進入2024年，首席信息官們必須考慮到生成式人工智能的前景和風險，重塑他們的數字議程。以下是應對LLM顛覆性潛力的五種方法。

數字化轉型必須成為組織的核心競爭力。這是我對首席信息官和IT領導者的重要建議。

在主題演講和與首席信息官的討論中，我提醒大家，戰略重點每兩年或更短時間就會發生重大變化，從2018年的增長，到2020年的流行病和遠程工作，再到2022年的混合工作和財務限制。

到2024年，包括ChatGPT和其他大型語言模型(LLM)在內的生成式人工智能的影響將成為一個重要的轉型驅動因素。

隨著許多首席信息官準備2024年預算和數字化轉型優先事項，制定一項戰略，尋求發展商業模式的機會，針對近期運營影響，優先考慮員工應該嘗試的領域，并制定與人工智能相關的風險緩解計劃，這是勢在必行的。

但是，隨著所有的興奮和炒作，員工很容易將時間投入到危及機密數據的人工智能工具上，或者管理人員很容易選擇沒有通過安全、數據治理和其他供應商合規性審查的影子人工智能工具。更大的挑戰是制定一個現實的戰略，并對“不可能的夢想家”做出回應。“不可能的夢想家”是一種“不切實際”的商業領袖，是一種你會在地獄里遇到的商業高管。

塔塔咨詢服務公司的首席信息官Abhijit Mazumder表示:“轉型優先事項應該從根本上與業務優先事項以及任何組織試圖實現的目標聯系起來。在大多數公司，領導層同樣關注增長和運營效率，同時也不會忘記優先考慮彈性、網絡安全和技術債務消除計劃。”

以下是首席信息官在發展數字化轉型優先事項時需要考慮的幾個生成式人工智能驅動因素。

定義一個改變游戲規則的LLM策略

在我最近主持的一次與數字開拓者的咖啡會上，我們討論了生成式人工智能和LLM將如何影響每個行業。例子包括生成人工智能將如何:

•利用非結構化數據的附加智能加速藥物發現

•使一線制造裝配工人能夠更快、更可靠地解決問題

•使醫療服務提供者能夠為患者的健康問題提供個性化的答案

•根據客戶對話，協助開發新的保險、銀行和其他金融服務產品

•通過為教師提供提高學生創造性思維、協作能力和解決問題能力的新途徑，變革教育

SnapLogic首席技術官Jeremiah Stone表示:“現在，首席信息官和首席技術官不僅要在如何以更少的投入做更多的事情上發揮創意，還要通過合理的投資超越競爭對手，因為他們的競爭對手可能會推遲或削減自己的轉型項目。”“優先考慮能夠創造新的收入來源、使技術民主化或減少技術債務的轉型計劃，特別是在考慮生成人工智能機會時。”

首席信息官們可能會認識到，這種規模的轉型計劃是一個多年的計劃，需要評估LLM的能力，進行實驗，并找到最低限度可行和足夠安全的客戶產品。但是，沒有戰略可能會導致顛覆，IT領導者在參加董事會會議時可能犯的一個關鍵錯誤是，沒有為生成式人工智能等改變世界的新興技術制定計劃。

為私人LLM清理和準備數據

生成式人工智能能力將提高企業非結構化數據的重要性和價值，包括存儲在學習管理系統中的文檔、視頻和內容。即使企業還沒有準備好考慮生成式人工智能如何顛覆他們的行業和業務，積極主動的轉型領導者也會采取措施，集中、清理和準備非結構化數據，以便在LLM中使用。

多米諾數據科學戰略和宣傳主管Kjell Carlsson表示:“隨著整個組織的用戶都在呼吁將生成式人工智能功能作為其日常活動的一部分，首席信息官、首席技術官和首席信息官的首要任務是實現對越來越多的生成式人工智能模型的安全、可擴展訪問，并使數據科學團隊能夠開發和運營針對組織數據和用例量身定制的微調LLM。”

已經有14個LLM不是ChatGPT，如果有大量的數據集，可以使用Databricks Dolly、MetaLlama和OpenAI等平臺定制一個專有的LLM，或者從頭開始構建你自己的LLM。

定制和開發llm需要強大的商業案例、技術專長和資金。NewRelic的首席設計和戰略官Peter Pezaris說:“訓練大型語言模型可能會很昂貴，而且輸出還沒有完善，所以領導者應該優先投資于有助于監控使用成本和提高查詢結果質量的解決方案。”

通過改進客戶支持來提高效率

麥肯錫在2020年估計，人工智能每年可以創造1萬億美元的價值，其中客戶支持是一個重要的機會。由于生成式人工智能的出現，這一機會在今天變得更大，尤其是當首席信息官將非結構化數據集中在LLM中，并使服務代理能夠詢問和回答客戶的問題時。

SPR執行副總裁Justin Rodenbostel表示:“尋找機會利用GPT-4和LLM來優化客戶支持等活動，特別是在自動化任務和分析大量非結構化數據方面。”

從LLM和人工智能搜索功能中獲得短期投資回報率，改善客戶支持是一個快速的勝利。llm需要集中企業的非結構化數據，包括嵌入CRM、文件系統和其他SaaS工具中的數據。一旦IT部門集中了這些數據并實施了私人LLM，其他機會包括改善銷售線索轉換和人力資源入職流程。

GetK3總裁兼首席執行官戈登•阿洛特表示:“幾十年來，很多公司一直在向SharePoint和其他系統中填充數據。把它清理干凈，用LLM學位可能真的很有價值。”

通過溝通LLM治理模型來降低風險

生成式人工智能領域有100多種工具，涵蓋測試、圖像、視頻、代碼、語音和其他類別。是什么阻止員工嘗試一個工具并將專有或其他機密信息粘貼到他們的提示中?

Rodenbostel建議:“領導者必須通過研究和制定可接受的使用政策，確保他們的團隊只以批準的、適當的方式使用這些工具。”

在三個部門中，首席信息官必須與他們的首席技術官和首席信息官合作，溝通策略并創建支持智能實驗的治理模型。首先，首席信息官們應該評估ChatGPT和其他生成式人工智能對編碼和軟件開發的影響。IT必須以身作則，說明在哪里以及如何進行實驗，以及何時不使用工具或專有數據集。

營銷是第二個需要關注的領域，營銷人員可以在內容創建、潛在客戶生成、電子郵件營銷和十多種常見營銷實踐中使用ChatGPT和其他生成式人工智能。目前有超過11,000個營銷技術解決方案可用，在測試具有新LLM功能的SaaS時，有很多機會進行實驗并犯無意中的錯誤。

領先組織的首席信息官正在創建一個注冊表，以裝載新的生成人工智能用例，定義一個審查方法的過程，并集中捕捉人工智能實驗的影響。

重新評估決策過程和權力

需要考慮的一個重要領域是，生成式人工智能將如何影響決策過程和未來的工作。

在過去的十年中，許多企業的目標是通過使數據訪問民主化、培訓更多的商業人士了解公民數據科學以及灌輸積極的數據治理實踐，成為數據驅動型組織。生成式人工智能釋放了新的能力，使領導者能夠提示并快速獲得答案，但及時性、準確性和偏見是許多LLM面臨的關鍵問題。

Appen企業解決方案副總裁Erik Voight表示:“將人類置于人工智能的中心，并為數據使用和模型可解釋性建立強大的框架，將大大有助于減輕這些模型中的偏見，并確保所有人工智能輸出都是合乎道德和負責任的。現實情況是，在關鍵決策方面，人工智能模型無法取代人類，應該用來補充這些過程，而不是完全取代它們。”

首席信息官們應該尋求一種平衡的方法來優先考慮生成式人工智能計劃，包括定義治理、確定短期效率和尋求長期轉型機會。