作者：来自 ElasticJay Shah

人人都对 AI 感到兴奋，但很少有公司成功落地。虽然生成式 AI（GenAI）的热潮推动了企业 AI 的采用，但人工智能的承诺在大多数组织的财务表现上尚未转化为可衡量的影响。

问题不在于技术 —— 而在于缺乏高管的主导。不到 30% 的 CEO 积极支持公司 AI 议程，[1] 导致大多数 AI 项目缺乏战略对齐和扩展所需的支持。

结果？近 90% 的 AI 项目仍停留在试点阶段。1 这些项目通常从基层启动，针对特定业务功能，但很难突破组织孤岛，或展示企业范围的价值。这形成了负向反馈循环 —— 企业投资 AI，但缺乏自上而下tgcode的支持或整体战略，无法看到有意义的运营或财务回报。

那么，IT 领导者如何打破这一 “AI 悖论”，推动真正可衡量的成果？让我们来看 Elastic 成功实践的 GenAI 策略。我们在业务各部门协作，解决客户支持、员工生产力和 IT 运维的关键挑战。看看我们如何打造三种可扩展的 GenAI 解决方案。

通过 Support Assistant 提升客户体验

业务挑战：日益增长的威胁

AI 不仅改变了企业的工作方式，也改变了客户的期望。他们高度自主，81% 的客户在联系人工客服前会尝试自己解决问题。[2] 当他们联系时，客户希望快速、高效地解决问题。然而，支持工程师通常需要花费大量时间查阅大量文档，以满足每位客户的具体需求。结果是：解决时间延长，客户满意度下降。

解决方案：Support Assistant

Support Assistant 是我们的生成式 AI 聊天机器人体验，它帮助支持工程师高效响应客户支持问题，同时让客户能够自助服务。

我们的 Support Assistant 基于检索增强生成（RAG）架构、OpenAI 的 GPT-4o 大型语言模型（LLM）和向量搜索能力，访问大量专有知识库，包括：

• 内部文档

• 客户案例历史

• 已解决的工单

• CRM 数据

• 白皮书

• 教育资料

• 产品缺陷

• 解决日志

通过向量搜索支持的语义搜索，Support Assistant 能理解查询背后的意图，并在术语不同的情况下仍能呈现相关结果。它还可以整合多个来源的信息，总结案例线程，并建议下一步行动。

核心价值：客户和支持工程师可以使用对话式搜索工具，在查询时获得上下文相关的信息，从而实现更快的分诊、升级和问题解决。

高管支持：客户支持高级副总裁（GVP）

我们的客户和支持团队希望能够搜索、查找、解决问题，然后继续前进。为了继续满足他们对自助支持和轻松获取知识的期望，投资 AI 是毫无疑问的选择。Elastic 的现场技术、AI 和分析高级总监 Chris Blaisure 和我，最初与我们最优秀的工程师和领导进行了几次头脑风暴会议。在团队的普遍热情以及多位搜索和 GenAI 专家的参与下，我们轻松制定了业务需求，技术团队随后进入 POC 和构建阶段。从起步到向客户发布第一个版本，我们用了九个月。很难想象过去没有它我们是如何工作的。

– Julie Baxter-Rudd，Elastic 全球支持高级副总裁（GVP）

结果：上线 4 个月实现投资回报

Support Assistant 在 Elastic 内部构建和测试，通过将生成式 AI 直接集成到用户和支持工程师的工作流中，仅用四个月就实现了投资回报。

影响显著。Elastic 的困难案例回避率提升了 6 倍，这意味着更多客户能够通过 Support Assistant 找到答案，而选择不提交支持工单。

同时，平均首次响应时间（MTFR）提升了 23%，让客户更快获得帮助。此外，辅助支持工单量减少了 7%，进一步减轻了支持团队的负担，并凸显了生成式 AI 带来的效率提升。

• 困难案例回避率提升 6 倍

• 平均首次响应时间提升 23%

• 辅助支持工单量减少 7%

• 投资回收期 4 个月

看看我们是如何创建 Support Assistant 的。

通过 ElasticGPT 提升员工生产力与效率

业务挑战：数据过多，时间不足

包括我们在内的组织不断产生比能够管理的数据更多的信息，更不用说有效利用了。这种持续涌入的数据使员工难以快速找到分散在各种企业数据源和系统中的相关信息。我们的员工在碎片化的数据源中快速查找信息时遇到困难。此外，公司部分资源仍然孤立且分散，导致信息过时且不可靠，影响数据准确性，并造成员工重复请求。

解决方案：ElasticGPT

ElasticGPT 是一个内部生成式 AI 工具，帮助员工快速找到相关信息，提高生产力。它由 Elastic 的 Search AI 平台提供支持，并部署在 Elastic Cloud 中，使用向量数据库、Elasticsearch、Elastic Observability 和企业连接器。ElasticGPT 还采用 RAG，为员工提供可靠、最新的答案，访问途径包括公司内网、Slackbot 以及 ElasticGPT 页面。依托坚实的数据基础和专有数据，ElasticGPT 为用户提供可靠性和准确性。

为了配合该工具，我们投资了一个集中化基础设施，使多个生成式 AI 体验能够在同一环境中灵活维护。这避免了未来的技术债务，并能够可靠地扩展以满足不断变化的需求，同时促进生成式 AI 在公司内部的使用。随着可用企业系统的增加，更多数据和内容也可供用户使用。

为应对 “影子 AI” 或未经授权的生成式 AI 解决方案，ElasticGPT 内置访问多个 LLM。如果 ElasticGPT 判断用户的问题最好通过外部数据回答，它将自动从外部来源获取信息。由此，运营保持安全，同时团队能够访问最新、最先进的技术。

高管支持：首席信息官（CIO）

我们的 AI 之路始于 IT 领导团队发起的一系列黑客松活动。让团队以新的方式思考我们的挑战、对 AI 前景感到兴奋，并了解其边界，这一点非常重要。我们很快意识到，入门障碍不仅包括文化转变，还包括前沿技术所带来的技术挑战。有时，我们需要回到白板，考虑更好的实施路径。除了由少数 AI 专家组成的 AI 卓越中心外，关键岗位上热衷 AI 的爱好者也在确保这项工作顺利开展中发挥了作用。

– Rusty Searle，Elastic 临时首席信息官（CIO）

结果：上线 2 个月实现投资回报

在上线的前三个月内，ElasticGPT 使员工能够更快、更直观地在专有数据源中进行发现和搜索。因此，每位员工每月节省超过 5 小时，每年累计约 63 小时。

上线两个月内，效率提升带来的收益已经抵消了 ElasticGPT 的运行成本，包括 LLM 托管和开发人力成本。

额外收获：内部调查显示员工满意度达到 98%。

• 每位员工每年节省 63 小时

• 投资回收期 2 个月

了解我们是如何打造 ElasticGPT 及其创造的价值。

通过 Elastic AI Assistant 改造安全团队工作流程

业务挑战：攻击面和攻击量呈指数增长

随着 SaaS 应用的持续使用，攻击面不断扩大。同时，新型复杂威胁借助 AI 迅速增长。由于环境不断变化，可见性受限，快速适应变得困难。获取可操作情报也面临同样问题。评估特定环境中某个威胁的潜在影响和风险需要高度专注。

传统的报告方法在面对来自不同来源的不断新增威胁报告时已无法应对。手动收集信号、解析文档、分析洞察，对于快速变化且数量不断增加的目标来说既耗时又低效。

解决方案：Elastic AI Assistant

Elastic AI Assistant for Security 提升了安全分析师的专业能力，提高效率，并减少调查和响应中的人工工作量 —— 从而简化整个威胁情报报告流程。

为支持这一流程，我们团队为每种类型的威胁情报报告开发了 markdown 模板，并将其存储在 AI Assistant 的知识库中。这种标准化实现了从威胁源、安保博客和事件报告等渠道的实时一致数据收集。AI Assistant 随后生成每份报告的初稿，让分析师专注于提炼洞察和评估风险。

它还支持深入的威胁趋势分析，帮助识别模式并根据历史活动预测新兴威胁，使安全团队能够理解不断演变的威胁环境，从而形成更成熟的安全态势。

高管支持：首席信息安全官（CISO）

当生成式 AI 成为主流时，我们知道威胁行为者会更加有创意，并加快攻击速度。我们已经在构建主动措施来保护我们的生态系统。为了管理不断扩大的攻击面，我们寻找了快速降低噪声的方法。鉴于我们在威胁情报报告方面的资源有限，使用 GenAI 加速分析师报告是显而易见的选择。构建过程非常简单，使 GenAI 为我们承担繁重工作。通过在 Elastic Security 解决方案中访问 AI Assistant，我和分析师更容易解析各种报告，并决定将精力集中在哪些方面。

– Mandy Andress，Elastic 首席信息安全官（CISO）

结果：分析师节省75% 的时间

自实施 AI Assistant 后，Elastic 安全团队节省了分析师 75% tgcode的时间，同时威胁情报报告产出增加了 92%。

通过简化手动流程，AI Assistant 使分析师能够提供更广泛、实时的威胁洞察覆盖。分析师有更多时间专注于高价值任务，如全面分析，从而更深入地理解新兴威胁在 Elastic 特定环境中的相关性和影响，并采取主动的安全防护措施。

• 分析师时间收回 75%

• 威胁情报报告产出增加 92%

了解我们是如何构建 AI Assistant 以及安全分析师如何使用它。

通过 GenAI 为高管提升业务价值

在组织中使用生成式 AI 有许多高产的方式，包括数据综合、预测分析、交互式数字手册、威胁狩猎等。在 Elastic，我们的生成式 AI 实施取得成功的原因在于：

• 识别客户服务、员工支持和安全领域的真实、持续性问题

• 利用高质量、企业专用数据构建垂直领域的 AI 体验

• 将 AI 嵌入工作流，而不仅仅是界面，为使用这些工具的人提供真正价值

• 避免只解决单一问题的一次性方案——我们着眼未来，创建 AI 模型生态系统

尽管许多公司仍在试验协作助手和聊天机器人，我们的 GenAI 用例展示了如何从试点走向生产，并实现 AItgcode 的清晰可衡量投资回报。

最重要的是，我们能够将这些用例从试点推进到生产，是因为它们得到了 IT 决策者和高管的支持。

来源

1. McKinsey，《Seizing the agentic AI advantage》，2025 年 6 月 13 日

2. Harvard Business Review，《Kick-Ass Customer Service》，2017

本文中描述的任何功能或发布时间均由 Elastic 全权决定。任何当前不可用的功能可能无法按时提供，甚至可能不提供。

在本文中，我们可能使用或提及第三方生成式 AI 工具，这些工具由各自所有者拥有和运营。Elastic 对第三方工具不拥有控制权，也不对其内容、操作或使用承担任何责任或义务，也不对使用这些工具可能产生的任何损失或损害负责。使用 AI 工具处理个人、敏感或机密信息时，请谨慎操作。你提交的任何数据可能会用于 AI 训练或其他用途。不能保证你提供的信息会被安全或保密地保存。使用任何生成式 AI 工具前，你应熟悉其隐私政策和使用条款。

Elastic、Elasticsearch 及相关标识为 Elasticsearch N.V. 在美国及其他国家的商标、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。

原文：https://www.elastic.co/blog/generative-ai-strategies-for-executives