关于人工智能，我最常被问到的一个问题是，为什么对人工智能来说，上市速度似乎比其他变革性技术重要得多，答案有细微差别也就不足为奇了。

当涉及到人工智能，特别是生成式人工智能时，执行速度是极其重要的。随着英伟达(Nvidia)和OpenAI的成功，你已经可以看到，这场竞赛的赌注涉及数十亿美元(如果不是数万亿美元的话)，而且先发优势已经很明显。

从表面上看，人工智能被如此快速采用的一个主要原因是，与智能手机相比，它的准入门槛较低。对于大多数生成式AI应用程序，不涉及硬件，这减少了大量的执行时间。而且由于大部分人工智能都是开源的，这些基础基本上对每个人都是开放的。

细微差别在于“如何”和执行速度背后的策略。组织正在实现什么，为什么要实现特定的应用程序，以及重要的是，数据的质量和应用程序本身的安全性都是决定先行者是在快速启动后退回到包中还是实际上保持可持续优势的因素。

从本质上讲，这意味着IT部门必须与业务决策者携手合作，确保将人工智能快速集成到其组织当前的技术堆栈中……但不能以牺牲数据质量为代价。

如果没有合适的基础设施和资源，特别是在数据方面，企业就会面临重大人工智能投资以失败告终的风险。任何成功的人工智能实施策略的基石都取决于你的组织收集、存储、清理和处理这些人工智能算法所需数据的能力。

与基于预定义规则的传统软件不同，人工智能模型在现实世界的数据上茁壮成长。数据越多，这些人工智能工具就越会学习、适应，并最终提高其准确性和有效性。你越早执行AI，你就越有时间让算法收集和分析大量数据。

数据策略

考虑到有效的人工智能实施需要大量的数据，投资于先进的数据收集系统从各种来源收集信息是至关重要的——从客户互动和交易历史到运营流程，这取决于你更广泛的战略和需求。

但同样重要的是存储基础设施：基于云的解决方案通常是首选，因为它们具有可扩展性和灵活性，可以有效地存储和管理大型数据集。一旦收集到数据，就必须对其进行有效的整合和管理。数据集成工具和平台可以聚合来自不同来源的数据，使其干净、准确，并为分析做好准备。粒度数据管理实践，如定期数据审计和验证流程，对于维护数据质量也是必不可少的。

为了让人工智能系统学习和适应，数据必须在各部门之间自由流动。这需要文化上的转变，以加强协作和整合数据管理系统，促进无缝数据共享。否则，你将面临数据孤岛(组织内孤立的数据口袋)将阻碍有效的AI实现的风险。

另一个企业文化转变可能需要聘请首席数据官(CDO)，负责管理和监督数据战略，并确保数据实践与业务目标保持一致。CDO还将执行数据治理政策，并推动以数据驱动决策为重点的组织文化。

以思维的速度采用

现在我们已经奠定了数据基础，让我们来看看技术采用的五个部分——创新者、早期采用者、早期多数、后期多数和落后者——它们阐明了人工智能实施时速度的重要性。

创新者：创新者是开拓者，是最早采用新技术的个人或公司，愿意冒险进入未知领域。在人工智能领域，创新者一旦出现新的人工智能模型和工具，就会接受它们，快速试验和迭代。他们的风险承受能力和财政资源使他们能够承受失败。但当他们成功时，他们为整个行业设定了步伐。

作为先行者，创新者可以获得可观的市场份额，并将自己定位为领导者。他们愿意尝试未经证实的技术，这让他们有了早期的洞察力，并有能力在发令枪打响之前完善自己的人工智能策略。最近的一项研究发现，85%的首席信息官已经在检查他们现有的基础设施，以确保它能够承受未来几年来自云和人工智能应用程序的需求，随着越来越多的公司转向“A- first战略”，这些努力将产生红利。

为了加快人工智能的应用，创新者也在依赖顾问。例如，IBM已经赢得了超过10亿美元的人工智能相关咨询承诺，而埃森哲在2023财年获得了超过3亿美元的人工智能相关销售额。这是一个巨大的数字，并且强调了开拓者们迅速进入这个新领域的承诺。

• 早期采用者：早期采用者紧跟创新者，由于其强大的意见领导文化，他们也可以发挥关键作用——他们是其网络中的潮流引领者，并为其他人设定效仿的基准。随着人工智能的普及，早期采用者将利用人工智能优化流程，个性化客户体验，并从数据中获得有价值的见解。可以把它们看作是大胆的创新者和更谨慎的大多数人之间的桥梁，重点关注成功实施人工智能的实际好处。
• 早期的大多数：早期的大多数人在创新者和早期采用者之后采用技术，采用更实用的方法来巩固已被证明的好处和清晰的用例。这群人将等待早期的人工智能问题得到解决，并有时间研究成功的案例。然而，当他们采用人工智能时，竞争格局很可能已经发生了变化。当然，他们从早期采用者的经验中受益，但他们较慢的步伐意味着他们经常追赶，错过了先发优势，并且由于更稳固的行业参与者和既定的定价模式，他们可能被迫在应用程序上投入更多资金。
• 后期多数：这让我们想到了持怀疑态度的、厌恶风险的后期多数采用者，他们等到新技术被广泛接受和建立后才采用它。后期多数成员需要能够在提交之前指出已证实的ROI。随着人工智能变得更加一体化，后期的大多数人将对变化做出反应，而不是推动变化。这也意味着人工智能实施的成本更高，收益更低，而市场领导者已经获得了最显著的收益。
• 落后者：排在后面的是落后者——拒绝改变，固守传统，最后一个采用新技术。当他们开始采用人工智能时——通常是出于必要——他们面临着严重的竞争劣势：他们的流程和战略已经过时，其特点是在一个早已向前发展的市场中保持相关性。与创新者和早期采用者不同，他们对传统方法的坚持使他们在效率和进步方面失去了优势。

关于负责任发展的说明

虽然我相信采用人工智能的速度对成功至关重要，但快速实施不应以牺牲彻底的测试为代价。

不仅有道德方面的考虑——以医疗保健为例，结构不当的人工智能功能导致的数据泄露可能是灾难性的，甚至是非法的——而且在没有充分测试的情况下仓促部署可能导致有缺陷的系统，这不仅可能无法提供预期的好处，还可能带来新的风险和挑战。

当人工智能系统经过深思熟虑和合乎道德的实施时，它们可以带来实质性的好处，例如提高效率、更好的决策和增强用户体验，同时培养用户和利益相关者之间的信任，这对于人工智能技术的长期成功和接受至关重要。

毫无疑问：在人工智能技术及其用例仍在以惊人的速度发展之际，专注于人工智能采用速度的大胆领导者必然会取得更大的初步进展，并从更多的经验教训中获益。

虽然终点线可能还在你前面很远的地方，但保持一个引领潮流的速度会让你做好准备，扫清路上的任何障碍。

结论

在你规划自己的人工智能之旅时，以下是一些关键要点:

落地速度对于人工智能的开发至关重要，因为它具有先发优势，而且与其他技术相比，进入门槛更低。例如，生成式人工智能不需要硬件，而且利用了开源基础。

人工智能的成功实施取决于数据质量和策略。大型、干净的数据集对于训练人工智能模型和提高其准确性至关重要。企业需要投资于数据收集、存储(通常基于云计算)和管理系统，以确保数据质量和跨部门的可访问性。

不同的采用者类别存在着不同的风险承受能力和采用率。创新者是第一批快速尝试的人，而早期的大多数人则等待被证明的好处和解决的问题。“后期多数”和“落后者”更倾向于规避风险，更晚采用新技术，因此可能会错失先发优势。

速度不应该损害负责任的开发。虽然快速实施很重要，但彻底的测试和道德考虑也至关重要。由于匆忙部署而导致的系统缺陷可能导致更糟糕的结果，并侵蚀对人工智能的信任。

作者：Art Zeile