生成式 AI 的狂热（即使有更好的选择）

CIO （首席信息官）们都知道生成式 AI 并不是万能的。但最近，CEO 和董事会对这项技术的迷恋让一些 CIO 们不得不降降温。

海外Mr. Cooper 的 CIO Sridhar Sharma 就表示，他经常要提醒 CEO 和其他高管：“我们不能在生成式 AI 上投入太多，因为有时候它并不是最佳选择。”自从 2022 年 11 月 OpenAI 发布 ChatGPT 以来，生成式 AI 的热度持续升温，甚至让 AI 芯片制造商英伟达市值突破了一万亿美元。

财报中提到生成式 AI 的公司股价都在上涨，这让很多公司争先恐后地想成为技术领跑者。但这样一来，CIO 们也感受到了压力，要把这项技术应用到一些原本用其他预测 AI 或简单电子表格就能解决的问题上。

Sharma 说：“生成式 AI 并不是解决每个问题的万能药。实际上，有些情况下它的效果不如其他方法，有时候甚至更危险。”开发生成式 AI 解决方案可能更复杂、更昂贵，而且更容易出现“幻觉”。

举个例子，Sharma 说，他们公司已经用了三年非生成式 AI 来检测文档中是否缺少信息，比如签名、印章或公证日期。他们也测试过生成式 AI 是否更有效，但发现并不是这样。“目前，我们认为没有必要仅仅因为生成式 AI 能做到就去重新发明轮子，”他说。

TD Bank 的分析和 AI 负责人 Luke Gee 也表示，他经常收到业务同事关于生成式 AI 的询问和建议。“几乎每天我都会收到一篇关于某件事的新文章链接，”他说。

当他收到这些链接时，Gee 会与同事一起分析问题，帮助确定生成式 AI 是否是正确的解决方案。“也许是，也许不是，”他说。

企业 AI 公司 Fusemachines 的创始人兼 CEO Sameer Maskey 表示，生成式 AI 在生成内容方面表现出色，但在需求预测、异常检测、预测性维护和流失预测等方面的价值较小。

“公司应该首先看看问题，然后说，‘什么样的算法最合适？’”他说。如果不这样做，CIO 可能只是在安抚高层，最终浪费时间和金钱，他补充说。

对于像生成式 AI 这样被炒作的技术，教育员工——从高管到一线——关于其正确使用和应用可能是一项全职工作。

Akamai Technologies 的首席技术官 Robert Blumofe 表示：“炒作占据了所有的对话空间，没有让其他类型的 AI 模型得到应有的关注，这些模型实际上可以创造价值。”他说，他正在努力教育公司其他成员关于生成式 AI 实际上能做什么，在哪里使用它——以及在哪里不该使用它。Akamai 是一家网络安全、内容传输和云计算公司，正在使用更多传统形式的非生成式 AI 来识别网络流量中的异常并标记网络安全事件，并向客户推荐产品。

这些非生成式算法具有成本更低、能耗更少和比新兴的生成式 AI 模型更准确的优势。这部分是因为它们的规模较小。“使用生成式 AI 可能需要耗费兆瓦来解决可以用毫瓦解决的问题，”他说。

公司确实在其安全产品中使用了一些生成式 AI，但现在的问题是，人们倾向于把大量数据扔进大型生成式 AI 模型中，甚至是一些简单的事情，比如计算一组数据的中位数或95百分位数，而这些问题其实用一个简单的电子表格就能解决。

一些首席信息官（CIO）表示，与董事会的开放沟通至关重要。

麦肯锡的首席技术和平台官 Jacky Wright 表示，她会建议那些为董事会提供咨询的CIO们，帮助他们弄清楚生成式 AI 是否真的能提升核心能力。

“如果可以，那就深入探讨。如果不行，那我们应该关注那些真正能帮助业务发展的方面，”她总结道。

在这些对话中，她建议 CIO 引导董事会远离那些生成式 AI 还不够成熟、无法提供完整价值的领域，包括那些需要完成全流程工作的 AI 代理。

“为什么不把注意力集中在能更快带来更高价值的事情上呢？这是一个持续的对话，”她说。

Fidelity Wealth 的技术负责人 Eric Emerson 表示，这家金融服务公司已经使用其他非生成式 AI 近十年了。但当涉及到公司面临的一些最大问题时，生成式 AI 目前还不是答案。

“我确实希望 AI 能解决我们的主机现代化问题，那就太棒了，”他说，“但到目前为止，答案是否定的。”