展會信息港展會大全

這個會議一天提及AI 500次,最后的結論是什么?
來源:互聯網   發(fā)布日期:2024-10-16 11:48:12   瀏覽:5898次  

導讀:劃重點 012024 ITValue Summit數字價值年會以Ready For AI為主題,探討AI技術在各行業(yè)中的應用和落地挑戰(zhàn)。 02與會嘉賓分享了不同領域的AI落地經驗,包括保險、醫(yī)療、物流等行業(yè)。 03然而,AI技術在實際應用中仍面臨數據獲...

劃重點

012024 ITValue Summit數字價值年會以"Ready For AI"為主題,探討AI技術在各行業(yè)中的應用和落地挑戰(zhàn)。

02與會嘉賓分享了不同領域的AI落地經驗,包括保險、醫(yī)療、物流等行業(yè)。

03然而,AI技術在實際應用中仍面臨數據獲娶模型訓練、成本等問題。

04專家建議企業(yè)關注技術與業(yè)務的融合交互,以實現可持續(xù)的商業(yè)創(chuàng)新。

05未來AI時代,企業(yè)需持續(xù)投入,以技術與業(yè)務間的相互融合為主線。

以上內容由騰訊混元大模型生成,僅供參考

這個會議一天提及AI 500次,最后的結論是什么?

新的增長方向在哪里?這是各個行業(yè)都迫切想知道答案的一個問題。

近期,2024 ITValue Summit 數字價值年會以“Ready For AI”為主題,兩天的密集議程中來自不同行業(yè)、不同規(guī)模的企業(yè)技術、業(yè)務、管理決策者一起頭腦風暴、觀點碰撞,由此誕生了一場高密度、高壓強的深度交流。

從討論的高頻詞中,我們可以看到“AI”、“大模型”、“數據”、“場景”是大家普遍關注的方向。但這僅僅是水面之上的冰山一角,與此同時,在水面之下,還有更為龐大的山體。

當前,大模型產業(yè)落地加速,從具體場景中尋找答案已經成為共識。同樣,技術變現的卡點在哪里,也同樣需要從一線從業(yè)者的體感和思考中尋找線索。

一個難題:AI的“最后一公里”

毫無懸念,“AI+大模型”是全場論壇分享和討論中的高頻話題,僅在大會第一天的主論壇議程中就出現超過500次。

大會主論壇核心圍繞“AI時代的企業(yè)數智化架構”、“用AI重新定義千行百業(yè)”兩大主題展開,此外還有七大主題閉門,共同深入探討AI技術如何推動企業(yè)架構的智能化轉型,以及如何構建適應數字經濟時代的新型企業(yè)架構,并結合實際場景探討如何利用人工智能技術重新定義行業(yè)標準和業(yè)務模式,釋放前所未有的業(yè)務價值。與會嘉賓從各自行業(yè)的實際應用場景和真實挑戰(zhàn)出發(fā),分享了不同領域的AI落地經驗,也提供了跨界的視角和技術背后的思考。

雖然大多數嘉賓都認同AI在數字化轉型中的重要性,但對于如何實施、AI技術的成熟度、以及AI帶來的具體效益等方面,還是存在不同的看法和策略。

“大語言模型的應用,一腳油門也許就可以做到95%的程度,但是我們不能把這樣的應用當作一個傳統(tǒng)IT系統(tǒng)上線,必須在技術上和工作流程上去處理這百分之幾的幻覺,才能真正在業(yè)務中發(fā)揮作用。”小即是大創(chuàng)業(yè)投資合伙人楊巍表示。

從投入產出的數據來看,人們憧憬的AI商業(yè)前景也很難在短期內實現。今年,紅杉資本分享的一項數據發(fā)現,過去一年內,AI公司購買英偉達GPU的花費已經超過500億美元,但目前所有AI公司產生的營收總和卻遠低于這個數值(約30億美元)。

“這意味著,AI行業(yè)的落地還在早期,還沒有出現真正意義上的Killer App。”在格靈深瞳創(chuàng)始人、董事長、CEO趙勇看來,之前AI之所以落地難,主要原因在于交付成本高、有效數據少、泛化能力弱。

這個會議一天提及AI 500次,最后的結論是什么?

從早期百模大戰(zhàn)的喧囂,到如今行業(yè)應用開始生根發(fā)芽,短短兩年多的時間,供需雙方迅速達成一個共識:只有真正解決垂類行業(yè)深度需求的模型才有市場,才有人買單。但當前AI技術尚未成熟,如何盡快打通“最后一公里”是尚未突破的空白區(qū)域。在這一方面,先行多年的數字化的經驗或許可以作為參考。

在此次大會上,除了“AI”,數字化、場景、業(yè)務、技術等字眼也頻頻出現在嘉賓的分享和討論中。數字化轉型的重要性已經得到社會共識,分解其中不外乎技術與業(yè)務的融合,最終依靠落地場景實現真正價值。這也是數字化先鋒企業(yè)們多年轉型沉淀下來的經驗,不斷投入不斷嘗試,最終出了一條適合自己的路。

平安證券首席信息官張朝暉分享了通過“微卡片平臺”實現組裝式的無邊應用開發(fā),進行數字化轉型的實踐。他的技術團隊以最專業(yè)的技術和思路沉淀出了一套低門檻、高效率的全員上手的開發(fā)平臺,能夠快速響應多樣化的需求。

中遠?频“船視寶”可以說是“航運數字新基建”,基于航運數據中臺,一方面形成了實時的遠程監(jiān)控、遠程調度的基礎能力;另一方面,基于服務航運行業(yè)多年來的業(yè)務經驗,加上模型和算法的能力,可以監(jiān)測,甚至預測一艘船的“健康”狀況,并根據數據分析,幫助船舶經營公司提升船舶維修保養(yǎng)的輔助決策能力。與此同時,還可以根據對氣象數據的分析,告知海運企業(yè)所屬船舶在運輸過程中可能遇到什么樣的風險。

這個會議一天提及AI 500次,最后的結論是什么?

數字化轉型的歷程已經證明,新技術的迭代周期總是更快,但只有真正找到技術與業(yè)務的結合點并且深入下去,成熟應用的周期才會加速到來,而企業(yè)在數字化階段經過了漫長的探索才進入這一階段。AI技術應用也將是如此。

龍湖集團于2019年開始組建AI團隊,核心要求是基于產品和場景,而不是基于項目立項,拆出900多個場景,分析哪些場景可以優(yōu)先提效。龍湖集團CIO、千丁數科總經理李博的建議是,企業(yè)調整時會有顛覆式想法,制定目標往往有高倍績效。因此,一定要把賬、效率算在前面,業(yè)務和技術一起想路徑,才能找到新的做法。

“技術只是基礎,產品和場景才是應用落地的關鍵。”趙勇也表示,行業(yè)Insight跟行業(yè)數據一樣重要。對場景、客戶以及業(yè)務流程的深刻了解,還是極其有價值的,只有那些愿意躬身沉入到行業(yè)中的公司才能真正解決客戶的問題。一方面把AI算法與特定行業(yè)場景深度融合的經驗,是難以在短期內獲得的;另一方面,跟很容易從開源數據學習到的語言信息不一樣,視覺的東西沒見過或者沒做過就是不知道,只有深耕行業(yè),才能積累到足夠多的有效數據。大模型再厲害,也無法替代產品文化,未來優(yōu)秀的產品經理和產品文化,對交付AI產品來說極其重要。

在酒店業(yè),一些酒店已經開始利用AI進行數據分析、收益管理等,以提升服務質量與效率。AI技術也在個性化服務、模糊性選擇、大數據分析等方面展現出了巨大潛力,未來有望實現更個性化的客戶定制和推薦。

盡管涌現出了眾多的應用場景,但AI技術真正在酒店行業(yè)成熟落地仍存在關鍵問題亟待解決。“我個人認為AI對于酒店行業(yè),已經具備作為生產力的條件了,但是對于決策者們來說,大模型‘幻覺’依舊是一個讓他們有很大顧慮的問題。”中國旅游集團酒店控股有限公司科技信息部總經理周長坦言,此外生成式AI技術目前在酒店行業(yè)也沒有能體現出很好的ROI。

萬達酒店及度假村管理公司信息部總經理王雷也表示,目前還有大概50%的酒店行業(yè)的決策者們不相信應用AI技術能為酒店節(jié)約運營成本,而針對如何更好地推動AI技術在酒店行業(yè)的應用,他認為需要整個行業(yè)各方以及上下游共同努力,才能讓AI技術在酒店行業(yè)中體現出更高的價值,才能切實推動AI技術在行業(yè)中的應用。

與此同時,現階段企業(yè)想應用AI技術,除了軟件、解決方案的采購成本,內部數據治理成本也是極其高昂的,在綠地酒店旅游集團信息技術部總經理吳龍看來,隨著企業(yè)內部數據越來越多,越來越復雜,數據采集、治理的成本也就越來越高,而“數據”的成本也直接決定了企業(yè)應用AI的成本和難度,當難度提升時,如果這個技術為企業(yè)帶來的價值是“不可視化”的,或者說企業(yè)是看不到具體價值的,這也給企業(yè)應用AI帶來了阻礙。

一個機會:數據仍是重頭戲

“數據”也是本次大會中緊隨AI大模型話題被談及最多的詞。數據在數字化轉型中的重要性不言而喻,是新的生產要素,也是AI模型能發(fā)揮更好效用的基矗沒有前期數據治理的基儲無法提供高質量的數據“投喂”給大模型,就無法對業(yè)務提升形成真實價值。

而且,當前各行各業(yè)都有深刻的經濟環(huán)境體感,過去粗放式運營已經走不通,不管是精細化運營,還是向數字化轉型和AI應用要成果,首要任務都是正視數據的價值。

以貨運行業(yè)為例,2024年全國公路貨運指數同比2021年降幅14.2%,同比2023年降幅2.6%。“隨著市場格局的改變,以及需求的通縮,物流行業(yè)“下半場”的競爭會更加激烈。”G7易流創(chuàng)始人、首席執(zhí)行官翟學魂坦言,當前城配物流生態(tài)正處于一個非常窘迫的階段:司機收入低,頻繁退租;租賃平臺車輛維修成本高、保費成本更高;保險公司賠付率120%-130%……當需求下降,最基礎的人收入下降時,整個產業(yè)面臨所有人“全輸”的局面。

這個會議一天提及AI 500次,最后的結論是什么?

如何打破困局,盤活行業(yè)?翟學魂展示了兩組數據高危司機的事故率是安全司機的20多倍,而且這些“高危司機”造成的賠款是安全司機的10倍左右;诖,G7易流制定了一套“紅綠燈”的制度,紅燈代表高危司機,黃燈代表一般的普通司機,綠燈代表非常好的安全司機。通過包括工作強度(每天工作時間)、工作習慣、駕駛習慣等多維度數據的采集,加在一起,綜合出得分,接下來會跟物流公司、租賃公司,包括車廠一起推動“紅綠燈”改變過去循環(huán)。

“如果我們能夠在窘迫的產業(yè)里,發(fā)現可以改變產業(yè)結構的稀缺的數據,并讓這些數據形成閉環(huán),產生飛輪效應,我們就有可能獲得‘一線生機’。”翟學魂強調,數據本來就在那里,真正稀缺的數據是企業(yè)將所有數據集合在一起,產生了原本沒有的洞察效果。

在更多行業(yè),數據與AI的結合也正在打造飛輪。

秉承變數據為資產的理念,2016年開始,香港醫(yī)管局打造了打造醫(yī)療數據底座和服務整合底座,并以此底座整合公立醫(yī)療和基層醫(yī)療服務和推動醫(yī)療創(chuàng)新,通過數據驅動改造醫(yī)院的管理,并開發(fā)智慧醫(yī)院產品和升級醫(yī)院服務。例如,結合開發(fā)醫(yī)管局30年臨床數據打造人工智能及數據協作實驗室,完成71個科研項目、與大學合作有450多位研究員參與研發(fā),交付了34份研究報告。還以實時數據驅動和算法開發(fā)醫(yī)院指揮中心,利用數據自主開發(fā)人工智能 支持服務數字化轉型,開發(fā)了30多個大模型方案加速數字化轉型。

馬上消費CTO蔣寧認為數據與大模型的應用相結合,構建屬于企業(yè)自身的大模型,是一項關鍵戰(zhàn)略。例如,馬上消費去年發(fā)布首個金融大模型“天鏡”,目前該大模型在交互、分析以及決策等方面均發(fā)揮出了重要的作用。

從關鍵技術點維度來看,蔣寧也認為數據生成,數據管理,原數據技術,大模型自動打標,以及大模型認證技術,都是未來大模型構建需要關注的關鍵技術點。

對于AI落地難,趙勇認為大模型帶來的是一個構建行業(yè)AI應用的全新技術范式,理論上可以通過付出較少的成本,來高效解決長尾需求從而降低交付成本,通過通用能力來解決少樣本數據的問題,同時大幅提升模型的泛化能力。但與此同時,他也提到當前模型發(fā)揮效用遇到的問題之一在數據方面。

“數據孤島問題的形成原因之一是,客戶不愿意將數據分享出來。我的建議是,如果想推動數據孤島問題的解決,大客戶最好直接找科技公司交付項目,不需要太多集成商作中間商去交付。這會增加數據流動的障礙。此外,模型訓練需要非常多標注數據,今天人工標注成本依然很高,我們多年前就開始用自動標注的方式來處理數據。”趙勇說。

在“重塑用戶數智化增長模型”主題閉門討論中,與會的專業(yè)人士重點討論了在消費成規(guī)模的零售消費企業(yè)的數字化過程中,數據是如何能真正為企業(yè)業(yè)務的增長提供新的動力。

一位消費企業(yè)CIO認為,數字化工作的核心是交付數據,但是很多時候數據的質量并不穩(wěn)定。一個突出問題是數字化部門用數據邏輯去理解業(yè)務實際情況時,往往放大了因果關系而忽略了相關性影響。因此,企業(yè)需要真正把信息變成知識才能產生實際的價值,并通過數智化的手段,實現自我價值的再生與復制,真正實現生產力的提升。

數據決策AI是實體企業(yè)最好的機會。中順潔柔首席信息官楊森林表示,數字化起到的作用是拉通端到端的流程,解決效率問題。當所有的企業(yè)站在同一起跑線上,都缺少先發(fā)優(yōu)勢,這時候找到痛點,點對點打爆,就可能獲得市場先機。

在他看來,數字化就是一面鏡子,真正反映的是業(yè)務流程、真實的業(yè)務數據是不是出了問題,而不是把更多的關注放在數字化產品本身上。而AI和數字化并沒有多大區(qū)別,一切以業(yè)務增長為目的,失去了這個最終抓手,很可能會變成被孤立的中心。

一個發(fā)現:保險成為融合創(chuàng)新的新戰(zhàn)場

尋找新的生機,在ITValueSummit數字價值年會推動的討論中有跡可循在2023ITValueSummit數字價值年會上,幾十名險企、平臺方、醫(yī)療機構及相關專家聚在一起召開了一場閉門會,大家立足于各自行業(yè),共同就商業(yè)健康險的路徑探索、數據獲娶人群拓展等問題展開討論。

當時,帶病體人群的保險需求成為閉門會上各行業(yè)與會人士的關注重點,改變這一現狀,需要多方參與,閉門會上的討論沒有停止今年初,一款“肺康寶”保險產品已經在醫(yī)療服務管理平臺和保險企業(yè)的合力推動下進入市常

今年,2024 ITValue Summit 數字價值年會上同樣舉辦多場閉門會,思路也是推動行業(yè)內各方共話行業(yè)創(chuàng)新可能,從中可以看到參與各方的強烈共識和跨界碰撞后的新機遇。

比如,在城市物流和長途物流領域,新能源車輛正逐漸占據優(yōu)勢,因其成本優(yōu)勢開始對價格產生重大影響。但與此同時,新能源車也在面臨保險難題。G7易流以龐大的貨運數據中的全新洞察,聯合主機廠、保險公司及服務提供商等多方參與者,嘗試以科技創(chuàng)新解決當前新能源車商用險的困局。

在“新能源商用車「科技降險」的飛輪如何轉動?”閉門會上,參與各方深入探討了影響道路交通安全和保險賠付率的多個因素,并從智能技術革新、意識提升和價值共管模式等方面探索,以優(yōu)化保險定價、賠償流程和提高車輛安全性。強調通過跨行業(yè)合作和科技創(chuàng)新,降低運營成本并增強客戶滿意度,共同推進新能源汽車保險業(yè)務的可持續(xù)發(fā)展。

一個共識是,問題的核心并不是保險問題,而是安全技術水平的退步。不論是駕駛員群體更迭帶來技能水平下降,還是新能源車的技術特性原因,當前整體運輸行業(yè)的安全性出現了下滑。針對此,解決的方向也很清楚,即需要提升現有安全技術水平回到“原點”。

討論中提到利用技術和服務創(chuàng)新來提高汽車安全性,比如通過數據分析和AI技術實現對駕駛員行為數據積累和評估,如安全地圖和駕駛行為分析,提前預警潛在的安全隱患。此外,還強調了建立有效的溝通渠道以及制定合理的隱私協議的重要性,保證司機能接受并積極響應安全提示。進一步探討了如何通過運營算法優(yōu)化提醒機制,避免信息過載造成司機疲勞。同時,提到了一個具體的實例通過視頻分析確定事故責任,并有效與保險公司協調處理,展現了技術在解決實際問題中的應用價值。最后,提出將推出新的服務和產品,比如綠色會員計劃,旨在構建更加完善的汽車安全管理生態(tài)系統(tǒng)。

萬億規(guī)模的大健康產業(yè)中,數字化技術也在不斷迭代和創(chuàng)新,讓醫(yī)療服務更加精準和便捷,讓健康管理日益標準化和可觸達。傳統(tǒng)醫(yī)療體系中的信息不對稱正隨著數字化技術的多場景落地,逐漸校準出新的平衡,人作為其中的核心,也正從被動地位逐漸向系統(tǒng)中心靠攏,一種“新健康”模式已在醞釀。

在“乘「數」而上,擁抱新健康”的閉門會上,保險、醫(yī)院、藥廠等多個行業(yè)的專業(yè)人士重點討論了以人為中心的數字化醫(yī)療服務和健康管理發(fā)展議題。

隨著AI技術深度賦能醫(yī)療服務和健康管理,健康管理與保險產業(yè)深度融合,一些新的場景也應運而生,包括藥物使用的規(guī)范化、女性健康輕問診、運動醫(yī)學AI助理等等。

“移動互聯網時代誕生了一批醫(yī)療企業(yè),但沒有實現關鍵突破,因為核心的醫(yī)生資源仍在院內。生成式人工智能時代,我們可以期待真正的AI醫(yī)生出現。”壹生檢康創(chuàng)始人兼CEO王強宇表示,AI醫(yī)生是大模型皇冠上真正的明珠。針對女性健康輕問診,壹生檢康的“中醫(yī)大模型”,用戶通過AI醫(yī)生問中醫(yī),已基本實現中醫(yī)辨病和辨證,在一些場景下準確率達70%-80%。

今年以來,大模型進入醫(yī)院的勢頭漸強,醫(yī)療垂域大模型廠商正在爭相打造自己的樣板醫(yī)院。但醫(yī)療行業(yè)的特點是診療嚴肅性和過程不可逆性,這也是AI技術落地的難點所在。業(yè)內人士指出,比如在具體的數字化技術應用環(huán)節(jié),盡管醫(yī)護人員在大規(guī)模使用無線生理信息采集儀器去病房采集指標,結果可直接傳輸至電子病歷,但醫(yī)護最終仍要做人工測量,因為醫(yī)院有一條底線,追求絕對安全。這決定了醫(yī)院對AI軟件和設備的需求很大,挑戰(zhàn)也很大。現場來自醫(yī)院和保險等不同領域的企業(yè)人士也提出了各自視角的期待和想法,我們也期待在未來一年間看到新的變化。

在上述領域之外,還有零售、出海、大型企業(yè)AI應用多個領域都有豐富的跨界碰撞和思考,不同角色的行業(yè)人士在交流中有了新的收獲,這也在不斷印證著一條新的路徑本次大會上發(fā)布的2024年《數字化轉型新思》報告也顯示,隨著信息技術的普及與滲透率的提高,技術和業(yè)務交互驅動特征會更加突出,而技術與業(yè)務間的融合程度也成為企業(yè)數字化轉型能否成功的關鍵。

鈦媒體集團聯合創(chuàng)始人、ITValue發(fā)起理事、鈦媒體研究院院長萬寧指出,企業(yè)數字化是在業(yè)務與技術交互驅動的過程中進行的,“有時候是因為技術發(fā)展,推進了業(yè)務的進步,更多是業(yè)務的需求,促成了技術的進步。”他強調,“任何一家企業(yè)的發(fā)展都是由業(yè)務線與技術線‘雙螺旋’相互交錯驅動完成。”

這個會議一天提及AI 500次,最后的結論是什么?

在數字化轉型中如此,未來AI技術應用也是一樣。如何做好技術與業(yè)務融合交互驅動,創(chuàng)新增長,不僅是企業(yè)接下來需要解決的核心問題之一,也是各方合力推動行業(yè)進步的共同方向。

作為每年一度思想盛宴的組織者,ITValue也是二十年如一日,深度參與到信息化、數字化以及今天智能時代的變化中,持續(xù)推動深入、跨界的交流和探索創(chuàng)新商業(yè)機遇。

對于所有企業(yè)而言,企業(yè)的數字化變革和改革都不是一次性完成,需要漸進式的推行。過去多年的數字化轉型階段如此,未來AI時代也依然如此。不必為沒有踏上第一班新技術列車而過度焦慮,也不必被新技術泡沫期的狂熱裹挾投入不必要的成本。尤其在當前經濟環(huán)境下,長遠打算、持續(xù)投入,以技術與業(yè)務間的相互融合為主線,是商業(yè)創(chuàng)新成功的關鍵。

我們期待2025 ITValue Summit 數字價值年會上看到更多新老朋友們分享AI深入各行各業(yè)的實踐,也期待更多企業(yè)在這里收獲和重塑增長。(本文首發(fā)于鈦媒體APP)

贊助本站

相關內容
AiLab云推薦
推薦內容
展開

熱門欄目HotCates

Copyright © 2010-2024 AiLab Team. 人工智能實驗室 版權所有    關于我們 | 聯系我們 | 廣告服務 | 公司動態(tài) | 免責聲明 | 隱私條款 | 工作機會 | 展會港