近年來，隨著人工智能技術深入到各行各業，企業對人工智能的采用達到了前所未有的新高度。然而，在針對人工智能的探索和應用的過程中，許多企業由于安全性、兼容性、人才短缺等種種“技術問題”而苦苦掙扎，最后以失敗告終。

不過，戴爾科技集團全球首席技術官（CTO）John Roese則認為：“現在，最大的障礙不是任何技術問題。那些還沒有采取行動的客戶其實并不是在技術使用上掙扎，他們仍困在流程、數據、以及他們的目標到底是什么這些問題上。”

前段時間圓滿落幕的戴爾科技全球峰會上，接受了知名媒體ITPro采訪的戴爾科技集團全球首席技術官John Roese表示，2024年企業采用AI的主要障礙是領導者們對他們想要使用AI實現的目標沒有明確的計劃。

如果你不了解你的核心價值、流程和能力是什么，那么你實際上并不知道應該從哪里開始。但是在你知道的那一刻起，這就是答案。

首先，隨機選擇一個流程來進行人工智能增強是失敗的關鍵。John Roese指出，許多企業缺乏有效的流程管理，因此第一個項目往往能夠獲得充足的資源，而當第三個項目出現時，資源就已經耗盡，但企業并不能確定到底是第一個項目還是第三個項目能夠成功。因此，一些企業陷入了猶豫不決的狀態——因為害怕選擇錯誤的解決方案或策略，而未能成功進入人工智能領域。

采用人工智能的限制因素是你對技術的看法有多清晰，而不是你的技術實力。

盡管企業仍在為他們的人工智能戰略而苦苦掙扎，但許多企業現在已經克服了一些著名的技術問題，幻覺問題已不再是企業AI的真正關注點。到2024年，新方法和如何將人工智能置于企業生態系統中的更好理解，大大地減少了幻覺的影響。

*AI的幻覺問題指的是人工智能系統在處理信息、生成內容或做出決策時，由于其內在的局限性、訓練數據的偏差、算法設計的缺陷或其他因素，產生了不合理、不準確、脫離現實或與上下文不符的輸出，一定程度上影響了AI輸出的準確性。

如檢索增強生成（RAG），這種通過將外部數據檢索步驟整合到生成過程中的方法，允許模型從包括特定于用戶的數據集在內的大量數據中動態獲取相關信息，從而用準確、最新和特定于上下文的內容來豐富其響應。這些響應不僅基于其固有的一般理解，而且針對用戶的特定數據集進行定制。

企業架構利用的是企業已經擁有的數據，這些數據準確、真實地反映企業的精神、客戶及優先事項。Roese表示，幻覺問題在會議室談話中出現的程度要低很多。即使領導者希望用人工智能解決戰略問題，他們對技術方法的理解也可提高人工智能系統的可靠性，如將模型建立在數據基礎上，這也提高了他們對這項技術的信心。

為了幫助企業抓住AI機遇，更好地做好AI就緒工作，戴爾推出了全面的AI服務——從制定策略、管理數據、平臺用例到配備員工，戴爾的AI服務可提供貫穿AI生命周期的完整選項組合，進一步幫助企業加快高性能人工智能架構實現價值。

如在戴爾AI咨詢服務中，Roese表示，戴爾定義了一個涵蓋六個維度的框架以幫助企業有意識地了解AI就緒工作情況：

01戰略與治理

首先，業務和IT領導者需協作設定與業務優先級一致的明確目標。從一系列有針對性的戰略研討會開始，使每個人都對企業的未來及如何實現目標有一個堅實的愿景。

其次，清楚地了解對業務最重要的用例至關重要——正如前面所提到，企業常在優先級方面苦苦掙扎。作為AI咨詢服務的一部分，戴爾創建了一個用例優先級工具，以便企業能夠根據業務價值和技術可行性識別、分析和確定優先級。隨后，企業需對所有AI項目進行有效監督，以確保遵守法規、風險管理準則和道德，推動AI戰略順利進行。

02數據管理

許多企業使用預先訓練的模型開始他們的AI之旅。這些模型需要訪問企業的數據，以提供成功實施AI用例所需要的上下文。無論這些數據是通過模型調整還是增強（如RAG）提供，及時向模型提供良好的數據是成功的關鍵。因此，一個高度就緒的企業應將可擴展的數據管理作為AI的關鍵推動因素，用于協調數據的發現、獲取和管理。

03AI模型

高昂的模型訓練成本促使企業使用RAG、提示工程和微調預訓練模型等策略，快速解鎖AI價值。然而，隨著可選用模型數量的日益增加，也為企業帶來適配性、公平性、隱私性及安全性等問題。并且，選擇合適的模型后，企業還需定期調整參數以優化其有效性。

為了幫助企業安全、高效地使用AI，戴爾推出了一個易于訪問、開箱即用的“AI企業私有化知識庫”。這個具備語義理解能力的智能信息檢索，無需進行模型的訓練和微調，并由戴爾服務團隊幫助企業在本地構建，在企業提供便利的同時，極大地節省了硬件資源與時間成本。

04平臺技術與運營

在選擇了用例和模型后，企業需要一個可信的平臺來實施和運行它們。高度就緒的企業將利用適合其用例、安全性和數據約束的AI技術堆棧，并確保這些技術在整個組織和優先用例中實現標準化。

如能夠輕松實現可擴展的數據管理的戴爾數據湖倉，通過將所有類型的數據（結構化、半結構化和非結構化）登錄并保留在數據湖中，從而幫助企業無縫集成AI數據與多個數據源，助力企業快速、自信地實現運行分析、AI、機器學習和其他數據驅動的工作負載。

05人員、技能和組織

一個高度就緒的企業需要為平臺和工具、架構、數據工程等方面的員工提供培訓，以掌握使用AI所需的技能。此外，企業還需要專門針對AI的新支持和運營團隊。

作為戴爾全面AI服務中的一環，戴爾向企業提供完整的培訓課程服務，并與NVIDIA合作，提供包括戴爾和NVIDIA硬件和軟件管理培訓等服務。另外，戴爾還推出了數字化員工體驗服務，通過戰略技術和體驗管理，為企業員工提供積極、高生產率的體驗，提高企業業務現代化和AI技術的速度與采用率。

06采用和適應

逐步進入高度就緒階段的企業已然對如何增加AI價值有了清晰的認識。此時，最初的戰略需結合變化進行動態調整——企業的業務部門必須繼續與IT部門合作，將AI整合到其一系列新計劃中。通過從模型輸出中捕獲反饋，并將經驗教訓整合到模型訓練、Guardrails和信息檢索中，企業可實現AI內部的持續改進，進一步適應AI。

隨著企業進入更高級別的AI就緒階段，利用AI的優勢獲得的機會和業務也會隨之增加。當然，并不是需要等到就緒程度達到一定水平才能開始將AI應用于關鍵用例，企業可以從短期的戰術項目開始，率先抓住短期AI機遇，并為之后的長期戰術做好準備。

結 語

榮獲福布斯2023年年度全球最佳管理咨詢公司表彰的戴爾科技，在AI和數據分析方面有著深厚的專業知識。通過全棧可擴展的AI解決方案，戴爾已準備好為您完成AI旅程的每一步提供助力。