追踪我们生成式人工智能的第一步

这是“我们的生成式人工智能之旅”系列的第二个故事。

在科技和工程领域，有时你只需要抓住一个好主意。你加入竞争——完全清楚不可避免的混乱会带来新的风险——但你还是加入了。打个比方，你决心边飞边造飞机。

当然，这与我们在业界习惯的做法背道而驰。我们喜欢研究每一个角度，仔细审查每一个决定，并在此过程中将功能与成本分析进行对比。我们甚至可能几个月都不会讨论或分享一个创新想法，直到我们能够用大量的研究来支持决策，包括目标市场信息和竞争分析。

去年夏天，当我在公司高管会议上完成关于创新的简短演讲时，这些想法闪现在我的眼前。在我结束演讲，询问领导层是否有任何问题时，我们的首席执行官兼日立数字服务公司执行董事长Gajen Kandiah站起来向团队宣布，我将领导公司的生成式人工智能章程。

尽管生成式人工智能已深入到参会人员的心中，但这一声明还是令人惊讶又振奋。我在这样的环境下，当场被授予重任，既是Gajen对我的信任，也是对于公司方向的表态。Gajen一直是公司在这个领域的思想领袖，他在这个赛道及其潜力上的参与和热情众所周知。

Gajen后来向我解释说，他和董事会选择我有几个原因。其中一个关键因素是，我在公司任职不到一年。他们希望这项工作的领导者既要有丰富的经验，又要对公司足够新，能够在内部推动变革、挑战常规。他说，这一点至关重要。

当我微笑着点头表示同意时，我的脑子已经在飞速运转，列出待办事项清单，并在脑海里写下需要采取的步骤。

组建我们的生成式人工智能团队

我没有浪费时间。第二天回到办公室后，我与首席转型官Santhosh Sreemushta讨论了这一前景，并开始创建我认为最有效的五个跨职能团队组合：政策、产品和工程、服务、内部IT/CIO和营销。

为了推动这一计划的进展，避免新业务可能落入传统官僚主义拖延陷阱，我决定让团队成员将这项新责任附加到他们的“日常工作”中。（我心想，让混乱开始吧。）因此，我列出了一份我认为可以成为优秀领导者的名单，并分别给他们每个人发送电子邮件，寻求他们的支持。在此过程中，我特意让他们都知道，这项工作需要开拓者，以及那种能够轻松应对模糊性的人。

这一点至关重要，因为作为这一旅程的一部分，我希望让生成式人工智能成为我们公司DNA的一部分。如果我能做到这一点，这将确保长期的承诺，而我的继任者和团队也能从中受益。这是创建结构和可持续势头的关键组成部分。

召集团队

我让领导们组织好团队，并把名单发给我。当他们告诉我工程师、研究人员和营销人员都渴望加入时，我并不感到惊讶。到下午，我们的组织就确定了。

那是六月中旬。回首过去，毫不夸张地说，我们与生成式人工智能行业一样迅速地推进了这项使命。生成式人工智能一年前OpenAI的ChatGPT崛起，到上个月推出令人印象深刻的Chat GPT平台，发展迅速。从那次领导宣言，到我们作为生成式人工智能战略团队的第一次正式会议，总共只用了两周时间。以任何标准来看，这种速度都称得上“迅猛”。

一周后，我召集了团队。我们利用这段时间制定了运营蓝图，分配了职责及目标；虽然还不是KPI，但已经是目标了。我们还没有进入KPI阶段。

起草我们的指导文件

我们一致认为，我们的蓝图必须同时做到以下几点：建立指导原则，这也是Gajen强调过的；与公司价值观保持一致；随着我们学到更多知识，为发展和成长提供灵活性。

为了有效做到这一点，我们必须从业务角度出发，向内推进，让所有利益相关者都有平等发言权。讨论包括首席信息安全办公室、首席信息官办公室、企业法律和产品开发部门的成员，并探索了Hitachi Vantara拥有或可能拥有的生成式人工智能接触点。从公共生成式人工智能应用程序（如ChatGPT、Bard和现在的Gemini）的使用，到私人应用程序，再到软件开发，我们着手制定一份政策文件，正式规定经过批准的使用方式。

作为第一项行动，我们同意起草一份政策文件，供所有员工使用，说明如何以及何时使用公共和私人生成式人工智能工具。从产品开发到营销，我们着手制定公司批准的实践参数。它将成为公司的指导原则。这份文件也将具有远见卓识，有助于指导当今和未来的发展。记住我的使命——让它成为DNA的一部分。

这种看似实用的方法实际上对我们来说是一个关键时刻。当我们深入研究政策文件时，我们很快意识到这本身就是一项艰巨的任务。从制定有关一般使用和数据隐私的规则和限制，到制定有关监管合规、网络安全甚至政策培训问题的指导方针——全都需要时间，而这有可能会拖延甚至破坏其余的努力。

但我们正身处前所未有的时代。生成式人工智能的创新步伐如此之快，需要我们更加有紧迫感。我们的员工需要自由地以与技术发展相同的速度进行探索。我们需要继续前进，所以我们同意在执行蓝图的其余部分的同时起草政策文件。我们真的是边飞边造飞机。

让白板构想变成现实

我们概述了自己的市场观点，将其分为两条不同的路径：1）确定如何将生成式人工智能集成到现有产品中；2）围绕可能从头开始构建的产品，进行创造性思考。

我们在白板上列出了一份很棒的创意清单，然后开始精简清单。白板上有这么多想法，我们不得不将其精简，并将重点放在两三个一开始就产生最大影响的想法上。大范围撒网不是一种选择。事实上，广撒网只会分散注意力，拖延时间。

事实证明，及早确立这一理念非常有效。它使我们作为一个团队能够快速明确优先事项。

因此，除了政策文件之外，我们还决定开发两个初始项目：生成式人工智能代理，也称为“同伴”，以加快我们企业支持团队的问题解决速度（并最终将其直接集成到公司的产品组合中，以改进系统配置、管理、故障排除等）；以及我们将用来微调大型语言模型和开发同伴的“开箱即用”设备。

将已有知识运用到新学会的知识中

我们很高兴能分享自己的故事。日立围绕生成式人工智能做出了数千个决定，其中涉及很多因素。但我们知道自己并不孤单。我们每天都会与客户和合作伙伴交谈，因此我们知道企业正在围绕相同的主题和挑战进行相同的讨论。即使他们目前没有这样做，他们很快也会这样做。

例如，当需要将蓝图付诸实践时，我们意识到我们需要首先解决一场哲学争论——我们应该采用单一的大型语言模型，还是采用由多个可以相互协作的代理组成的小型模型？

和许多企业一样，我们权衡了差异，对于我们来说，决定采用小型模型至少有两个关键因素：1) 小型模型能够生成更准确的结果；2) 出现幻觉的风险要小得多。另一方面，相对而言，利用单个大型语言模型管理起来更简单，但训练成本更高。

经过一番讨论后，我们同意采用小模型方法。这是将我们的技术专长应用于我们所学知识的一个绝佳例子。

我们将在本系列的第3部分中扩展这种学习理念。我会从内部开发工作的经历出发，撰写文章，而我的同事、日立数字服务公司的Prem Balasubramanian将分享他与客户合作建立新模型，实时解决新问题的成果。

生成式人工智能是我们所有人的一次旅程，我们需要全身心投入其中。

相关内容

• Gajen Kandiah：细说我们的生成式人工智能之旅
• 用创造性地方法采用人工智能