生成式人工智能已经成为许多人工作日和组织工作流程的一部分。 麻省理工学院 SMR 专家可以帮助领导者解决有关采用 GenAI 增强型工作场所的许多基本问题。
随着生成式人工智能变得更加强大，它对组织和我们每个人都变得更具潜在价值。
尽管生成式人工智能无处不在，但它仍然很年轻。
麻省理工学院斯隆管理评论 该主题的作者（包括学者、研究人员和从业者）正在第一线报道 GenAI 的最佳问题以及如何考虑回答这些问题。
以我们的专栏作家拉玛·拉马克里什南 (Rama Ramakrishnan) 为例，他是麻省理工学院斯隆管理学院的实践教授。
Ramakrishnan 解释道：“虽然仔细的提示和 RAG（检索增强生成）等技术可以鼓励人工智能模型对一组提供的文档进行优先排序，但不能强迫标准法学硕士仅使用这些内容。”
简单的问题；
1. 法学硕士如何运作：高管层面十大问题
拉玛·拉马克里希南
“过去两年，我在麻省理工学院斯隆管理学院工作期间，向许多高管教授了大型语言模型 (LLM) 如何运作的基础知识。
“有些人认为，企业领导者既不想也不需要知道法学硕士及其支持的生成式人工智能工具如何工作，而只对 结果 这些工具可以实现。
“在本专栏中，我分享了关于我经常被问到的 10 个经常被误解的主题的问题，以及他们的答案。……
“[例如，]法学硕士什么时候决定向用户提供问题的最终答案？停止生成的决定是由法学硕士的预测和运行它的软件系统设置的规则相结合决定的。这不是法学硕士单独做出的选择。” 阅读全文 »
2. 如何在工作场所扩展 GenAI
迈克尔·韦德、康斯坦丁诺斯·特兰托普洛斯、马克·纳瓦斯和安德斯·罗马雷
“随着公司从实验转向全企业采用，许多公司面临的不是工具本身，而是将它们有意义地融入人们日常工作所需的组织转型。工具将不断发展：决定 GenAI 计划是否真正成功的是人性化的一面。
“我们研究了迄今为止最大的现实世界生成式人工智能部署之一——跨国制药公司诺和诺德。其经验表明，成功不仅取决于基础设施，还取决于人们如何思考、适应和与人工智能合作。一个重要的教训是：虽然 GenAI 的采用和更广泛的数字化转型有共同的根源，但生成式人工智能具有独特的颠覆性，以前所未有的方式重塑工作本身的性质……
“一旦开始使用该工具，每位员工平均每周节省 2.17 个小时。但意想不到的事情也发生了：这些时间并不是员工最看重的。员工对 Copilot 的满意度与感知到的工作质量改进的相关性是节省时间的三倍。员工报告说，内容总结、内容创建和构思方面的质量得到了提高。有趣的是，许多员工将节省下来的时间重新投入到人际互动、战略规划和创造性工作中。” 阅读全文 »
3. 通过“小 t”转换从 GenAI 中产生价值
梅丽莎·韦伯斯特和乔治·韦斯特曼
“企业领导者正在寻找从大型语言模型 (LLM) 中获取真正价值的方法，而无需完全替换现有业务流程。他们正在追求‘小 t’转型，即使他们为未来更大的转型奠定了基础。……
“我们的项目团队采访了 21 家大公司的各个职能部门的高级管理人员，包括人工智能、数据科学、创新、运营和销售。我们重点了解相对较早和广泛采用 GenAI 的组织正在做什么以及为什么这样做。……
“我们的研究表明，大多数公司正在采用更有针对性的方法来利用生成式人工智能进行转型。虽然 GenAI 可以提高许多任务的速度和质量，但它也带来了准确性、安全性和知识产权管理方面的各种风险。我们采访的领导者在做出决策时倾向于应用风险斜率的逻辑，将面向客户的流程比内部流程承担更高的风险。” 阅读全文 »
4. 高露洁棕榄的 GenAI 重点转向创新
托马斯·H·达文波特和兰迪·比恩
“高露洁棕榄团队使用的大型语言模型 (LLM) 已通过各种类型的检索增强生成 (RAG) 内容进行了增强——公司进行的专有研究、谷歌搜索趋势、联合数据源等等。基于 RAG 的系统更多地利用公司特定的内容，而不是公共互联网材料，因此产生幻觉的可能性较低。
“生成式人工智能可以快速浏览这些材料并描述市场趋势和未满足的消费者需求。这意味着，当员工需要消费者洞察时，无需下载、阅读和注释大量的市场研究报告，而是可以在提示中写下他们想要回答的问题并立即得到答复。……
“高露洁棕榄的团队发现，他们可以将一个能够显示未满足的消费者需求的人工智能系统与另一个专有的人工智能系统相结合，该系统可以开发新产品概念来满足这些需求。在人工指导下，它可以在几分钟内为新概念生成副本和图像，例如牙膏的新口味。虽然总是有人在循环中指导工作流程，但使用 GenAI 增强系统比让人翻阅市场研究材料要高效得多。所产生的想法的广度还创造了更广泛的产品 阅读全文 »
5. 自带人工智能：如何平衡风险和创新
尼克·范德莫伦和芭芭拉·H·威克瑟姆
“随着 GenAI 的兴起，组织领导者面临着新的挑战：自带 AI (BYOAI) 现象，当员工使用未经审查的公开 GenAI 工具进行工作时就会出现这种现象。
“虽然这些工具有望提高生产力和创造潜力，但它们也带来了组织安全和治理风险，包括数据丢失、知识产权泄露、版权侵犯和安全漏洞。......
“考虑到与 BYOAI 相关的风险，领导者考虑彻底禁止未经审查的 GenAI 工具似乎是合乎逻辑的。不受控制的 GenAI 使用前景，加上法律和监管风险的不确定性，可以理解地让领导者变得谨慎。然而，我们采访的高管表示，禁止 BYOAI 既不实际也不有效。员工——尤其是那些已经感到捉襟见肘的员工——经常转向 GenAI 工具来提高个人生产力。限制访问只会迫使他们寻找非官方的解决方法， 阅读全文 »
6.停止部署人工智能。
迈克尔·施拉格和大卫·基隆
“作为我们正在进行的‘哲学吞噬人工智能’探索的一部分——基本哲学的清晰度对于智能系统的未来价值至关重要——我们发现，[物理学家出身的企业家斯蒂芬]沃尔夫勒姆关于计算的基本见解对于那些被人工智能能力压倒但对人工智能回报却不知所措的领导者来说，具有明显的可操作性，尽管没有得到充分重视。……
“他一生的工作现在为在现实世界中理解和应用人工智能提供了重要的框架。他的见解并不是聪明的学术繁荣；它们是构建大规模有效运作的智能环境的必要条件……
“通过 Wolfram，我们探索了人工智能领导力必须从 更好地采用和集成人工智能工具 至 设计智能环境，组织架构中人类和人工智能代理主动交互以创造战略价值。 阅读全文 »
7. 使用生成式人工智能编码的隐性成本
爱德华·安德森、杰弗里·帕克和布尔库·坦
“采用这些工具的组织预计将获得重大收益。早期研究支持了他们的乐观态度：GitHub 报告称，使用 Copilot 的程序员的工作效率提高了 55%，麦肯锡发现，在生成式 AI 辅助下，开发人员完成任务的速度提高了一倍。
“但这些积极指标也伴随着一个重大警告。这些研究是在受控环境中进行的，程序员在其中完成孤立的任务，而不是在现实环境中进行，在现实环境中，软件必须构建在复杂的现有系统之上。当人工智能生成的代码的使用迅速扩展或应用于棕地（遗留）环境时，风险会更大，也更难以管理。......
“当一个组织快速将新软件引入现有系统时，它可能会无意中产生一团依赖关系，从而使其变得更加复杂。 技术债务 ——也就是说，未来为了解决开发过程中采取的捷径和快速修复而需要的额外技术工作的成本。
“组织必须将人工智能工具增加技术债务的趋势视为战略风险，而不仅仅是运营麻烦。” 阅读全文 »
8. 何时使用 GenAI 与预测人工智能
拉玛·拉马克里希南
“虽然生成式人工智能有望彻底改变从客户服务到产品开发的一切，但它与预测性人工智能工具（即机器学习和深度学习工具）一起发挥的最佳作用仍然是一项正在进行的工作。这常常让领导者询问解决特定问题的正确方法是什么。......
“为了有效地将传统机器学习与非结构化数据结合使用，数据必须是 手动 结构化——这是一项昂贵的任务，使得机器学习对于输入数据不是表格的业务用例没有吸引力。
“像法学硕士这样的生成式人工智能系统的输入和输出通常是非结构化的。最常见的是，它们包含文本和/或图像数据，最近还包括视频。请注意，生成式人工智能工具分析和创建的文本涵盖了惊人的类型范围，例如软件代码、蛋白质序列、音乐符号、数学表达式和化学公式。......
“让我们从简单的例子开始。如果你要解决生成问题，那么只有一种游戏：生成式 AI。根据你想要生成的输出类型，你可能需要使用多模式 LLM，如 OpenAI 的 GPT-4、Anthropic 的 Claude 3.7 Sonnet 或 Google 的 Gemini 1.5；文本到图像模型，如 Dall-E；或为音频和图像构建的专用模型。
“然而，如果你有预测问题，事情就会变得更加复杂。” 阅读全文 »
其他资源：与您的团队一起应用人工智能课程
GenAI：战略+治理工具包
麻省理工学院斯隆管理评论 与全球五位最顶尖的生成式人工智能领导力专家一起开发了生成式人工智能策略+治理工具包：Ethan Mollick（宾夕法尼亚大学沃顿商学院）、John Sviokla（哈佛商学院和 GAI Insights）、John K. Thompson（Hackett Group 和密歇根大学）、George Westerman（麻省理工斯隆管理学院）和 David A. Wood（杨百翰大学万豪商学院）。
该套件包括 Westerman 的视频课程、GenAI 战略规划者、GenAI 战略清单、GenAI 治理规划者、文章等。
#Cut #GenAI #Confusion #Definitive #Reads
English 
简体中文 
繁體中文 
Français 
Español 
Deutsch 
Русский 
日本語 
한국어 
العربية