跳转到主要内容

麻省理工学院的Andrew McAfee讲述了公司如何为合适的工作找到合适的机会

你是如何输掉人工智能比赛的?通过不进入。

麻省理工学院斯隆管理学院的首席研究科学家AndrewMcAfee如是说。他说:“当一项如此强大的技术出现在你必须通过实践来学习的地方时,找到不去做的理由是一个相当大的错误。”。

尽管生成人工智能在发布的第一年就被广泛采用,但大多数组织对大规模采用仍持谨慎态度Gartner调查的三分之二的风险管理人员认为,第二代人工智能是最新出现的风险。他们最担心的问题包括:通过公开的生成人工智能模型暴露知识产权,向第三方供应商或服务提供商披露用户的个人数据,以及保护人工智能本身免受犯罪黑客的攻击。

McAfee反驳说,这种风险是可控的。

McAfee说:“在任何其他大型数据库技术项目中,这些风险都是你必须担心的——但它们并不可怕,而且你可以获得很多好处。”。生成人工智能的潜在好处是巨大的,成功的回报值得追求。

为了识别机会并确定生成人工智能应用程序的潜在投资回报率,McAfee建议商业领袖考虑以下四个基本步骤。

1.盘点现有知识工作岗位

生成型人工智能对几乎所有知识工作者都很有用,最适合这些工作中基于语言的任务。

McAfee说:“想想你的组织中完成的不同工作,然后大致了解这些工作中有多大比例的任务适合生成人工智能。”。“从工作开始,很多任务都可以大大提高生产力。”

例如,如果你正在创建的内容遵循一个完善的模板,比如时事通讯,为什么要从头开始?他说:“让人工智能第一次破解它,编辑它,填空,然后让人类工作者复习。”。

2.考虑现成的人工智能

McAfee说,在确定了适合第二代人工智能应用程序的角色后,考虑个人是否会从拥有一个“能干但天真的第二代AI助理”中受益——类似于一个擅长编程或写作但对组织一无所知的员工。这种类型的人工智能助手可以通过预先构建的现成人工智能解决方案提供。

McAfee说:“一个新的程序员可以很容易地开始提高工作效率。”。为了测试软件或调试错误,编码器可以将其交给数字助理,后者可以很好地快速完成。

3.考虑定制人工智能

一些适合第二代人工智能的知识工作需要更有经验的数字助理。客户服务代理人需要机构知识和案件解决专业知识,而只有资深人士才能提供这些知识和专业知识。

在这些情况下,一个现成的生成人工智能系统是不够的;McAfee说,组织将需要将其与另一个经过内部数据培训的系统相结合,以实现更有经验的助理的输出。

这些数据中的一些可能包括客户信息,例如人口统计和购买行为,以便个性化推荐和客户支持;从客户反馈中进行情绪分析,以主动解决问题或利用积极反馈;行业特定知识,如趋势和术语,以提高回应的准确性;以及产品或服务数据,以向客户提供推荐。

4.优先考虑潜在项目

McAfee表示,在确定了最适合天真或有经验的数字助理的角色后,领导者必须确定最有前景的一代人工智能项目并确定其优先级。

他说:“想想在哪里可以获得最大的生产力效益,以及这些任务中适合生成人工智能的百分比。”。麦肯锡的研究显示,生成性人工智能用例所能带来的价值约75%来自四个领域:客户运营、营销和销售、工程和研发

他补充道:“成功意味着更清楚地知道在哪里可以找到巨大的潜在利益。”。“也许因为其他优先事项,它不会追求机会#1,但他们可以在这些机会中挑选——这种清晰性很有帮助。”