生成式人工智能的力量是不可否认的，然而许多组织仍对完全接受这项技术持谨慎态度。尽管存在着有关风险的合理担忧，如泄露知识产权或个人数据，但麻省理工学院斯隆管理学院的首席研究科学家安德鲁·麦克菲（Andrew McAfee）认为这些风险是可以管理的。事实上，麦克菲认为不参与人工智能竞赛是一个巨大的错误，因为生成式人工智能的益处是显著的，而成功带来的回报是值得追求的。
为了确定生成式人工智能应用的机遇和潜在投资回报，麦克菲建议业务领导者考虑以下四个基本步骤。
首先，列出现有的知识工作岗位，并确定可以通过生成式人工智能改进的任务。例如，如果你正在基于一份成熟的模板创建某物，那么让人工智能先试试，然后让人工工作者进行审核和编辑。
其次，考虑现成的人工智能解决方案。麦克菲建议利用一个能力过人但天真无知的生成式人工智能助手来担任某些角色。这种助手可以通过预先构建的人工智能解决方案提供，并且能够通过处理诸如测试软件或调试错误等任务，帮助新员工快速提高工作效率。
第三，对于需要更多专业知识的知识工作岗位，考虑将现成的生成式人工智能系统与另一个基于内部数据训练的系统相结合。这将使组织能够通过利用机构知识、顾客信息、情感分析和行业专业知识，实现一位经验丰富的助手的输出。
最后，通过确定适合天真无知或经验丰富的数字助手的角色，重点关注最有前景的生成式人工智能应用案例，确立潜在项目的优先级。根据麦肯锡的研究，如客户运营、市场营销、销售、工程和研发等领域具有最大的生成式人工智能应用潜力。
总之，虽然生成式人工智能存在风险，但组织克服这些挑战并参与人工智能竞赛是至关重要的。通过遵循麦克菲的步骤，企业可以发掘机遇，减轻风险，并利用生成式人工智能的潜力推动生产力和成功。
常见问题：企业中的生成式人工智能
问：企业中使用生成式人工智能存在哪些风险？
答：泄露知识产权或个人数据是使用生成式人工智能的关注点之一。
问：组织 embracing 生成式人工智能为什么很重要？
答：生成式人工智能的益处是显著的，能够带来成功的回报。
问：安德鲁·麦克菲建议确定生成式人工智能应用的潜在投资回报的四个步骤是什么？
答：1.列出现有的知识工作岗位，并确定可以通过生成式人工智能改进的任务。
2.考虑现成的人工智能解决方案，适用于某些角色。
3.将现成的生成式人工智能系统与另一个基于内部数据训练的系统相结合，以适应需要专业知识的知识工作岗位。
4.根据适合天真无知或经验丰富的数字助手的角色，确定潜在项目的优先级。
问：根据麦肯锡的研究，哪些领域具有最大的生成式人工智能应用潜力？
答：根据麦肯锡的研究，如客户运营、市场营销、销售、工程和研发等领域具有最大的生成式人工智能应用潜力。
定义：
– 生成式人工智能：一种能够根据大量数据生成内容或进行预测的技术。
– 知识产权：无形资产，如发明或创作作品，受版权、专利或商标法保护。
– 个人数据：能够识别个人身份的信息，如姓名、地址或社会安全号码。
建议的相关链接：
– 麻省理工学院斯隆管理学院
– 麦肯锡公司
The source of the article is from the blog tvbzorg.com