类似的动态也在大多数公司内部上演——目前的技术是人工智能及其任何与之遥相呼应的东西。大型语言模型：它是人工智能，机器学习：这是人工智能，你被告知每年都没有资金的那个项目——叫它人工智能，然后再试一次。
未来十年，数十亿美元将被浪费在人工智能上，如果这听起来像是一种相反的看法，那么它不应该是这样的。每一次重大的技术浪潮都伴随着兴奋——甚至在我们知道它是多么真实和具有变革性之前。搜索、社交和移动都产生了广泛和持久的影响，但虚拟现实和加密技术受到的限制要有限得多。
然而，你不会从五年前的头条新闻中看出这一点。现在，每个人都在奔跑，展示他们在人工智能上花了多少钱，以及它将如何改变一切，这种鸟枪式的投资方式不可避免地会导致一些巨大的成功和许多失败。对于风投来说，同样的动力也促使公司领导层以人工智能的名义批准投资，这些投资充其量是乐观的，充其量是错位的希望和冒险。
但这并不能否认大语言模型是一种改变游戏规则的技术，看看ChatGPT与其他变革性公司相比，用户达到1亿的速度有多快：
几乎每一家企业都有一些工作要利用大语言模型和人工智能。
清醒地认识到这三件事，你就可以减少80%的浪费：
1.了解随时间推移的总成本
2.问别人为什么做不到
3.下几个你愿意坚持到底的赌注
1.了解随时间推移的总成本
当你考虑同意下一个人工智能项目时，看看维持该项目所需资源的成本，无论是现在还是长期。数据科学团队10个小时的工作时间通常是工程、DevOps、QA、产品和系统时间的5倍。公司里充斥着曾经是好主意但缺乏持续投资来维持的项目的碎片。今天，对一项人工智能计划说不很难，但太频繁地说不往往是以全额资助未来几件值得支持的事情为代价的。
成本的另一个维度是人工智能推动的边际成本不断增加，这些大型语言模型的培训、运行和维护成本都很高。在下游价值没有相应增加的情况下过度使用人工智能会侵蚀你的利润率。更糟糕的是，撤回已发布或承诺的功能可能会导致客户不满和负面市场看法，特别是在炒作周期中。看看几个失误很快就损害了谷歌作为人工智能领导者的声誉，更不用说IBM沃森的早期了。
2.问为什么其他人不能这么做？
你从课本上学到的东西很容易忘记，我们都读过关于商品化的文章。在现实生活中被打来打去，同样的教训也会在你身上挥之不去。当我在美光担任芯片设计师时，我们的核心产品接近完美的商品——存储芯片，没有人关心他们的笔记本电脑里装的是什么品牌的存储芯片，而是它的价格。在这个世界里，随着时间的推移，规模和成本是唯一可持续的优势。
科技行业可能是双峰型的，有垄断和大宗商品。当你对下一个人工智能计划说好的时候，问问你自己，“为什么是我们？”随着时间的推移，致力于商品化的东西并不有趣，特别是当你没有规模/成本优势的时候，听我的，唯一肯定会受益的是NVIDIA和AWS/Azure。解决这个问题的唯一方法是专注于你有防御性护城河的东西。优先访问数据、有关用例的专有见解或具有强大网络影响的应用程序，让你拥有先机。
3.下几个你愿意看穿的赌注
最简单的押注是那些能让你已有的业务变得更好的赌注。我脑海里浮现出巴斯夫的那句老话：“你买的东西不是我们造的，而是我们让你买的东西更好。”如果人工智能的应用为你已经制造的产品提供了动力，那么这种押注最容易进行和扩大。第二个最简单的押注是那些让你在价值链上上下移动或横向扩张到其他行业的赌注。
最具挑战性但也是最重要的赌注需要你用新技术蚕食你目前的业务——如果你不这样做，其他人就会这样做。在通过这两个测试的少数几个赌注上加倍下注，并准备好看到这些赌注通过，剩下的就交给风投和初创企业吧。
因此，尽管围绕人工智能的炒作是真实和合理的，但如果这些年来我们学到了什么教训的话，那就是随着这些周期的到来，不仅会带来合理的投资，还会带来大量的浪费。通过遵循上面概述的几个提示，你可以确保你的投资有最好的机会结出一些算法上的成果。
企业网D1net(www.d1net.com)：
国内主流的to B IT门户，同时在运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。同时运营19个IT行业公众号(微信搜索D1net即可关注)。
版权声明：本文为企业网D1Net编译，转载需在文章开头注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
京公网安备 11010502049343号