一項被忽視的技術,它決定企業人工智慧的投資報酬率

利用被忽視的技術來定義企業人工智慧投資報酬率,提高大型語言模型的準確性,同時智慧地降低部署和營運成本。

你需要知道的最重要的事情

  • 專注於策略性業務內容(例如合約、標準作業程序和財務記錄),因為這些內容一旦出錯成本很高,就必須確保提供可靠、最新且帶有元資料標記的版本,將其與業務背景關聯起來,使人工智慧能夠準確地知道何時以及如何使用它。
  • 明確的上下文(文件、工作流程和組織知識之間的關係)才是控制智慧代理行為的關鍵,而不僅僅是可搜尋性;提供元資料和業務邏輯可以應用權限、識別授權版本、確定資訊在流程中的位置以及確定人工幹預點。
  • 人工智慧準備工作不需要一次性解決所有資訊管理問題,而是從價值最高、風險最大的領域入手:識別關鍵信息,評估其準確性和有效性,獲取其周圍環境,然後通過必要的控制將其提供給代理——從而將信息投資與目標人工智能用例直接聯繫起來。

過去幾年,各組織機構競相在其營運和工作流程中採用人工智慧工具。隨著人工智慧從簡單的回答問題發展到做出決策和執行行動,另一項技術將在決定這些投資能否獲得回報方面發揮至關重要的作用:文件管理。

全球各地的公司都在人工智慧領域投入大量資金。最新預測顯示,到2026年,人工智慧領域的支出將達到2.5兆美元。然而,如果企業在模型、基礎設施和應用程式上投入巨資,卻忽略了底層資訊層,那麼它們就有可能因為向人工智慧輸入不準確的資訊或放大代價高昂的錯誤而降低投資報酬率。

問題不再是人工智慧能做什麼,而是它是否擁有完美完成任務所需的正確資訊。這本質上就是文件管理的問題。

人工智慧中的上下文問題

大多數機構並非缺乏訊息,而是資訊過載。

多年的協作產生了海量文檔,這些文檔散落在共享驅動器、業務應用程式、協作平台和個人工作區中。雖然協作工具讓員工創建和分享資訊變得更加容易,但也使得辨別哪些資訊真正可信變得更加困難。

同一份合約可能有多個副本,舊政策與現行政策並存,或處理例外情況的指導方針被埋藏在只有少數員工知道的地方。

人類通常擅長應對這種複雜性;他們知道某個流程的負責人是誰,哪個版本的文件才是正確的,以及何時需要遵守例外情況。這些知識大多來自經驗和背景,而這些經驗和背景可能永遠不會被記錄下來。然而,人工智慧並非天生就具備這種理解能力;它需要精心培養。

隨著企業賦予人工智慧系統更多職責,這一點變得日益重要。如果員工開啟了錯誤的文件,通常還有機會發現錯誤。但如果人工智慧代理在自動化工作流程中使用了過時的信息,那麼在任何人察覺之前,這個錯誤都可能演變成更大的問題。

有些內容比其他內容更重要。

試圖讓組織中的每份文件都「完美」並不是解決辦法;這是一項巨大的工程,而且大多數內容並不值得給予同等的關注。

企業必須先明確其策略業務內容。這對於企業營運至關重要,因為失敗的代價高昂,而且人工智慧也需要額外的背景資訊才能如預期運作。

合約就是一個典型的例子。它們明確規定了義務、定價和客戶承諾。標準操作程序可以指導重要工作的進行方式。其他文件,例如客戶記錄和財務訊息,也可以影響決策或啟動業務流程。

這些文件不僅僅是儲存庫中的文件,它們也是企業營運環境的一部分。幾個簡單的問題就能幫助判斷一份文件或一則訊息是否值得如此重視:

  • 是否有清晰可靠的版本?
  • 它是否是最新的,並且分類正確?
  • 它歸誰所有?誰有權訪問它?
  • 還有哪些資訊為這份文件提供了背景資訊?
  • 人工智慧系統能否可靠地判斷何時該使用它?

這些問題看似是傳統的資訊治理問題,但隨著人工智慧獲得更大的自主權,它們將成為組織人工智慧準備工作的關鍵組成部分。

情境創造控制

關於人工智慧準備工作的最大誤解是,僅僅讓資訊可搜尋就足夠了;事實並非如此。

找到相關文件只是開始。人工智慧系統可能還需要理解文件存在的意義、它與什麼相關、它是否經過認證,以及它在更廣泛的業務流程中處於什麼位置。

這種背景資訊可能源自於組織隨著時間推移而建立的資訊、工作流程和程序之間的關係,也可能源自於員工多年工作中累積的組織知識。

透過使用元資料來識別文件細節並連結相關訊息,企業可以更清晰地呈現上下文,從而更好地控制人工智慧如何使用這些資訊。企業可以根據業務關係和實際業務邏輯應用權限,確定授權的資訊版本,精確定位資訊在工作流程中的位置,並決定何時需要人工幹預。

換句話說,掌握更多背景資訊就能更好地控制局面。隨著人工智慧不再只是產生回應,而是開始代表企業採取行動,這一點變得尤為重要。

人工智慧準備並不需要徹底的變革。

企業無需先解決所有資訊管理問題才能開始享受人工智慧的價值。務實的做法是從價值最高、風險最大的領域著手。

領導者必須識別出最關鍵的業務訊息,即流程依賴於特定知識的訊息,然後評估其準確性、有效性和可靠性。在將資訊提供給代理商之前,先了解其上下文,有助於在將其發布給人工智慧系統之前建立必要的控制措施。

這種方法也有助於企業將資訊投資與人工智慧策略直接連結。他們無需啟動另一項大規模轉型項目,而是可以專注於與他們正在嘗試實施的特定用例相關的內容。

人工智慧投資回報的真正基礎

圍繞人工智慧的主要討論集中在基礎設施、模型、代理和新功能。雖然這些發展很重要,但它們只是問題的一部分。組織需要專注於那些不那麼顯眼的底層基礎設施:可靠的資訊、業務背景、治理以及關於如何使用這些資訊的明確規則。在人工智慧時代,文件管理的重要性前所未有。

那些採取策略性方法將資訊與業務背景結合的組織明白,這是人工智慧成功的關鍵一步。實施人工智慧的最大優勢始終在於擁有正確的資訊以及足夠的背景信息,以便進行技術應用,尤其是在處理高級模型和智能體時。

⚖️ 總結與最終評估

任何部署獨立人工智慧代理的組織都必須先投入資源整理其關鍵文檔,並添加必要的運作環境和治理機制,因為自動化流程的準確性從根本上取決於來源資訊的可靠性,而不僅僅是模型的強度。在智慧代理時代,只有那些能夠將組織分散的知識轉化為可安全執行且無需大規模重構的上下文資訊資產的組織,才能獲得可持續的競爭優勢。

評論被關閉。