AI實驗與實際影響之間的差距持續擴大，許多組織仍在努力將動能轉化為價值。部分原因是企業缺乏將AI潛力轉化為可在整個企業中擴展的結果所需的框架，另一部分則源於對AI應如何使用、治理和整合到現有流程中的更深層次的不一致。
「我們仍處於AI的起步階段，人們並不總是了解它能做什麼或有什麼限制，」super{set} AI Advisors的最近合夥人兼Lucenn聯合創始人Adrien Le Gouvello表示。在引導財富100強企業和早期公司度過這一挑戰的十多年中，他看到了強大基礎對AI產生有意義影響的關鍵作用。AI只有在企業定義可解決的問題、圍繞實際工作流程建立框架、及早讓用戶參與、根據其需求量身定制解決方案並從一開始就嵌入負責任的治理時才能成功。
可擴展的AI始於明確、可解決的問題
「企業不知道如何將他們的需求分解為AI可解決的部分，」他說。這種缺乏具體性是可擴展採用的第一個障礙。想像一下，在不提供位置或資源等背景的情況下，詢問AI代理如何到達月球。不完整的提示將不可避免地導致不準確的答案，因為系統缺乏有效推理所需的信息。
當組織提供詳細、結構化的輸入，使模型紮根於現實時，AI表現最佳。這就是為什麼上下文工程在重要性上已超過提示工程。「每個模型都不同，」他說，每個模型都依賴於正確的框架來提供有意義、可靠的輸出。
一旦問題明確，工作就轉向設計允許AI提供可重複價值的框架。這正是許多公司停滯不前的地方。高管們經常自上而下設計AI解決方案，而不讓日常使用它們的人參與其中。結果是工具在理論上看起來很有前途，但在實踐中卻失敗了。這是他經常看到的情況。「百分之八十的試點項目停留在試點階段，」他說，因為解決方案未能反映真實的工作流程。當這種情況發生時，用戶就會脫離，採用率迅速崩潰。
將採用挑戰轉化為可行的框架
他的解決方法是從第一天起就讓用戶參與到過程中。「如果你從一開始就不讓銷售人員參與到過程中，你怎麼能期望用戶真正使用它呢？」他們的見解塑造了設計決策，他們的參與使他們成為幫助產品在整個組織中擴展的倡導者。
這是他更廣泛方法的核心原則，他將其轉化為三個實際行動，幫助企業從實驗轉向企業範圍的價值。
1. 深入了解流程。 領導者必須分析當前工作的完成方式、哪些信息最重要以及哪些摩擦會減慢進度。改進而非複製成為目標。通常，最有影響力的AI解決方案不是來自複製工作流程，而是來自重新構想它。
2. 及早且經常讓用戶參與。 他們的視角創造相關性，他們的所有權加強採用。當用戶感到解決方案反映了他們的真實需求時，他們自然會為之倡導。
3. 量身定制解決方案，而不是僅依賴現成的工具。 許多平台提供強大的基線能力，但只能覆蓋問題的一部分。定制確保AI系統能夠解決組織需求的全部範圍。「深入一點」通常是解鎖真正價值的關鍵。
負責任的AI保護信任並加速擴展
即使有正確的結構，AI也不能且不應該在沒有保障措施的情況下擴展。負責任的AI實踐將實驗轉化為組織可以依賴的成果，創造廣泛採用所需的穩定性。
當今企業面臨監管壓力、法律風險以及圍繞數據隱私和幻覺的日益增長的擔憂，這使得保護專有信息成為不可協商的起點。這始於建立安全架構、適當標記敏感數據並防止意外暴露。最近的高調案例，包括因AI生成的不準確性而被罰款的全球公司，凸顯了當這些護欄缺失時信任變得多麼脆弱。
「幻覺是事實，」他說，這就是為什麼組織需要持續驗證輸出的評估層。最後的保障是人類參與。AI應該為決策提供信息，而不是取代它們。人類評估結果是否通過基本的「嗅覺測試」，驗證準確性並維持責任。
員工培訓對於確保每個用戶理解潛力和風險也至關重要。當人們知道如何負責任地使用AI時，公司就會獲得擴展的信心。
構建持久的AI框架
可擴展的AI不是從技術開始的。它始於精確的問題定義、對流程的深入理解、用戶驅動的開發和負責任的架構設計。當組織接受這些原則時，AI就成為可衡量轉型的催化劑，而不是停滯的實驗。「你希望AI為你工作，而不是圍繞你工作，這只有在基礎正確時才會發生。」
讀者可以在LinkedIn上與Adrien Le Gouvello聯繫以獲取更多見解。
