作者：来自 ElasticJennifer Klinger

令人印象深刻的是，有 92% 的组织计划投资或已经投资人工智能 (AI)。由于许多组织在人工智能采用的道路上处于不同的人工智能成熟度水平，我们可以向那些在这些举措上起带头作用的人学习。从识别用例并将 AI 集成到你的架构中，到让你的员工参与并衡量你的成功，这些组织的 IT 领导者都经历过这一切 —— 并且他们有很多智慧可以分享。

什么是 AI 运用？

首先，先介绍一些背景信息。美国国家经济研究局（NBER）的研究人员将 AI 运用 [1] 定义为将 AI 用于生产 —— 也就是说，在组织内部利用 AI 来完成工作。这包括支持工程师使用 AI 驱动的工具来查找所需信息，以帮助客户解决问题，或者汽车制造商使用 AI 驱动的预测分析来分析机器的传感器数据，以预测故障和维护需求。

人工智能应用的进展：关键统计数据和趋势

在过去的一年里，我们看到全球范围内人工智能的应用激增。 2024 年的一项调查发现，72% 的组织 [2] 将把人工智能融入至少一项业务功能中 —— 这比 2023 年的 55% 有了巨大的飞跃。尽管如此，大公司在人工智能采用方面仍处于领先地位。拥有超过 5,000 名员工的组织中，有一半使用 AI。拥有超过 10,000 名员工的公司中，60% 都使用人工智能。从行业来看，制造业、信息业以及（也许令人惊讶的）医疗保健行业在人工智能应用方面处于领先地位，而金融、保险和房地产的采用率较低。

随着人工智能的广泛应用，现实情况是并非所有项目都能成功。事实上，70% 的 CIO [3] 报告称，他们定制的 AI 应用程序的失败率高达 90%。但，也不全是坏消息！波士顿咨询集团发现，早期采用人工智能的公司收入增长率比其他公司高出 1.5 倍。此外，74% 使用生成式人工智能 (GenAI) 的企业 [4] 获得了投资回报。并非所有项目都会成功 —— 你可以从那些没有成功的项目吸取教训。成功的解决方案将帮助你保持竞争力、增加收入并提高 AI 成熟度。

为了帮助你实现 AI 采用之旅，我们采访了三位 AI 早期采用者的 IT CxO，以深入了解他们自己的历程。我们讨论了他们面临的挑战、他们如何利用机遇、他们发现的最佳实践以及哪些人工智能努力取得了成功。

IT 领导者在采用 AI 的过程中学到了什么

1. 从问题开始

将 AI 功能融入你的组织的最佳方式是从你要解决的高价值问题开始。康卡斯特连接和平台公司执行副总裁兼首席技术官里克里奥博利 (Rick Rioboli) 说：“忘掉人工智能吧，你最大的问题是什么？” 重点关注那些一旦解决就会对业务产生巨大影响的问题。各组织已在探索多种生成式 AI 用例，你可以从中获得灵感。一旦你确定了你的问题，就开始思考需要向你的 AI 模型提供哪些数据来解决这个问题。

2. 拥抱实验

Adobe 高级副总裁兼首席信息官 Cynthia Stoddard 鼓励她的员工发挥创造力。斯托达德表示：“我们创建了一个创新中心，让员工了解可以使用哪些工具和 Adobe 产品来试验和解决实际的业务问题。” 这不仅使员工有能力尝试新技术和创造新的解决方案，而且还有助于如此巨大的组织变革带来的文化转型。

3. 使用正确的数据

并确保它是高质量数据。生成式人工智能模型是根据来自公共互联网的大量数据进行训练的，但它们没有当前数据，也不会根据你的数据进行训练。为了从 AI 中获得最大价值，你需要能够将你的专有数据传递给生成 AI 模型，这可以通过检索增强生成 (retrieval augmented generation– RAG) 来完成。除了拥有正确的数据之外，你还需要确保数据的质量并能为你提供相关、准确的答案。质量差、不准确的数据会产生误导性的结果。 Elastic 首席信息官 Matt Minetola 表示：“拥有完善的数据策略至关重要。如果没有统一且可访问的数据，即使是最先进的生成人工智能计划也将难以实现真正的价值。”

4. 量化影响

一旦确定了理想的结果并确认拥有正确的数据，就需要持续量化成功的标准 —— 从 MVP 到理想的解决方案。无论是净推荐值 (net promoter score – NPS) 的增加（表明客户体验有所改善）还是平均响应时间的减少（mean time to respond – 表明效率有所提高）tgcode，请确保你可以量化地表明该计划是成功的。斯托达德说，通过关注性能，你能够确定项目是否需要调整，或者在某些情况下，因为没有得到预期的结果而放弃。在监控业务影响的同时，你还应该监控 AI 系统的健康和性能。这包括用户对体验和输出准确性的满意度。

5. 避免人工智能蔓延和技术债务

组织可能会倾向于针对不同的问题使用不同的点解决方案，以尝试快速启动应用程序。米内托拉警告说，“那些自费解决问题的企业开始看到长期成本。如果他们与五到六家不同的供应商合作制定了五到六种不同的解决方案，并tgcode必须将它们整合在一起，那么其成本将是巨大的。”技术债务（由于速度比长期可用性更重要，因此未来修改项目所需工作的隐含成本）以及数据孤岛和合规性混乱将使未来的人工智能努力成为一项挑战。斯托达德表示，所有人工智能计划都要经过架构审查，以确保它们适合现有的基础设施。

6. 使用人工智能进行预测和决策

当人工智能用于面向员工和客户的产品时，它是一种不可思议的工具。当用于做出预测和商业决策时，它也是一个强大的工具。 “我们关注如何利用人工智能来提高盈利能力以及产品使用的精准度。我们试图预测我们的产品是否能够具有我们所期望的可用性，”斯托达德说。关于使用数据和人工智能做出商业决策，Minetola 补充道：“你可以将其视为乘数效应，通过让每个决策都发挥作用，它可以真正将你的组织提升到一个新的水平。” 当每个决策都有（准确和上下文）数据支持时，你可以确保它是最优的。

7. 实施护栏

治理和风险管理是你的 AI 之旅的重要组成部分，必须优先考虑。斯托达德表示，对于 Adob​​e 的人工智能，团队依靠治理和潜在风险检查来“ 确保其安全，我们使用正确的数据，并为我们的客户做正确的事情”。随着有关人工智能技术的法律越来越多地出台，合规性将成为整个市场面临的更大问题。 Minetola 补充道：“如果你不了解你的人工智能数据是如何生成的，你就会遇到多个合规性问题。”

确保你的 AI 采用策略符合未来发展

在扩展你的战略并使其长期发挥作用时，请确保你不是孤立运作的。人工智能不应被视为单独的解决方案，而应被视为一个相互关联的生态系统，随着用例的扩展，它将能够不断发展。你的数据你最宝贵的商品。避免孤岛并具有无论在何种环境下访问数据的能力将有助于你扩大规模并遵守新的法律法规。

人工智能的采用之旅不是一场竞赛；这是一场马拉松。从强大的数据基础和可靠的用例开始，然后从那里扩展。如果你尚未开始使用 AI，那么吗还没有错过机会！现在仍有时间为你的组织做好未来准备并保持竞争力。你有绝佳的机会创建一个可扩展、透明且能满足你需求的 AI 程序。观看与 Fast Company 合作举办的网络研讨会，了解这些 CxO 的更多见解，帮助你实现 AI 采用之旅。

有用链接：

1. 麻省理工学院斯隆管理学院，《美国人工智能应用的人物、内容和地点》，2024 年。
2. Statistica，2017 年至 2024 年全球组织采用人工智能的情况，2024 年。
3. IDC，IDC 执行 CIO QuickPoll 系列：实施 AI，2024 年。
4. 谷歌，全球调查：领导者如何从生成式人工智能中创造价值，2024 年。

本文中描述的任何特性或功能的发布和时间均由 Elastic 自行决定。任何当前不可用的特性或功能可能无法按时交付或根本无法交付。

在这篇博文中，我们可能使用或提及了第三方生成式 AI 工具，这些工具由其各自的所有者拥有和运营。 Elastic 对第三方工具没有任何控制权，我们对其内容、操作或使用不承担任何责任，也不对你使用此类工具可能产生的任何损失或损害承担任何责任。在将人工智能工具用于个人、敏感或机密信息时请务必谨慎。你提交的任何数据都可能用于人工智能训练或其他目的。无法保证你提供的信息一定会安全或保密。在使用任何生成式 AI 工具之前，你应该熟悉其隐私惯例和使用条款。

Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 和相关标志是 Elasticsearch N.V. 在美国和其他国家/地区的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。

tgcode