18个人工智能采用的障碍——专属调查和高管访谈
在最近由了不起的Rosemary Brisco主持的GAI Insights学习实验室中,讨论的主题是企业在尝试在其企业中部署生成式人工智能时面临的障碍和阻碍。
核心要点:根据最近的两项调查显示,大多数企业并没有准备好采用人工智能。
虽然AI可以提升操作,但有几个障碍可以阻碍进展。其中一些障碍是可以理解的,而其他一些则令人震惊。让我们来详细分析数据。
我将直接进入我对这两项调查以及我在与客户和高管的谈话中观察到的其他障碍的解释(希望用简明英语!)。
如果你愿意,你可以直接跳到底部的调查技术方面(我不会感到受伤-哈哈!)
障碍1:获得老板的支持
许多公司都在努力启动人工智能项目,而CEO和董事会却如无头苍蝇般四处奔忙。每天新闻上都充斥着人工智能的报道,有时CEO和董事会也一头雾水。
在与首席执行官进行的调查中,№1的抱怨是:“有太多选择,一切都很混乱,我们不知道从哪里开始”。
直到得到老板的普遍支持,人工智能项目必然会在最小的阻碍处停滞(相信我,阻碍是肯定会存在的!)
解决方案:组建一个简单的零风险、低成本的人工智能试点项目,让老板初步体验。
路障2:煮海- 将大海煮沸
在关于人工智能如何解决全球饥饿问题的众多辉煌故事中,一些公司正在尝试字面意义上的煮海。
而不是使用“爬行、行走、奔跑、飞翔”这一简单目标规则开始,他们试图启动超出当前人工智能能力范围的疯狂工作流。
几乎感觉人们对自己要做的工作感到厌烦,突然间就说:“我希望人工智能可以做这个,这样我可以在下午四点回家。”
解决方案:从一个清晰定义了问题和预期结果的简单人工智能项目开始。它并不需要太过复杂。记住:这只是一个漫长旅程的开始。
路障3: 获得所有团队的支持
这是一个棘手的问题。每家公司都有其人工智能的支持者和反对者。
没有一种技术能像这样在两方面引发极强的情绪。
有些人认为人工智能会解决世界上的所有问题。
而有些人认为这将是世界末日。
你的公司也不例外。
Bob在安全部门或者Joanne在会计部门正在等着击败你的人工智能项目。他们两个都拥有他们之前阅读过的那篇《纽约时报》的文章。
解决方案:将项目保持几乎零风险。从低风险的公共数据和低风险的使用案例开始。不要激怒他人或将AI项目宣传为“我们将裁员30%”。
障碍4:准备数据
AI对手常常会提出一个质疑:“我们的数据会被传输给OpenAI,并成为他们下一个 AI 模型的一部分吗?”
虽然现在已经很明确,使用OpenAI API并不会训练你的数据,但是无知的对手仍然会提出这个问题并散布FUD(恐惧、不确定性、怀疑!)
无论如何劝说都无法使他们平静下来。那么你该怎么办?
您从诸如您的网站、帮助台、低风险PDF和YouTube视频等公开可用数据开始。对于向对手解释“哥们,谷歌已经拥有这些数据了”的说法而言要容易得多,而努力说服他们关于RAG渠道和机器学习算法则要困难得多。
这些数据可供公众使用,并且没有任何可访问性或使用限制。例如,公共政府记录、已发表的研究论文和公开可用的数据集。
如果你是冒险型的人,你可以升级到使用内部数据。这是为组织内部使用而设计的数据,但并非敏感或机密。这可能包括内部通讯、政策手册或培训材料。虽然并不对公众开放,但这些数据一般不需要严格的安全措施。
解决方案:从公开可用的数据或不涉及敏感信息的内部数据开始简单处理。
道路障碍5:我们的数据不干净
一个常见的误解我经常听到的是:“我们的数据不干净,我不确定您需要的数据格式是什么。我是否需要创建结构化的JSON和XML文件以便AI能够理解?”
几年前,这曾是一个非常合理的关注点。人工智能会被训练使用明确标记的结构化数据,而第一步是"等一下——让我们准备好数据"。
然而,像GPT-4这样的LLM(语言模型)之一最大的未被宣扬的超能力是它们在理解非结构化数据方面非常出色。
请注意:我说的是“相当不错”,而不是完美。令人惊讶的是,GPT-4 能够很好地理解传递给它的非结构化数据(例如,RAG)的能力。
解决方案:在测试中确定问题出现之前,不必担心数据的净化工作。
路障6:我们没有预算。
现在,这是一个合理的担忧,因为这个人工智能的事情突然冒出来。事实上,我在2023年听到的一个常见的说法是:
我们在2022年制定了预算,没有预料到这个人工智能的事情会出现。
好的-有道理-尽管对许多公司来说,人工智能是一场存在危机。上周,我听到一个客户说:"尽管有预算限制,但我们必须适应这一点,否则我们将不复存在"。
现在并不是所有公司都有可供支配的预算,那么你该怎么办呢?
你首先从低成本的创举开始。
从低门槛的选择开始,比如ChatGPT For Teams(每月30美元/用户),或者使用低成本的无代码系统,让您轻松创建人工智能试点项目,无需开发人员。
通过避免昂贵的开发项目(是的 - 机器学习工程师成本很高!),您可以使用一些简单的用例和工作流程来试点人工智能,而不会耗费大量资金。
我不是在谈论成千上万美元的金额。你可以用DIY无代码系统以不到1000美元的费用创建一个人工智能试点项目。
解决方案:从成本不到1000美元的无代码系统开始。
路障7:我们没有时间
记得什么时候AI项目需要花费6个月才能开发和运行吗?
公司会组建一支人工智能开发团队,然后制定未来6个月的产品规划,将一个简单的人工智能试点项目当做一项重大项目来对待。
不幸的是,一些公司仍然保持着这种心态。他们认为一个AI项目应该需时6个月来构建和测试,然后进入“冻结”状态。
新闻快讯:通过新的无代码和低代码系统,您可以在几天内(如果不是几小时内!)启动并运行您的AI试点。
不相信我?这个罕见疾病基金会的AI飞行员在几小时内创建完成。
事实上,人力资源部的玛丽自己也许能在几天内让您的人工智能飞行员运行起来(我不是在开玩笑——我有证据!)
最糟糕的情况是:在Fiverr或Upwork上雇佣一个Python开发者,并请他为您使用OpenAI API构建一个简单的包装流程。
忍者贴士:你不需要雇佣一位价值20万美元的机器学习工程师来创建提示。英语是新的编程语言,现在最好的提示工程师可以在Fiverr和Upwork上找到。
免责声明:对于“快速”的定义因公司而异。对于一些公司来说,6个月就是“快”。对于小公司来说,6天就是“快”。对于一家初创公司来说,6小时就是“快”。找到您自己对“快速”的定义。
解决方案:使用低代码或无代码系统,或者雇佣自由开发者建立快速、低风险的工作流程。
路障8:人工智能太可怕
每天,纽约时报或其他主流媒体都会发布一些关于人工智能的可怕新闻故事。
首先,这是关于幻觉的。然后又是关于道德。现在是关于错误信息。而且这个列表还在不断延长。
鉴于这种巨大的不确定性,一些公司陷入了“呆若木鸡”的状态,采取“观望”的态度。
尽管这种谨慎的方法可能适用于某些人(特别是那些拥有巨大市场壁垒的人!),但大多数有真正竞争对手的企业却没有这种奢侈。
只要问问自己:我的竞争对手如何利用人工智能来彻底摧毁我的公司?
不要误解:我并不是说你不应该进行风险评估,并确定哪些AI风险适用于你。我完全没有这个意思。
相反,采取理性的方法,看看哪些风险真正适合您。这与为任何其他风险购买保险没有什么不同。
解决方案:进行一次常识合理的风险评估,看看哪些人工智能风险实际上适用于您。将其视为您在业务中考虑的任何普通风险。
路障9:这个应该由哪个团队拥有?
由于人工智能适用于几乎每个团队和部门,关键问题是哪个团队应该领导人工智能试点项目。
对于一些公司来说,每个人都想成为英雄。而还有一些公司,没有团队愿意冒险。
第一个使用案例应该是什么?以及应该由哪个团队来负责?
解决方案:从简单的用例开始。让最大的支持者和倡导者领导人工智能试点项目 —— 不论他们来自哪个部门。
为什么会这样?你需要早期采用者和决心突破障碍来推动事情发生的拥护者。
它几乎让人想起了一个“路易斯和克拉克”的类比:如果你需要穿过一座山,找一匹马。如果你需要穿过一条河,建造一艘船。
你需要思考如此的人。
路障10:员工禁用政策
您知道您的员工已经在秘密使用ChatGPT了,无论您是否有员工使用政策。
有多项研究发表表明,财富500强公司的员工一直在秘密使用公共的ChatGPT聊天机器人,并在手机上使用(是的-这是一项20美元的订阅服务,可在用户所有数据上进行学习!)
解决方案:所以,不要让员工背地里行事,而是要进行公开对话并发布员工使用政策。
这是您甚至可以创建员工使用的工具的机会。例如:ChatGPT For Teams上周发布,并开始显示出优秀的员工生产力提升(在一个相对安全的环境中——这意味着:它不会对您的数据进行训练!)。
路障11:目标对齐
进行一项AI试点项目很棒,但同样重要的是提前决定AI试点的目标。
出于某种原因,一些公司认为人工智能是金银满地的乐土,并且它能解决他们所有的问题。我经常听到人们说:“但愿人工智能能够像鲍勃那样做事。”
这就像是在去杂货店之前去火星一样困难。
记住:你要采取“爬行,行走,奔跑,飞翔”的方法。
您可以建立一些指标,如降低成本、提高客户参与度和改善潜在客户转化率来衡量人工智能的有效性。
解决方案:保持简单。如果目标是学会爬行,要相应地设立期望。你并不需要在第一次尝试时就让项目飞起来。开始行动本身就使你领先于竞争对手。
很不幸,“无所作为”在这个问题上并不是一个好策略... 你很可能会消失。也许不会立即发生,但最终会发生。请参考哈佛教授Shikhar Ghosh提出的白蚁对龙卷风的类比。
路障 12:没有 AI 冠军
确实,我见过的每个人工智能试点都是以一位人工智能冠军为起点。相信我:到目前为止,我已经见过成千上万个成功的人工智能试点了。
在所有成功的AI项目中的共同因素:AI冠军。
这是一个愿意不惜一切努力突破障碍、让AI飞行员工作起来的人。
例如:我最喜欢的AI冠军是某一所顶级学区的IT部门工作人员(姓名已隐去!)。从历史上看,这个行业是最不愿意采用任何技术的。然而,这位AI冠军成功地克服了所有的障碍(法律、采购、恐惧等等),成功部署了一个AI试点项目。
解决方案:如果需要,组建一个由人工智能冠军组成的“小虎队”。
路障13:我们不知道从哪里开始
在人工智能领域的混乱中,现在每个人都自称为“人工智能”。几乎没有AI组件的软件突然重新定位自己为AI产品,并将域名更改为.ai。
这样做的结果是:它会使你的团队对于开始进行人工智能试点的最佳地点产生困惑。
当出现困惑时,人们会陷入困境!(也称为“目瞪口呆问题”)
解决方案:使用WINS框架并查看哪个用例是“在考验中”。
路障14:我们需要Nvidia H100s吗?
几个月前,彭博决定投资1亿美元建立自己的LLM。上周,有消息称GPT-4在大多数金融任务上超越了它。
所以基本上,彭博公司花费1亿美元所做的事情,你和我只需花费1美元就能得到。
这里主要要学的教训是:你真的真的需要开始投入资金用于人工智能基础设施吗?还是可以借助他人的硬件和软件来节省成本?
特别是:你是否可以利用OpenAI API或使用RAG SaaS(而不是投资于基础设施并重新创建软件(这是你没有核心能力的!)
请参阅我之前关于“自建还是购买”的帖子 - 这是在投资基础设施和机器学习运维之前需要做出的重要决策。
另一个例子:上周,我听说另一家公司在Azure云中花费了50万美元来创建一个红黄绿(RAG)管道。虽然从技术上讲这是可能的必要步骤,但这应该是绝对的最后选择——在确定你确实想要走这条路之后。
解决方案:在投资基础设施之前,利用SaaS API实现共享。
路障15:我们不相信人工智能
AI是一项新技术,其中有些人持怀疑态度。让普通员工相信他们之前从未经历过的事情是很困难的。
这是一种自然的人类倾向。事实上,我不得不承认:我花了一些时间才开始使用Twitter和Whatsapp。
旁白:在去印度访问后,我才开始使用Whatsapp,而我的叔叔问我:“你在用什么?”
记住:人们在ChatGPT推出并震惊了全世界之后才开始觉醒对于人工智能的认识。世界需要冠军和英雄案例研究。
您的公司并无二致。在您的公司首次实施了一些成功的AI项目之前,没有人会成为一个信仰者。
解决方案:从简单开始,并使你的AI冠军和AI飞行员成为英雄。
所以首先:让员工们相信——即使只是以最微小的可能。
我最喜欢的案例研究之一是一家公司为客户支持人员部署了一个内部聊天机器人。几天内,员工的工作效率大幅提升,问题解决的时间大大缩短。这个"胜利"随后在整个公司范围内得到了广泛的应用。
Roadblock 16:我们的员工对人工智能一无所知
在最近一次与一家大型财富1000强公司的员工通话中,这个人问我:“LLM是什么?”
这个人负责在他的公司部署一个AI试点项目。
我明白:在每个公司,人工智能并不是最关键的事情。我明白——并非每个人像我们一样对人工智能如此地了解与关注。
解决方案:投资于人工智能培训。
您可以创建培训计划,其中包括新员工的入职培训和对现有员工的持续教育。它不必太过复杂。
甚至让公司内部的激励专家为同事们进行演示,也会产生巨大的影响。
而且它不必昂贵。我确保每位员工从第一天起都订阅ChatGPT Plus(20美元的订阅)。一旦他们熟悉了它的使用,我会给他们一些关于“思路链”等提示技巧的培训。
忍者贴士:作为一个初创公司,我给我的员工提供报销津贴,用于在Fiverr上雇佣他们所需的及时工程师来完成任务和工作流程。
Roadblock 17:我们没有AI的关键绩效指标
虽然评估人工智能还为时过早,但大多数公司都以关键绩效指标(KPI)为基础运作,因此从一开始就定义它们非常重要。
它并不必是复杂的关键绩效指标(KPIs)……可以是简单的KPIs,比如使用量,每员工查询次数,监控聊天记录等。
如果您将其部署为面向公众的客户服务机器人,您可以定义例如“票务转移”或“解决时间缩短”等关键绩效指标。聊天机器人的使用程度越高,对于此类面向客户的用途来说越好。
解决方案:思考一下什么指标可以定义“成功”。
例如:最近有一位首席市场官告诉我:“我不知道具体数字,但我们的工单量大幅下降。我们对此非常高兴,并且正在尽可能地应用人工智能”。
所以基本上:方向性数据是可以接受的——你不需要准确的数字——但至少要对你所优化的目标有一个概念。
这是另一个原因:当决定是否将您的AI飞行员部署到全面推广时,首席财务官会问关于预期投资回报率的问题。
道路障碍18:对变革的抵制
谈到像人工智能这样的新事物,人们和机构常常犹豫不决。就像当你习惯了一种特定的做事方式,突然有人提议完全不同的方式一样,这可能让人感到不适和害怕。
这就是我们所说的“抗拒变化”。
有许多因素影响着这个问题:
- 对未知的恐惧:人们通常喜欢他们所了解的事物。引入人工智能就像走进黑暗的房间。里面有什么?会变得更好,还是会让事情变得更困难?
- 担忧工作:一个大问题是人工智能可能接管工作岗位。就像当机器人开始在工厂工作时,人们担心他们会失去工作一样。
- 不相信人工智能:有时候,人们不相信人工智能,因为很难理解机器如何做出聪明的决策。这就好像相信一个机器人来照顾你的弟弟一样,你觉得这样安心吗?
- 满意于现状:如果一切都正常运作,为什么要改变呢?这是很多企业的想法。转向人工智能系统似乎是不必要的,而且需要投入大量的努力。
实际上,学习实验室中的一位参与者说道:“我的客户担心人工智能太过出色,所以对人力资本将会有什么影响存在顾虑。”
解决方案:将人工智能表现为提高生产力的工具,而不是取代人类。从小规模的人工智能项目开始,展示它们如何帮助。
调查1:GenAI Insights学习实验室调查
2024年1月进行的一项研究调查了与大型公司合作的人工智能顾问,以确定采用新技术所面临的关键入门障碍。主要障碍是缺乏安全协议,其次是技术基础设施的局限性、问题识别的困难以及员工培训的不足 — 根据人工智能顾问的说法,这些障碍都并列第二位。
调查2:ToTheWeb人工智能准备度评估
第二次调查对135名专业人士进行了抽样,主要来自教育、技术和金融行业,调查了他们的组织对采用人工智能的准备情况。调查对象表示,降低成本和提高客户满意度是实施人工智能解决方案的首要动机。
两项调查的关键发现
随着企业在复杂的人工智能领域中航行,它们会遇到许多妨碍采用人工智能的障碍。朝着人工智能采用的道路上,充满了技术和运营障碍,每一个都需要仔细考虑和战略管理。
以下是组织在此努力中面临的关键挑战:
- 应对隐私和合规复杂性 — 在数据隐私和道德人工智能的不断演进的法规下,确保人工智能项目合规仍然是最重要的采用挑战。
- 缺乏战略性的人工智能框架 - 许多组织在将人工智能项目与全局业务目标和策略对齐方面面临困难。
- 隔离的数据基础设施-不足的数据管道、格式和治理严重限制了人工智能的潜力。
- 将人工智能与遗留系统整合 - 将人工智能与根深蒂固的平台和工作流紧密耦合会造成瓶颈。
- 由于回报率不明确,许多公司发现难以为人工智能进行大规模预算的投资提供合理的理由,这带来了金融上的不确定性。
- AI人才短缺及对现有员工的培训 - 在雇佣专业人士和研究人员方面,激烈的竞争已形成。
对于视觉学习者
这是学习实验室的完整录音。
AI工具的隐秘使用带来风险
14个月之后,许多公司仍然禁止员工使用人工智能工具,然而OpenAI的网络数据显示,80%的财富500强公司的员工无论如何都在工作中使用ChatGPT。
在允许使用人工智能工具的公司中,通常没有对员工自行订购的人工智能工具进行报销。缺乏官方的人工智能使用政策增加了那些未经过适当数据安全实践培训的人不正确处理敏感企业数据的风险。
通过理解这些综合技术和非技术挑战,公司可以定制其对人工智能采用的方法,确保自己能够更好地应对这些问题并成功利用人工智能。
评估您组织的AI准备程度得分
这个数据驱动的评估工具在战略、数据管理、技术基础设施、人才储备和治理等关键领域对您的企业进行定量评估。
开始您的评估
通过对您现有的流程进行评分,这个评分卡不仅突出您的优势,还能指出改进的方向。通过清晰地了解组织的差距,您可以推动人工智能路线图并优先努力弥合这些差距。
如果您发现这篇文章很有趣,欢迎您关注我,因为我会写更多关于这类人工智能话题的文章。
软件
- Repo: 自定义GPT
让我们联系起来!
- 让我们在领英上连接起来
- 关注我在Github上的动态
- 关注我在Medium上的动态