參加這場(chǎng)富有洞察力的閃電演講，探索能源行業(yè)的兩個(gè)引人入勝的案例研究。本次演講涵蓋了在企業(yè)環(huán)境中擴(kuò)展生成式人工智能的關(guān)鍵考慮因素，重點(diǎn)關(guān)注技術(shù)、架構(gòu)、設(shè)計(jì)和必要的防護(hù)措施。通過聆聽這些概念和從Capgemini在生成式人工智能實(shí)施方面豐富經(jīng)驗(yàn)中獲得的寶貴見解，幫助您應(yīng)對(duì)生成式人工智能的復(fù)雜性。本次演講由亞馬遜云科技合作伙伴Capgemini為您呈現(xiàn)。

　　在科技進(jìn)步的領(lǐng)域中，生成式人工智能(Generative AI)的出現(xiàn)無(wú)疑是一場(chǎng)地震般的變革，其前所未有的采用速度令企業(yè)界為之著迷。Captom和ISO的NRG部門數(shù)據(jù)和人工智能團(tuán)隊(duì)領(lǐng)導(dǎo)人George Jacob闡述了在企業(yè)領(lǐng)域內(nèi)擴(kuò)展生成式人工智能的非凡歷程，并從能源行業(yè)在過去18至24個(gè)月的經(jīng)驗(yàn)中汲取了洞見。

　　生成式人工智能迅速成為了歷史上用戶采用速度最快的技術(shù)之一，在發(fā)布僅兩個(gè)月內(nèi)就積累了驚人的1億用戶。這種隕石般的崛起可歸因于其內(nèi)在的適應(yīng)性和易用性，直到ChatGPT的出現(xiàn)推動(dòng)了其廣泛采用，才突破了最初的大眾消費(fèi)界限。

　　最新調(diào)查顯示，企業(yè)界熱烈擁抱生成式人工智能，在過去18至24個(gè)月內(nèi)，高達(dá)65%的企業(yè)以某種形式或方式采用了這項(xiàng)技術(shù)。此外，令人鼓舞的是，75%的企業(yè)已經(jīng)利用了人工智能的力量，凸顯了這項(xiàng)技術(shù)的普及影響力。值得注意的是，72%的這些企業(yè)已經(jīng)在多個(gè)部門采用了生成式人工智能，而令人矚目的是，78%的企業(yè)已經(jīng)增加了在這一新興領(lǐng)域的投資。

　　與前幾年相比，這些數(shù)字代表了一場(chǎng)地震般的變革，因?yàn)槠髽I(yè)已經(jīng)認(rèn)識(shí)到了生成式人工智能的變革潛力。因此，68%的組織已成功將生成式人工智能概念驗(yàn)證(POC)或解決方案過渡到生產(chǎn)環(huán)境中，而令人印象深刻的是，30%的生成式人工智能POC已達(dá)到了夢(mèng)寐以求的生產(chǎn)狀態(tài)。

　　這一成就與傳統(tǒng)或經(jīng)典人工智能領(lǐng)域形成鮮明對(duì)比，在那里僅有20%的POC在十年的時(shí)間里設(shè)法達(dá)到生產(chǎn)水平。生成式人工智能解決方案被運(yùn)營(yíng)化的快速步伐證明了這項(xiàng)技術(shù)的顛覆性潛力，以及企業(yè)界渴望利用其能力的熱情。

　　在2025年臨近之際，George Jacob預(yù)見到企業(yè)界將迎來(lái)生成式人工智能大規(guī)模采用和擴(kuò)展的時(shí)代。重點(diǎn)將從探索性POC轉(zhuǎn)移到開發(fā)可擴(kuò)展和可用的解決方案，以滿足大量不同企業(yè)中各種用戶的需求。這一轉(zhuǎn)變凸顯了生成式人工智能的成熟，以及它從一個(gè)新概念發(fā)展成為推動(dòng)業(yè)務(wù)轉(zhuǎn)型的關(guān)鍵技術(shù)。

　　要在實(shí)施生成式人工智能解決方案的競(jìng)賽中獲勝，企業(yè)必須建立一個(gè)明確且令人信服的愿景，與組織目標(biāo)、戰(zhàn)略和價(jià)值傳遞機(jī)制保持一致。這一愿景必須建立在實(shí)用性和可行性的基礎(chǔ)之上，確保所開發(fā)的解決方案切實(shí)有助于組織的整體戰(zhàn)略目標(biāo)。

　　此外，企業(yè)必須全面評(píng)估采用生成式人工智能的機(jī)會(huì)和風(fēng)險(xiǎn)。這一評(píng)估不應(yīng)僅限于確定使用案例，還應(yīng)徹底分析不采用的潛在后果，因?yàn)楦?jìng)爭(zhēng)對(duì)手可能會(huì)通過早期采用這項(xiàng)技術(shù)而獲得重大優(yōu)勢(shì)。

　　制定一個(gè)健全的運(yùn)營(yíng)模型對(duì)于有效管理和擴(kuò)展企業(yè)內(nèi)部的生成式人工智能環(huán)境至關(guān)重要。這一運(yùn)營(yíng)模型不僅要解決技術(shù)基礎(chǔ)設(shè)施需求，還要考慮到快速變化的步伐和持續(xù)適應(yīng)的需求。與傳統(tǒng)軟件應(yīng)用程序不同，在初始部署之后維護(hù)工作就會(huì)減少，生成式人工智能解決方案需要持續(xù)更新和增強(qiáng)才能保持相關(guān)性和有效性。

　　因此，在組織內(nèi)部建立正確的運(yùn)營(yíng)模型、具備所需的能力和專業(yè)知識(shí)對(duì)于確保長(zhǎng)期成功至關(guān)重要。同樣重要的是，審慎選擇技術(shù)和基礎(chǔ)設(shè)施，優(yōu)先考慮互操作性，并在適當(dāng)情況下利用現(xiàn)有解決方案，而不是重新發(fā)明輪子。

　　在確定和優(yōu)先考慮使用案例時(shí)，企業(yè)必須仔細(xì)評(píng)估其適應(yīng)和采用技術(shù)的能力，以及是否存在內(nèi)部擁護(hù)者來(lái)推動(dòng)采用和變革管理工作。對(duì)底層科學(xué)和技術(shù)有深入的理解至關(guān)重要，同時(shí)所選擇的使用案例也必須與組織的整體目標(biāo)和戰(zhàn)略保持一致。

　　企業(yè)應(yīng)進(jìn)行全面的投資組合分析，以確定生成式人工智能實(shí)施的機(jī)會(huì)，同時(shí)考慮組織的優(yōu)先事項(xiàng)和每個(gè)使用案例的潛在戰(zhàn)略價(jià)值。這一分析應(yīng)考慮五個(gè)關(guān)鍵維度:可行性、戰(zhàn)略價(jià)值、業(yè)務(wù)認(rèn)可、學(xué)習(xí)機(jī)會(huì)以及與現(xiàn)有旗艦項(xiàng)目的一致性。

　　可行性評(píng)估確保了所提出的使用案例在組織當(dāng)前的技術(shù)能力范圍內(nèi)是切實(shí)可行的。戰(zhàn)略價(jià)值評(píng)估確保所開發(fā)的解決方案對(duì)組織的長(zhǎng)期目標(biāo)有實(shí)質(zhì)性的貢獻(xiàn)。業(yè)務(wù)認(rèn)可至關(guān)重要，因?yàn)槌晒Σ捎蒙墒饺斯ぶ悄芡ǔＰ枰淖兗榷ǖ臉I(yè)務(wù)流程和工作流程。

　　此外，企業(yè)應(yīng)將每個(gè)使用案例視為學(xué)習(xí)和完善方法的機(jī)會(huì)，從中獲得的知識(shí)將為未來(lái)的實(shí)施提供參考。最后，將生成式人工智能解決方案與現(xiàn)有的旗艦項(xiàng)目保持一致，可以利用現(xiàn)有的動(dòng)力和利益相關(guān)者的認(rèn)可，從而促進(jìn)變革管理工作并加速采用。

　　為了在生成式人工智能之旅中取得成功，組織必須制定一個(gè)健全的戰(zhàn)略和架構(gòu)，并創(chuàng)建一個(gè)專門的卓越中心(CoE)來(lái)應(yīng)對(duì)這項(xiàng)技術(shù)的復(fù)雜性。使用案例可以分為軟件工程、客戶體驗(yàn)、知識(shí)助手和復(fù)雜使用案例等類別，每個(gè)類別都有自己的一套考慮因素和要求。

　　建議還應(yīng)建立一個(gè)未來(lái)實(shí)驗(yàn)室，作為探索和測(cè)試不同選擇的專用空間。這個(gè)未來(lái)實(shí)驗(yàn)室可以在更寬松的安全性和基礎(chǔ)設(shè)施約束下運(yùn)作，從而促進(jìn)創(chuàng)新和實(shí)驗(yàn)，而不會(huì)危及組織的核心系統(tǒng)。

　　利用行業(yè)合作伙伴的專業(yè)知識(shí)和見解也至關(guān)重要，因?yàn)樗麄兛梢蕴峁┏晒κ褂冒咐?、最佳?shí)踐和需要避免的潛在陷阱等寶貴觀點(diǎn)。這種合作方式可以加快學(xué)習(xí)曲線，提高成功實(shí)施的機(jī)會(huì)。

　　George Jacob從擴(kuò)展生成式人工智能使用案例的經(jīng)驗(yàn)中分享了寶貴的經(jīng)驗(yàn)教訓(xùn)和關(guān)鍵考慮因素，這些應(yīng)該指導(dǎo)著手這一變革性旅程的企業(yè)。首先也是最重要的考慮因素是評(píng)估所提出解決方案的業(yè)務(wù)契合度和可行性，不僅僅是概念驗(yàn)證，而是可擴(kuò)展和可持續(xù)的實(shí)施。

　　同樣重要的是確保所需的數(shù)據(jù)、文檔或媒體的可用性和策展。策展不佳或不完整的數(shù)據(jù)可能會(huì)導(dǎo)致混亂，增加生成輸出中出現(xiàn)幻覺或不準(zhǔn)確的風(fēng)險(xiǎn)，從而削弱解決方案的有效性。

　　變革管理是一個(gè)不容忽視的關(guān)鍵方面。企業(yè)必須仔細(xì)評(píng)估誰(shuí)的關(guān)鍵績(jī)效指標(biāo)(KPI)將受到生成式人工智能解決方案的影響，實(shí)施的理由以及組織適應(yīng)和接受所需業(yè)務(wù)流程變革的準(zhǔn)備程度。確定解決方案的受益者并確保他們的認(rèn)可對(duì)于成功采用也至關(guān)重要。

　　根據(jù)使用案例的不同，企業(yè)還必須解決潛在的偏見和法律影響，確保解決方案不存在歧視傾向，并符合相關(guān)法規(guī)和道德標(biāo)準(zhǔn)。

　　生成式人工智能解決方案的實(shí)施過程與傳統(tǒng)人工智能解決方案的生命周期類似，包括定義、實(shí)驗(yàn)、構(gòu)建、試點(diǎn)和推廣階段。然而，企業(yè)必須考慮到一些微妙但至關(guān)重要的差異。

　　一個(gè)關(guān)鍵區(qū)別在于需要分解用戶思維過程和心智模型，因?yàn)槟繕?biāo)是制定出能夠準(zhǔn)確模擬和預(yù)測(cè)用戶期望的提示。這需要更深入地理解用戶如何接近和與解決方案互動(dòng)，而不是簡(jiǎn)單地映射業(yè)務(wù)流程。

　　數(shù)據(jù)策展再次被強(qiáng)調(diào)為一個(gè)關(guān)鍵因素，需要完整且策展良好的數(shù)據(jù)集來(lái)為生成式人工智能模型提供支持。在實(shí)驗(yàn)階段，企業(yè)可以利用持續(xù)測(cè)試提示的能力，而無(wú)需等待整個(gè)解決方案構(gòu)建完成。這種迭代方法允許早期識(shí)別防護(hù)欄并完善提示制定。

　　在生成式人工智能環(huán)境中，用戶驗(yàn)收測(cè)試采取了不同的維度。除了依賴解決方案架構(gòu)師的觀點(diǎn)外，還必須讓更廣泛的用戶群體試點(diǎn)該解決方案，以捕捉用戶帶來(lái)的不同思維過程和心智模型。這一點(diǎn)在文檔分析等使用案例中尤為重要，因?yàn)椴煌挠脩艨赡軙?huì)以不同的方式來(lái)處理任務(wù)。

　　最后，建議采用分階段推出方式，根據(jù)地區(qū)或語(yǔ)言等因素逐步引入解決方案，而不是一次性部署。這種循序漸進(jìn)的方式可以根據(jù)實(shí)際反饋和使用模式持續(xù)完善和調(diào)整。

　　建立在檢索增強(qiáng)生成(RAG)模式之上的企業(yè)知識(shí)庫(kù)概念，被視為一種可擴(kuò)展且集中的方法，避免了分散的聊天機(jī)器人解決方案的擴(kuò)散。通過在企業(yè)知識(shí)庫(kù)中集中不同的知識(shí)庫(kù)和可重用組件，組織可以簡(jiǎn)化新用例的部署，將開發(fā)時(shí)間從數(shù)月縮短至數(shù)周。

　　這種方法模仿了單個(gè)用例的方法，但在更大規(guī)模上，具有針對(duì)特定用例或跨多個(gè)用例共享的不同知識(shí)庫(kù)?？芍赜媒M件(如分塊算法)可以跨項(xiàng)目利用，進(jìn)一步加快開發(fā)并確保一致性。

　　通過在可擴(kuò)展平臺(tái)(如Kubernetes)上構(gòu)建企業(yè)知識(shí)庫(kù)，組織可以獲得更大的敏捷性和靈活性，實(shí)現(xiàn)新用例的快速部署，同時(shí)保持一致的用戶體驗(yàn)。必要時(shí)可以進(jìn)行定制，但集中式方法確保了高效且連貫的實(shí)施。

　　為了在企業(yè)內(nèi)有效擴(kuò)展生成式人工智能，George Jacob建議采用分層架構(gòu)，包括核心服務(wù)(大型語(yǔ)言模型)、核心防護(hù)(如阻止褻瀆或不當(dāng)內(nèi)容)、具有自身防護(hù)的人工智能服務(wù)(如聊天語(yǔ)氣控制、最佳匹配檢索)以及應(yīng)用程序編排。

　　這種模塊化方法允許在每一層進(jìn)行細(xì)粒度控制和定制，確保在整個(gè)企業(yè)范圍內(nèi)執(zhí)行政策和標(biāo)準(zhǔn)，同時(shí)為特定用例提供靈活性。通過在可擴(kuò)展和健壯的技術(shù)上構(gòu)建這些組件，組織可以為投資未來(lái)做好準(zhǔn)備，并適應(yīng)不斷發(fā)展的需求和技術(shù)進(jìn)步。

　　企業(yè)知識(shí)庫(kù)概念與這種分層架構(gòu)無(wú)縫集成，為整個(gè)組織提供了一個(gè)集中的、經(jīng)過精心策劃的知識(shí)和可重用組件存儲(chǔ)庫(kù)。

　　在2025年前后，George Jacob對(duì)企業(yè)領(lǐng)域內(nèi)生成式人工智能的大規(guī)模采用和擴(kuò)展持樂觀態(tài)度。他設(shè)想未來(lái)組織將采用戰(zhàn)略性、企業(yè)級(jí)的方法來(lái)發(fā)揮這項(xiàng)變革性技術(shù)的全部潛力，利用可重用組件、可擴(kuò)展架構(gòu)和集中知識(shí)庫(kù)。

　　George Jacob從能源行業(yè)擴(kuò)展生成式人工智能的經(jīng)驗(yàn)中總結(jié)出的見解，為各行業(yè)的企業(yè)提供了寶貴的藍(lán)圖。通過采用整體且具有前瞻性的方法，組織可以立足于生成式人工智能革命的前沿，推動(dòng)創(chuàng)新、效率和競(jìng)爭(zhēng)優(yōu)勢(shì)，在日益數(shù)字化和數(shù)據(jù)驅(qū)動(dòng)的世界中發(fā)展壯大。

　　總之，這篇演講為尋求駕馭生成式人工智能復(fù)雜性的企業(yè)提供了全面的路線圖。從確立明確的愿景和戰(zhàn)略，到構(gòu)建成功所需的組織結(jié)構(gòu)、必贏官網(wǎng)首頁(yè)優(yōu)先考慮用例以及實(shí)施可擴(kuò)展架構(gòu)，George Jacob分享的見解為充分發(fā)揮這一顛覆性技術(shù)的變革潛力提供了實(shí)用且可操作的框架。當(dāng)我們站在新時(shí)代的邊緣時(shí)，企業(yè)界有望將生成式人工智能視為創(chuàng)新和增長(zhǎng)的催化劑，重塑行業(yè)，重新定義可能性的邊界。

　　演講者強(qiáng)調(diào)了生成式人工智能前所未有的快速普及，ChatGPT僅用了2個(gè)月就達(dá)到了1億用戶，超過了其他旨在大規(guī)模采用的技術(shù)。

　　強(qiáng)調(diào)擁有正確的運(yùn)營(yíng)模式和組織能力的重要性，以便持續(xù)更新和管理快速發(fā)展的生成式人工智能環(huán)境。

　　演講者強(qiáng)調(diào)在評(píng)估生成式人工智能用例時(shí)，要考慮可行性、戰(zhàn)略價(jià)值、業(yè)務(wù)準(zhǔn)備情況、學(xué)習(xí)機(jī)會(huì)以及與旗艦項(xiàng)目的潛在集成。

　　演講者強(qiáng)調(diào)在啟動(dòng)新項(xiàng)目時(shí)，要考慮業(yè)務(wù)契合度、技術(shù)可行性和精心策劃的數(shù)據(jù)，以確保成功和可擴(kuò)展的實(shí)施。

　　演講者強(qiáng)調(diào)在開發(fā)人工智能解決方案時(shí)，了解用戶思維過程并策劃正確的數(shù)據(jù)集的重要性，以滿足用戶期望。

　　演講者強(qiáng)調(diào)構(gòu)建可擴(kuò)展和企業(yè)級(jí)解決方案的重要性，而不是單個(gè)模塊，尤其是在新興技術(shù)和情況下。

　　生成式人工智能的快速采用令人矚目，企業(yè)熱切地?fù)肀н@項(xiàng)變革性技術(shù)。在能源行業(yè)，我們親眼目睹了生成式人工智能革新核心業(yè)務(wù)流程和推動(dòng)創(chuàng)新的潛力。在過去18-24個(gè)月的探索中，我們獲得了在企業(yè)環(huán)境中擴(kuò)展生成式人工智能解決方案的寶貴經(jīng)驗(yàn)。

　　首先，與組織目標(biāo)和戰(zhàn)略保持一致的明確愿景至關(guān)重要。通過全面評(píng)估，識(shí)別高影響力機(jī)會(huì)并降低風(fēng)險(xiǎn)至關(guān)重要。建立健全的運(yùn)營(yíng)模式并利用合適的技術(shù)基礎(chǔ)設(shè)施是成功實(shí)施的關(guān)鍵推動(dòng)力。

　　其次，采用結(jié)構(gòu)化方法對(duì)用例進(jìn)行優(yōu)先級(jí)排序至關(guān)重要。評(píng)估可行性、戰(zhàn)略價(jià)值、業(yè)務(wù)準(zhǔn)備情況和學(xué)習(xí)機(jī)會(huì)，可確保資源得到有效分配。將生成式人工智能集成到旗艦項(xiàng)目中，可加速采用并簡(jiǎn)化變革管理。

　　最后，擴(kuò)展生成式人工智能解決方案需要建立明確的企業(yè)知識(shí)庫(kù)，利用RAG(檢索增強(qiáng)生成)模式。這種集中式方法有助于提高可重用性，加快部署時(shí)間，并確保用戶體驗(yàn)的一致性。實(shí)施健全的防護(hù)措施并利用可擴(kuò)展技術(shù)對(duì)于保持控制和安全至關(guān)重要。

　　展望2025年，企業(yè)環(huán)境將迎來(lái)生成式人工智能的大規(guī)模采用。通過采用戰(zhàn)略性、結(jié)構(gòu)化和可擴(kuò)展的方法，組織可以釋放這項(xiàng)技術(shù)的變革潛力，在不斷發(fā)展的數(shù)字化環(huán)境中獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。

　　亞馬遜云科技（Amazon Web Services）是全球云計(jì)算的開創(chuàng)者和引領(lǐng)者。提供200多類廣泛而深入的云服務(wù)，服務(wù)全球245個(gè)國(guó)家和地區(qū)的數(shù)百萬(wàn)客戶。做為全球生成式AI前行者，亞馬遜云科技正在攜手廣泛的客戶和合作伙伴，締造可見的商業(yè)價(jià)值 – 匯集全球40余款大模型，亞馬遜云科技為10萬(wàn)家全球企業(yè)提供AI及機(jī)器學(xué)習(xí)服務(wù)，守護(hù)3/4中國(guó)企業(yè)出海。返回搜狐，查看更多