是什么阻碍了CIO制定AI战略?其中之一就是他们自己的AI学习曲线

许多CIO会向同行学习以了解更多关于AI的知识,但只有少数人认为其他CIO比自己懂得多,这个问题也许只有自我教育才能解决。 在企业内部部署AI的压力下,大多数CIO担心自己对这项快速变化的技术缺乏必要的了解。 在Salesforce调查的CIO中,超过五分之三的人表示,他们被期望对AI的了解超出自己的实际水平,这可能导致大规模的、代价高昂的部署错误。

许多CIO会向同行学习以了解更多关于AI的知识,但只有少数人认为其他CIO比自己懂得多,这个问题也许只有自我教育才能解决。

是什么阻碍了CIO制定AI战略?其中之一就是他们自己的AI学习曲线

在企业内部部署AI的压力下,大多数CIO担心自己对这项快速变化的技术缺乏必要的了解。

在Salesforce调查的CIO中,超过五分之三的人表示,他们被期望对AI的了解超出自己的实际水平,这可能导致大规模的、代价高昂的部署错误。

虽然四分之三寻找AI专业知识的CIO会向同行寻求指导,但只有9%的人认为他们的同行比自己更了解AI。尽管如此,其他CIO仍然是获取AI相关信息的首选,其次是分析报告、IT供应商、会议和IT媒体。

Salesforce的CIO Juan Perez鼓励CIO向同行学习。

他说:“AI让CIO们面临前所未有的压力。CIO们知道AI很重要,但他们也面临着迅速提供AI解决方案的巨大压力。这种压力,以及AI的快速发展,让许多领导者都在竞相跟上步伐。”

Perez建议,虽然分享知识很重要,但CIO也应该寻求可信赖的AI合作伙伴。“找到合适的合作伙伴意味着CIO无需在内部培养这种专业知识,也不必浪费时间和资源尝试自己动手研发AI。”他补充道。

然而,Euristiq(一家数字化转型公司)首席技术官Pavlo Tkhir表示,当公司其他领导者经常将CIO和其他IT领导者视为解决AI问题的“首选人物”时,缺乏AI专业知识就会成为一个问题。

他说:“特别是高管团队,需要对AI有一定程度的了解。但重要的是要明白,AI是一个极其广泛的领域,期望非专业人士能够同时协助机器学习、计算机视觉和伦理考量,简直是荒谬的。”

Tkhir补充说,如果企业在没有必要的AI专业知识的情况下贸然前进,可能会遇到许多问题,包括代价高昂的AI错误和声誉损害。“随着员工开始怀疑上级,并对自己的角色和权威感到困惑,你可能会在团队内部面临信任问题。”他补充道。

Tkhir呼吁企业投资AI培训。CIO可以帮助确定自己和员工所需的培训,但企业应该承担培训费用,他说。在员工培训之前,公司应该在启动项目时咨询外部AI专家,他建议道。

学习曲线陡峭

InFlux Technologies(一家AI和云计算供应商)的CIO Valter Silva补充说,许多CIO和其他IT领导者将需要自行寻求培训。由于AI发展迅速,“总会有一个学习曲线。”他说。

Silva鼓励IT同行在面对上级要求AI项目取得成果的压力时,寻求微型课程和其他培训机会。“专注于能够提升业务和效率的领域,”他说,“然后像对待其他项目一样,制定你自己的个人计划。”

不过,Silva表示,随着AI与更多IT系统的集成,对CIO的教育至关重要。

他说:“确定集成和提升技能要求确实需要规划。我相信,如果你不用它来增强每个业务流程,你就会被甩在后面。”

Valimail(一家电子邮件认证提供商)的首席技术官Seth Blank表示,问题的很大一部分在于GenAI太新了,几乎没有什么专业知识可言。

他说:“这项技术太新颖了,而且还在不断发展。作为技术领导者和商业界的一员,我们仍在探索AI的最佳效果,了解它在哪里能发挥最大影响,在哪里存在不足,并确定适当的治理模式与适合自主运营的领域。”

他补充说,这项技术发展迅速,意味着今天的专业知识可能明天就不适用了。“当我与同行和其他企业交流时,我发现人们都有团队在尝试AI,但没有人的经验会超过一两年。”Blank说。

尝试新事物

然而,Blank表示,缺乏深厚的专业知识不应阻止企业试验AI。他建议CIO采取战略方法,专注于可能对企业产生最大影响的AI项目。Valimail本身就启动了几个AI项目,虽然进展是渐进的,但很有前景。

他说:“重点不应该放在确定当前关于AI实施策略的共识上,而应该放在进行战略性企业投资上,以了解AI在哪里能为你的业务带来最大价值,同时保持安全、良好的规范和持续创新。”

他补充说,试验AI是有价值的,因为CIO和其他IT领导者可以通过有限数量的概念验证项目来积累专业知识。

Blank说:“我能否拿出预算的5%,将其投入到5到10个不同的项目中,涉及不同的团队,以积累一些专业知识,培养一些直觉,并了解哪些领域会奏效?你必须创新,而创新的方式并不是一开始就做得完美无缺,而是要做出有把握的尝试,并允许一些尝试失败,这样其他尝试才能成功。”

给TA打赏
共{{data.count}}人
人已打赏
理论

分布式机器学习系统:设计原理、优化策略与实践经验

2024-12-4 14:52:46

理论

被忽略的起点?Karpathy揭秘最初的注意力论文被Transformer光芒掩盖的故事

2024-12-4 15:51:00

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
今日签到
搜索