随着 AI 从原型设计走向全企业部署,各组织正在重新思考 AI 如何在整个业务中创造价值。关注焦点正日益从“什么是可能的”转向“什么是可重复的”。
最近,在 Abhas Ricky 被任命为首席商务官兼应用人工智能总经理后,我与他进行了一次 Cloudera 对话,这也是我们讨论的核心主题。在职责范围扩大的同时,Abhas 专注于帮助客户通过 AI 实现战略价值,并指导 Cloudera 更广泛的增长与创新战略。
这场讨论的核心是对应用型 AI 的务实看法,以及如何将 AI 投资转化为持久的业务价值。正如 Abhas 所解释的,客户对 AI 的期望正在迅速变化,这给技术提供商和企业都带来了新的要求。
当我询问 Abhas 应用型人工智能意味着什么时,他将其提炼为一个明确的目标:帮助组织以“更智能、更快速且成本更低”的方式实现业务成果。
这是一个拨开了围绕 AI 的诸多杂音的定义。尽管讨论往往聚焦于模型和新兴能力,应用型 AI 则侧重于将这些技术付诸实践,以解决具体的业务挑战并创造可衡量的价值。
对企业而言,这意味着不能只关注技术本身,而应着眼于 AI 能在哪些方面发挥最大影响。 随着各组织持续投资于 AI,将创新与业务成果相联系的能力将日益成为区分成功与失败的重要因素。
这正是应用型 AI 发挥作用的地方。
当谈到业务领导力与应用型 AI 监督职责相结合时,Abhas 强调,没有任何一家提供商能够满足所有 AI 需求,因为正如他所说:“AI 是一项团队运动。”实现有意义的成果,需要数据与专业知识构成一个生态系统,朝着共同目标协同合作。
据 Abhas 介绍,这需要在三个相互关联的层面发挥领导作用。 第一层是生产,帮助客户将人工智能从实验阶段推进到实际部署。 第二层是确保组织能够获得支持其人工智能目标所需的技术和合作伙伴关系。
第三是创造 Abhas 所说的“1+1=3”。这关乎将各种能力与创新结合起来,以创造出比任何单一要素单独发挥作用时更大的价值。理想情况下,合力产生的影响会大于各部分影响之和。
创造这些“1+1=3”的机遇,需要清晰了解新兴创新以及它们能够应对的业务挑战。将应用型 AI 与业务战略相结合,有助于建立这种联系。
当谈到 Cloudera 为何将应用型 AI 提升为专门的领导职能时,Abhas 指出了当前塑造企业 AI 应用的两大现实。 客户日益将 AI 视为在整个组织中创造价值的机遇,这推动他们比以往技术采用周期中更愿意快速行动。
与此同时,许多组织认识到,实现这些目标需要新的技能和运营模式。因此,他们正向技术提供商寻求帮助,以重新设计工作流程并培养成功应用企业级 AI 所需的能力。
这些趋势共同重塑了人们对采用 AI 的预期。人们对 AI 的兴趣依然浓厚,但期望值也同样高。领导者越来越关注概念验证之后会发生什么。
尽管 AI 试点日益普遍,许多企业仍在摸索如何在复杂环境中部署和扩展 AI。 答案的一部分在于从一次性 AI 项目转向可重复的解决方案,以便在整个组织中创造价值。
过去,数据科学家通常采用高度定制化的一对一模式,为单个用例构建解决方案。 如今,各组织正在寻求能够更广泛应用并更高效扩展的方法。
许多组织正在重新评估成功应用 AI 所需的技能、工作流程和运营模式,这催生了对可重复实施且能够大规模部署的方法的需求,而不是针对每个应用场景重新构建。
这种转变有望显著加快应用进程。 组织无需在每项举措中都从头开始,而是可以借助经过验证的框架,在整个业务范围内推广成功的方法。 这正是应用型 AI 能够发挥最大影响的地方。
除了应用型 AI 之外,Abhas 作为首席商务官的职责还涵盖企业战略与创新。尽管这些职责看似宽泛,但它们有着一个共同的目标,即洞悉市场发展走向并将这些机遇转化为客户价值。
在整个交谈过程中,Abhas 谈到了与客户需求和新兴技术趋势保持密切联系的重要性。只有当创新能够转化为客户可以使用并从中受益的成果时,创新才有意义。
这一观点并不局限于应用型 AI。这影响着 Cloudera 识别机遇并确定工作重点的方式,始终着眼于为客户创造切实价值。
将这些功能整合起来,有助于确保创新始终立足于客户需求。 这使发现机遇与交付能够解决该机遇的解决方案之间建立起更紧密的联系。
应用型 AI 正处于当今重塑企业的诸多变革的核心。各组织正面临越来越大的压力,需要将 AI 投资转化为切实的成果,这也促使其重新聚焦于执行和价值实现。
在我与 Abhas 的对话中,最令人瞩目的是对规模化的强调。讨论反复回到一个共同的主题:如何让一次奏效的成果能够反复发挥作用?
这或许最终会定义企业级 AI 的下一个篇章。
想要了解更多?收听我与 Abhas 的 Cloudera 对话,获取关于应用型 AI 和企业级 AI 未来的更多见解。
This may have been caused by one of the following: