2022年，关于AI的大事件是从研究实验室和概念验证中涌现出来的技术，及其被部署在整个企业以获得商业价值。今年的开局大致相同，ML算法略有改善，数据管道也有所改善。在2023年剩下的几个月里，变化可能会进一步超过我们的预期。
以下介绍了2023年的十大企业AI发展趋势：
AI成为董事会级别的优先事项
去年，AI由点解决方案和利基应用程序组成，这些应用程序使用ML预测行为、发现模式并在精心挑选的数据集中发现异常。今天的基础模式是万能的。他们可以编写代码、写诗、绘制任何艺术风格、创建PowerPoint幻灯片和网站模型、撰写营销文案和电子邮件，并在软件中发现新的漏洞，在未出版的小说中发现情节漏洞。
普华永道新一代AI上市战略合伙人兼负责人布莱特·格林斯坦(Bret Greenstein)表示：“AIGC触及企业的方方面面，也触及社会的方方面面。通过预先培训的模式，你可以把它带入人力资源、金融、IT、客服——我们所有人都被它所感动。
他表示，普华永道的所有客户都在进行这方面的讨论。“我从未见过如此程度的兴趣和兴奋。”他补充说，没有人会对此信以为真。每个人都想要它。一旦你在工作场所拥有了它，你就会得到1000个用例，因为每个人都想这么做。
提高生产率或支持以前不可能实现的业务类型的潜力是巨大的。但也有不利的一面：新一代AI可能会让公司倒闭。“生存风险”这个词现在无处不在——不是说AI会摧毁人类，而是它会让商业功能、甚至整个公司过时。
对AI进行规范
最近在华盛顿举行的AI领导人向监管机构介绍AI的会议上，大多数人站出来支持对该行业进行某种监管。在欧洲，《AI法案》即将出台。虽然它是在第二代AI之前编写的，但它有适用的条款，但在生效之前很可能会经过修改。
今年7月，纽约市开始执行有关在招聘决策中使用AI的新规定。3月底，意大利完全禁止了ChatGPT，大约一个月后再次取消了禁令。格林斯坦说：“意大利的下意识反应是一记横跨船头的子弹。”但这是即将发生的事情的征兆。他说：“如果你拿一些风险很小的东西，然后把它放大一千倍，风险就会放大。”第二代AI就是这种放大，世界对它的反应就像企业和社会对异物的引入做出的反应。“我们不能拒绝它，但我们也不能让它控制，让它以不受监管的方式发生，”他说。
AI与变革管理
长期以来，变革管理一直是AI项目成功的关键。AI模型有多准确，或者如果目标用户拒绝与之有任何关系，它会给一家公司带来多大的好处，这都不重要。但是，直到今年，这还是一个相对可控的问题，因为AI项目的范围有限。然而，有了第二代AI，对劳动力的影响将显著更大。
“这是历史上最大的变革管理项目，”格林斯坦说。“我们从来没有让一项技术如此迅速地影响到每个人。”
嵌入式AI
在新一代AI出现之前，将AI嵌入员工已经在使用的企业系统是一种趋势。它使预测和分析变得广泛可用，并将数据的力量交到需要它的人手中，准确地在他们需要的时候，并以对他们最有用的形式。
传统的AI——ML和神经网络——花了数年时间才达到可以嵌入的地步。新一代AI花了几个月的时间。今天，大多数主要的AI平台，包括OpenAI，都有允许企业和企业软件供应商在他们的系统中快速添加新一代AI功能的API。
格林斯坦说：“用嵌入式AI让现有的应用程序变得更好，这太棒了。”
更好的情况是，AI可以适应每一项业务的独特需求。传统的ML需要大量的数据、经验丰富的数据科学家，以及培训和调优。然而，如今的新一代AI平台需要的数据要少得多，因为公司可以从通用的基础模型开始，然后根据自己的数据对它们进行微调，添加一个矢量数据库，或者直接在提示中注入信息和示例。
格林斯坦说，随着定制AI变得更便宜、更容易，更多的公司将开始为较小的用例定制AI，使其在企业中真正普及。
S&P Global Market Intelligence AI研究总监尼克·佩兴斯表示：“鉴于我们认为市场将如何发展，AIGC将嵌入到我们使用的每一个应用程序中。”
他在最近的一份报告中估计，到2028年，AIGC软件收入将从今年的37亿美元增长到360亿美元。
“我们甚至可能低估了它，”佩兴斯说。
他目前正在跟踪262家新一代AI供应商，其中117家专门从事文本生成，并计划在未来6个月内推出新版本的报告。他说，通常情况下，这类报告每两年更新一次，但这个市场的变化太快了。
他表示，与前几代AI相比，新一代AI加入企业软件的速度更快的一个原因是，它可能会改变人与软件之间的关系。
“它有能力让人们用自然语言交谈，并完成任务，”他说。以前，他们需要编码或理解Excel或一种查询语言。通过使用自然语言，你可以作为人类对数据集和其他过于复杂的事情进行复杂的查询，而这些事情是你自己无法完成的。
Patience已经跟踪这个空间20多年了，他说他从来没有见过这样的东西。
“这太不可思议了，”他说。我们的客户，以及我以前从未交谈过的客户，都想知道发生了什么。对于那些有技能的人来说，这将是一种力量倍增。对于其他人来说，这将是一个更大的威胁。但它将使人们能够做比他们目前所能做的更有价值的工作。
业务流程自动化
AI长期以来一直在RPA中发挥作用，尽管作用很小。ML用于情感分析，并用于扫描文档、分类图像、转录记录和其他特定功能。然后AI世代问世了。
Insight首席企业架构师兼首席技术官大卫·麦柯迪表示：“自2022年以来，世界发生了翻天覆地的变化。”我们与客户一起做了许多12个月前还不在工具箱中的事情。你现在有能力跳过已经存在了几年，有时是几十年的过程，因为有了产生式技术。
他说，最好的立竿见影的用例之一就是总结文档并从材料中提取信息。
“这在以前是不可能的，”他说。现在你可以进去提取一个概念，而不仅仅是一个词。它正在改变我们的一些工作流程。
然而，管理咨询公司SSA&Company负责应用解决方案的副总裁尼克·克莱默表示，企业仍然没有从隐藏在文档中的非结构化数据中提取足够的价值。
他说：“现有的技术并不能始终如一地、足够容易地呈现出最相关的内容。”这就是大型语言模型让我非常兴奋的地方。吸收公司知识语料库的能力提供了无限的可能性。
AI供应商管理
只有最大的公司才会建立或管理自己的AI模型，即使是那些公司也将依赖供应商提供他们使用的大部分AI。微软、谷歌、Salesforce——所有的主要参与者都参与了AI，所以只有利用这一点才有意义。但随着新一代AI更多地涉及公司的数据、人员和流程，供应商选择和管理过程变得越来越重要。
Insight的麦柯迪说：“如果没有ML和AI能力，我就不会获得可操作的技术。”“如果这些公司没有利用AI，也没有路线图，我们就不会购买他们的软件。”
他表示，这是企业避免技术债务的方式之一，方法是投资于投资于AI的合作伙伴和公司。但是，即使一家供应商已经在路线图上部署了AI，或者已经在构建它，仍然存在风险。“就像在互联网早期一样，许多公司会来来去去，”SANS研究所首席课程主任兼教职员工负责人罗布·李(Rob Lee)表示。他已经在网络安全领域看到了这一点。“在黑帽，我看到了至少100家公司，”他说。“但他们真的有卖得出去的东西吗?”
买家必须注意的一件事是供应商实施的安全措施。随着新技术的部署，安全性往往是事后才想到的。有了AI，这将是一个巨大的错误。
“如果你把你的数据上传到这些AI，会发生什么?”李问道。“你想要进行实验，但如果有人将错误的电子表格上传到错误的AI，你就会有数据泄露。”
值得信赖的AI
去年，随着经典AI越来越多地部署到生产中，企业开始更加认真地对待可信度问题。他们想要的是可靠的、没有偏见的、建立在道德原则上的模式。此外，AI应该是透明和可理解的，因为人们想知道AI为什么做出这样的决定和建议。今天，可信度是每个人的首要任务，从试图获得家庭作业帮助的大学生，到寻求避免AI末日的全球领导人。研究人员、供应商、顾问和监管机构正在努力制定护栏和伦理原则，以规范AI的培训和部署。
Lotis Blue Consulting营收增长业务合伙人、数据科学团队负责人Donncha Carroll表示：“我们仍处于早期阶段。”你不想相信一个你无法看到或审计它是如何运行的系统，特别是如果它可以做出可能产生后果的决定的话。疏忽的部分还没有弄清楚。
开源AI
开源长期以来一直是AI领域创新的驱动力。许多数据科学工具和基础模型都是开源的，或者在很大程度上基于开源项目。今年有几个月，人们担心新一代AI的新领域将被科技巨头主导，这些公司拥有培训大型语言模型所需的数百万美元，以及培训他们的数据。
OpenAI的ChatGPT、谷歌的Bard、IBM的Watson、Anthropic的Claude和其他主要的基础模型都是专有的。但在2月份，Meta发布了Llama，这是一种获得非商业用途许可的开源大型语言模型，很快成为许多项目的基础。然后，在7月份，Meta的Llama 2问世了，这一次，它获得了商业用途的许可。任何人都可以免费使用或修改它，只要他们的日活跃用户不到7亿。微软很快承诺在其Azure平台上支持它。亚马逊在AWS上也是如此。VMware使其成为其AIGC堆栈的基石之一。
8月，Meta继续发布模型。这一次，是Code Llama，一个接受过编写代码培训的大语言模型。然后在9月份，阿联酋技术创新研究所发布了迄今为止最大的开源模型——Falcon 180B。它很快就上升到开源大语言模型排行榜的榜首，之前由Llama 2及其变种主导。
Falcon也是在Apache2许可证的变体下发布的，可用于商业用途，并可用于自然语言生成和代码。
开源模式使企业能够在自己的基础设施中部署定制的AI，而不必将数据发送给云提供商，并提供更大的灵活性和更低的成本。其中一些开源模型甚至小到可以在台式电脑或移动设备上运行。
洛蒂斯·布鲁的卡罗尔说：“你将看到更多这种令人难以置信的计算能力被分布在边缘。”
安全可靠的数据基础架构
ML和AIGC都依赖于数据。在过去的10年里，数据已经成为一家公司最有价值的资产，是推动创新和创造价值的动力。为了实现这一切，必须以可靠、高效、可扩展和安全的方式收集、处理数据并将其提供给需要它的系统。数据仓库随后演变为数据湖，然后是数据结构和其他企业范围的数据架构。所有这些都将被证明是有价值的，无论是随着公司继续扩大他们的传统AI项目，还是对于即将上线的新一代AI功能。对于许多公司来说，这意味着像ChatGPT这样面向公众的聊天机器人不是一个选择，因为缺乏企业级的数据保护。
“有必要保护进入其中的数据，”麦柯迪说。“这为一些用例创造了一个明显的障碍，直到你建立起安全边界。”
对于一些人来说，这意味着在私有云中运行OpenAI的模型或其他模型，甚至在Prem上运行开源模型，这取决于公司的风险状况。与此同时，即使经过多年的努力，许多公司仍然没有为AI准备好数据。根据S&P Global Market Intelligence最新发布的2023年全球AI趋势调查，该调查于8月份发布，调查了1500名AI从业者和决策者，部署AI面临的最大技术挑战是数据管理。尽管69%的公司至少有一个AI项目在生产中，但只有28%的公司达到了企业规模。
加快变革步伐
如果没有互联网提供的全球连接和如此容易地以数字形式获得的海量信息，准备用作训练数据的第二代AI是不可能的。然后是云计算、SaaS和API，它们允许快速轻松地部署新技术，而不会为企业带来巨额的前期集成成本。因此，新一代AI的采用率比任何以前见过的技术都要快也就不足为奇了。但除此之外，AIGC也是一项有助于加速自身发展的技术。
今年4月，风险投资家中岛洋平想知道是否有可能有一位可以自主运营公司的“AI创始人”，并要求ChatGPT创建公司。总共花了大约三个小时，ChatGPT编写了代码、研究论文和一条Twitter帖子。Nakajima称它为“BabyAGI”，并在GitHub上疯传。它是一个万能的代理人，可以为任何目标工作，而不仅仅是创办一家公司。
中岛在一篇描述该项目的博客文章中写道：我开玩笑地要求自主代理制作尽可能多的回形针。它发现了AI回形针的启示录，并从制定安全协议开始。
BabyAGI使用OpenAI的GPT-4 API、Pinecone向量搜索和LangChain AI框架来计算出需要完成哪些任务才能实现目标，如何确定这些任务的优先顺序，然后再去做。类似的项目包括AutoGPT和AgentGPT。
今年AI自力更生的另一个例子是Alpaca，斯坦福大学的研究人员使用了Meta的一个早期Llama模型。这是一个原始模型，没有从人类反馈中进行强化学习——这是一个昂贵且耗时的过程。羊驼走了一条捷径，使用OpenAI的文本——ChatGPT的近亲DaVinci-003，生成了5.2万个问答对，并用它们来训练它的新聊天机器人。研究人员表示，整个过程的成本不到600美元，其中500美元用于OpenAI API，100美元用于计算成本。当团队对其进行测试时，其性能与Text-DaVinci-003不相上下。换句话说，新一代AI模型可以编写新的代码来提高自己的性能，他们可以生成数据来训练下一代模型。
“工具和工具包变化太快了，”管理咨询公司AArete的数字技术服务副总裁普里亚·伊拉加瓦拉普说。“甚至在领导和社区能够阅读和理解手册之前。”她说，这给试图提前计划的公司带来了挑战，因为很难区分哪些已经可能，哪些仍在开发中。她说：“领导人越来越难在两者之间划清界限。”
作为快速变化的结果，许多公司寻求建立灵活的框架-允许他们在发展过程中引入不同的模式。例如，普华永道并没有将自己与任何特定的大语言模型捆绑在一起。
“我们有一个插件架构，”普华永道的格林斯坦说。“我们一直在帮助人们按照现有的任何标准进行建设，但仍有灵活性。”
该公司还派人密切关注发展的前沿。“有了AI，它来得太快了，”他说。“我们正专注于‘不后悔的举措’，比如建立一个与大语言模型无关的基础设施。这一点现在很关键，因为这两种模式正在相互超越。
