在9月15日举行的“Big Data & AI Paris”大会上，Artefact集团首席人工智能战略官哈南·奥赞（Hanan Ouazan）分享了他对人工智能驱动转型的直率见解。 在演讲中，哈南阐述了如何超越单纯的个人生产力提升，构建企业知识平台并保持竞争优势。.

从个人采用到企业投资回报率

目前，一个重大的悖论正在塑造人工智能市场以及企业获取价值的方式：

  • 巨额投资: 预计到2025年，人工智能领域的投资将达到约$582亿（约占全球GDP的0.5%），届时将出现能够解决那些悬而未决数十年问题的模型。.
  • 实际影响有限: 据一份 麦肯锡研究报告, 实际上只有6%的企业真正通过人工智能实现了业务效益。.

造成这一差距的原因在于两种传统部署方法的局限性。自上而下的方法（由高管推动的转型项目）很快就会遇到人力限制和旧有技术的负担。 最重要的是，财务考量毫不留情：一个耗资100万欧元的项目必须在一年内产生100万欧元的投资回报率（ROI），因为三年后，技术已经会发生多次变革。因此，实际上只有10%到20%的公司流程才符合这些重大转型项目的条件。.

相反，自下而上的方法（向所有员工提供生成式人工智能工具）会营造出一种生产力假象。个人虽然变得“超高效”，但这种价值却难以惠及整个组织。正如6月的一份 金融时报 正如这项研究表明的那样，这是一种级联效应：一名开发人员产出的代码量增加了3倍，但在产品团队层面，这一增幅降至1.5倍，最终仅为公司增加了30%个功能。即便是表现最出色的组织，也只能获得个人增益中的一小部分。.

旧金山的范例：重新定义工作

真正的转型并非仅仅在于分发许可证，而在于从根本上重新定义工作方式。.

在旧金山，各大科技巨头已经改变了产品设计方式。产品经理们利用人工智能亲自构建首批可运行的原型。因此，从识别用户需求到投入生产所需的时间，已从平均3到6个月缩短至仅3到6周。.

要想实现生产力提升，仅提供工具是不够的；员工必须重新定义自己的工作职责。.

“仅仅因为技术上的吸引力就部署人工智能平台是毫无意义的。此类举措能否成功，首先取决于其是否与实际的商业应用场景相契合。.” — 哈南-瓦赞, ，Artefact集团首席人工智能战略师。.

语境逻辑：信息的连接与传播

与人工智能相关的挑战之一是信息的保留与传播。如今，如果员工在会议中得知某位客户正在释放新的预算或更换领导层，这些关键信息往往会被困在他们的个人笔记中，或者被遗忘在无人问津的会议纪要里。.

Artefact深信，如果无法实现内部转型，就不可能向客户推销转型方案，因此围绕一项名为“ACE”（情境平台）的计划，对内部架构进行了重新设计。 其核心原则是构建企业上下文逻辑：将知识对象（客户、公司、专业领域）在其所在的位置进行连接，而非将它们堆叠在单一的database中，从而使信息能够自然流动，并让每个人都能访问。.

从实际操作来看，ACE 只是对信息进行事实层面的确认：某条备注涉及的是哪个客户、哪个项目或哪些人，以及谁有权查看该备注。随后，各产品会检索与其相关的内容，并提取所需信息。.

“贵公司的核心资产在于其专有的data技术及专业知识。在人工智能模型日益商品化的今天，正是这种独特的专业知识让贵公司脱颖而出。.” — 哈南-瓦赞, ，Artefact集团首席人工智能战略师。.

盈利且安全的人工智能战略的三大支柱

为了确保投资回报率，并避免出现与实际使用脱节的平台泛滥，人工智能战略必须建立在三个具体支柱之上：

  • 价值在于你的data，而在于模型本身: 人工智能模型正变得越来越强大，而其成本却急剧下降。构成您真正竞争优势的，是您内部的data以及领域专业知识（即您的知识），而这些正是外界所不具备的。.
  • 自然信息捕获: 不要依赖人工来维护知识库。Data 必须尽可能自然地收集，直接从员工的工作场所（如 Google Chat、会议记录等）获取，以最大限度地减少阻力。.
  • 保护你的“技能库”（专业知识）: 您的价值在于如何管理和规范人工智能的使用（技能、治理规则、安全、成本及代币管理）。切勿将这方面的专业知识交给公共平台，以免它们从您这里学习。请构建并掌控您自己的环境。.

归根结底，人工智能项目的成功并不只是将各种技术堆砌在一起，而是需要以实际应用场景和真实的用户需求为支撑。.