文章分类
首席信息官们正越来越多地利用定制的人工智能堆栈和与业务软件相一致的新功能来自动化和简化业务流程，但有几点需要注意。
与其他首席信息官一样，Katrina Redmond也获得了大量部署人工智能的机会，这些人工智能有望加快业务和运营流程，优化工作流程。电源管理系统制造商伊顿公司首席信息官雷德蒙表示：“每个人都在四处奔波，试图应用这项发展如此之快的技术，但如果没有业务成果，这就没有意义。我们需要继续关注业务成果，并应用有意义的用例。”
一些潜在的项目需要使用大型语言模型（LLM）进行自定义开发，但其他项目只需要切换开关即可在企业软件中启用新的人工智能功能。安永全球人工智能咨询主管Dan Diasio表示：“人工智能出现在每一个软件包和每一项技术中，尤其是生成型人工智能。”而一些供应商，如微软，已经将人工智能作为其软件的核心。
为了跟上步伐，雷德蒙成立了一个指导委员会，根据业务目标确定机会，并将一长串潜在项目缩减为十几个，从库存和供应链管理到销售预测。她说：“我们不想只去寻找下一个闪亮的物体。”。“我们希望保持纪律，深入研究。”
总部位于康涅狄格州的韦伯斯特银行首席信息官Vikram Nafde表示，要想取得成功，人工智能概念验证（PoC）项目还需要具有良好的商业意义。他说：“实施和运行人工智能模型的成本可能相当高，因此在评估人工智能用例的商业价值时必须非常小心。”。“这涉及对每一项人工智能举措的潜在收益、风险和成本进行严格评估，以确保投资是谨慎的，并符合我们的风险回报状况。”
早期正面结果
在伊顿，一些PoC已经在产生结果，他们已经使用人工智能在全球70多个ERP系统之间整合信息。利用软件开发商Palantir Technologies的专业知识，Redmond的团队开发了一个模型，该模型整合并清除了这些系统中的数据，然后对其进行分析，为决策者提供见解和相当复杂的建议。
例如，如果一个业务部门的生产缺少完成组装订单所需的8英寸钢条，而该业务的另一个领域手头有10英寸的钢条，人工智能可能会建议使用更长的钢条并将其切割以达到交货期限。她说：“人类会对它进行审查，以确保它有意义，如果有意义，人工智能就会将其纳入学习模型。”。该项目仍处于雷德蒙所说的“价值主张阶段”，已经为公司的电气业务带来了积极的成果。她说：“准时交货大大提高了。”。
韦伯斯特银行也采取了类似的策略。Nafde表示：“我们已经成立了一个人工智能工作组，由技术、架构、数据、安全、法律、风险和审计方面的代表组成，由技术从业者和业务用户组成，以开发人工智能使用最佳实践和治理框架。”。该行也在研究人工智能，以帮助简化内部运营并提高效率，包括建立专门针对业务需求的定制模型。例如，它正在试验使用第二代人工智能在评估贷款申请时自动读取企业客户的财务报表。
他说：“这里的团队必须阅读和理解大量的财务信息，而这些信息几乎从来都不是标准格式的。”。“生成型人工智能可以读取和提取所需的信息，并为人类进行总结。”到目前为止，他说，“我们相信这是一个很好的用例。它可以更快、更准确，并使团队更有效率。”
礼来公司也走在将人工智能应用于业务并将其整合到业务中的最前沿。EVP和CIDO Diogo Rau表示：“我们发现，人工智能几乎可以在每个领域帮助简化工作负载，推进我们的研发。”。
目前，人工智能通过创造前所未有的分子并分析其在新药开发中的潜力，帮助新药开发。劳说，它将多年的工作压缩为几个月，有时是几天。礼来还开发了一种人工智能工具，用于管理和解释治疗设备中的患者数据，并使用专有的“传感器云”提高药物的安全性和有效性。此外，礼来还使用第二代人工智能自动开发软件的初始版本，以生成支持临床试验的文件，并创建监管提交材料。
生产是另一个受益于人工智能的领域。Rau说：“在礼来工厂，我们利用复杂的算法和模型、自动引导车、全自动仓库、机器人和高度自动化的生产设备来增加和加快我们的药品生产。”。
伙伴关系是关键
为了为人工智能项目创建PoC，像伊顿的Redmond这样的首席信息官正在向值得信赖的合作伙伴寻求帮助。她说：“这很重要，因为我们没有过多的人工智能资源，你需要一个模型来开始。”。“一开始这是一个很好的加速器。”但是，她补充道，随着项目的投产，让内部团队沿着学习曲线向上移动以降低成本也很重要。
韦伯斯特银行正在尽可能利用微软和AWS等超大型公司，并配备该银行自己的专业技术人员来构建对其需求最重要的东西，同时最大限度地减少对顾问的依赖。Nafde说：“这样，我们就不必在建造和持续支持的昂贵承包商身上花钱。”。
信任，但要核实
成功的PoC并不能保证成功：利益相关者需要信任它。例如，在伊顿，基于人工智能的销售预测工具有可能大幅提高生产力。目前，其所有财务和销售团队需要数月数千工时来审查历史信息，将其与新的销售预测数据相结合，并创建预测。现在，雷德蒙说，“人工智能模型有可能为你做到这一点。”
她补充道，伊顿在去年第四季度进行的PoC项目预测至少与目前的方法一样准确。她说：“这肯定比我们现在花数千个小时做的要好。”。问题是，人们是否愿意足够信任这项技术，从而放弃自己做这项工作。她解释道：“我们还没有达到让人们放心放手的目标。”。“我们仍处于‘信任但核实’阶段。”
对人工智能的信任可能会在IT内外造成信任问题的另一个原因是，在准确理解输出是如何确定的方面，该模型是一个黑匣子。简柏特首席数字策略师Sanjay Srivastava表示：“有了生成人工智能，我们第一次使用了非确定性的技术；它不是二进制的。”。“例如，使用生成人工智能，你可以得到一个答案，说94%的时间是正确的，这意味着它需要一些监督或增强。”
安永的Diasio表示：“这些工具非常强大，有时甚至错误得令人信服。”。然而，不幸的是，人们倾向于自动驾驶。人类需要使用这些工具并审查输出，不仅是随意的，而且是详细的。他说：“你需要为此计划好时间。”。
斯里瓦斯塔瓦说，大多数项目都让人参与进来做出最终决定，但坚持到底是关键。他问道：“你如何在一个连续的循环中从数据、见解到行动？”。“这是人们得不到经济成果的首要原因。”
数据准备很重要，除了…
在供应链和分析等领域，以人工智能模型随时可用的形式提供所有数据至关重要。Nafde说：“数据是人工智能成功的关键。”。“先从数据战略开始，再从人工智能战略开始，将人工智能战略与商业战略相一致。”
迪亚西奥对此表示赞同。他说：“确保你所拥有的数据可以被人工智能系统发现，这可能意味着使用生成人工智能构建一个丰富的目录，或者使用它在结构化数据之上构建一个本体。”。“在许多情况下，使用人工智能来简化这些工作负载会显著提高生产力。在一些数据迁移活动中，我们观察到一路上的各个步骤都增加了40%，速度也有所提高。”
Rau表示，礼来已经在使用人工智能工具来加快数据的摄入和清理，这些数据用于训练和微调其制药模型，简柏特也使用人工智能来准备其数据，供其人工智能模型使用。斯里瓦斯塔瓦说：“我们有大量的数据，其中三分之二是非结构化的。”。“你可以使用生成人工智能在你的数据上自动构建一个语义层。你需要了解什么数据位于哪里，它如何与其他东西联系，质量是什么，血统，以及它在其他地方被使用。”
这项工作很困难，需要高技能的人才，这就是为什么许多企业会聘请合作伙伴来帮助这项工作。但人工智能可以为你自动创建语义层。斯里瓦斯塔瓦说，这并不完美，但它可能会让你达到80%。
然而，迪亚西奥表示，你并不总是需要组织内部数据来利用人工智能。“这可以帮助公司加快人工智能的使用，同时继续整理内部数据并收获专业知识。”
在启用人工智能功能之前确保其适用性
IDC研究副总裁Jevin Jensen表示：“首席信息官应该投资于新的或升级现有的CRM、物联网、ITSM和包括AI/ML在内的商业智能工具。”。“当你从现有的现成供应商那里选择一个在你已经实现的软件中添加了人工智能功能的解决方案时，实现价值的时间会大大缩短。”你可能只需要打开该功能或添加一个插件。他说，只需检查一下，确保你可以选择不使用你的数据来训练供应商的模型。
虽然企业软件中的新人工智能功能，如Salesforce和ServiceNow提供的功能，可以带来巨大的工作流程生产力优势，但您不应该在不完全了解它们如何与您的工作流程相适应的情况下就打开它们。Nafde表示：“我们最近与ServiceNow就如何根据我们的业务战略使用智能预测、虚拟聊天和其他功能进行了深入探讨。”。例如，该银行的虚拟聊天功能包括几十个用例。有些可能可以开箱即用，有些需要定制，有些则不适合使用。“我们需要决定哪些能力是有用的，”他说。
伊顿已经在ServiceNow中启用了一些人工智能功能，迄今为止取得了令人鼓舞的效果。Redmond说：“从案例管理的角度来看，这有助于找到我们可以改进的缺陷线索，找到根本原因，并提供可以减少案例数的解决方案。”。
然而，在企业软件中嵌入人工智能的难题在于，它可能无法为您的组织的需求提供令人信服的解决方案。在这种情况下，首席信息官，尤其是在面临竞争压力的情况下，可能会发现自己陷入了困境：“你应该等待你的业务线应用程序供应商整合人工智能并在等待供应商构建人工智能的同时牺牲上市时间，还是应该构建一个企业架构战略，在这个战略中，你有自己的定制实施和基础设施，但成本高昂，需要持续投资？”斯里瓦斯塔瓦问道。“挑战就在这里。”
礼来还在其IT运营中利用AIOps功能。人工智能工具包括一个事件检测和响应系统，该系统可以快速检测异常情况，在潜在问题升级之前预测问题，确定故障的根本原因，并评估技术问题的业务影响。Rau说：“例如，如果订单处理系统出现延迟，AIOps可以量化对收入和客户满意度的影响。”。这使团队能够更快地确定最关键问题的优先级并解决这些问题。
该做什么和不该做什么
虽然韦伯斯特银行仍处于人工智能之旅的早期阶段，但到目前为止，Nafde已经学到了一些东西：整理好数据。将您的人工智能战略与您的商业战略相一致。在开始之前，将正确的KPI落实到位。然后从小处着手，展示价值证明，逐步扩大规模，并在每一步都与利益相关者进行教育和沟通，他说。
同样重要的是合作起步，但要用工具和专业知识建立你的团队，以开发和维护新的人工智能能力。不要低估建立信任的必要性。他说：“在信息传递方面保持领先。”。“期待怀疑论者，做市政厅，让领导人介入。”毕竟，当新技术被引入时，人们有很多恐惧和普遍不愿接受变革。“这里的挑战不仅仅是人工智能，”他补充道。“这是一个典型的变革管理问题。”
雷德蒙补充道，要有策略性，限制你承担的项目数量。她说：“专注于一些事情并深入研究。”。找到值得信赖的合作伙伴来帮助您入门，并在有意义的时候利用SaaS供应商在其产品中引入的人工智能功能。她补充道，不要忽视你的生态系统中已经存在的东西。
“文化很重要，”劳补充道。“变革是艰难的，因此首席信息官需要通过展示你所寻求的创新、开放的行为来领导文化转变，并创造一个鼓励围绕人工智能进行学习和创新的环境。我们最大的风险是，如果我们的员工没有尽可能多地使用人工智能。”
雷德蒙说，获得一些胜利，比如利益相关者使用它，直到他们对新技术感到满意，这是一种真正的信心提升。“这降低了恐惧因素，”她说。
标签
- 登录 发表评论