企業現在意識到，擺在他們面前的工作是讓他們的數據、人員和流程做好準備，以充分利用生成式AI的潛力。事實上，埃森哲最近的一項調查發現，幾乎所有（99%）的高管都表示，他們計劃加大對這項技術的投資。因此，領導者們需要從根本上重新思考如何完成工作。CIO們對業務流程具有跨職能的視角，再加上對如何利用技術重塑運營和交付價值的深入了解，因此他們特別具有能夠幫助組織為生成式AI做好準備的能力。

然而，領導者們卻在努力采取必要的后續措施來推動這項技術落地。例如，埃森哲最近的一份報告發現，有67%的高級技術領導者認為，同級高管缺乏技術敏銳度是把技術融入戰略制定的主要障礙，克服這個障礙的關鍵是要理解生成式AI和創新，并將其與企業的成功聯系起來。

將AI有效地集成到業務中，首先是要設定明確的目標來定義業務價值，并使AI戰略與這些總體業務目標保持一致。很多正在負責推動企業數字化議程的CIO們已經開始把AI作為核心，利用AI解決方案來實現戰略中最關鍵的要素。他們認識到，構建強大的基礎設施是他們組織邁向企業就緒之旅重要的第一步，這將使企業能夠以最大的效率和效果擴展生成式AI，并促進整個企業對這項技術的成功采用。事實上，有98%的全球高管認為，未來三到五年內AI基礎模型將在其組織戰略中發揮重要的作用。

那么，CIO現在可以做什么？在設計新的AI Navigator for Enterprise（一種幫助指導客戶踏上AI之旅的工具）的過程中，我們明確了CIO應該問自己的這八個問題，對他們企業是否已經準備好迎接生成式AI進行壓力測試：

• 我們應該使用哪種基礎模型？換句話說，哪種架構最能確保模型的輸出是相關的、可靠的且可用的。生成式AI的模型和廠商數量不斷增加，你需要仔細考慮進行選擇，以確保它是符合你組織需求和要求的。
• 我如何讓這些模型可以為我們所用？企業可以采用兩種主要方法來部署模型，每種方法都有自己的優點。你是否需要一個“完全控制的”選項來訪問你自己公有云上的 模型，還是計劃把生成式AI作為來自外部供應商的托管云服務以實現速度和簡單性？
• 我們如何讓模型適應我們自己的數據以供使用？AI和數據已經成為強大數字核心的一個關鍵組成部分，這也是當今企業競爭優勢的主要來源。要從生成式AI中獲得最大的價值，就需要利用你的專有數據來提高企業內的準確性、性能和實用性。你可以考慮使用各種方法來調整預訓練模型，以打造與你組織和人員相關的定制工具。
• 企業整體的準備情況如何？首先要考慮你的集成和互操作性框架。你的基礎模型是安全且可以安全使用的嗎？采用生成式AI，讓每家企業都迫切地需要制定強大且負責任的AI合規計劃。遵守法律、法規和道德標準，這對于建立健全的AI基礎是至關重要的，在設計階段管理控制措施以評估生成式AI用例的潛在風險也是如此。
• 那我們的碳足跡呢？基礎模型雖然經過預先訓練，但在適應和微調的過程中，仍然可以要耗費大量能量。消耗多少以及帶來怎樣的影響，這要取決于購買、增強或構建基礎模型所采取的方法。如果不加以控制，這有可能對環境造成嚴重的影響，因此提前權衡可持續性這個因素以便為企業和環境做出正確的選擇，就變得越來越重要。
• 如何實現生成式AI智能應用開發的產業化？選擇和部署基礎模型后的下一步，是要考慮工業化和加速應用開發可能需要哪些新的框架。快速工程技術正在迅速成為一種差異化的能力。通過工業化流程，你可以建立一個與特定業務功能或者領域相符合的高效的、精心設計的提示和模板語料庫。
• 我們需要什么來大規模運營生成式AI？顛覆現有流程和重新發明新技術的工作方式所帶來的復雜性本身，就是一大挑戰。但尋找大規模AI變現的方法，應該是每個CIO都關心的問題。AI成為了培育創新的沃土，CIO們應該在整個企業結構中建立良好的聯系。尋找跨職能協作的機會，將帶來新的洞察和明智的決策，從而促進組織內部和整個行業的開放式創新，同時釋放新的增長機會。
• 我應該從哪里開始著手，以及我們如何繼續指導未來發展方向？AI驅動的生產力是下一個重要的里程碑。軟件開發是CIO發揮影響力的一個成熟領域，你應該深入研究并分享你的用例，通過試點項目的實際成果來展示團隊的實際經驗。例如，埃森哲去年研究了生成式AI是如何幫助軟件開發團隊更快地推出產品。埃森哲使用了Amazon CodeWhisperer等新一代AI工具，發現開發人員的工作效率和代碼質量有了顯著提高，整體發布周期更快了，幫助在創紀錄的時間內交付了新的AWS Velocity平臺。通過成為你自己的案例研究，你可以展示如何將其變為現實，并指導組織內其他部門進行實驗和測試、快速行動并快速擴展使用。你將更有能力指導你的利益相關者，了解技術的發展方向、發展的速度、以及組織可以期望獲得的結果。

新的拐點

技術對于每個行業來說，是實現更強勁增長、更高敏捷性和更強彈性的關鍵，而生成式AI是其中一個重要的差異化因素，這項技術將從根本上改變我們的工作和生活。埃森哲的研究發現，40%的工作時間會受到大型語言模型的影響。仔細觀察就會發現，特別是在IT和技術角色中，總工作時間的73%是可以通過生成式AI帶來改變的，這凸顯了為安全地、負責任地、經濟高效地、且具有商業價值的方式擴展生成式AI奠定適當基礎的重要性。

CIO有一個重要的機會可以幫助他們的企業應對當今快速變化的數字環境所帶來的復雜性。利用AI的突破性進步和面向整個企業的績效方法，他們可以找到方法讓技術為他們自己服務，從而重新定義自己及其所在的行業。