和领域进行微调的更小、更专业的模型。
每家公司都可以用生成性人工智能赚钱
每家公司都可以用生成性人工智能赚钱,有几家公司已经在这样做了。然而,大多数公司缺乏专门的领导力和专业知识来确定使用genAI的正确用例,也缺乏开发和部署相应genAI模型和应用程序的能力。
使用genAI赚钱的第一个关键组成部分是确定既能提供实质性商业价值又处于优势的位置,同时避免技术弱点的用例。识别这些用例并确定其优先次序需要熟练的数据科学家和数据科学领导者,他们了解业务背景、组织数据,最重要的是生成人工智能模型的优势和劣势。如果没有建立数据科学团队以及交付传统人工智能和机器学习项目的历史,一家公司将缺乏必要的人才和经验来识别和追求最有前途的用例。
所需的第二个组成部分是能够以可扩展、具有成本效益和管理的方式(即所谓的LLMOps)为大型语言模型操作开发和操作genAI模型和管道。大多数公司将无法使用科技巨头提供的巨型通用genAI模型来操作其最重要的genAI应用程序。这些模型表现不佳,因为它们太大、太慢、太昂贵,而且它们通常无法微调。此外,它们经常无法满足企业对安全和控制的需求。企业别无选择,只能实施自己的内部LLMOps能力,允许他们摄取基础模型,对其进行微调,并以全面的治理进行部署。
公司何时会开始用生成性人工智能赚钱?
科技供应商正在自行解决,以使用genAI来增强其产品功能,一些供应商可能会在未来几年内发展业务,并通过该技术获得市场份额。同样,genAI初创企业也出现了爆炸性增长,在同一时期,少数初创企业可能会非常成功。
然而,大多数主流企业的genAI成熟度和AI总体成熟度仍然很早。虽然有一些成功案例,公司已经通过genAI赚钱——通常是通过大幅提高高价值员工的生产力——但除了主流公司外,这需要时间才能对其底线产生相当大的影响。毕竟,ChatGPT发布还不到一年,这是大多数高管第一次听说genAI的时候。
大多数公司仍然需要实施LLMOps能力,并在业务领导层和数据科学团队中发展其内部genAI专业知识。拥有大型、成熟的数据科学团队、人工智能卓越中心以及传统机器学习成功记录的公司领先一步。这些公司明年可能会有少量成功的genAI项目组合。缺乏这些能力的公司可能需要几年时间才能有意义地利用genAI的进步。
我们能做些什么来更快地用genAI赚钱?
生成性人工智能与传统的人工智能和机器学习技术一样,不会自动赚钱。由于您最具差异化和最有价值的用例的独特数据和独特要求,以及操作genAI的挑战,很少有用例以及支撑它们的genAI模型可以外包。
相反,它需要内部工作和投资来确定和设计正确的用例,并构建必要的团队、流程和平台,以开发和操作将改变您业务的生成性人工智能应用程序。已经投资于其人工智能能力的组织具有优势,在我们说话时,他们正在推动genAI的影响。如果这听起来不像你的组织,那么是时候追赶了。
Kjell Carlsson是Domino数据实验室的人工智能战略主管,他为组织提供关于通过人工智能扩展影响的建议。此前,他作为Forrester Research的首席分析师报道了人工智能,在那里他就从计算机视觉、MLOps、AutoML和对话智能到下一代人工智能技术等主题为领导者提供建议。Carlsson也是数据科学领袖播客的主持人。他从哈佛大学获得了博士学位。