隨著計算能力的大幅提升以及大規模語言模型（LLM）的發展，生成式人工智能（Generative AI）成為了企業最為關注的重要技術之一。根據研究機構預測，未來五年內，生成式AI技術將從37億美元的市場規模增長到360億美元。

生成式AI在提高生產力和加速業務轉型等方面擁有巨大潛力。然而，企業在成功采用生成式AI的過程中，也面臨著成本、安全以及技能培訓等方面的挑戰。是采用開箱即用的解決方案？還是開發動態知識庫，對特定業務功能實現自動化？管理者必須有著清晰的定位與認知。

應對風險是實現收益最大化的前提

在導入AI的各個階段，安全治理與風險管理對于制定成功的生成式AI戰略至關重要。為避免未經授權的敏感數據訪問，企業必須根據內部角色和職能對員工訪問AI模型的權限進行嚴格管控。此外，員工培訓對于確保成功采用生成式AI也十分重要。其中，提示工程（Prompt Engineering）可以教育用戶如何提出有針對性的請求，并提供相關數據以獲得更為優質的反饋，從而最大限度地發揮生成式AI的潛力。企業還需要提供有關政策和合規風險的充分培訓，以便對AI模型進行有效監控。

導入生成式AI的三個階段

富士通根據復雜程度的不同，將生成式AI的導入分為三個階段。每個階段都涵蓋不同程度的數據安全、云基礎設施、即時通信工具以及用戶培訓等內容，具體如下：

第一階段

快速獲得生產力提升

在無需任何編程知識以及額外的配置，生成式AI模型就可在有限的企業數據上有效運行，并從用戶的輸入信息中進行學習。業務內容可以輕松創建和編輯，從而提高營銷和銷售團隊的工作效率。虛擬助理可以提供信息檢索、數據分析和文檔編制等功能，為研發部門帶來實際價值。在第一階段，AI的生產性應用僅限于少數業務。要將生成式AI應用于更廣泛的業務職能，則需要采取下一步措施。

第二階段

實現高級業務功能和自動化

通過將AI模型與企業特定的數據集和運營相結合，實現現有業務功能的自動化和擴展。在這一階段，需要無縫訪問企業內部數據和應用系統，這意味著需要將內部數據遷移到云端，以及在ERP平臺和其他應用系統之間建立信息接口。此外，業務通信應該從異步的電子郵件信息轉移到交互式的團隊溝通平臺并集成生成式AI模型，以便AI從上下文信息分析中學習。在第二階段，由于生成式AI會處理敏感的內部數據，因此需要在全公司范圍內加強安全控制。

第三階段

獲得行業洞察與發現

人工智能不僅能實現自動化，還能發現新的洞察，并直接支持業務戰略和業務模式的轉型。它還可以與制造、金融和醫療等特定行業的專業應用深度集成。企業需要重新訓練或者微調通用LLM，以適應特定的任務，或者開發和訓練額外的特定行業AI模型。幸運的是，每個行業的服務提供商都已經開發了特定行業的AI模型，因此企業不一定需要自己開發。在這一階段，企業可以利用生成式AI帶來的洞察力，在眾多業務功能中進行創新，包括分析預測、開發新產品、提供交互式服務體驗等。

雖然在導入和使用生成式AI方面存在安全風險和挑戰，但對許多企業來說，生成式AI在提高生產力和發現新商業模式方面的潛力值得嘗試。而未能抓住機遇的企業將可能在競爭中處于不利地位。以上述三個階段為參考，企業能夠了解需要做好哪些準備，制定必要的政策和保障措施，并開展人員培訓，從而提高采用生成式AI的投資回報，并避免潛在問題。

在助力企業采用生成式AI的過程中，富士通提供了先進的AI平臺Kozuchi（項目代碼），將廣泛的“AI創新組件”和經過驗證的AI應用整合在一起，供客戶與合作伙伴加速生成式AI的測試。在此基礎上，富士通還提供了咨詢和導入服務，幫助客戶制定整體優化的架構設計，在選型、策略、安全與培訓等各個層面提供建議，將生成式AI從PoC過渡到生產應用。