以初学者心态应对生成式AI
内容提要
Salesforce AI首席执行官Clara Shih在At the Edge播客中强调了应用增长思维对企业应对生成AI带来的快速变化的重要性。她讨论了gen AI加速工作流程转变、变革管理的重要性以及企业领导者对AI采用的主要问题。她还强调了大型语言模型解锁新可能性的重要性，以及生成AI在节省时间和消化大量信息方面的应用。
延伸解读
从非结构化数据中挖掘价值
Clara Shih指出，企业数据中超过80%是非结构化的，如视频、通话记录、聊天记录等，传统数据库只能处理不到20%的结构化数据。大语言模型和大型视觉模型能分析、总结和生成这类数据，这对知识工作来说是颠覆性的。企业应重视非结构化数据的整合与利用，这可能是释放生成式AI价值的关键。
变革管理比技术本身更具挑战
Shih强调，生成式AI的变革管理比技术更难。这不仅需要CIO推动，更需要每位员工保持好奇心和参与度。企业若已整合数据（如拥有数据仓库、数据湖），在部署AI时优势明显；反之则需加速基础数据项目。成功部署AI需要关注信任、业务成果和员工参与，其中信任是首要问题。
AI风险框架：四个D
Shih提出用四个D来理解AI风险：数据隐私与安全（确保数据不泄露、内部共享规则被遵守）、虚假信息（生成式AI可能加剧 misinformation）、歧视（模型训练数据包含偏见）、以及 displacement（岗位被替代）。她认为，虽然部分工作会被取代，但更多工作将被重塑，就像互联网时代一样，同时会催生新职业。
初学者心态与未来工作
Shih倡导“初学者心态”，在快速变化的环境中，所有人始终是初学者，应保持开放思维，重新思考第一性原理。她建议知识工作者学习提示工程和AI安全，并持续练习，因为模型在快速进化。未来组织将由人类和数字工作者共同组成，人类负责监督和决策，AI作为数字同事处理任务，从而提升效率和规模。
Q&A
如何理解增长思维在应对生成AI变化中的重要性？
增长思维帮助企业适应生成AI带来的快速变化，鼓励领导者和员工保持开放心态，抓住新机遇。
生成AI如何加速工作流程转变？
生成AI通过自动化和优化信息处理，显著减少客户服务的响应时间，提高工作效率。
大型语言模型如何解锁非结构化数据的潜力？
大型语言模型能够分析和生成互联网上及企业内部的非结构化数据，提供新的洞察和应用可能性。
企业在实施生成AI时需要关注哪些风险？
企业需关注数据隐私、安全、误信息传播、歧视和岗位替代等风险，以确保AI的安全应用。
如何在企业中有效实施生成AI？
企业应从小规模试点开始，关注ROI，并确保数据整合和员工参与，以推动成功实施。
保持初学者心态对企业领导者有什么帮助？
保持初学者心态可以促使领导者不断质疑假设，适应快速变化的环境，从而抓住新的商业机会。
