挖掘生成式人工智能的最大价值

在许多不同领域，人才是一个重要但往往难以捉摸的目标。只要问问那些钢琴键盘技巧从未超越过敲出《Heart and Soul》前几小节的人就知道了。在生成式人工智能方面，经过大量数据训练的大型语言模型 (LLM) 可提供驱动多个用例和应用程序以及处理几乎无穷无尽的任务所需的功能。

斯坦福大学人工智能研究员 Daniel Wu 在电子邮件采访中建议，要充分利用生成式人工智能，请将其视为一种工具而不是替代品。他指出，法学硕士已经可以做出出色的工作。“它们被用于编码协助和客户服务，但如果有明确的提示，它们的效果最好。”

人工智能和分析提供商SAS 的数据科学家兼物联网行业顾问 Manfred Kügel 通过电子邮件指出，作为正常业务运营的一部分，每个组织都会生成大量文本。在获得法学硕士之前，组织需要执行复杂的文本分析，以便从非结构化文本数据中获取价值，例如生产环境中的维护记录或轮班日志。“法学硕士可用于构建文本数据，并将其准备为用于生产优化和预测性维护的机器学习模型的输入。”

将其推至最大

ERP 软件提供商RealSteel总裁 Kevin Ameche在电子邮件采访中表示，为了从生成式人工智能中获得最大价值，用户需要明确定义他们的问题和目标。“确定特定的用例，例如内容生成、数据分析或自动化，”他建议。“然后，确保您能够访问高质量的数据来训练人工智能模型。”

Ameche 建议与内部或外部人工智能专家合作，微调和定制其模型，以满足特定需求。“不断评估和完善模型的性能，并随时了解生成式人工智能技术的最新进展，以最大限度地发挥其为您的组织带来的潜力。”

库格尔说，为了最大限度地发挥生成式人工智能的价值，用户应该首先了解其固有的功能和缺点。“我们仍处于充分发挥生成式人工智能潜力的早期阶段，”他表示。Kügel 认为，参与核心业务流程的每个人都应该像与同事交互一样与模型交互。“这将推动快速采用，并鼓励组织提供必要且用户友好的生成人工智能工具，以克服任何结构或文化障碍。”

取得成效

Ameche 解释说，生成式人工智能的有效性在于其能够自动化创意流程、生成内容并大规模提供数据驱动的见解。“它可以处理重复性任务，从而释放人力资源来开展更具战略性的工作。” 同时，该技术的适应性和从数据中学习的能力使其成为各个行业的宝贵工具。

人工智能代理无法读懂思想。“如果你问一个定义不明确的问题，你会得到任意数量的有效答案之一，”吴说。“但是，通过清晰的提示、数据甚至模型微调，让人工智能更清楚地了解你正在搜索的内容，你将获得更有用的响应。”

阿米奇表示，为了增强团队成员的能力，组织应该投资于生成式人工智能培训和开发项目。“首先确定使用人工智能所需的具体技能和知识，”他建议。“考虑与人工智能供应商或教育机构合作进行定制培训。”

Ameche 认为，鼓励员工在现实项目中尝试人工智能工具以获得实践经验也很重要。“创造一个持续学习的环境，并提供资源，例如在线课程、网络研讨会和人工智能社区，”他建议。“团队内部的协作和知识共享还可以加速学习过程，帮助团队成员充分利用生成式人工智能的最大价值。”

常见错误

吴指出，人工智能研究中有一句俗话：垃圾进来，垃圾出去。“用户可能会通过提供有偏见的数据集或创建不良提示而无意中损害他们的项目，”他解释道。“模型输出应该始终保留一点盐，”吴建议。

库格尔说，高估和低估生成式人工智能的潜力都是一个严重的问题。“当人工智能模型产生我们自己没有看到的见解时，将人工智能视为威胁也是如此。”

与任何突破性技术一样，Kügel 认为许多 IT 领导者对此持怀疑态度。他强调，重要的是要清楚地表明生成人工智能增强和支持而不是取代人类专家。他建议通过部署护栏和合理性检查，采取平衡的人工智能采用方法。“当模型偏离现实太远时，它应该自行报告，”库格尔说。

最后的想法

Ameche 表示，生成式人工智能对于许多领域的企业都具有巨大的潜力。“然而，成功的实施需要仔细的规划、持续的培训和警惕以避免陷阱。” 他认为组织应该将生成式人工智能视为增强人类能力的工具，而不是替代品。“当战略性和负责任地使用时，生成式人工智能可以改变效率、创造力和决策，推动创新和竞争优势。”