在将生成性AI扩展到实验和试点项目之外时，IT领导者可能会遇到很多困难。

在2024年麻省理工学院斯隆首席信息官研讨会商，与会者列举了企业级GenAI部署道路上的障碍，这包括监管问题、数据问题、难以估计的业务价值和部署编排挑战。

McKinsey & Company公司高级合伙人Aamer Baig用关系隐喻来描述该技术的最新发展以及首席信息官必须面对的“残酷现实”。

在首席信息官研讨会上，他表示：“也许像很多很棒的关系一样，开始很强烈，存在不可避免性，周围很多人给意见。我们开始享受合成、内容生成的乐趣，然后开始将其应用于现实世界的商业问题。”
事实证明，后面的步骤很困难。Baig引用了一项尚未公布的麦肯锡全球人工智能调查，其中只有11%的受访企业已经大规模部署GenAI。

他说：“在你从试点到规模部署之前，还有很多问题需要解决。这里的重要的是，设置框架并说，’我们看到蜜月阶段已经结束。’”

投资于数据

这些问题包括数据可用性和数据质量，这是生成式AI推广的基础。此类系统的性能和可靠性取决于数据的准确性和相关性。然而，企业可能会忽视这个数据步骤，而急于部署。

总部位于旧金山的数据管理和质量工具提供商Cleanlab公司首席技术官Anish Athalye说：“总体上部署人工智能（特别是GenAI）非常令人兴奋。但我们还没有发展到，所有人都认识到数据质量是关键部分。”
Athalye的公司参加了首席信息官研讨会的Innovation Showcase，她表示，人工智能前沿的企业了解数据质量的重要性。然而，其他企业对数据质量的认识程度各不相同。

他补充说：“他们可能或者可能不会意识到这不是一件可选的事情。”

当企业致力于数据举措，这个问题就变成项目范围。Baig说，很多企业采取自上而下的方法，识别GenAI用例，并寻求支持它们所需的数据。他指出，这样做的结果是一个巨大的项目，且不太可能在合理的时间内完成。

相反，Baig建议企业专注于少数数据领域，可以推动多个高优先级用例。

他说：“这通常最终是三到四个领域。”

追踪监管发展

首席信息官都应该密切关注数据隐私和安全法规以及监管合规职责方面的发展，无论他们是在深入研究GenAI还是其他技术举措。麻省理工学院斯隆研究项目网络安全联合创始人Stuart Madnick表示，他的团队正在研究170多项影响IT的新网络安全法规。

在谈到网络弹性时，Madnick说：“这些法规和立法来自很多地方，来自白宫、国会、各种机构等。”
他还指出，除了美国联邦部门和州政府外，欧盟、印度和中国也在国际监管方面作出贡献。各国政府推行人工智能监管，以解决消费者保护和知识产权等问题。

麦肯锡公司高级合伙人Gayatri Shenai表示，IT领导者在选择GenAI合作伙伴时必须考虑安全、隐私和监管合规性。Shenai表示，这些因素应该添加到传统的合作伙伴评估标准中，例如财务可行性，他在CIO研讨会上主持了关于管理多供应商伙伴关系的小组讨论。

她为IT领导者提出了这个问题：“我们如何建立对合规要求的认识，并调整我们可能拥有的合作伙伴？”

缩小用例列表

自GenAI在2022年底成为主流以来，企业已经集思广益地讨论了数十个GenAI用例。行业高管表示，现在的任务是专注于最有可能产生切实成果的用例。

Baig说，企业可能会启动大量生成性AI项目，但其中很少能产生底线收益。他指出，麦肯锡的全球人工智能调查发现，只有15%的公司看到了生成性AI带来收益改善。

Baig说：“首席信息官可以发挥的最重要作用之一是，让企业专注于能推动真正商业价值的举措，即解决关键业务问题。”

随着生成性AI应用程序扩展，以及成本开始增加，坚实的商业案例变得更加重要。Baig指出，其中一些成本可能不会立即显现出来。他说，GenAI的低前期成本掩盖了随着时间的推移运行和维护系统的成本。
Baig补充说，除了技术，变革管理成本可能会增长到生成性人工智能部署成本的三倍。

协调部署

IT领导者还必须构建一个多层技术堆栈来部署生成性AI。

Baig说：“即使是简单的生成AI解决方案也需要大约20到30个元素，你必须整合它们。”

这些元素包括用户界面、数据丰富功能、安全性和访问控制，以及连接到基础模型的API网关。Baig说，自动化技术工作流程（例如模型测试和验证），对于充分实现生成人工智能的好处也很重要。

另一个复杂因素是整合GenAI工具与企业IT环境，包括遗留系统。Rocket Software公司高级副总裁兼首席信息官Darlene Williams表示：“关于企业主机的大量数据可用于训练人工智能模型。”

她表示：“我认为大型机绝对会推动人工智能。”她以生成性AI和预测性人工智能为例。

IT现代化软件公司Rocket Software本月早些时候完成了对OpenText大型机现代化业务的收购。
当企业开始复杂的GenAI部署和集成项目时，企业将需要协调多个合作伙伴以及无数的技术。麦肯锡的

Shenai说，这需要更多利益相关者之间加强合作。她指出，这些可能包括产品所有者；人工智能安全、信任和责任小组；以及IT采购组织，以及项目和项目经理。

Shenai说：“这些是人们还没有认真谈论的领域。”