大規模創造生成式 AI 價值

生成式AI 呈現了一個組織難題。企業集體投資了數十億美元，讓員工能夠使用通用大型語言模型（LLM）來提升個人生產力，但在大多數情況下，卻難以開發和採用更具策略性的技術應用。除非公司能利用GenAI進行創新的流程改進，並在跨職能和業務單位中規模化，否則有意義的投資回報（更不用說競爭優勢）可能仍然難以實現。1

我們對23家大型組織中的87位從業人員進行的訪談顯示，那些透過生成式AI大規模創造價值的領導者，培養了三項關鍵做法。首先，他們將應用案例的範圍擴展到跨流程，而不是只專注於特定任務。其次，他們將每個應用案例視為持續改進中的工作。第三，他們迅速識別並放棄那些未能為組織帶來可衡量價值的應用案例。

然而，大多數傳統公司的結構並不利於將這三項做法制度化。許多公司以多部門組織的形式運作，其特點是多個利潤中心、重複的職能、有限的跨職能資訊流動，以及內部對資源的競爭。2 這種設置使得難以在跨流程和單位中規模化生成式AI應用案例。

在我們的研究中，我們發現少數克服這些挑戰的領導者，正在超越許多組織用來連接集中式AI技術專業知識與各單位的經典樞紐與輻條模式。他們正在開發一種我們稱之為 AI脊骨 的新型內部資源。它提供了一個靈活的核心結構，用於大規模實施、演進和放棄LLM應用案例，使生成式AI組合既保持專注又與時俱進。