AI-FOMO-影子-AI-和其他商业问题

AI FOMO、影子 AI 和其他商业问题

原文：towardsdatascience.com/ai-fomo-shadow-ai-and-other-business-problems/

本月我遇到了一些关于 AI 行业发展的一些有趣新闻。感觉这个领域放缓确实已经在地平线上，如果还没有开始的话。（我不是经济学家，所以不会说泡沫，但外界有很多意见。）上个月 GPT-5 发布了，显然让所有人都失望了，甚至OpenAI 的高管们也是如此。Meta 突然转变方向，正在重组其整个 AI 部门，停止所有招聘，在显然投入了无限资金用于招聘和吸引人才之后。微软似乎在放缓对 AI 硬件的投资（付费墙）。

当然，这并不是说任何主要玩家都会停止在 AI 上的投资。这项技术并没有展现出令人瞩目的成果，也没有接近任何类似于 AGI（通用人工智能）的东西，许多分析师和作家（包括我）包括我预测它不会出现，但企业和个人之间仍然存在一定程度的利用，因此还有一些动力继续推进。

5%的成功率

在这个背景下，我本周非常关注地阅读了麻省理工学院关于商业 AI 的新报告。我推荐给任何寻找关于 AI 采用情况实际信息的人，无论是普通员工还是高管层。报告有一些引人注目的结论，包括一个断言，只有 5%的商业 AI 项目产生了有意义的价值，我确实相信这一点。（此外，AI 实际上并没有在大多数行业中取代人们的工作，在几个行业中 AI 的影响也并不大。）似乎很多企业都跳进了采用 AI 的浪潮中，但没有为它应该做什么以及如何帮助实现他们的目标制定战略计划。

实际上，我确实看到很多这种情况——高管们与他们的组织日常工作的距离很大，被 AI 的 FOMO（恐惧错过）所困扰，决定 AI 必须成为他们业务的一部分，但没有退后一步考虑这如何与现有的业务和已经进行的工作相匹配。

螺丝刀还是魔杖？

定期阅读的读者会知道，我并不是在争论 AI 在它能发挥作用时不能或不应被使用，当然不是！我在自己的组织中每天都会构建基于 AI 的商业问题的解决方案。然而，我坚信 AI 是一个工具，而不是魔法。它为我们提供了完成人类工人无法完成的任务的方法，并可以加快我们本应手动完成的任务的速度。它可以使信息更清晰，并帮助我们更好地理解冗长的文档和文本。

然而，它本身并不能保证商业成功。为了成为那 5%而不是 95%的一部分，任何 AI 的应用都需要建立在战略思考和规划的基础上，最重要的是对 AI 能够做什么以及不能做什么有清晰的预期。小项目可以改善特定流程，从而获得巨大的回报，而不必押注于大规模的变革或“革命化”业务，尽管这些项目可能没有炒作那样光鲜或引人注目。麻省理工学院的报告讨论了大量的项目最初作为试点或实验开始，但实际上并没有在生产中实现，我认为这其中的很多原因是因为缺乏规划或清晰的预期。

作者花了很多时间指出，许多 AI 工具被认为是不灵活的，或者与现有流程不兼容，导致普通员工无法采用。如果你构建或购买了一个无法与现有业务兼容的 AI 解决方案，你就是在浪费钱。要么解决方案应该考虑到你的业务，但实际上没有，这意味着战略规划失败，要么它无法以你需要的方式灵活或兼容，这意味着 AI 从一开始就不是正确的解决方案。

以灵活性换取安全性

在阅读的过程中，我对灵活性这个话题有了更多的思考。麻省理工学院的作者强调，公司提供给团队的内部工具往往“在某些方面不起作用”，但实际上，对内部 LLM 工具施加的许多刚性和限制是由于安全和风险预防。开发者并非故意构建非功能性工具，但他们有遵守的限制和要求。简而言之，这里有一个我们无法避免的权衡：当你的 LLM 非常开放且几乎没有限制时，它可能会感觉允许用户做更多，或者回答更多问题，因为它确实如此。但这样做可能会付出重大的代价，包括潜在的责任，提供错误或不适当的信息，或者更糟。

当然，普通用户在白天用个人账户在手机上打开 ChatGPT 应用时，可能并没有考虑这个角度，他们只是试图完成工作。信息安全社区对此类事情感到担忧，有些人称之为“影子 AI”而不是影子 IT。这种行为的风险可能是灾难性的——将专有公司数据随意交给 AI 解决方案，没有任何监管，更不用说输出在公司中的使用方式了。这个问题真的非常难以解决。员工教育，在组织的各个层面，是一个明显的步骤，但一定程度上的影子 AI 可能仍然会存在，而安全团队正在为此而努力。

结论

我认为这让我们处于一个有趣的时刻。我相信在 AI 竞赛中获胜的人将是那些深思熟虑、谨慎应用 AI 解决方案、不试图颠覆至今为止一直成功的成功模式，去追逐新事物的人。缓慢而稳定的方法可以帮助规避风险，包括客户对 AI 的抵制，以及其他许多风险。

在我结束之前，我想提醒大家，这些试图建造宫殿而不是足够好的公寓的尝试，有着实实在在的后果。我们知道，埃隆·马斯克通过运营非法的燃气发电机供电的数据中心，在孟菲斯郊区肆无忌惮地污染环境。在一些美国州，数据中心正在消耗所有电力中的两位数百分比。水资源正被这些为用户提供 AI 应用的数据中心耗尽或污染。让我们记住，我们做出的选择不是抽象的，在使用 AI 时要有意识地考虑为什么使用。95%的失败 AI 项目不仅仅是企业在时间和金钱上的损失——它们也让我们所有人都付出了代价。

在www.stephaniekirmer.com上阅读我的更多作品。