盡管目前存在各種炒作以及主流采用程度很高，但在走上生產(chǎn)力巔峰之路之前，生成式AI仍然需要經(jīng)歷幻滅的低谷期。

生成式AI的快速普及和民主化，有些類似于近150年前燈泡給電力領(lǐng)域帶來的影響是一樣的。1831年電問世，幾十年之后在1879年燈泡問，與之類似的是，生成式AI給大眾和企業(yè)也帶來了實際的用例，正在給AI帶來相同的影響。

當技術(shù)從實驗室走進日常生活的時候，主流采用通常依賴于日益強大且經(jīng)過驗證的初始用例。隨著如此迅速的普及，人們對于各種可能性感到非常興奮，這就是Gartner技術(shù)成熟度曲線中，生成式AI目前正處于過高預期頂峰的其中一個原因。

事實上，去年ChatGPT僅僅用兩個月就獲得了超過1億的月活躍用戶，它在技術(shù)成熟度曲線中正處于經(jīng)過了炒作周期的位置。現(xiàn)在我們正處于主流采用階段，有近一半的人口正在使用生成式AI，但還處于期望過高的頂峰。因此仔細觀察一下，我們可能仍處于生成式AI的“煤氣燈時刻”，而“燈泡時刻”尚未到來。這并不是一件壞事。

在生成式AI的世界中，我們發(fā)現(xiàn)計算機正在以令人驚訝的方式出現(xiàn)錯誤。當我們嘗試將AI應(yīng)用于公共和私有數(shù)據(jù)的時候，我們正在實時了解哪些數(shù)據(jù)是有效的，哪些是無效的。

以下是CIO們關(guān)于如何駕馭生成式AI炒作周期、為從幻滅低谷期迅速過渡到啟蒙的斜坡做好準備的五點建議：

對客戶、員工和利益相關(guān)者保持現(xiàn)實態(tài)度

在宣傳生成式AI和相關(guān)解決方案所具有的變革本質(zhì)的同時，也請務(wù)必指出它存在的缺點。咨詢公司和技術(shù)廠商經(jīng)常會強調(diào)生成式AI帶來的變革力量，但很少關(guān)注它的缺點。盡管如此公平地說，許多人正在努力幫助解決這些問題并推出各種平臺、解決方案和工具包。

抱有現(xiàn)實的心態(tài)，意味著你了解了利弊，并與客戶、員工和高管層的同事分享這些信息。他們也會欣賞你的坦誠。你要列出一份權(quán)威的清單，以便清楚地解釋和理解這些信息。正如一些AI顧問指出的，缺點包括黑匣子問題、AI容易受到人類觀點誤導、幻覺的影響，等等。

制定企業(yè)使用政策

企業(yè)使用政策和相關(guān)培訓可以幫助員工了解這項技術(shù)的一些風險和陷阱，并提供規(guī)則和建議，以充分利用這項技術(shù)，從而實現(xiàn)最大化的商業(yè)價值，而不會使組織面臨風險。在制定政策時，請務(wù)必讓所有相關(guān)利益相關(guān)者參與其中，考慮組織當前和未來將如何使用AI，并在整個組織內(nèi)進行廣泛分享。你需要讓這個政策成為一份動態(tài)文件，根據(jù)需要以合適的節(jié)奏進行更新。制定這項政策有助于防范與合同、網(wǎng)絡(luò)安全、數(shù)據(jù)隱私、欺騙性貿(mào)易行為、歧視、虛假信息、道德、知識產(chǎn)權(quán)和驗證相關(guān)的許多風險。

評估每個用例的業(yè)務(wù)價值

在純文本輸出的情況下，我們傾向于相信生成式AI的答案，因為它們寫得很好，語法也很對。從心理學上來說，我們傾向于相信幕后有強大的智能，而實際上AI并不了解什么是真什么是假。

雖然生成式AI有一些出色的用例，但我們需要根據(jù)具體情況進行審查。例如，生成式AI通常不擅長編寫技術(shù)預測。輸出的內(nèi)容常常告訴我們一些我們已經(jīng)知道的東西，而且它也可能是抄襲的。即使使用重寫或改寫工具也只會讓事情變得更糟，而且團隊最終可能會比自己編寫預測內(nèi)容花費更多的時間來使用這些工具。最好是有選擇的余地，并且只在有明顯好處的情況下使用AI。

保持嚴格的測試標準

由于組織中可能會有很多員工使用生成式AI，因此對員工進行培訓和教育使其了解利弊并以企業(yè)使用政策作為起點，是非常重要的。隨著生成式AI的廣泛采用，我們實際上都是測試者，需要不斷學習。

在組織內(nèi)部，無論是在IT部門還是業(yè)務(wù)部門，請務(wù)必強調(diào)并在上線之前留出大量時間進行測試和實驗。建立內(nèi)部實踐社區(qū)，員工可以分享經(jīng)驗和教訓，也有助于提高整體意識并在整個組織內(nèi)推廣最佳實踐。

針對技術(shù)故障制定計劃

即使是不支持AI的系統(tǒng)也可能犯下嚴重的、改變生活的錯誤。當我們錯誤地認為這些系統(tǒng)是正確的時，可能會導致數(shù)百名工人成為錯誤的目標。在英國郵政局案件中，15年來有700多名郵政局長被錯誤地指控為欺詐，導致名譽受損、離婚甚至自殺。

因此，當AI出錯時制定計劃就變得至關(guān)重要。您的企業(yè)通過政策設(shè)置了護欄，但當出現(xiàn)問題時，IT治理流程如何監(jiān)控情況并做出反應(yīng)？有計劃嗎？你的治理流程將如何區(qū)分正確或錯誤的答案或決策？犯下錯誤會給業(yè)務(wù)帶來怎樣的影響？糾正錯誤的難易程度如何？

生成式AI將會迎來它的高光時刻，而且不會等待太久，但要等到我們先度過幻滅的低谷期，登上啟蒙的斜坡，最后到達生產(chǎn)力的高原。一路上的煤氣燈時刻、實驗和學習都是這個過程的一部分。