来源：ZDNET 作者： Mark Samuels

企业必须努力利用新兴技术获利。从稳固基础到长期探索，以下是克服相关障碍的方法。
生成式人工智能（gen AI）具有改变游戏规则的潜力，这成为了董事会热议的话题。然而，事实证明，将人工智能探索转化为生产级服务颇具挑战性。

德勤（Deloitte）最近的研究发现，超过三分之二的高管认为，在未来三到六个月内，他们的生成式人工智能实验中，能够完全规模化应用的不到三分之一。

该咨询公司表示，虽然企业在最初的人工智能投资中已看到 “令人鼓舞的回报”，但他们常常发现，利用生成式人工智能创造价值并大规模部署并非易事。

当 ZDNET 要求马多克・巴特斯（Madoc Batters）思考人工智能的现状以及围绕新兴技术的炒作时，他对此深有同感。巴特斯是华纳休闲酒店（Warner Leisure Hotels）的云与信息技术安全主管。

他说：“关于生成式人工智能有很多讨论，很多人说他们要将这项技术应用到业务的某些领域，但实际这么做的人并不多。”

巴特斯长期以来一直对探索人工智能和机器学习很感兴趣。他没有袖手旁观，坐等其他数字领域的领导者在人工智能方面取得进展，而是正在帮助华纳公司将新兴技术投入生产。以下是他总结的四条最佳实践经验。

打好基础：巴特斯表示，数字领域和企业的领导者常常感到有压力，要尽快利用人工智能，而这是一个错误。
他说：“很多人关注生成式人工智能，因为它就像天空中炽热的太阳。他们觉得必须在这个领域开展工作。但我认为，有时候，你需要先把其他基础要素都准备好。”
巴特斯称，包括数据、云服务和网络在内的关键基础要素，为华纳公司的人工智能转型工作提供了支持。华纳公司采用云优先战略，并使用技术专家阿尔基拉（Alkira）的网络基础设施即服务方案。
华纳公司方法的一个关键要素是 GitOps，这是一种将软件开发的最佳实践扩展到基础设施自动化的操作框架。
巴特斯表示，这些坚实的基础对于评估人工智能如何提升业务流程至关重要。
他说：“我一直秉持着我认为正确的云部署理念，那就是采用 GitOps 方法并建立好流水线的部署方式。”
“一旦做到这一点，你就可以接入生成式人工智能并进行实验了。”
在新领域进行实验：巴特斯说，对于希望将生成式人工智能服务投入生产的企业领导者来说，愿意进行测试至关重要。
他说：“你需要进行实验，确定它是否可行，并能够迅速做出调整。” 他强调了在信息技术开发中常被提及的 “快速试错” 理念的重要性。
“拥有一个能够让你实现变革的流水线是关键。然后你就可以准备好开始对生成式人工智能进行实验了。看看哪些可行，哪些不可行。如果失败了，你还可以退回来。”
虽然许多公司难以将人工智能探索转化为生产系统，但咨询公司麦肯锡（McKinsey）的研究表明，在过去六个月里，信息技术是人工智能应用增长最快的业务领域，使用人工智能的受访者比例从 27% 上升到了 36%。
华纳公司已将生成式人工智能集成到其 FinOps 流水线中。FinOps 是一门将财务管理与云操作相结合以优化支出的学科。巴特斯表示，公司的信息技术专业人员从这一开创性的集成中受益匪浅。
巴特斯说：“这就好比有一个 FinOps 专家在旁边，在他们工作时给他们提供建议。”
华纳公司与亚马逊云服务（AWS）及其基础模型密切合作。该公司还使用了 Infracost，这是一种专业解决方案，可为开源基础设施即代码工具 Terraform 提供成本估算和 FinOps 最佳实践。
他说：“每当我们将任何基础设施作为代码进行部署时，我们的生成式人工智能工具都会分析我们正在部署的内容以及与该部署相关的资源，并会提出优化这些资源的建议，以降低成本，甚至调整资源规模或进行扩展。”
让员工自主选择：将生成式人工智能部署到生产中通常涉及一种新的工作方式。那么，华纳公司的信息技术人员和业务部门专业人员对这项技术有何看法呢？
巴特斯表示，他们对此印象深刻，这得益于公司在实施过程中的谨慎态度。
他说：“我们不会强制推行任何事情。如果我们认为某些部署风险太大，我们会设置一些限制措施来阻止人们进行部署。但我们相信要给予开发人员自主选择的权利，让他们自己决定这是好是坏。”
巴特斯说，给予人们使用或不使用新兴技术的选择权是创新的重要组成部分。
他说：“这就好比对孩子说‘吃你的蔬菜’。吃不吃取决于他们。但你可以不断把蔬菜放在他们的盘子里，最终这会成为一种常态，他们会更适应这么做，而且你没有强迫他们做出选择。”
在员工选择使用生成式人工智能的情况下，结果都很有益。
巴特斯说：“我们可以看到人们提交的拉取请求，一旦他们看到返回的建议，就会按照建议进行修改。”
“我们有一些确切的数据表明，随着时间的推移，开发人员通过调整减少信息技术资源的使用，节省了成本。”
持续谨慎探索：巴特斯说，他所在的企业面临的一个挑战，而且很可能是所有企业都会遇到的挑战，就是确保数据为人工智能主导的项目做好准备。
一旦克服了这个障碍，就更容易考虑在其他应用场景中使用生成式人工智能。
他说：“这项技术成本较低，尤其是在你的云部署中使用时，而不是从外部第三方公司获取服务。”
“你必须接受生成式人工智能。如果你不使用它，你的企业可能会落后。然而，你必须负责任地使用生成式人工智能，这样才不会泄露公司的任何数据。”
巴特斯说，模型的选择至关重要。企业领导者必须确保他们了解数据的处理情况以及模型如何使用数据，包括用于训练的情况。
他还表示，提示对于成功至关重要，甚至可能比企业选择的模型更为重要。
巴特斯说：“你可能会为一个更大、更昂贵的模型付费，但输入的提示很基础。或者你可以使用一个更便宜、规模小得多的模型，但输入一个好的提示，这样你可能会从这个较小的模型中获得更好的结果。”
“成功并不完全取决于模型的大小。关键在于你的提示和工作流程有多好。你可以向模型提出一个问题，然后说‘嘿，根据你刚刚给我的输出，我要再问一个问题’。所以，在你的提示中提出多个层次的问题，并为查询建立一个工作流程。”