栏目介绍
【高管洞察】栏目将持续为大家带来亚马逊云科技企业战略专家对生成式AI的深刻见解，通过包括强化安全实践的实用性举措分享，加速企业与组织的生成式AI创新，充分释放技术的巨大潜力。
本文作者 Helena Yin Koeppl
亚马逊云科技企业战略顾问
生成式AI为企业带来了变革性的创新和发展机遇。尽管基于海量互联网数据训练的通用生成式AI模型为我们打下了坚实的基础，但这些模型往往难以满足特定的业务需求。这凸显了利用企业专有数据来定制生成式AI解决方案的重要性。通过将生成式AI模型与其独特的数据集和需求相结合，企业可以充分发挥生成式AI的潜力，获得符合其战略目标的深刻洞察力。
在与各个行业客户开展合作的过程中，我发现倘若将企业数据与生成式AI模型相结合，特别是通过检索增强生成(RAG)或微调等方法，能在一些关键领域产生巨大的价值。其中较为突出的两个领域是改善客户体验和优化业务决策。此外，关于企业如何在快速行动的同时构建坚实的数据基础，以充分利用生成式AI技术，我也提出了一些建议供企业管理者参考。
将生成式AI模型
与企业数据相结合的优势
改善客户体验
当生成式AI与客户数据相结合时，则有更高潜力通过提供高度个性化的体验来彻底重塑客户互动。通过利用上下文信息、互动历史和个人反馈，生成式AI驱动的解决方案能确保每个接触点的高相关性。因此，这些生成式AI解决方案可以生成量身定制的内容，比如个性化电子邮件和产品推荐，以满足每个客户的独特偏好。
在零售领域，生成式AI正在为全渠道无缝体验铺平道路。通过整合不同渠道的数据，生成式AI能保持客户互动的一致性，最终实现更高的客户满意度，即达到“始终了解客户喜好”的洞察级别。
在金融服务领域，生成式AI正在改变个性化理财建议的方式。通过分析客户的财务状况、历史信息、目标、风险承受能力和消费模式，生成式AI驱动的系统能以前所未有的精准度提供量身定制的建议。例如，由生成式AI驱动的应用程序可以根据个人财务状况推荐一些定制化的投资机会或储蓄计划。
通过将生成式AI与客户数据相结合，能够提供大规模的个性化服务，提高客户参与度和满意度，最终通过提升客户忠诚度和更有效的销售对话来推动业务的增长。
优化业务决策
使用企业数据定制生成式AI模型可以显著优化业务决策，提供既精确又与情境相关的洞察。例如，在财务预测方面，定制的生成式AI模型可以分析企业特定的历史财务数据、季度报告、市场趋势和经济指标，从而更准确地预测未来的财务表现。这可以帮助企业进行预算规划、投资决策和风险管理，使其更有效地分配资源并预见潜在的财务挑战。
在制造业领域，定制的生成式AI模型可以通过分析与机器性能、维护日志和供应链动态相关的结构化和非结构化数据来优化生产计划。这将有助于提高效率、减少停机时间、改善库存管理，从而最终提升生产力并降低运营成本。
建立坚实的数据基础
以释放生成式AI的力量
为了有效利用企业自身数据，从生成式AI驱动的解决方案中获得更大的收益，建立坚实的数据基础至关重要，而这一基础涉及三个基本要素：高质量的数据、精心设计的数据治理计划和可扩展的数据基础设施。
生成式AI的数据基础应该具备清晰、注释完善，能跨各种系统集成的特征。实施强有力的数据治理实践（比如定期审计和遵守隐私法规），是负责任的人工智能计划的重要组成部分。通过营造数据驱动的文化氛围，企业可以实现更轻松的生成式AI集成和使用，从而最终推动提高创新速度和运营效率。
然而，企业不能等到这种文化氛围形成后，再开始尝试利用企业数据来定制生成式AI模型。我的建议很简单：立即开始，在实践中学习也许是更好的答案。起初企业并不需要完整的数据集，因为企业可以从客户关系管理(CRM)系统和客户反馈等关键来源中提取一个小型但注释完善的样本。通过尝试不同的预训练生成式AI模型，可以找到更合适业务需求的模型，并利用RAG等定制技术来提升性能。当然，整个过程还需要定义准确性和用户满意度等明确的指标，用来进行成果评估。
掌握生成式AI的关键在于边实践边学习，所以先行动起来，在实践中学习，这一点非常重要。利用初步成果来改进您的方法，根据反馈进行迭代，并逐步扩大企业的数据集。这种迭代方法将有助于企业获得宝贵的生成式AI一线经验，并进而促进制定强大的支持性数据策略。
将生成式AI与企业数据相结合不仅仅是一种技术上的进步，更是一项必要的战略性举措。通过迈出应用生成式AI的第一步，企业可以将效率水平、创新能力和客户满意度提升到一个全新的水平。
原文链接：
https://www.theguardian.com/business-briefs/ng-interactive/2024/sep/04/unlocking-the-power-of-generative-ai-with-your-data
期待你的分享 收藏 在看 点赞！
亚马逊的一小步，云计算的一大步！
