摘要：在过去的一年里，几乎所有的技术突破都与生成式 AI 有关。2023 年的热潮使得每个组织都不得不在 2024 年尝试一个或多个相关项目。IT 部门开展了概念验证 (PoC)，但一些 IT 部门之外负责盈亏的业务主管也在未必通知 IT 部门的情况下进行了自己的实

在过去的一年里，几乎所有的技术突破都与生成式 AI 有关。2023 年的热潮使得每个组织都不得不在 2024 年尝试一个或多个相关项目。IT 部门开展了概念验证 (PoC)，但一些 IT 部门之外负责盈亏的业务主管也在未必通知 IT 部门的情况下进行了自己的实验。有时候订阅一个 AI 驱动的服务就能轻松实现。UST 技术服务业务的 CIO Krishna Prasad 表示："你预期会有一定程度的影子 IT，但去年的情况比以往更严重。"

问题在于，当业务部门独立行动时，IT 失去了控制，数据和知识产权的保护成为更大的隐忧。像许多组织一样，UST 开始建立 AI 领导委员会，以确保对所有项目采用相同的控制措施，避免人们在个人项目上偏离既定方向。他们同时也改进了 AI 治理。

虽然 2024 年进行了许多概念验证，但大多令人失望。一个挑战是 AI 算法永远不会 100% 可靠。如果模型有 5% 的幻觉率，对大多数用户来说就足以认为它无用。另一个挑战是 IT 部门可能缺乏支持新技术的技能。他们也无法从外部招聘，因为没有提前预见需求并将其纳入预算。

一切发生得很快。尽管 IT 领导者通常预期技术会遵循 Gartner 描述的炒作周期，但生成式 AI 以加速的步伐发展。南佛罗里达大学 (USF) 的 CIO Sidney Fernandes 说："去年最让我惊讶的是 AI 的炒作周期如此迅速地进入幻灭期。"

在媒体上有足够多的成功案例，让高管们质疑为什么自己的 IT 部门做不到同样的事。有远见的 CIO 们迅速意识到需要对业务领导者进行 AI 教育，通过这种方式，一些人成功避免了对当前算法能带来的商业价值产生进一步误解。

实际获得的商业价值并不总是出现在人们预期的地方。Prasad 表示，生成式 AI 主要应用于三类用例：第一是个人和组织生产力；第二是改变业务流程；第三是利用 AI 构建创收的产品和服务。

虽然大多数 IT 领导者在后两类用例中难以证明成功，但到 2024 年底，个人生产力应用已经开始定期带来回报，以至于许多应用成为标准办公工具包的一部分。例如，现在大多数人都使用 AI 记录会议笔记。根据 Fernandes 的说法，这些成功案例进一步证明了加速的炒作周期。他说："令我惊讶的是，到年底，我们可能已经达到了生产力平台期。"

基于 2024 年的所有经验教训，CIO 们应该承诺三件事来为未来一年做好准备。

教育业务部门了解 AI，同时学习了解业务 为了减少失望，技术人员需要设定业务领导者的期望。同时，他们需要宣传新技术的价值。Fernandes 说："CIO 必须同时扮演传道者、教育者和现实主义者的角色。IT 领导者应该少炒作而不是过度炒作，只在商业案例的背景下推广技术。"

根据救助儿童会基金会 CTO Ron Guerrier 的说法，帮助业务领导者了解真正可能性的一种方式是推荐 AI 相关书籍。他说："你不希望他们主要通过 Google 搜索和 YouTube 视频获取信息。"

同样，在 Prasad 看来，IT 领导者应该加强自身对业务的理解。他们应该主动与业务领导者会面，并要求团队成员定期与业务对应方会面。IT 领导者需要面对他们不再仅仅通过技术增加价值的事实。他们应该学会从三个商业参数来讨论项目：降低风险、降低成本和增加收入。

东芝美国商业解决方案和东芝全球商务解决方案的 CIO Leon Roberge 表示，技术领导者应该在业务中更加突出，并以身作则带领团队。他说："我开始每月参加所有其他 C 级高管的业务会议，确保我能听到业务的声音。我们的方向是什么？我们如何盈利？我如何帮助业务领导者克服挑战并实现目标？"

在 2025 年，IT 领导者应该投资 AI，但也要关注能够展示可衡量价值的案例，然后逐步改进这些案例。Fernandes 警告说："过早做出大规模 AI 投资决策可能会让你陷入幻灭的低谷，很难摆脱。就像对待任何其他项目一样，进行中等规模的投资，并在短期和长期都展示投资回报。"

USF 的成功之道是让业务部门决定实施哪些项目，并确保他们分担风险。Fernandes 说他的团队明确表示只在业务部门也投资的地方投资，以避免 IT 支出的黑洞。

为 AI 的普遍使用做好准备 供应商正在将 AI 集成到他们最流行的应用程序中。多年来依赖传统软件包的用户需要为这种变化做好准备。这不仅意味着要学习提示工程，还要对某些响应保持怀疑态度。毕竟，幻觉问题在短期内不会消失。

AI 赋能的企业应用将改变人们的工作方式。Fernandes 表示，IT 领导者需要确保他们的员工和业务人员都准备好以不同的方式工作，以充分利用协作工具。他说："这将是至关重要的。"

CIO 还应该构建自定义工具平台，不仅满足其行业和地域的特定需求，还要满足公司甚至特定部门的需求。AI 模型将针对不同行业进行不同的开发，用于训练医疗保健行业的数据将与物流业不同。每个公司都有自己的经营方式和数据集。在公司内部，营销部门使用的数据与客户服务部门不同。

据 Guerrier 表示，2024 年最令人惊讶的事情之一是许多 IT 领导者在没有真正理解数据拓扑的情况下就开始使用 AI —— 数据如何被接收和格式化，以及如何输入到 AI 模型中。他说："这是同样的格言：垃圾输入，垃圾输出。你可能拥有最好的 AI 工具，但如果你的数据来自糟糕的来源，就会得到糟糕的 AI 结果。IT 领导者需要在 2025 年更好地管理他们的数据。"

Fernandes 说，随着主动式 AI 变得更加普遍，IT 领导者还需要保护数据和知识产权。"主动式 AI 将了解你数据湖中的数据，这意味着你的数据治理、损失预防政策和网络安全流程必须更加强大，因为你现在要以无法控制的速度暴露数据，"他说。

由于大多数 IT 部门对生成式 AI 措手不及，他们缺乏运行项目所需的技能。为了应对明年更多的挑战，IT 领导者有三个选择。他们可以在内部培养技能，从外部招聘，或者与拥有这些技能的可信公司发展战略合作伙伴关系。

东芝的 Roberge 正在为他领导的 IT 组织创建创新和战略部门。他说："我们将从组织内外识别并招聘数据工程师和数据科学家 —— 我们要走在前面。"

记住保持基础运营 在生成式 AI 的喧嚣中，许多 IT 领导者没有在其他该做的事情上投入足够的时间。Prasad 说："对高效运营的重视需要回归。如果你忽视了工作的基础，总有一天会反噬你。"

Walgreens Boots Alliance 公司的高级副总裁兼 CIO Neal Sample 表示，IT 领导者永远不要忘记维持基础运营（KTLO）仍然是成功的基础。虽然 AI 可能是一个令人兴奋的前景，但 KTLO 通常能带来更确定的回报。系统现代化、平台整合和淘汰过时解决方案可以减少复杂性并创造更敏捷的环境。Sample 说："这些步骤不仅降低成本和提高生产力，还使 IT 更能够支持像 AI 这样的优先事项。"

例如，AI 依赖于干净、可靠的数据，这使得传统 IT 实践如数据治理和集成变得不可或缺。低质量数据会削弱即使是最好的 AI 模型，这再次强调了基础 IT 工作的重要性。Sample 说："稳定的 IT 运营确保 AI 嵌入式工具按预期工作，最大限度地减少中断并保持信任。如果没有 KTLO 提供的坚实基础，就无法实现 AI 的激动人心的潜力。"

根据 Sample 的说法，IT 领导者还应该清理技术债务以管理现代 IT 环境的复杂性。过时的系统、过度定制的应用程序和分散的架构会减缓进展，增加风险，并使创新的扩展更加困难。将技术债务视为持续投资可以保持 IT 的弹性和适应性，为未来的挑战做好准备。

Sample 说："虽然 AI 占据了头条新闻，但 KTLO 带来稳定、可衡量的结果。投资强大的运营基础并减少技术债务为创新成功创造了条件。通过关注这些看似乏味但必不可少的优先事项，CIO 可以简化他们的 IT 环境，并自信地推动 2025 年及以后的进展。"

来源：至顶网