解锁组织的 AI 价值：从概念验证到实际影响

尽管某些工具可以被引导，但在缺乏监督的情况下，我们不能完全依赖它们，也不能期望它们能自行检验结果的质量。建立持续监控和评估AI系统输出的工具和流程是负责任的技术实践的一部分，也是避免意外后果的关键所在。

一旦这些参数设置完毕，Thoughtworks鼓励组织开始在其运营中测试可能的AI应用场景。正如所有创新一样，只有在技术得到充分应用后，我们才能真正理解其全部潜力或应用范围。

高质量的标注数据和数据访问权限是阻碍公司将模型投入生产的另一个常见挑战。复杂AI模型的不透明性使得难以评估模型的准确性和是否适合特定需求。Thoughtworks通过提供工具和专业知识，帮助企业有信心地评估大型语言模型(LLMs)，从而解决这一问题。

Thoughtworks的预构建解决方案通过提供用于文本分类和数据标注等任务的加速器，简化了开发流程，鼓励公司超越概念验证(POC)阶段，并在AI项目中更快地取得成果。

随着对AI模型部署的信心增强，公司能够解决大型语言模型(LLMs)的不透明性，从而做出更有根据的决策。领导者将能够准确回答诸如“我如何知道LLM的输出是否准确?”或“哪个模型/方法最适合我的使用场景?”等问题。

除了数据标注，AI概念验证(POC)还必须反映并遵守组织的隐私和安全政策。将现有的访问控制融入大型语言模型(LLM)的行为中，不仅能增强安全性，还能降低训练成本。

例如，在将大型语言模型(LLM)与数据平台集成时，应该考虑用户的角色和访问权限来处理上下文和模型输出。这确保用户仅能访问他们有权限查看的数据，从而增强系统的整体安全性。

目前，制作有效的提示往往依赖于反复试验，这使得扩展和维护生成式AI(GenAI)解决方案变得困难。引导AI回复的指令，随着模型的演变，可能会变得无效。Thoughtworks的解决方案通过开发优化特定模型的指令的工具来解决这一问题。这不仅简化了GenAI应用的生产维护，还允许在模型之间实现更大的可移植性——确保企业能够利用最适合其需求的模型，而无需从头开始设计指令。

yuu Rewards Club，新加坡领先的联盟顾客会员平台，展示了AI如何实现快速扩展。该平台整合了零售、餐饮、娱乐、银行等多个领域的顶级品牌，提供高度个性化的移动体验和统一货币，以最大化奖励。

凭借先进的AI和机器学习(ML)能力以及强大的合作伙伴生态系统，该平台彻底革新了传统的顾客会员计划，为消费者提供了全新的购物体验。例如，通过一个应用程序即可方便地在多个品牌之间兑换优惠，并获得个性化的优惠和奖励。

由minden.ai(一个由淡马锡创办的科技公司)与Thoughtworks合作开发，该平台在短短一个月内迅速跃升为主要应用商店的第一款应用，并在仅100天内吸引了超过一百万的会员。

这是一个出色的案例，展示了以用户为中心的设计、敏捷开发和关注可扩展性如何在AI驱动的平台中实现快速增长。

Thoughtworks与一家领先的南亚银行合作，解决了一个常见问题：分散的数据阻碍了客户体验。数据被孤立在多个来源中，导致产品经理难以高效地访问客户信息。

利用生成式AI(GenAI)，团队分析了数据集，识别了关键痛点，并构建了一个生产就绪的GenAI驱动聊天机器人。此外，他们还创建了一个可重用的框架，能够适应任何经过微调的语言模型，从而确保了可扩展性。

生成式AI(GenAI)代理成为了一个重要的突破。客户服务能力显著提升，用户体验了更加流畅的对话过程。

在上述两个案例中，从概念验证(POC)到全面生产的迅速推进得到了强有力的领导支持。这样的组织范围内认可是通过动态的生成式AI(GenAI)战略得以增强的，这些战略能够跟上快速变化的市场和用户需求。

组织还应建立一个负责任的AI框架，涵盖隐私、安全以及法律法规遵循等关键方面。随着AI及其能力的发展，保护措施对于确保其伦理和负责任的部署至关重要。例如，我们与联合国合作开发了一个全面的《负责任技术手册》，其中包括AI以及可持续性、数据隐私和可访问性等方面的考量。

对于那些希望熟练运用AI的组织来说，成功的真正衡量标准不仅在于自动化常规任务，更在于提升人类能力和放大个体在组织中的贡献影响力。