AI革命来袭：企业不转型将面临灭顶之灾
在过去的几十年里，亚马逊凭借其卓越的物流管理和电子商务平台，迅速崛起成为全球最大的在线零售商。然而，与之形成鲜明对比的是，昔日风光无限的K-Mart和Circuit City却在市场竞争中逐渐失去了优势，最终黯然退场。在当今的商业环境中，人工智能（AI）已经不再是未来的概念，而是现实时刻的必需品。AI技术正在以惊人的速度改变各行各业，从医疗到金融，从制造业到零售。那些忽视AI转型的企业，将在未来的竞争中处于不利地位，甚至可能面临灭顶之灾。
董事会在推动AI应用中的重要性
在这个关键时刻，董事会的角色至关重要。董事会是战略的制定者和监督者，必须积极参与到AI转型的决策中，确保企业在这场技术革命中不被淘汰。董事会对AI应用有两方面的关键作用。首先，董事会必须帮助领导层定义成功的标准，并达成共识，同时提供实现目标的时间表。其次，董事会需要确保AI的广泛应用，这需要就AI教育展开讨论。
成功的定义：从战略共识到时间表
董事会面临的主要挑战是定义早期AI项目的目标，并建立成功的衡量标准。与上世纪90年代末许多公司的早期互联网努力类似，这些AI项目大多可能会失败。但这些早期项目有助于组织在大规模数据收集、处理和应对当前AI模型的限制方面积累经验。在开展更雄心勃勃的AI项目之前，这些技能是必备的。随着新AI模型的出现，可能会使一些先前的技术投资变得过时。然而，在这一过程中开发的能力——数据基础设施、实验心态以及对基础模型能力和缺陷的理解——将仍然具有价值。
这是否意味着董事会应该放弃对公司AI投资的ROI（投资回报率）衡量？绝对不是。相反，他们需要重新思考ROI，重点放在学习、AI整合和更快的发布周期上。鉴于AI市场的变化速度（每周都有新工具发布，现有工具的能力也在迅速变化），AI项目需要不同于以往技术项目的管理。例如，两年的项目周期注定会失败。公司需要在三个月的产品发布周期内运作，并加快迭代速度。
公司还应该追求长短期项目的组合，而不是将公司的AI未来寄托在一个大项目上。此外，公司不需要在AI上进行前期大量投资。可以通过缓慢而持续地招聘，并利用机器学习软件和基础设施市场，来保持成本可控。
AI教育
即使公司的高层在制定AI战略，但如果没有全面的企业AI教育战略，这一战略也将失败。缺乏AI教育可能导致组织惰性和抵抗情绪，原因有三：
AI带来的威胁感：
媒体中的末日论调和当前大多数AI应用场景都围绕着成本削减，使得员工感到威胁。
董事会应推动高层向员工明确他们的AI愿景：
AI将如何增加收入、增强劳动力，并帮助人们发挥最好的自己？
对AI完美性的期望：
研究表明，人们在看到算法失败后会失去信任，即使该算法表现比人类好很多。
如果不进行培训，人们会抵制不完美的AI（所有AI都是不完美的），即使它能带来巨大的改进。
难以跟上变化：
新工具和模型不断涌现，大多数人很难跟上哪些工具可以提高工作流程的不同部分。
仅仅让顶尖的工程和产品团队为客户开发AI是不够的。客户还必须学习如何在内部有效利用AI，包括培训非技术员工将AI工具整合到他们的工作流程中，以提高生产力。
在这个AI变革的时代，董事会的参与和推动至关重要。只有通过有效的策略和全面的教育，企业才能在AI的浪潮中立于不败之地。但如何确保公司的AI项目本身不会成为风险源？这就需要完备的风险管理机制和AI治理框架
AI时代的风险管理：企业的必修课
在人工智能（AI）带来无数机遇的同时，它也为企业引入了一种全新的风险。大型AI失败可能导致声誉损害、诉讼风险，甚至引来不必要的监管关注。因此，企业在拥抱AI的过程中，必须谨慎管理这些潜在的风险。
建立全面的AI治理框架
首先，董事会需要确保建立全面的AI治理框架。这些框架必须涵盖道德准则、合规要求和风险管理协议。简单地实施AI是不够的，还需要有监督机制来有效管理这些系统。这些机制应包括高风险模型和应用的清单，并对其进行持续监测和评估。评估内容应涵盖从训练数据的质量和潜在偏见到基础模型的压力测试。重要的是，还需要仔细审查这些系统的输出，特别关注幻觉发生的频率以及AI输出是否附带用户说明。这种全方位的AI评估方法可以确保对系统性能和潜在风险的全面理解。幸运的是，许多供应商现在正在提供支持这些治理活动的服务。
紧跟AI监管动态
董事会还必须及时了解不断变化的AI监管环境，并准备好相应调整其治理框架。与政策制定者和行业团体的互动至关重要，因为这不仅可以帮助公司塑造监管环境，还能为遵守新规做准备。
如果公司没有建立合适的治理框架，AI的风险可能不是来自于没有采用AI，而是因为没有正确的检查和平衡机制而过于仓促地采用AI。同时，过于繁重的筛选程序可能会减缓AI的采用速度。例如，许多公司正在设立多功能AI委员会，这些委员会需要在AI工具推出前进行审核，但大多数委员会还没有找到合适的方法。他们发现坐等决策比做出决策更容易。如果公司的领导层希望在AI方面走在前列，AI委员会不应该成为公司内部的阻力源。解决方案是在实验过程中嵌入允许有限推出AI应用以及快速审批低风险员工应用的流程。
(原文正文结束)
王教授回复如下:
“我非常赞同“AI计划需要与过去的技术计划有所不同”的看法。我经常建议公司从低成本的概念验证方案开始，比如利用检索增强生成（RAG）的技术为内部知识库创建聊天机器人，或者利用AI代理自动化营销文案撰写。这些项目应该有较短的时间周期（1到3个月）和有限的预算，以鼓励“边做边学”的文化以及“试验心态”。在许多情况下，我还建议使用开源项目和公共数据集（或经过匿名化和优化的内部数据集），以进一步降低项目风险，并通过避免与供应商采购、审批、隐私和安全相关的问题来缩短项目周期。
AI教育非常重要，我认为公司应该提供三个级别的培训：
- 第1级：专注于提高生产力的AI培训，面向所有员工，包括各种任务的基本提示技巧（例如撰写报告、组织数据、可视化）以及低代码/无代码AI工具的介绍。
- 第2级：针对开发人员的技术AI培训，涵盖GenAI API、代码协助、微调、多代理系统以及使用API进行代理工作流等主题。
- 第3级：针对管理人员和高管的战略培训，侧重于GenAI驱动的业务转型、未来工作、负责任的AI及其组织文化和结构。”
Hosanagar教授表示同意王教授看法，并认为AI方面的高管培训很有价值：
塔金AI(takin.ai)是生成式AI教育领域的引领者，将生成式AI技术融入教育，为学习者、教育工作者以及教育爱好者带来卓越的教育体验与前沿洞察。同时为高校，企业提供专业的AI培训。
