麦肯锡-数据领导者扩展人工智能的操作指南（英）-2024.9-9页

生产力革新战略聚焦系列一：生成式AI规模化部署的核心指引

报告要点1：生成式AI规模化部署需要数据驱动型路线图

• 企业部署生成式AI(Gen AI)必须从数据角度出发，采用明确的运营模式才能成功规模化。
• 多数企业虽已部署生成式AI，但尚未见到显著影响。投资持续上升源于对高绩效企业的早期收益预示着成本降低与利润增长。
• 首席数据官(CDO)应负责整合技术、人员和流程，将Gen AI潜力转化为实际影响。

报告要点2：Gen AI运营模型的核心要素

• 组件化设计：围绕通用组件进行架构设计，平衡稳定基础架构和前沿技术组件。欧洲某领先银行仅用三个月完成约80%核心用例（31%高绩效企业 vs 11%其他企业）。
• 团队模式选择：建议采用延长现有团队或独立组建Gen AI团队两种模式。目前金融机构加速向独立团队转型。
• 优先数据领域：统一处理非结构化数据，建议建立中央协调小组和卓越中心(CoE)，确保数据质量与合规性。

报告要点3：三种主要运营模式

• 集中式：适用于效期长的基础能力。北美的投资银行采用联邦模式，通过标杆项目成功推广。
• 联邦式：业务部门全面承担自身领域数据处理和系统整合。
• 分布式：各业务部门独立开发适合自己目标的AI应用，并提供给其他部门。

必须克服的陷阱与挑战

• 避免为技术而技术：重视清晰的业务目标。
• 警惕零散式实验：建议协调一致推进。
• 技术架构治理：保持底层统一性，避免技术债务。

管理建议

• 创建治理框架：明确风险容忍度，建立监督机制。
• 保持监管一致性：设置风险与合规治理标准，特别是防止内容虚假与数据泄漏。
• 基础架构统管：中央IT维护统一可扩展平台，保持安全性和平滑升级。