据预测，到2026年，超过80%的组织将在某种程度上使用生成式人工智能（GenAI），高于2023年的不到5%；但只有16%的组织能够成功应用。
成功实施生成式人工智能取决于三个主要因素：它能为组织带来的财务价值、用于训练人工智能模型的相关数据是否充足，以及对员工队伍的影响。
企业领导者应着眼于运用生成式人工智能解决实际问题，而不是为了采用这项新技术而采用它。
到2026年，超过80%的组织将在生产环境中运行的界面或应用程序中使用生成式人工智能（GenAI）；据 Gartner 分析，这一比例较2023年的不到5%呈指数级增长。因此，在未来几年，生成式人工智能将成为高管层讨论的焦点，投资者和股东也会要求尽快使用这项技术。
然而，目前大多数人工智能项目都未能成功，一些预测显示，失败率最高可达80%。此外，鉴于这项技术问世不久，而且自其诞生以来使用经验不足，生成式人工智能应用的失败可能会更多。若相信这些数字，我们可以推算，到2026年，约20%的组织将完全没有使用过生成式人工智能，约64%的组织将使用过但未能成功，只有16%的组织会使用并取得成功。
那么，企业领导者应如何着手采用生成式人工智能？又该如何最大程度提高投资者和股东获得正向投资回报的可能性？
根据我们与制药、医疗保健、能源和重工业领域使用生成式人工智能的企业合作的经验，我们知道，要成功运用人工智能和生成式人工智能，必须妥善处理三个要素：价值、数据和人员。
财务价值
关于价值的问题看似简单：“我们的组织希望通过这款生成式人工智能产品或服务创造怎样的财务价值？”我们说它看似简单，是因为人们很容易为了使用生成式人工智能而启动相关项目，却不评估这些项目旨在创造的财务价值。
沿着这种有缺陷的思路行事，无异于“为解决方案寻找问题”，许多组织曾试图用区块链技术这么做。因此，高管层领导者的第一步应是找出组织面临的实际问题，评估解决该问题能为组织带来的财务价值，然后再寻找可能的解决方案。
具有财务价值的生成式人工智能应用实例包括分析竞争对手公开发布的文件，以发现洞见，揭示原本可能被忽略的信息，或通过聊天服务处理客户需求。
关键数据
生成式人工智能解决方案和其他人工智能解决方案一样，都以经过数据训练的算法为基础。数据使算法能够识别模式并作出预测。因此，任何类型的人工智能模型（包括生成式人工智能模型）都需要与企业领导者试图解决的问题相关且具有代表性的数据。
此时可能会出现隐私方面的顾虑，但一些服务提供商提供的解决方案能够安全地在内部使用专有数据来训练专有人工智能。欧洲稳定机制便是利用生成式人工智能，根据专有数据生成创意。
企业领导者应确定是否拥有部署生成式人工智能模型所需的数据。如果没有，就需要规划数据获取，同时认识到缺少数据可能会使后续工作难以成功。如果数据充足，接下来就应关注第三个问题：人员。
人员要素
人们对人工智能的看法差异很大，从满怀期待到极度恐惧不等。企业领导者应考虑正在开发的生成式人工智能解决方案将补充还是取代组织中的员工。
无需讨论增加收入与降低成本孰优，也无需争论什么才是“正确”的做法，企业领导者必须决定：是希望用更少的资源完成现有工作，从而让生成式人工智能系统取代部分员工；还是用相同的资源完成更多工作，从而增强现有的人力资源。
不出所料，选择替代员工的组织将面临内部反对，这可能适得其反，损害原本有望成功的生成式人工智能应用。
未来已在今天到来
成功采用生成式人工智能的过程面临重大挑战，预计只有相对少数企业能够有效运用这项技术。
即便采用生成式人工智能未能实现预期目标，组织也可能从中获得有益经验，为日后的成功奠定基础。不过，认真处理财务价值、关键数据和人员要素方面的问题，有助于更顺利地成功采用这项新技术。
今天，人工智能议题必须进入董事会讨论。主动开启对话并提出恰当问题的企业领导者将引领人工智能的未来；不这样做的人则会落后。行动就在此刻。
