ChatGPT 等生成式人工智能 (Gen AI) 模型的迅速崛起为各行各业的企业开辟了令人兴奋的新可能性。这些强大的语言模型可以协助完成各种各样的任务，从内容创建到编码再到客户服务。然而，Gen AI 的快速采用也使企业面临需要紧急关注的重大数据隐私风险。
一个关键问题是用于开发这些 AI 系统的训练数据。大型语言模型会吸收大量在线信息，包括网站、书籍、文章和社交媒体帖子，其中许多可能包含个人数据、知识产权和其他敏感信息。利用这些模型的企业必须应对使用并非为此目的而使用的数据所带来的复杂法律和道德影响。
每天，全球都会产生 5 EB 的数据。到 2025 年，这一数字将上升至每天 463 EB，部分原因是人工智能的普及。但随着企业继续加速采用人工智能，如今的组织越来越担心这项技术会如何影响其宝贵的数据。
现在，SAS 在其 SAS Innovate 活动上宣布的研究发现，80% 的领导者担心数据隐私和安全，并且企业领导者承认缺乏治理框架。
报告发现，美国企业对人工智能在提高业务和人员生产力方面的潜力充满热情。但在热情高涨的背后，领导者认为理解上的差距、缺乏战略规划和人才短缺是实现和衡量该技术全部价值的障碍。
实施 Gen AI 的组织面临的挑战
在实施 Gen AI 的过程中，组织面临着几个关键挑战。首先，他们正在努力提高对数据使用的信任度并实现合规性。SAS 报告发现，只有十分之一的组织拥有可靠的系统来衡量大型语言模型 (LLM) 中的偏见和隐私风险，而高达 93% 的美国企业缺乏针对 Gen AI 的全面治理框架，这使得大多数企业面临不遵守新兴法规的风险。
其次，企业在尝试将 Gen AI 集成到现有系统和流程时遇到了兼容性问题。这些新技术与传统基础设施的无缝集成仍然是一个重大障碍。
第三个挑战涉及人才和技能。由于人力资源部门缺乏合适的人才，组织发现内部 GenAI 专业知识严重缺乏。组织领导者担心他们根本无法获得充分利用 Gen AI 投资所需的技能。
最后，预测使用 LLM 的相关成本已被证明是一项重大挑战。虽然模型创建者提供了初步的成本估算，但领导者指出，与私人知识准备、培训和模型运营管理相关的直接和间接费用高得令人望而却步。GenAI 部署的真正财务影响很复杂，而且经常被低估。
SAS 战略人工智能顾问 Marinela Profi 表示：“组织正在意识到，仅靠大型语言模型无法解决业务挑战。Gen AI 应该被视为超级自动化和现有流程和系统加速的理想贡献者，而不是帮助组织实现所有业务愿望的新奇玩具。花时间制定渐进式战略并投资于提供 LLM 集成、治理和可解释性的技术是所有组织在全力投入并被‘锁定’之前应采取的关键步骤。”
“最终，我们需要找到能够以可持续和可扩展的方式提供最高价值并解决人类需求的实际用例。通过这项研究，我们将继续致力于帮助组织保持相关性、明智地投资资金并保持弹性。在人工智能技术几乎每天都在发展的时代，竞争优势在很大程度上取决于是否能够遵循弹性规则。”
本站全部资讯来源于实验室原创、合作机构投稿及网友汇集投稿，仅代表个人观点，不作为任何依据，转载联系作者并注明出处：https://www.lvsky.net/138.html
评论