生成式AI：CEO必读指南

生成式AI（Generative AI）在飞速演进， CEO们也在探索其商业价值及潜在风险。为此，我们提供一份生成式AI核心概要，供广大CEO们参考。

自ChatGPT、Bard、Claude、Midjourney以及其他内容生成工具问世以来，人们对生成式AI抱有很高期待。各企业CEO自然也在思考：这究竟是科技炒作，还是颠覆行业格局的机遇？如果是后者，那生成式AI能给自身业务带来什么价值？

CEO们想知道是否应立即采取行动，以及如果采取行动，该从何开始。有些人可能从中看到了机遇，希望通过重塑人与生成式AI应用程序协同工作的方式，在竞争中弯道超车。其他人则可能希望谨慎行事，在进行大规模投资之前先尝试几个用例，增进对生成式AI的理解。企业也需要评估自身是否具备必要的技术专识、技术及数据架构、运营模式以及风险管理流程，这些是更进一步部署生成式AI时所需要的。

人们对生成式AI的期待显而易见，企业高管自然希望借此东风运筹帷幄，有计划地快速推进。我们希望本文能让商业领袖更全面了解生成式AI未来潜力。

生成式AI入门指南

生成式AI技术飞速发展（见图1）。发布周期之短、初创公司数量之众、与现有软件的整合之快，皆不同凡响。

一、不仅是聊天机器人

ChatGPT等文本生成式聊天机器人备受关注，不过，生成式AI同样可以在图像、视频、声音以及计算机代码等更广泛的内容领域提供助力。在企业，生成式AI也可以发挥广泛功能，比如分类、编辑、总结、回答问题和起草内容。针对上述每项活动，各个业务职能和工作流程的具体工作方式转变都有可能创造价值，部分示例如下:

分类
— 反欺诈分析师可以将交易描述和客户文件输入到生成式AI工具中，要求其识别欺诈交易。
— 客户服务经理可以使用生成式AI工具根据客户满意度对客户通话音频文件进行分类。

编辑
— 撰稿人可以利用生成式AI纠正语法，并使文字风格与顾客的品牌调性相匹配。
— 平面设计师可以利用生成式AI从图像中移除过时标志。

总结
— 制片助理可以用数小时的活动录像创作精彩视频集锦。
— 业务分析师可以创建维恩图(Venn diagram)总结高管发言要点。

回答问题
— 制造企业员工可以向基于生成式AI的“虚拟专家”咨询有关操作流程的技术问题。
— 消费者可以向聊天机器人询问新家具的组装方式。

起草内容
— 软件开发者可以让生成式AI完成整段代码，或者提供建议以补全现有代码的未完成语句。
— 营销经理可以使用生成式AI起草不同版本的营销活动信息

二、生成式AI生态系统正在兴起

基础大模型是生成式AI的“大脑”，而正在兴起的整个价值链将支持该技术的训练和使用（见图2）。

专用硬件提供了训练模型所需的庞大算力。云平台则提升了对这类硬件的利用。MLOps和模型中心供应商提供企业所需工具、技术和实践，让企业能够调试使用基础大模型并将其部署到终端用户应用之中。许多公司正在进入市场，主打依托基础大模型、能够执行特定任务的应用程序，例如帮助某公司处理客户服务问题。

将生成式AI应用于工作

CEO们应将探索生成式AI列入工作议程，不能仅视之为“可选项”。生成式AI可通过广泛用例创造价值。起步的经济和技术要求并非高不可攀，而无所作为则可能导致迅速被竞争对手甩开。每一名CEO都应同管理团队一起思考竞争领域与方法。一些CEO可能会认定，生成式AI将为企业带来变革性机遇，全面重塑从研发到营销、从销售到客户运营等各个领域。还有些CEO则可能选择从小处着手，再逐渐扩大规模。一旦做出决策，AI专家便可根据场景需要，通过相应技术路径执行战略。

生成式AI在企业中的很多应用（尽管未必是全部价值）将来自员工对现有软件中新嵌入功能的使用。电子邮件系统可以给出邮件初稿；生产应用将根据描述生成演示文稿的初稿；财务软件可对财务报告中的要点给出文字描述；客户关系管理系统则可以提供客户互动建议。这些功能可以提高所有知识工作者的生产效率。然而，在某些用例中，生成式AI或可带来更具变革 性的影响。接下来，我们将介绍不同行业企业利用 生成式AI重塑组织工作方式的4个范例，范围涵盖了从资源需求极少到资源投入很高的不同情况（这些例子的快速比较和更多技术细节，请参见图3）。

起步时需考虑的因素

CEO在推动企业关注生成式AI方面发挥着重要作用。在结尾部分，我们将探讨CEO在踏上征途时需要熟记的策略，其中有很多与过往技术浪潮兴起时企业高管应当做出的反应一致。然而，生成式AI也带来了独有的挑战，这包括其超越以往技术变革的空前发展速度及随之而来的应对难度。

三、跨职能部署生成式AI

过去，许多组织以孤立试验的方式启动对传统AI的探索。然而，鉴于生成式AI独特的风险考量以及基础大模型支撑全组织、多用例的能力，企业应当以更加精细和协调的方法加以管理。例如，使用专有数据进行微调以反映企业品牌特质的模型，可以在多个用例（如生成个性化的营销活动和产品描述）和多个业务职能（如产品开发和营销）中加以部署。

四、端对端领域重塑，而非仅专注于用例

生成式AI是可以改变组织运作方式的强大工具，对价值链中的特定业务领域（例如，零售商的营销或制造商的运营）具有特别的影响。生成式AI的部署十分便利，企业因而很容易将应用局限于全盘业务下的零星用例。因此，坚持全盘视角、按领域划分用例群至关重要，从这一视角出发进行规划能为全体业务职能带来最大的变革潜力。随着生成式AI与其他传统AI应用协同并进、此前无法实现的工作方式逐渐诞生，企业正在不断重新定义其目标状态。

五、实现满载的技术栈

现代化的数据和技术堆栈几乎是任何生成式AI策略成功的基础。CEO们应当向首席技术官了解以确定公司在计算资源、数据系统、工具和模型访问（通过模型中心的开源方式或通过API的商业模式）方面是否具备所需的技术能力。

六、打造“灯塔”

CEO们需要避免在规划阶段止步不前。在商业世界，时间尤为重要，而生成式AI技术的快节奏特性要求企业迅速行动以把握优势。尽管生成式AI仍处于早期阶段，但应尽快在企业内部展示其对运营模式的重要影响，这可以通过“灯塔方法”来实现。例如，一种推进方式是打造“虚拟专家”，让一线员工能够利用专有的知识源，为客户提供最相关的内容。这一方法能提高生产力、激发热情，并使企业能够在向客户扩展应用之前，在内部对生成式AI展开测试。

七、平衡风险与价值创造

商业领袖必须在生成式AI所涉及的价值创造机会与风险之间取得平衡。我们近期的全球AI调查显示，尽管已有超过一半的组织采用传统AI技术，但大多数组织并未对相关的大部分风险采取应对措施。生成式AI再次引发了人们对许多同类风险的关注，比如AI可能会让隐藏在训练数据中的偏向被固化；同时生成式AI还带来了一些新风险，比如产生幻觉的倾向。因此，跨职能领导团队不仅要为生成式AI的使用建立总体道德原则和指导方针，还要对每个潜在用例所伴生的风险有全面了解。

八、应用生态系统方法建立合作伙伴关系

商业领袖应注重建立和维护平衡得当的联盟网络。企业的收购和联盟战略应继续聚焦建立合作伙伴生态系统，以适应不同的场景并解决生成式AI对不同技术栈层面的需求，同时要注意避免锁定供应商。

九、聚焦所需的人才和技能

为有效应用生成式AI创造商业价值，公司需要打造技术能力并提升现有员工的技能水平。这需要领导层共同努力，根据企业的优先用例确定所需能力，这可能不限于技术方面，也包括工程、数据、设计、风险、产品和其他业务职能的人才组合。

十、结语

多年来，企业一直在探索AI之路、追求宏远的目标， 许多公司已经收获了新的收入来源、改进了产品、 提升了运营效率。其中许多成功都源于AI技术，它们 仍然是处理特定任务的最优工具，企业应继续保持 这方面的努力。然而，生成式AI带来了又一次实现重 大飞跃与无限可能的机会。虽然该技术的运营和风 险框架还未完全建立，但商业领袖们深知应当启动 生成式AI旅程。但从何开始，又如何开始？每家公 司的答案不尽相同，公司内部也众说纷纭。有些企 业放手一搏，而其他公司则从小规模试验起步。最佳方法将取决于公司的目标抱负和风险偏好。但无论目标如何，关键是要迈出第一步，边做边学。

CXO UNION（cxounion.cn）转载而成，来源于麦肯锡；编辑/翻译：CXO UNIONCXO联盟小C。

如需加入CXO UNION（CXO联盟）高管社群，请联系社群小伙伴哦~

免责声明: 本网站(http://www.cxounion.cn/)内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。

本网站刊载的所有内容(包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等) 版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。