人工智能軟件同萬億美元生產力問題
如果人工智能寫軟件嘅能力大幅改善，商界領袖今日應該改變啲乜？我嘅答案係：量度佢點樣改善一個完整嘅業務流程，包括檢查同維護其輸出所需嘅工作。
人工智能可唔可以為年度全球經濟產出增加20萬億至30萬億美元？伊隆·馬斯克提出咗呢個粗略估計，同時預測人工智能幾乎可以處理任何數碼任務，並達到Stockfish級別嘅編程能力。呢啲講法引起咗關注，因為佢哋暗示咗知識工作經濟學嘅重大轉變。
呢啲係雄心勃勃嘅預測，唔係已確立嘅結果。商界領袖應該區分重大生產力提升嘅可能性同人工智能能夠可靠咁交付每項數碼任務嘅證據。投資決策需要嚟自組織實際開展工作嘅證據。
Stockfish比較話畀我哋知啲乜
Stockfish係一個開源國際象棋引擎，亦係世界上最強嘅引擎之一。呢個比較展示咗一個真實嘅可能性：機器可以喺要求嚴苛嘅智力任務入面超越人類。然而，單憑呢個類比冇辦法確定人工智能幾時會超越每一位軟件工程師。
國際象棋有固定嘅規則、可見嘅棋盤同明確嘅目標。企業軟件涉及不完整嘅需求、變化嘅政策、遺留系統同相互競爭嘅利益相關者優先級。一個程式可能喺通過測試嘅同時解決咗錯誤嘅業務問題。
生成代碼係工程嘅一部分。決定構建乜嘢、控制訪問、檢查安全、安全部署同支持用戶仍然係結果嘅一部分。即使能力好強嘅AI都需要一個能夠發現錯誤並分配責任嘅流程。
理解經濟主張
年度經濟產出水平提高20%至30%同每年增長20%至30%係唔同嘅。呢種規模嘅主張需要關於採用、可靠性、投資以及實現收益所需時間嘅明確假設。將呢啲百分比同20萬億至30萬億美元相結合，意味住大約100萬億美元嘅起步經濟體。
作為參考，高盛喺2023年發布咗一個情景，其中生成式人工智能可能將全球GDP提高約7%，即係接近7萬億美元，並喺十年內將生產率增長提高1.5個百分點。呢個係一個有條件嘅預測，唔係衡量嘅結果，亦唔係未來收益嘅上限。佢冇辦法獨立驗證馬斯克更大嘅估計。
喺公司層面，一個有用嘅計算更簡單：淨值等於額外有用產出同已實現節約嘅價值，減去AI成本、集成、審查、返工同錯誤造成嘅損失。只有當組織能夠有效地利用節省嘅時間時，佢先成為財務價值。
優勢同成本
速度對驗證。AI可能縮短起草、編碼同分析。領導者應該喺衡量生產結果所節省時間嘅同時，衡量檢查結果所需嘅時間。
更低嘅生產成本對新嘅運營成本。創建第一個版本可能變得更平。模型使用、集成、監控同糾正仍然消耗金錢同員工時間。
更廣泛嘅訪問對依賴。較細嘅團隊可以承擔以前超出其資源嘅工作。對單一供應商嘅依賴可能令價格、可用性同模型更改變得更難管理。
更大嘅能力對勞動力中斷。員工可以將更多時間花喺客戶需求同艱難決策上。企業仲需要為角色變化、再培訓以及初級員工嘅發展做規劃，佢哋嘅日常學習任務可能被自動化。
一個實用嘅企業例子
考慮一個構建訂單追蹤服務嘅假設倉儲企業。AI可以起草界面、提出數據庫查詢並生成測試用例。團隊仍需確認邊啲客戶可以查看每個訂單、如何處理庫存差異以及該服務係咪同現有系統兼容。
有意義嘅比較係每個被接受嘅發布版本嘅成本同使用中嘅性能。衡量交付時間、缺陷、支持請求同客戶結果。產生更多生產事故嘅更快初稿可能降低整體價值。
同樣嘅原則適用於客戶服務。自動化簡單請求可以縮短響應時間。唔明確嘅個案需要一條通嚮人員嘅可靠路徑，並保留相關上下文。
CEO同CTO應該做啲乜
CEO應該揀一個具有可識別成本同明確客戶結果嘅流程。建立基線，運行有限嘅試點，並事先就乜嘢樣嘅改進能夠證明擴展係合理嘅達成一致。包括實施成本同員工職責嘅變化。
CTO應該喺嚟自自己系統嘅代表性工作上評估所提議嘅模型。檢查正確性、安全性、私隱、故障恢復以及同現有服務嘅兼容性。將提議更改嘅許可同執行更改嘅許可分開。
對於有重大影響嘅行動，定義審批負責人並保留審計追蹤。保留喺性能惡化時撤銷更改、限制訪問同暫停自動化嘅能力。
審查供應商依賴並培訓員工質疑輸出。當衡量嘅收益喺審查同支持成本之後仍然為正時，擴大部署。全球經濟預測應為情景規劃提供信息，而本地證據應指導投資。
領導力決策
人工智能可能大幅改變數碼工作嘅經濟學。規模同時間仍然唔確定。我嘅建議係：而家建立負責任咁評估同採用佢嘅能力，然後隨住證據加強而增加投資。
你會首先測試組織入面邊個流程，乜嘢證據會令你確信人工智能創造咗持久嘅商業價值？
以數學方式思考。以智能方式設計。以戰略方式領導。以負責任嘅方式建設。喺全球範圍內擴展。通過人工智能創造真正嘅商業價值。
#ArtificialIntelligence #AIStrategy #EnterpriseAI #SoftwareEngineering #Productivity #BusinessLeadership
最初由Keshavan Thiagaraja喺LinkedIn上發表。喺LinkedIn上閱讀原文。 [1]