企业现在意识到，摆在他们面前的工作是让他们的数据、人员和流程做好准备，以充分利用生成式AI的潜力。事实上，埃森哲最近的一项调查发现，几乎所有（99%）的高管都表示，他们计划加大对这项技术的投资。因此，领导者们需要从根本上重新思考如何完成工作。CIO们对业务流程具有跨职能的视角，再加上对如何利用技术重塑运营和交付价值的深入了解，因此他们特别具有能够帮助组织为生成式AI做好准备的能力。

然而，领导者们却在努力采取必要的后续措施来推动这项技术落地。例如，埃森哲最近的一份报告发现，有67%的高级技术领导者认为，同级高管缺乏技术敏锐度是把技术融入战略制定的主要障碍，克服这个障碍的关键是要理解生成式AI和创新，并将其与企业的成功联系起来。

将AI有效地集成到业务中，首先是要设定明确的目标来定义业务价值，并使AI战略与这些总体业务目标保持一致。很多正在负责推动企业数字化议程的CIO们已经开始把AI作为核心，利用AI解决方案来实现战略中最关键的要素。他们认识到，构建强大的基础设施是他们组织迈向企业就绪之旅重要的第一步，这将使企业能够以最大的效率和效果扩展生成式AI，并促进整个企业对这项技术的成功采用。事实上，有98%的全球高管认为，未来三到五年内AI基础模型将在其组织战略中发挥重要的作用。

那么，CIO现在可以做什么？在设计新的AI Navigator for Enterprise（一种帮助指导客户踏上AI之旅的工具）的过程中，我们明确了CIO应该问自己的这八个问题，对他们企业是否已经准备好迎接生成式AI进行压力测试：

• 我们应该使用哪种基础模型？换句话说，哪种架构最能确保模型的输出是相关的、可靠的且可用的。生成式AI的模型和厂商数量不断增加，你需要仔细考虑进行选择，以确保它是符合你组织需求和要求的。
• 我如何让这些模型可以为我们所用？企业可以采用两种主要方法来部署模型，每种方法都有自己的优点。你是否需要一个“完全控制的”选项来访问你自己公有云上的 模型，还是计划把生成式AI作为来自外部供应商的托管云服务以实现速度和简单性？
• 我们如何让模型适应我们自己的数据以供使用？AI和数据已经成为强大数字核心的一个关键组成部分，这也是当今企业竞争优势的主要来源。要从生成式AI中获得最大的价值，就需要利用你的专有数据来提高企业内的准确性、性能和实用性。你可以考虑使用各种方法来调整预训练模型，以打造与你组织和人员相关的定制工具。
• 企业整体的准备情况如何？首先要考虑你的集成和互操作性框架。你的基础模型是安全且可以安全使用的吗？采用生成式AI，让每家企业都迫切地需要制定强大且负责任的AI合规计划。遵守法律、法规和道德标准，这对于建立健全的AI基础是至关重要的，在设计阶段管理控制措施以评估生成式AI用例的潜在风险也是如此。
• 那我们的碳足迹呢？基础模型虽然经过预先训练，但在适应和微调的过程中，仍然可以要耗费大量能量。消耗多少以及带来怎样的影响，这要取决于购买、增强或构建基础模型所采取的方法。如果不加以控制，这有可能对环境造成严重的影响，因此提前权衡可持续性这个因素以便为企业和环境做出正确的选择，就变得越来越重要。
• 如何实现生成式AI智能应用开发的产业化？选择和部署基础模型后的下一步，是要考虑工业化和加速应用开发可能需要哪些新的框架。快速工程技术正在迅速成为一种差异化的能力。通过工业化流程，你可以建立一个与特定业务功能或者领域相符合的高效的、精心设计的提示和模板语料库。
• 我们需要什么来大规模运营生成式AI？颠覆现有流程和重新发明新技术的工作方式所带来的复杂性本身，就是一大挑战。但寻找大规模AI变现的方法，应该是每个CIO都关心的问题。AI成为了培育创新的沃土，CIO们应该在整个企业结构中建立良好的联系。寻找跨职能协作的机会，将带来新的洞察和明智的决策，从而促进组织内部和整个行业的开放式创新，同时释放新的增长机会。
• 我应该从哪里开始着手，以及我们如何继续指导未来发展方向？AI驱动的生产力是下一个重要的里程碑。软件开发是CIO发挥影响力的一个成熟领域，你应该深入研究并分享你的用例，通过试点项目的实际成果来展示团队的实际经验。例如，埃森哲去年研究了生成式AI是如何帮助软件开发团队更快地推出产品。埃森哲使用了Amazon CodeWhisperer等新一代AI工具，发现开发人员的工作效率和代码质量有了显着提高，整体发布周期更快了，帮助在创纪录的时间内交付了新的AWS Velocity平台。通过成为你自己的案例研究，你可以展示如何将其变为现实，并指导组织内其他部门进行实验和测试、快速行动并快速扩展使用。你将更有能力指导你的利益相关者，了解技术的发展方向、发展的速度、以及组织可以期望获得的结果。

新的拐点

技术对于每个行业来说，是实现更强劲增长、更高敏捷性和更强弹性的关键，而生成式AI是其中一个重要的差异化因素，这项技术将从根本上改变我们的工作和生活。埃森哲的研究发现，40%的工作时间会受到大型语言模型的影响。仔细观察就会发现，特别是在IT和技术角色中，总工作时间的73%是可以通过生成式AI带来改变的，这凸显了为安全地、负责任地、经济高效地、且具有商业价值的方式扩展生成式AI奠定适当基础的重要性。

CIO有一个重要的机会可以帮助他们的企业应对当今快速变化的数字环境所带来的复杂性。利用AI的突破性进步和面向整个企业的绩效方法，他们可以找到方法让技术为他们自己服务，从而重新定义自己及其所在的行业。