CEO生成式AI行动指南：平台、数据和治理（附下载）
今天分享的是AI系列深度研究报告：《CEO生成式AI行动指南：平台、数据和治理》。
（报告出品方：IBM 商业价值研究院）
海量/完整电子版/报告下载方式：公众号《人工智能学派》
生成式 AI 正在颠覆“颠覆者”，而基于平台的企业具有优势
从 Netflix 到 Nvidia，当今市场表现最好的企业都是基于平台的。这些企业的商业模式建立在数字平台之上，通过连接用户和各方参与者来创造更大的价值。平台型企业不仅销售产品，更是市场的中介或载体。
第一批平台型企业通过比以往更快、更有效地为客户提供服务，已经占领了整个市场。而许多传统企业尚未赶上这个浪潮。事实上，只需搜索一下股价就会发现，平台原生企业与传统企业之间的差距正在不断扩大。
而生成式 AI 提供了弥合这一差距的机会 一它创造了公平的竞争环境，让企业在各个方面都能“事半功倍”。但生产力提升只是开始，真正的回报将来自商业模式创新。
为了在新的市场格局中取得成功，企业必须成为业务和技术平台的创造者，而不仅仅是消费者。
业务平台侧重于促进生态系统内的互动，而技术平台则提供用于开发和管理企业所使用应用的框架。而且，在未来的商业模式中，这些平台是密不可分的。例如，生成式 AI平台可为基于平台的业务运营提供所需的技术支持。
此类商业模式创新依赖于现代IT 架构以及可信 AI 原则。生成式AI和业务平台都需要访问超越传统边界的海量数据。在平台经济中，开放的生态系统不再是一个“可选项”而是“必选项”。
这使得 AI和数据治理 (通常是IT问题)在企业高级管理层的讨论中越发重要。为了建立竞争优势，企业需要摒弃繁文缛节。与此同时，企业还必须采取战略性的AI 伦理方略，确保平台的透明性、可信性和公平性。
生成式 AI 再次提供了建立平台业务模式的机会
全球最具价值的企业都以平台为核心。这些企业的成功很难复制，但生成式 AI使新一轮商业模式创新成为可能。事实上，受访高管预计，2023 年的平台投资回报率将比 2020年高出57%。更能说明问题的是，94% 的受访高管表示计划在 2022 年参与平台商业模式，而2018 年这一比例仅为 46%。
成功的平台将适当的数据、模型架构、治理和计算基础设施结合在一起，确保在整个生态系统中创造可靠的价值，覆盖“任何人、任何位置”。然而，《哈佛商业评论》发现，在过去 20 年中，只有 17% 的平台取得了成功。
生成式 AI或许就是一项缺失的要素。生成式 AI 可以转变组织内部的各个职能，从而为平台赋予超能力。受访高管预计，生成式 AI将对销售(57%)、研究和创新(55%)、产品开发(55%) 和客户服务(37%) 产生最大的影响。
抓住颠覆性重塑的机遇
收集您在上次考虑成为平台企业时无法获得的所有平台拼图。
像初创公司一样行动。避免仅关注小幅增长的渐进主义。设计一个生成式 AI 平台业务，使其在未来三年内成为您最大、增长最快、利润最高的业务部门。
采用以结果为导向的设计，适应变化。在构建平台时，以在每个接触点为平台参与者带来真正增值为核心。建立一种机制，根据不断增长的数据量持续评估和迭代模型。
在投资之前进行测试。在做出重大投资决策之前，测试您的平台所依赖的新生成式AI功能。从面向客户的AI计划的进展中吸取经验教训。
数据依赖既是一项挑战，也是一项优势
数据是一种新型石油，数量庞大、成本高昂且难以提取。如果数据质量差，则会污染整个生态系统。但如果负责任地加以利用，数据可能是一座金矿。
随着企业纷纷竞相加速挖掘数据潜力，生成式 AI 使数据变得更有价值。拥有巨量“数据财富”的企业正在形成领先优势。那些拥有海量高质量数据，能够有效用数据变现，并表示其数据得到了内部和外部利益相关者的信任的企业，其AI功能的投资回报率几乎是其他企业的两倍 (分别为9%和4.8%)。
但对于试图单打独斗的企业来说，数据财富往往是遥不可及的。事实上，53%的 CEO 表示，缺乏专有数据将成为生成式 AI计划成功的障碍。平台商业模式可以从所有生态系统参与者以及客户那里获取专有数据，从而帮助企业克服这一障碍。
反过来，生成式 AI 平台可以整合数据准备、模型训练和调优以及应用开发和部署的完整周期，从而推动业务模式创新。这种方法可产生飞轮效应: 平台上的数据越多，对客户的价值就越大;客户越多，数据就越多，就能更好地训练生成式AI 模型。这也将增加合作伙伴关系的整体价值。受访高管认为，采用生成式AI 开展创新的最大预期好处是加强生态系统协作。
然而，为了使价值在整个生态系统中流动，就必须建立基本的基础架构。由于开放平台需要互操作性，因此整合数据存储、数字产品和自动化工作流程至关重要。IBM 商业价值研究院发布的“2023 年首席数据官研究”表明，绩效最高、最具互操作性的数据运营采用了消除孤岛的实践和技术，例如采用混合云(78%)、实施流程和任务挖掘(70%)以及使用 Data Fabric 架构(68%)。
开展生成式 AI 数据探索
在数据湖、数据挖掘、数据仓库、内容管理系统甚至笔记本电脑硬盘中查找您的平台所需的数据。
定义所需的数据集。从客户体验出发，逆向思考:生成式 AI 平台需要提供什么来吸引客户和生态系统参与者? 这些生成式 AI价值主张将依赖于哪些数据?
探索所有数据源。全力挖掘您需要的非结构化数据。将这种数据控掘能力打造为能够让您的平台价值主张从竞争中脱颖而出的利器。
向生态系统寻求帮助。扩大数据探索范围，在其中纳入您的客户、潜在生态系统参与者及其客户。利用他们的数据流来放大平台的网络效应。
AI 和数据治理已成为企业董事会关注的重点问题
生成式 AI 值得信任吗? 当探讨企业应采取何种方式以及在哪些场景中利用这项前沿创新时，最重要的就是解决信任的问题。如今，来自多个源头的海量数据 (差不多 1020字节) 被用来训练生成式 AI 模型，因此理解数据及其治理比以往任何时候都更加重要。
CEO 们深知这一点。大多数受访 CEO 表示，数据沿袭和来源(61%) 以及数据安全(57%)方面的问题将成为采用生成式AI的主要障碍。45% 的受访 CEO 表示数据隐私是一项障碍。
领先企业 (平均 AI 投资回报率是其他组织的两倍，13%对 5.9%) 会评估基础架构和流程，以平衡 AI 实验与产业级规模化。数据团队审查治理、管理、伦理、素养和其他框架，以确保人们能够访问、理解和信任企业及生态系统数据。
将 AI和数据治理对话提升至最高管理层级别的企业有潜力克服平台愿景面临的阻碍，并赢得员工、生态系统合作伙伴和客户的信任。
在这种环境下，AI 和数据治理并不仅仅是一个 IT 问题，更是一种价值创造策略。企业可以利用 AI 实现什么样的目标，在很大程度上取决于在整个企业中选择、管理、分析和应用数据的方式。要建立信任，就必须围绕此过程进行透明的沟通。
将治理置于生成式 AI 生命周期的核心
使治理成为高级领导层团队议程的一部分。平衡生成式 AI的强大功能与可信执行所需的指导准则。
组建一支精通治理的执行团队。针对团队和董事会开展培训和教育。然后，让 AI 和数据治理成为董事会会议上的常规议程，确保其得到应有的关注。积极开展领导工作至关重要，而不是委派任务后就万事大吉了。
治理整个系统，避免一叶障目。将治理融入 AI 生命周期的每一个阶段。消除组织孤岛，促进 AI 和数据治理的设计与执行。您需要一个端到端的系统。
安排专人负责。任命并授权一位高级管理人员来领导整个企业的 AI和数据治理。积极化解因所有权和责任分散而导致失败的风险。
海量/完整电子版/报告下载方式：公众号《人工智能学派》