14-66 剑和诗人40 - 生成式AI的 5 个残酷事实

​​​​​

GenAI 无处不在，各行各业的组织都在向他们的团队施加压力，要求他们加入竞争——77 % 的企业领导者担心他们已经错过了 GenAI 带来的好处。

数据团队正在努力响应号召。但构建一个真正能推动商业价值的生成式人工智能模型却很难。

从长远来看，与 OpenAI API 的快速集成并不能解决问题。这是 GenAI，但护城河在哪里？用户为什么要选择你而不是 ChatGPT？

快速勾选这个框感觉像是向前迈了一步，但如果您还没有考虑如何将 LLM 与您的专有数据和业务环境相连接以真正推动差异化价值，那么您就落后了。

这不是夸张。仅本周我就与六位数据领导者就这个话题进行了交谈。他们中没有人忘记这是一场竞赛。终点线将有赢家和输家。Blockbusters 和 Netflixes。

如果你觉得发令枪已经响了，但你的团队仍然在起跑线上拉筋并谈论“泡沫”和“炒作”，我总结了 5 个残酷的事实来帮助你摆脱自满情绪。

残酷事实#1：你的生成式人工智能功能尚未得到广泛采用，因此你的盈利速度很慢。

“巴尔，如果 GenAI 如此重要，为什么我们目前实现的功能却被如此不广泛采用呢？”

嗯，有几个原因。首先，你的 AI 计划不是为应对大量明确定义的用户问题而制定的。对于大多数数据团队来说，这是因为你正在竞争，而且还处于早期阶段，你想要积累一些经验。

然而，不久之后，您的用户就会遇到最适合通过 GenAI 解决的问题，当这种情况发生时 — — 与老虎团队集思广益将 GenAI 与用例联系起来的方法相比，您将获得更好的采用。

而且由于还处于早期阶段，已经集成的生成式 AI 功能仅仅是“ChatGPT，但在这里”。

举个例子。想想你每天可能用来分享组织知识的生产力应用程序。这样的应用程序可能会提供一项功能，用于对非结构化文本块执行“总结”、“延长”或“更改语气”等命令。一个