麦肯锡-新一代人工智能的战略联盟：如何建立并使其发挥作用

生成式人工智能 (gen AI) 的变革潜力有望给商业带来革命性的变化，每年带来高达 4.4 万亿美元的经济影响。各行业和部门的公司前所未有的采用率，以及大量的私人投资，凸显了这一潜力。

然而，从技术中获取价值绝不仅仅是技术本身。希望超越运行一代人工智能实验的公司将需要重新调整他们的工作方式，以实现其努力的全部价值。这种重新布线的一个关键组成部分是与新一代人工智能提供商建立战略联盟 ¹ 。使用 gen AI 的独特挑战——从许多人缺乏使用该技术的经验到 gen AI 的不稳定性和风险，再到该技术的快速变化——使得合作变得越来越重要。

尽管许多公司已经在某种程度上与新一代人工智能提供商合作，但关于在提供商中寻找什么以及战略联盟应如何运作的过时观念使这些努力面临风险。为了充分利用战略联盟，企业应重点关注三个领域：

1. 进一步深化合作。与传统供应商相比，与新一代人工智能项目的提供商合作需要更大程度的信任和协作，需要深思熟虑的透明度、频繁的沟通以及在规划、开发和持续管理方面的明确协调。

2. 零提供可扩展性、互操作性和可重用性的提供商。没有任何一家提供商能够为公司提供他们所需的一切。与一系列提供商一起实现规模意味着不仅要了解提供商的扩展能力，还要了解他们的解决方案与公司的人工智能生态系统中的其他组件的配合效果如何。

3. 掌控自己的命运。在依赖提供商的能力和过度依赖提供商之间取得平衡非常重要。这意味着投资灵活的基础设施，持续监控提供商的绩效，并将薪酬与结果挂钩，同时明确知识产权 (IP) 边界。

进一步深化合作

正如许多公司所认识到的那样，“构建与购买”的方法来创建人工智能能力在充分利用人工智能的潜力方面是不够的。完全在内部构建解决方案可能非常耗时且资源密集，特别是考虑到大多数公司缺乏新一代人工智能人才。 ² 虽然购买现有的新一代人工智能产品或服务可以快速访问经过验证的解决方案，但这些解决方案通常需要经验丰富的新一代人工智能工作人员根据业务真正需要进行定制。

另一方面，与提供商合作可以在获得最新功能和专业知识、开发速度和定制解决方案方面提供显着的好处。但有效的战略性人工智能联盟的运作方式与传统的供应商关系不同。该技术仍在迅速成熟，实施很复杂，稳定性问题困扰着解决方案，需要更密切的协作和更高程度的信任。例如，只有当客户公司信任战略盟友能够有效保护数据时，共享数据才能微调模型。同样，解决人工智能模型中根本原因问题的复杂性（其中许多模型尚未完全稳定）需要清晰的沟通渠道和解决协议的一致性。这种程度的信任与协作应建立在三个基本组成部分之上：

• 共同创造解决方案。对于大多数公司而言，新一代人工智能的最大价值将来自于采用提供商提供的现有功能，并根据公司的独特数据定制这些功能。这需要一个高度迭代和协作的过程，在这个过程中，公司和提供商密切合作，以获取和准备正确的数据，设计相关提示，根据特定用例需求微调模型，并在现场测试和迭代模型。为了管理公司可能需要合作的供应商范围，建立频繁的接触点来共享更新、讨论挑战并协调供应商之间的优先事项非常重要。在此过程中花时间参加面对面研讨会和共同创新会议、庆祝里程碑并公开分享经验教训对于建立信任也至关重要。

  例如，当一家奢侈品零售公司与一家人工智能提供商合作创建个性化产品推荐系统时，该公司共享其庞大的产品信息目录，包括详细的规格、功能和客户评论。该公司还提供了有关客户偏好和行为细微差别的宝贵见解，例如他们如何提出查询。这有助于提供商设计相关提示，微调 gen AI 模型以理解和解释该特定领域的数据，并理解用于描述奢侈品的特定语言、术语和属性。

  这种合作有助于生成的模型能够呈现最合适的产品，即使对于复杂或模糊的查询，准确率也超过 99%。早期结果表明，该解决方案可以使从产品发现到购买的转化率提高 10% 到 20%，这对奢侈品行业来说是一个重大飞跃。

• 联合规划。对于新一代人工智能提供商来说，提供对其产品路线图的可见性至关重要，包括即将推出的特性和功能，并可能授予对 alpha 或 beta 版本的访问权限。这使得客户公司既可以预测提供商的产品将如何发展以满足公司自身的未来需求，又可能影响路线图的方向。当公司分享其战略目标和相关客户见解时，也可以调整路线图，以帮助提供商更好地了解公司的需求。

  鉴于公司可能会使用不同的人工智能模型和应用程序（通常由不同的提供商开发），这种级别的沟通和协调尤为重要，这些模型和应用程序需要紧密集成才能使解决方案良好运行。提供清晰度和透明度的潜在好处包括帮助各个供应商调整其路线图并确定依赖关系（例如，需要协同工作以提供特定的新一代人工智能解决方案的多个模型之间的依赖关系）。我们看到巨大红利的一个领域是预先投入大量时间（通常每隔几天开一次会，持续两到四个星期），以制定共同的路线图和系统依赖关系。这项工作的输出应包括一个主要项目计划，该计划捕获供应商之间的里程碑和依赖关系，以便客户公司可以更好地管理和协调所有各方。

  一家领先的科技公司采用了这种方法。它与新一代人工智能提供商举行了联合规划会议，以确定具有高影响力的用例，以加强其核心产品。该公司分享了宝贵的客户分析见解，并概述了其人工智能驱动创新的长期愿景，这帮助一代人工智能提供商制定了更加一致的路线图。就新一代人工智能提供商而言，他们提供了对新一代人工智能功能和模型的早期访问，使公司能够在全面发布之前进行测试并提供反馈。通过这些协作规划工作以及有关路线图需求和调整的持续沟通，该公司能够缩短部署大规模解决方案的上市时间。例如，在战略联盟建立后的六个月内，它推出了由 gen AI 支持的个性化营销活动，从而显着提高了销售转化率。

• 风险和投资分担。 Gen AI 项目通常需要在专用硬件、大规模数据采集和标记以及用于模型训练的大量计算资源方面进行大量投资。此外，与采用新一代人工智能功能相关的风险——从幻觉模型到隐私问题——需要密切关注。出于这些原因，公司应该考虑如何最好地在供应商之间分配与新一代人工智能开发相关的财务、技术和运营资源以及风险。例如，公司和提供商应明确定义与 gen AI 项目相关的特定风险，例如数据隐私泄露、模型偏差或知识产权侵权。这些协议将理想地概述各方减轻和管理这些风险的责任，以及任何财务或法律责任。

  这家科技公司之前提到过，通过围绕结果而不是代币使用构建合同，与其一代人工智能提供商分担风险。这种方法使公司能够管理不确定性和成本，同时调整激励措施并促进对成功的共同承诺。

零提供可扩展性、互操作性和可重用性的提供商

能够为有效的新一代人工智能解决方案提供所有最佳组件的单一提供商并不存在，至少目前还不存在。跨技术堆栈协同工作所需的各种组件和模型意味着公司需要与专业技术提供商组成的精心策划的网络合作。

在开发可扩展的提供商生态系统时，协同工作的组成部分比单独的部分更重要。公司需要权衡这些标准，使整个新一代人工智能系统能够最有效地工作。鉴于供应商格局的增长，选择合适的供应商变得尤其具有挑战性。事实上，自 2022 年 11 月推出 ChatGPT 以来，开源大型语言模型 (LLMs) 和商业 LLMs 的数量已经翻了两番。 3 此外，目前人工智能厂商已超过1000家，去年推出的新产品超过600种，主要是在新一代人工智能的带动下。 4 为此，公司在选择提供商时应将三个关键标准归零：

• 可扩展性。鉴于新一代人工智能的规模令人难以置信——从训练和微调模型所需的数据量到模型响应的查询数量——提供商应该拥有处理不断增加的复杂流量和用户查询的良好记录，而无需影响性能。公司应该对试点计划进行压力测试，这些计划通常无法复制实际情况，并且通常不是衡量扩展准备情况的良好晴雨表。在评估可扩展性时，寻找能够实现特定里程碑的提供商非常重要，例如在六个月内处理用户查询量增加 50% 而不会出现性能下降的情况。提供商还应该愿意定期审查和调整里程碑和合同，以确保与不断变化的目标保持一致。

• 可重复使用性。重用代码可以将人工智能用例的开发速度加快 30% 到 50%，因此提供商提供可以在多个项目中轻松重新利用的解决方案至关重要。 5 因此，公司应该寻找能够提供灵活的模块化组件和预训练模型（例如可定制的自然语言处理模块或可配置的数据管道）的提供商，这些模型可以进行微调并适应各种环境。他们还应该寻找提供工具和框架的提供商（例如，用于集成和扩展人工智能组件的直观 API 和软件开发套件，或用于模型微调的拖放界面），以便轻松定制和扩展解决方案。

• 互操作性。模型和组件之间的互操作性对于创建一个有凝聚力、高效且可扩展的人工智能生态系统至关重要。在评估模型或解决方案的互操作性时，公司应寻找遵守行业标准和数据交换、API 设计和软件开发最佳实践的提供商（例如，Apache Avro 和 JavaScript 对象表示法等标准数据格式、已建立的机器学习框架）例如 PyTorch 或数据治理标准）。提供商应使用广泛采用的编程语言，提供文档齐全且易于使用的 API，并支持与公司的数据源、应用程序和平台的平滑集成。

这三个标准对于选择可扩展的新一代人工智能提供商至关重要，但公司还应确保所有提供商都满足其他标准的高标准，例如道德准则以及遵守当地隐私和技术主权法规。围绕明确的数据治理和安全协议建立和调整可以大大有助于与提供商建立信任。

掌控自己的命运

在建立紧密的战略联盟和在这些合作的更广泛方向和愿景上保持代理权之间找到最佳平衡点对组织来说是一项严峻的挑战。希望保持独立性并掌控自己命运的公司最好考虑以下指导方针：

• 建立灵活的基础设施。灵活、可扩展的新一代人工智能基础设施可以作为快速集成不同提供商的基础。这个“底盘”可以是一个集中式平台，也可以是一组定义明确的 API、集成协议和数据格式，使不同世代的 AI 组件能够无缝协作。为了确保最大的灵活性，公司可以采用MLOps（机器学习操作）最佳实践，例如容器化、自动化测试以及持续集成和持续交付（CI/CD）管道。这些实践有助于确保第一代人工智能堆栈的可靠性和性能，并允许在出现问题时快速回滚更改。

• 持续监控模型性能。公司需要清楚地了解提供商正在构建什么，以避免收到“黑匣子”解决方案。他们应确保提供商在开发过程中包含适当的文档和足够的透明度。需要强大的监控和测试功能来跟踪提供商的绩效并尽早发现问题（例如，用于收集和汇总相关指标的自动报告功能，包括模型输入和输出、延迟和吞吐量统计数据以及用户反馈）。定期对新一代人工智能解决方案进行端到端测试（从数据摄取到模型输出）非常重要，以便跟踪性能并确定整个提供商生态系统的问题根源。经验表明，让所有提供商参与建立全面的测试策略（例如联合集成测试和场景测试）有助于设定明确的期望和责任。

• 建立清晰的 IP 边界。关于新一代人工智能的知识产权难题仍在解决中，因此预先建立明确的界限非常重要。例如，公司应指定各方为协作带来的现有知识产权，例如专有数据集、算法或模型。他们应该定义如何拥有和管理合作期间创建的知识产权（例如，任何专利、版权或商业秘密），包括预定义的许可、商业化和收入共享条款。他们应该概述一个跟踪和归属共同开发知识产权的个人贡献的流程，这有助于防止争议并确保各方的贡献得到适当认可。在此过程中保持透明并确保一致性也有助于建立信任。

• 将报酬与结果挂钩。在遵循合同结构的最佳实践（例如，包括明确的 KPI、服务水平协议和许可安排）并指定风险分担条款的同时，将提供商的报酬与可衡量的结果（例如模型准确性、正常运行时间和用户）联系起来至关重要满意。公司应避免最低支出要求，并包括明确的退出条款和数据可移植性要求，以避免限制灵活性。

入门

随着新一代人工智能的变革潜力不断显现，企业应该果断采取行动，为自己在这个新时代的成功做好准备。首先，高管可以考虑采取以下行动：

• 建立一个由业务、IT、法律和采购领域的主要利益相关者组成的指导委员会，负责监督 gen-AI 联盟战略。该委员会的任务应该是定义战略联盟标准、设定绩效指标并建立治理准则。为此，团队需要足够的自主权才能在战略指导方针范围内做出决策。

• 制定战略性人工智能联盟手册，其中包括用于评估、入职和管理新一代人工智能提供商的标准化框架。该框架应包括评估可扩展性、可重用性和互操作性的指南，以及合同、服务级别协议和性能仪表板的模板。

• 进行战略性的人工智能联盟审计，以评估当前的战略联盟并找出与人工智能战略的差距、冗余或不一致之处。根据刺激业务价值的潜力确定维持、扩大或逐步淘汰哪些战略联盟。

• 为 gen AI 联盟指派专门的关系经理。管理者应该对新一代人工智能技术、架构和最佳实践有深入的了解，以便他们能够有效地与提供商沟通，评估他们的能力，并确保符合公司的技术要求。他们还监督整个人工智能生态系统，并充当“中央机构”，帮助协调提供商之间的活动、监控进展并解决问题。在许多情况下，拥有解决方案架构师以及定期与提供商会面以准确了解他们正在做什么以及进展如何会很有用。

建立信任和促进协作与选择正确的技术同样重要。公司应该从小处着手，快速学习，并经常迭代，以确保他们能够很好地释放新一代人工智能的全部潜力。