Anthropic在2024年3月發布的Claude 3系列模型及其在眾多基準測試中的成功表現對企業來說是個好消息，看起來企業客戶將能夠從更多供應商那里評估和選擇更多高質量的AI和GenAI工具。

然而，隨著公共工具和服務的質量和種類的增加，至關重要的是要記住，這一切都始于數據，不僅僅是用于訓練為AI和機器學習工具提供動力的基礎模型的數據，還有這些工具為發現隱藏模式和洞察力而搜索和分析的數據。

正如我之前解釋的那樣，在讓你的企業準備好利用AI方面，有一些關鍵的準備工作，沒有成功的數據策略，就不可能有成功的AI策略。第一步是準備你的數據，使其適合AI，這涉及到評估、整合、保護和策劃你的分散的數字黃金，以便它可以被市場上各種不斷增長的AI工具和服務所訪問。

在這篇文章中，我將重點討論：為什么在你的數據和基于云的AI服務之間建立高效的管道至關重要，以及這可能為你的業務帶來什么。

設計AI管道

一旦你在云中評估、整合和保護了你的數據，你就會希望策劃與不同組或用例相關的特定數據集，然后建立一個管道，將這些選定的數據傳輸到你選擇的AI工具。如果你的數據駐留在Amazon Simple Storage Service(S3)存儲桶中，你會想要利用S3 API，它們支持廣泛的AI工具和服務，可以全面且快速地訪問數據。

不管怎樣，這兩個質量都應該是優先考慮的——你希望這些工具以高速運行，你希望避免將自己鎖定在特定的供應商或提供商中。你今天選擇的領先GenAI工具可能不是三個月后最適合你需求的工具，你可能希望有靈活性來利用來自不同AI工具的數據。這個領域變化如此之快。

超大規模計算服務商通常避免迫使客戶進入封閉的園區，所以即使你的數據駐留在AWS S3中，你仍然可以利用微軟或谷歌的工具。例如，如果你想利用Google Vertex，你可以使用S3 API在你的S3數據集和谷歌服務之間建立一個管道。

那么接下來呢?好吧，一旦你的數據適合AI，并且你已經建立或規劃了管道將你選擇的服務連接到你的策劃數據，就是時候看看這些工具實際上能為你的企業做什么了。我們開始注意到我們的客戶有各種有趣的用例。

企業今天如何使用AI

如果你經營著一家制造業企業，你可能擁有在整個自動化制造過程中捕獲數據的成像和物聯網設備。如今，在我的公司，我們正在與客戶合作，他們獲取這些掃描和物聯網數據，建立到云服務的管道，然后構建其最終用戶可以與之交互的機器學習(ML)模型，以便更多了解其制造、質量保證或裝配現場內部發生的情況。他們正在發現使工作流程更有效的方法。他們正在更快地發現和修復產品缺陷。

如果你有一家營銷公司，你可能想利用像AWS Rekognition或 AWS Kendra 這樣的服務來分析和搜索視頻和圖像內容。我們的一位客戶是一家在全球擁有數百個工作室的廣告巨頭，每個工作室都有自己豐富的創意工作歷史。像這樣的全球企業可以利用 AI 工具幫助其創意團隊輕松地從過去的項目中找到靈感，并使用 GenAI 服務在向新客戶提案時創造新的活動。

然而，目前我們在企業中看到的最常見的 AI 應用涉及某種變體的聊天界面。這個工具可以用于客戶支持、營銷甚至內部研究，以促進機構知識的傳播。

實施這些服務事實證明出奇地容易。Google Vertex 是一個非常好的選擇，因為它易于使用、具有成本效益，并且在確保私有數據受到保護的同時利用Google的LLM。亞馬遜Bedrock同樣令人印象深刻。

我們的客戶還一直在使用Microsoft Copilot和Copilot Studio，這是一個幫助你創建針對特定需求的聊天機器人的網絡應用程序，并以保持數據隱私和合規性的方式進行操作。一家擁有大量知識庫文檔的科技公司可以創建由這些文本組成的策劃數據集，訓練一個定制的 Copilot，然后為其客戶或內部用戶提供一個工具，使他們更容易從該知識庫中找到并提取相關信息。

每個行業和每個企業都有其特定需求，但近年來我所合作的每個企業都有一個共同問題——數據量不斷增長。歸根結底，這些 AI、GenAI和ML工具可以為企業提供將分散數據轉化為資產的機會，從而幫助提高效率、加速業務流程并創造巨大的競爭優勢。

我們不知道哪些 AI 工具和服務將占上風，或者哪些特定的工具最適合你的業務。然而有一點是明確的：這項技術將改變你的行業，明天的領先企業將是那些今天讓數據適合 AI 并開始構建用于AI工具和服務的數據管道的企業。