如何把握Gen-AI“危”与“机”？

BCG（波士顿咨询公司）是一家全球性管理咨询公司，是世界领先的商业战略咨询机构，客户分布于世界主要商业地区，涉及诸多行业。BCG与客户密切合作，帮助他们辨别最具价值的发展机会，应对至关重要的挑战，并协助他们进行业务转型。在为客户度身定制的解决方案中，BCG融入对公司和市场态势的深刻洞察，并与客户组织的各个层面紧密协作，从而确保客户能够获得可持续的竞争优势，使其成长为更具能力的组织并保证成果持续有效。

2022年年底，ChatGPT正式发布。在短短几个月内，无数用户和企业客户竞相入局，探索如何运用Gen-AI提升效率和价值。

Gen-AI在提高企业生产力、破除技术限制的同时，也将带来商业模式和产品创新的革命，甚至对所有行业产生颠覆性影响。我们认为，CEO的首要任务不是沉迷技术研究，而是要聚焦三个关键问题，深入分析Gen-AI对企业和行业带来的影响，准确把握“危”与“机”，才能顺势应变。

问题一：如何运用Gen-AI提升企业势能？

Gen-AI凭借“低代码、无代码”的优良特征，将促使有需要的企业大力布局。应用Gen-AI能直接提升企业效率，降低生产成本。但是，由于每家企业都可以这么做，因此不加区别地应用Gen-AI，并不能帮助企业突围制胜，反而会因为巨大的技术投入而拉高成本。这又该如何解决？

找准最佳的价值切入点

在上述情况下，运用Gen-AI放大企业自身的关键优势，就显得尤为重要。CEO要做的，就是准确识别企业价值链上最佳的切入点，确保Gen-AI能最大程度激发企业竞争优势、提升发展质效。

例如，在生物制药领域，缩短专利研发时间是最快提升专利价值的途径。生物技术公司Insilico Medicine以此作为切入点，通过利用Gen-AI，使药物研发时长从原先的20年缩短至不到30个月就进入临床试验阶段，获得了价值回报。

明确下一阶段的技术策略

找到切入点后，若要加快Gen-AI应用实施，大语言模型成为关键。CEO要会同技术团队明确下一阶段的技术策略：是微调现有模型，还是训练新模型？

微调现有模型有两个明显的好处：一是成本可控。对已有的模型进行微调的成本大约在1915到7418美元之间，节流效应明显。二是效率较高。微调所需时间较短，投入试验的速度也快，可以有效减少内部资源消耗。当然，微调模型的短板显而易见，模型训练不得不依赖企业既有的数据信息，Gen-AI的创新度将明显受限。

若训练新模型，好处显而易见，它可以跳脱既有模型的束缚，给予Gen-AI更大的成长空间。与此对应的却是高昂的成本。据估算，谷歌大约投入了1000万美元训练语言模型BERT，OpenAI对GPT-3的单次训练投入也达到1200万美元，而一个成熟的大语言模型往往需要多次训练，这就意味着多轮投入。当然，如果企业价值链上确实存在能够“四两拨千斤”的Gen-AI切入点，用短期投入换长期回报，无疑是值得的。

首先，明确已有模型是否具备期望的功能？若已具备，则采取微调现有模型策略。其次，通盘考虑模型性能、预算、人才、安全等因素，若预算有限，在确保数据隐私的前提下，可尝试使用相对便宜的开源模型，但这种做法对专业人才提出了较高要求；若预算充足，可向专业的大语言模型供应商进行定制化采购。

若现有模型不具备期望的功能，就必须训练新模型。此时需要进一步明确，企业是否有足够的预算和人才支持新模型的开发及运营？若答案是肯定，则推动实施。不过，考虑到成本、技术、人才等门槛，有能力走这条路的企业往往是头部企业。若答案是否定，我们建议CEO“曲线救国”，和大语言模型供应商达成合作关系，通过战略合作等方式获得相应支持。

切实做好投资规划

CEO要充分评估企业开展Gen-AI技术投资的收益和风险，特别是风险，要重点考虑以下三个方面：

时机是否恰当？若过早投入，短期内有可能导致专业人才缺口、企业成本抬高，长期还会出现技术过时等问题。

技术是否可靠？Gen-AI的模型算法和智能水平仍处于起步阶段，生成的结果难免存在偏误。

长期能否制胜？过去，Gen-AI的研究成果大多是公开的。随着这项技术逐渐关涉企业竞争力，商业机密度持续增高，开源模型已远远落后于市场上最先进的方案，CEO若决心投资，要充分预估在这场旷日持久的“Gen-AI军备竞赛”中能否突围制胜。也因此，CEO必须加快建立一支专业性强、战斗力高的技术团队，确保企业发展始终跟得上技术变革。

问题二：如何协调Gen-AI与企业员工之间的关系？

Gen-AI除了革新企业生产力之外，同时冲击，甚至颠覆社会和企业生态。为确保企业和员工能较快适应，CEO在短期内要着力推动两大方面的转变：一方面，重塑岗位职能；另一方面，优化运营模式。

重塑岗位职能

CEO要意识到，Gen-AI在提升企业效率的同时，容易激发企业员工的“忧患”情绪。因此，在积极布局Gen-AI的过程中，更要加强人本主义的企业文化建设，消除员工“被取代”“被裁员”的担忧，平衡好Gen-AI与人之间的关系，注重技术伦理。

与此同时，CEO要重视“边学边用、边用边学”，结合实际重新梳理相关岗位的职能定位，制订新的企业人才规划，确保企业员工能用、会用、善用，保障人才竞争优势和Gen-AI的投入产出效率。在这一方面，CEO可以试着思考以下几个问题：

Gen-AI投产后，管理人员应如何避免员工吃“大锅饭”？

CEO如何建立健全科学有效的人才培养机制，确保普通员工适应并掌握“AI增强”技术（指人脑与AI相结合，相辅相成、合力工作）？又如何确保管理人员管得住、管得好“AI增强”型队伍？

企业该如何设计培训和招聘计划，成功打造出一支派得出、用得上、靠得住的新型员工队伍？

优化运营模式

一方面，加快技术和研发集中。考虑到敏捷模型的长期重要性，企业要加快推动IT和研发部门集中，并配备大语言模型专家，确保模型可定制、数据大集中。分散、孤立的数据将导致Gen-AI的潜力难以充分发挥。

另一方面，加快技术和业务融合。考虑到数字技术日益重要，企业应设立或招揽如“首席AI官”等专业人才来督促进展，并积极组建以部门为中心的跨职能人才团队。

问题三：如何防范Gen-AI带来的潜在风险？

目前，Gen-AI因技术局限，无法判别其自身产生信息的真伪，加上大多数使用者对这项技术的了解有限，导致其应用必然存在技术、业务，甚至道德风险。此外，Gen-AI的使用也有可能造成侵权、数据泄露、结果偏误、欺诈诱导、能耗加剧和环境破坏、能力过剩（指Gen-AI所具备的非预期中的功能，会增加其不可控性）等后果，这些都会对企业正常生产经营造成不利影响。

作为CEO，要充分认识这些潜在风险，从三个方面做好应对：

完善制度建设

以制度形式明确AI使用的安全性要求，把使用权关进制度的“笼子”；要建立定期跟踪监测机制，掌握企业的AI试验开展情况，避免可能导致信息暴露的试验；要建立健全审查审核机制，保障企业数据机密性、客户信息隐私性、发布内容合规性。

加强员工培训

一方面，指导员工在自身专业认知范围内科学使用AI，确保所使用的数据是员工本人完全理解的，并且不存在敏感性等风险问题；另一方面，要让员工时刻树立批判和怀疑意识，充分考虑AI技术的缺陷和生成结果的偏误，防止对结果以及自身能力盲目自信。

强化自律管理

BCG首次提出，并鼓励CEO们要积极思考“负责任AI（RAI）”的意义和重要性，加快建立、传递“负责任AI”理念。充分认识AI的技术局限，通过发出倡议、规范信息发布流程等措施，科学干预和纠偏。在信息使用上，企业管理者要告诫员工，不在公共性的AI工具上输入或共享敏感信息，造成泄密风险。但是，由于大语言模型在使用过程中，相关数据披露实在难以避免，这就需要管理者动态跟进，努力将潜在风险降到最低。