生成式AI時代下的數(shù)據(jù)戰(zhàn)略白皮書-埃森哲+AWS

生成式AI飛速發(fā)展,開啟企業(yè)全面重塑新時代人工智能發(fā)展迎來新拐點,將深刻改變未來商業(yè)模式企業(yè)積極探索生成式AI應(yīng)用,機遇與挑戰(zhàn)并存02迎接生成式AI時代,重新審視企業(yè)數(shù)據(jù)戰(zhàn)略02面向生成式AI應(yīng)用,企業(yè)數(shù)據(jù)戰(zhàn)略需把握四大關(guān)鍵點關(guān)鍵點之—:找準(zhǔn)應(yīng)用方向,激發(fā)創(chuàng)新價值關(guān)鍵點之二:準(zhǔn)備專有數(shù)據(jù),確保數(shù)據(jù)安全關(guān)鍵點之三:驅(qū)動數(shù)據(jù)管理,打造最佳實踐關(guān)鍵點之四:重構(gòu)基礎(chǔ)設(shè)施,實現(xiàn)高效運營03埃森哲攜手亞馬遜云科技,助力企業(yè)解鎖生成式AI價值03助力企業(yè)重塑數(shù)據(jù)戰(zhàn)略,賦能AI加速釋放潛力新戰(zhàn)略,新技術(shù),新方式0404科思創(chuàng)基于AmazonCodeWhisperer提升代碼開發(fā)效率全球知名跨國銀行通過生成式AI減少交易后電子郵件數(shù)量,提高效率和客戶滿意度生成式AI為大型保險公司重塑運營平臺和合同管理05總結(jié)23468920303440434445463生成式AI飛速發(fā)展,2生成式人工智能:重塑商業(yè)和運營,埃森哲,2023,/s/8w89bqvB6LZOm6V8k9YHOw人工智能發(fā)展迎來新拐點,將深刻改變未來商業(yè)模式生成式AI正在喚醒全球?qū)θ斯ぶ悄茏兏餄摿Φ恼J(rèn)知,激發(fā)起前所未有的關(guān)注和創(chuàng)造力浪潮由于大語言模型具有處理大規(guī)模數(shù)據(jù)集的能力,它可以“掌握”企業(yè)長期以來積累的所有信息,包括創(chuàng)辦至今的發(fā)展歷程、業(yè)務(wù)特點和商業(yè)意圖,所有用語言記錄傳達的內(nèi)容,如應(yīng)用、系統(tǒng)、文檔、電子郵件、聊天、視頻和音頻等等,都將進行創(chuàng)新、優(yōu)化和重塑,最終走向全新的高度。由于大語言模型具有處理大規(guī)模數(shù)據(jù)集的能力,它可以“掌握”企業(yè)長期以來積累的所有信息,包括創(chuàng)辦至今的發(fā)展歷程、業(yè)務(wù)特點和商業(yè)意圖,所有用語言記錄傳達的內(nèi)容,如應(yīng)用、系統(tǒng)、文檔、電子郵件、聊天、視頻和音頻等等,都將進行創(chuàng)新、優(yōu)化和重塑,最終走向全新的高度。含生成式AI)方面的投入,這—比例較2023年大幅躍升了24個百分點。在于使用的生成式AI服務(wù),正在迅速推動技術(shù)在商業(yè)領(lǐng)域和社會公眾中的普及,??ChatGPT推出僅兩個月,月活躍用戶就達到了1億,成為有史以?埃森哲研究發(fā)現(xiàn),所有行業(yè)中40%的工作時間都將得到GPT-4等大語言模型的協(xié)助。這是因為,語言任務(wù)占到了企業(yè)人員工作總時長的62%,其中65%的時間可以借助生成式AI和自動化技術(shù)來提升工作活動24的全球高管認(rèn)為,人工智能基礎(chǔ)模型將在未來3到的全球高管認(rèn)為,人工智能基礎(chǔ)模型將在未來3到5年內(nèi)在其組織的戰(zhàn)略22個職業(yè)類型中,有5個將受到人工智能大量影響,接近所有工作時間的的工作時間都可能會受到大語言模型(的工作時間都可能會受到大語言模型(LLM)的影響,無論行業(yè)。的全球高管認(rèn)為人工智能基礎(chǔ)模型將實現(xiàn)跨數(shù)據(jù)類型的連接,徹底改變?nèi)斯な苷{(diào)查的10個組織中,有6家計劃將ChatGPT用于學(xué)習(xí)目的,超過—半3埃森哲技術(shù)展望2023:當(dāng)原子遇見比特,埃森哲,2023,/cn-zh/insights/technology/technology-trends-20234埃森哲技術(shù)展望2023:當(dāng)原子遇見比特,埃森哲,2023,/cn-zh/insights/technology/technology-trends-20235埃森哲商業(yè)研究院2023年6生成式人工智能:人人可用的新時代,埃森哲,2023,/cn-zh/insights/technology/generative-ai7生成式人工智能:人人可用的新時代,埃森哲,2023,/cn-zh/insights/technology/generative-ai5企業(yè)積極探索生成式AI應(yīng)用,機遇與挑戰(zhàn)并存生成式AI可被廣泛應(yīng)用于咨詢建議、內(nèi)容創(chuàng)建、運營助手、流程自動化、企業(yè)安全等方面:通過提高生產(chǎn)力、提高效率、提升客戶體驗等方式,預(yù)計生成式AI將為企業(yè)帶來5億美元到30億美元不等的價值。8創(chuàng)意內(nèi)容生成/創(chuàng)意內(nèi)容生成/共同生成對話助手/客戶服務(wù)圖1:生成式AI的應(yīng)用場景舉例來源:埃森哲研究8生成式人工智能:人人可用的新時代,埃森哲,2023,/cn-zh/insights/te6同時,日新月異的技術(shù)發(fā)展也將帶來新的挑戰(zhàn)要讓基礎(chǔ)模型在企業(yè)中發(fā)揮適當(dāng)作用,就必須了解其最佳應(yīng)用場景。許多人工智能應(yīng)用程序使用的數(shù)據(jù)類型,已超出基礎(chǔ)模型的處理范圍。同時,基礎(chǔ)模型可以嘗試的—些應(yīng)用模式,從根本上說仍更適合狹義的人工智能?？焖僭鲩L的計算需求,以及處理大規(guī)模計算所需的相關(guān)成本和專業(yè)知識,是當(dāng)前面臨的最大障礙。多方報告顯示,大型人工智能模型訓(xùn)練所需的計算量正呈指數(shù)級增長,從每10個月翻—番,加快至每3、4個月翻—番。9模型即使經(jīng)過訓(xùn)練后,還需通過微調(diào)才可處理不同任務(wù),因此所有下游應(yīng)用的運行和托管成本亦十分高昂。同時,要實現(xiàn)生成式AI的潛力,數(shù)據(jù)也扮演著至關(guān)重要的角色。數(shù)據(jù)不僅是生成式AI的燃料,更是支撐其模型訓(xùn)練和創(chuàng)新的基石。因此,對于企業(yè)而言,未來的數(shù)據(jù)戰(zhàn)略將不僅聚焦于收集和管理數(shù)據(jù),更要關(guān)注模型的訓(xùn)練方式、內(nèi)容生成的質(zhì)量和數(shù)據(jù)應(yīng)用的廣度。企業(yè)需要不斷地審視、調(diào)整和優(yōu)化其數(shù)據(jù)戰(zhàn)略,以—個全面的數(shù)據(jù)戰(zhàn)略布局來有效應(yīng)對生成式9埃森哲技術(shù)展望2023:當(dāng)原子遇見比特,埃森哲,2023,/cn-zh/insights/technology/technology-tre702迎接生成式AI時代,801找準(zhǔn)應(yīng)用方向,01找準(zhǔn)應(yīng)用方向,選擇—些低風(fēng)險領(lǐng)域進行可行性評估,然后開展生成式AI試點,探索04重構(gòu)基礎(chǔ)設(shè)施,考慮支撐人工智能所需的基礎(chǔ)設(shè)施、架構(gòu)、運營模式和治理結(jié)構(gòu)等,同時密切關(guān)注成本和可面向生成式AI應(yīng)用,02準(zhǔn)備專有數(shù)據(jù),花時間和精力來準(zhǔn)備數(shù)據(jù)基礎(chǔ),且這個數(shù)據(jù)基礎(chǔ)需要在云平臺上進行管理,確保數(shù)據(jù)的安全03驅(qū)動數(shù)據(jù)管理,利用高質(zhì)量的數(shù)據(jù),顯著提升模型訓(xùn)練與數(shù)據(jù)應(yīng)用成效,助力企業(yè)高9關(guān)鍵點之—:找準(zhǔn)應(yīng)用方向,激發(fā)創(chuàng)新價值生成式AI能夠在多方面提供智能化服務(wù),提高企業(yè)運營效能優(yōu)化業(yè)務(wù)流程:生成式AI對歷史背景、下—步最佳行動、總結(jié)能力和預(yù)優(yōu)化業(yè)務(wù)流程:生成式AI對歷史背景、下—步最佳行動、總結(jié)能力和預(yù)測智能的成熟理解力,將同時在前后臺辦公環(huán)境中催生出—個超高效、超個性化的新時代,將業(yè)務(wù)流程自動化推升到具有變革意義的新水平。此外,在安全防護、內(nèi)容審核等方面,生成式AI將支持企業(yè)加強治理和信息安全、防止欺詐、完善監(jiān)管合規(guī),通過在組織內(nèi)部和外部均建立跨域聯(lián)系和推斷能力,名稱擬定、副本生成與測試以及實時個性化等領(lǐng)域中,帶來前所未見的速度和創(chuàng)新。生成式AI還能助力代碼編寫、實現(xiàn)代碼編寫自動化、預(yù)測和預(yù)先防范問題,以及管理系統(tǒng)文檔、獲得數(shù)據(jù)洞察等。面向領(lǐng)域:供應(yīng)鏈、零售、金融等行業(yè)面向領(lǐng)域:供應(yīng)鏈、零售、金融等行業(yè)增強客戶體驗:大語言模型有望幫助處理約70%非面對面的客戶服務(wù)溝通,充分利用強大的對話式智能機器人,理解客戶意愿、自行擬定回答,提高答復(fù)的準(zhǔn)確性和質(zhì)量。典型領(lǐng)域包括聊天機器人、虛擬助手、智能導(dǎo)購、面向領(lǐng)域:供應(yīng)鏈、零售、服務(wù)等行業(yè)?某在線旅行代理商通過部署“智能客服”插件,通過為用戶提供旅游出行的個性化建議,幫助他們更快確定行程安排。對于意外的行程更改,旅客可以通過全天候在線的?某飲料零售企業(yè)正在使用—個人工智能平臺,根據(jù)廣告在不同平臺的適用性進行評級,并提取出實現(xiàn)最大投資回報率(ROI)所需的關(guān)鍵要素,從而創(chuàng)建—套成功廣告活動的規(guī)則,此舉使廣告支出回報率顯著提高。?埃森哲嘗試?yán)么笳Z言模型自動生成文檔,提高開發(fā)人員在系統(tǒng)配置、功能及技術(shù)?某跨國銀行正在使用生成式AI和大語言模型,改變其大量交易后處理電子郵件的管理方式,如自動起草帶有行動建議的消息,并發(fā)送給收件人。這不只是減少了工作量,在美國,語言任務(wù)占據(jù)總工作時長的62%。在語言任務(wù)的總體份額中,65%很可能實現(xiàn)自動化或得到根據(jù)埃森哲研究預(yù)測,未來所有行業(yè)中,將有40%的工作受到大語言模型的影響。企業(yè)應(yīng)當(dāng)迅速行動,尋找適合自己的創(chuàng)新機會。24%24%20%更具自動化潛力更具人員強化潛力化的潛力較低對于不同行業(yè)而言,生成式AI將不同程度地改變其工作方式,企業(yè)應(yīng)找對于不同行業(yè)而言,生成式AI將不同程度地改變其工作方式,企業(yè)應(yīng)找24%54%46%34%46%30%9%35%30%9%35%50%30%50%56%56%64%64%0%10%20%30%40%50%60%70%80%90%100%10生成式人工智能:人人可用的新時代,埃森哲,2023,10生成式人工智能:人人可用的新時代,埃森哲,2023,https://www.accenture.11生成式人工智能:人人可用的新時代,埃森哲,2023,https://www.accenture.來源:埃森哲研究生成式AI可以突出客戶相似性和產(chǎn)品采用差異,以創(chuàng)建個性化優(yōu)惠和推廣活動,獲得追加銷售機會。生成式AI可以突出客戶相似性和產(chǎn)品采用差異,以創(chuàng)建個性化優(yōu)惠和推廣活動,獲得追加銷售機會。為社交媒體帖子和博客創(chuàng)建內(nèi)容,針對目標(biāo)客戶生成特色視頻廣告和動畫用戶故事,提高品牌知名度。跟蹤品牌的在線提及情況,提醒公司任何負(fù)面評論或反績。在問基于高級情感分析,實現(xiàn)虛擬客戶服務(wù)代云圖3:生成式AI將360°為企業(yè)帶來創(chuàng)新應(yīng)用機會。來源:埃森哲研究利用GenAI利用GenAI改進EDA(電子設(shè)計自動化),幫助應(yīng)對芯片生命好地了解客戶需求和要求,提供卓越的服務(wù)和合適的產(chǎn)品,從而增周期管理的復(fù)雜性。與代工廠的原型驗證流程相連接,快速進行芯片設(shè)計原型驗證,提高企業(yè)市場快速反應(yīng)能力。生成式AI可以查看代碼的—致性,編輯代碼并提供生產(chǎn)質(zhì)量代基于客戶互動和索賠的經(jīng)驗,為保險代理人提供定制建議和有關(guān)興趣領(lǐng)域知識,幫助代理人與客戶溝通。生成保險報價、綁定、保單簽發(fā)文件,并根據(jù)投保人的具體需改善理賠受理體驗的個性化溝通;根據(jù)多式聯(lián)運索賠人輸入自動檢測嚴(yán)重性;進行快速檢查/分析以確定損失原因并自動提取用關(guān)鍵術(shù)語,如保單手冊,以增強風(fēng)險評估。進行快速檢查/分析以確定損失原因,并自動薦內(nèi)容,以推動更高的參與度和互動性追償/訴訟處理通過對數(shù)據(jù)洞察(如傳票信函),預(yù)測潛在的關(guān)鍵術(shù)語,如保單手冊,以增強風(fēng)險評估。進行快速檢查/分析以確定損失原因,并自動薦內(nèi)容,以推動更高的參與度和互動性追償/訴訟處理通過對數(shù)據(jù)洞察(如傳票信函),預(yù)測潛在的以保險行業(yè)為例,生成式AI可應(yīng)用于從市場營銷到出險理賠的各個階段。其中具較高投資回報率的場景如:?數(shù)據(jù)增強:客服場景中為承保人員快速生成第三方數(shù)據(jù)源的信息摘要和見解,以幫助他們做出更準(zhǔn)確的判斷?理賠核驗:出險核驗時對多模態(tài)數(shù)據(jù)進行快速檢查/分析后,提取關(guān)鍵詞并定損圖4:保險行業(yè)價值鏈中的應(yīng)用場景產(chǎn)品營銷客戶承保產(chǎn)品營銷客戶承保利用歷史數(shù)據(jù)發(fā)現(xiàn)規(guī)律和模板,為理賠理算師提供洞察,以使決策更加明智和準(zhǔn)確利用歷史數(shù)據(jù)發(fā)現(xiàn)規(guī)律和模板,為理賠理算師提供洞察,以使決策更加明智和準(zhǔn)確和見解,以幫助他們做出明智的選擇。自動化對投訴進行分類、優(yōu)先級排序,并跨渠自動生成數(shù)字營銷內(nèi)容,如博客文章、社交媒追蹤品牌在網(wǎng)絡(luò)上的評價,在負(fù)面評價升級并利用合成數(shù)據(jù)來解決數(shù)據(jù)稀缺問題,模擬不同利用合成數(shù)據(jù)來解決數(shù)據(jù)稀缺問題,模擬不同自動化保單生成和質(zhì)量分析/審核,以提高保增長與創(chuàng)新營銷、銷增長與創(chuàng)新營銷、銷虛擬概念/產(chǎn)品測試告在快消品行業(yè),具備高投資回報率的生成式AI創(chuàng)新場景,如:?新產(chǎn)品設(shè)計研發(fā):使用生成式AI快速進行原型設(shè)計和驗證,加速產(chǎn)品上市?自動化市場營銷:依據(jù)產(chǎn)品文檔和消費趨勢數(shù)據(jù)自動生成營銷材料,提升營銷效率圖5:快消品行業(yè)價值鏈中的應(yīng)用場景理無無低低中中高高來源:埃森哲研究生成式AI創(chuàng)新場景大量涌現(xiàn),激發(fā)相關(guān)技術(shù)產(chǎn)品與服務(wù),助力企業(yè)價值實現(xiàn)各行業(yè)大量的生成式AI創(chuàng)新場景激發(fā)出對技術(shù)產(chǎn)品和服務(wù)的需求,如:?利用對話機器人、虛擬個人助手減少客戶投訴,精確定位客戶需求,優(yōu)化客戶體驗?基于生成式AI的代碼助手極大提升了軟件開發(fā)的效率和質(zhì)量,提升員工生產(chǎn)力?利用樣式設(shè)計助手點燃設(shè)計靈感,激活創(chuàng)新思維,生成創(chuàng)意內(nèi)容?借助文檔處理助手,自動化企業(yè)文檔檢索、數(shù)據(jù)提取等流程,改善業(yè)務(wù)運營效率??AmazonQuickSightBI提供了-種更快的方法,幫助用戶從數(shù)據(jù)中直接獲取洞察QuickSight允許用戶輕松連接到S3或Athena等數(shù)據(jù)源,并在幾分鐘內(nèi)創(chuàng)建交互式儀表板,并使用自然語言在數(shù)秒內(nèi)生成洞察結(jié)論并微調(diào)數(shù)據(jù)可視化效果。用戶可以用簡單的語言查詢他們的數(shù)據(jù),而無需編寫—行代碼。借助這些新功能,業(yè)務(wù)用戶可以提出“為什么”的問題,以更好地了解影響數(shù)據(jù)趨勢的因素。用戶還可以通過說“預(yù)測未來12個月的銷售額”來預(yù)測指標(biāo),以獲得基于過去數(shù)據(jù)和季節(jié)性等信息AmazonCodeWhisperer經(jīng)過數(shù)十億行代碼的訓(xùn)練,可以根據(jù)您的評論和現(xiàn)有代碼實時生成從代碼片段到全函數(shù)的代碼建議。繞過耗時的編碼任務(wù),加速使用不熟悉的API?通過生成式AI助手AmazonQ全面提升企業(yè)的生產(chǎn)力AmazonQ是亞馬遜云科技推出的生成式AI助手,可以通過互動對話解決問題、生成內(nèi)容并采取行動。AmazonQ能了解您的公司信息、代碼和系統(tǒng),并在保障安全與隱私的基礎(chǔ)上,根據(jù)您的角色和權(quán)限進行個性化交互。AmazonQ既能作為單獨的應(yīng)用程序,作為您的商務(wù)專家,也能集成在亞馬遜云科技的控制臺、AmazonCodeWhisperer、各類IDE、AmazonQuicksight以及AmazonConnect?；趤嗰R遜云科技17年的知識,能夠為您的整個開發(fā)流程提供支持。亞馬遜云科技通過開箱即用的生成式AI技術(shù)服務(wù),快速激發(fā)產(chǎn)品與服務(wù)創(chuàng)新圖圖6:亞馬遜云科技QuickSightBI產(chǎn)品的數(shù)據(jù)洞察來源:亞馬遜云科技、埃森哲研究圖圖7:亞馬遜云科技AmazonCodeWhisperer來源:亞馬遜云科技、埃森哲研究圖圖8:亞馬遜云科技AmazonBedrock來源:亞馬遜云科技、埃森哲研究AmazonBedrock使用基礎(chǔ)模型構(gòu)建和擴展生成式AI應(yīng)進行推理,或則根據(jù)需求AmazonBedrockAPI,運用FM來構(gòu)建生AmazonBedrock有以下特點:01預(yù)訓(xùn)練的基礎(chǔ)模型:AmazonBedrock提供易于使用的開發(fā)者體驗,可01預(yù)訓(xùn)練的基礎(chǔ)模型:AmazonBedrock提供易于使用的開發(fā)者體驗,可與來自AI21Labs、Anthropic、Cohere、Meta、StabilityAI和Amazon等礎(chǔ)設(shè)施,能夠隨著項目的增長而擴展,支持大規(guī)模的應(yīng)用開發(fā)。02自定義和微調(diào)能力:可通過可視化界面使用私有數(shù)據(jù)對模型進行自定義和微調(diào)。使用微調(diào)和檢索增強生成(RAG)等技術(shù)利用私有數(shù)據(jù)對其進行定04安全和合規(guī):AmazonBedrock02自定義和微調(diào)能力:可通過可視化界面使用私有數(shù)據(jù)對模型進行自定義和微調(diào)。使用微調(diào)和檢索增強生成(RAG)等技術(shù)利用私有數(shù)據(jù)對其進行定關(guān)鍵點之二:準(zhǔn)備專有數(shù)據(jù),確保數(shù)據(jù)安全在使用基礎(chǔ)模型之前,企業(yè)需要花時間和精力來準(zhǔn)備數(shù)據(jù)基礎(chǔ),且這個數(shù)據(jù)基礎(chǔ)需要在云平臺上進行管理,確?，F(xiàn)階段,大多數(shù)企業(yè)會直接購買“模型即服務(wù)”來開展業(yè)務(wù)應(yīng)用。不過對許多企業(yè)來說,最大的價值或?qū)⒃从谑褂米陨淼臄?shù)據(jù)定制或微調(diào)(Fine-tune)模型,滿足其獨特需求。為了提高生成式AI和基礎(chǔ)模型在特定業(yè)務(wù)應(yīng)用方式中的價值,企業(yè)將越來越多地利用自身數(shù)據(jù)對預(yù)訓(xùn)練模型加以微調(diào)來實現(xiàn)定制,從而讓績效實現(xiàn)質(zhì)的飛躍。在工具層面,亞馬遜云科技的AmazonBedrock和AmazonSageMakerJumpstart,分別面向基礎(chǔ)模型有著不同需求的客戶提供微調(diào)的路徑。在AmazonBedrock中,客戶只需調(diào)用模型API,也可以對基礎(chǔ)模型進行微調(diào),而無需管理模型配置或部署;而在AmazonSagemaker中,客戶需要管理應(yīng)用程序架構(gòu)中的模型部署、配置和托管,將會有更大的靈活度和隨著時間推移,生成式AI將支持企業(yè)加強治理和信息安全、防止欺詐、完善監(jiān)管合規(guī),并通過在組織內(nèi)部和外部均建立跨域聯(lián)系和推斷能力,主動在戰(zhàn)略性網(wǎng)絡(luò)防御體系中,大語言模型可以提供多種有用的功能,例如解釋惡意軟件和快速分類網(wǎng)站。但在短期內(nèi),企業(yè)很可能看到,黑客利用生20基礎(chǔ)模型需要大量精心組織的數(shù)據(jù)來學(xué)習(xí),因此,破解數(shù)據(jù)挑戰(zhàn)已成為每家企業(yè)的當(dāng)務(wù)之急企業(yè)需要采用—種戰(zhàn)略性、規(guī)范化的方法,獲取、開發(fā)、提煉、保護和部署數(shù)據(jù)。應(yīng)依托云環(huán)境構(gòu)建現(xiàn)代化的企業(yè)數(shù)據(jù)平臺,其中包含—組可信賴、可重復(fù)使憑借此類平臺的跨職能特征、企業(yè)級的分析工具,以及將數(shù)據(jù)存儲在云端倉庫或數(shù)據(jù)湖當(dāng)中,數(shù)據(jù)能夠擺脫組織孤島的束縛,在整個企業(yè)中普遍使用。隨后,企業(yè)可以在某—地點或通過分布式計算策略(如數(shù)據(jù)網(wǎng)格),統(tǒng)—分析所有業(yè)務(wù)數(shù)據(jù)。來源:埃森哲研究圖9:數(shù)據(jù)準(zhǔn)備過程來源:埃森哲研究越來越多的企業(yè)已開始積極探索相關(guān)應(yīng)用,以期提升創(chuàng)新效率、實現(xiàn)高質(zhì)增長。然而生成式AI應(yīng)用的風(fēng)險貫穿于模型設(shè)計、搭建、使用各個階段,并會產(chǎn)生01比如,生成式AI01比如,生成式AI基于學(xué)習(xí)需要而對用戶數(shù)據(jù)的留存、分析是否侵犯了個人和商業(yè)隱私,以及相關(guān)數(shù)據(jù)保護法案;03另—方面,某些群體特質(zhì)也會使生成式AI為其打上固化標(biāo)簽,“—刀切”地去執(zhí)行某些程序,而失去了應(yīng)有的公平性。生成式AI的運作核心是機器學(xué)習(xí),其價值與數(shù)據(jù)的質(zhì)量和真實性密切相關(guān),如果—臺基礎(chǔ)模型長期浸染在存有偏差的數(shù)據(jù)當(dāng)中,它就會被這些數(shù)據(jù)“誘導(dǎo)”,從而輸出錯誤的信息或執(zhí)行歧視性操作;AmazonKMS:Amazoncon?g,AmazonSecurityhubAmazonKMS:Amazoncon?g,AmazonSecurityhub:AmazonSystemManager,AmazonCloudTrail:AmazonIAM,AmazonS3Versioning:AmazonBedrock確保生成式AI應(yīng)用過程中AmazonBedrock讓您始終掌控私域數(shù)據(jù)?在與應(yīng)用程序集成時,您可以使用AmazonCloudTrail監(jiān)控API?在與應(yīng)用程序集成時,您可以使用AmazonCloudTrail監(jiān)控API活動?微調(diào)(自定義)模型使用客戶KMS/CMK密鑰進行加密和存儲。或者?客戶的數(shù)據(jù)(包括提示詞、生成的內(nèi)容、微調(diào)后的模型)均會保存在創(chuàng)?支持亞馬遜云科技PrivateLink,以便您使用(VPC)和AmazonBedrock?客戶數(shù)據(jù)在傳輸過程中始終使用TLS1.2進行加密,靜態(tài)數(shù)據(jù)始終使用AL/ML建模AL/ML建模關(guān)鍵點之三:驅(qū)動數(shù)據(jù)管理,打造最佳實踐生成式AI幫助自動化數(shù)據(jù)管理手動流程,并確保所生成輸出的準(zhǔn)確性。將智能嵌入數(shù)據(jù)治理將提高數(shù)據(jù)使用者圖10:生成式AI在數(shù)據(jù)管理流程中的應(yīng)用來源:埃森哲研究?支持?jǐn)?shù)據(jù)隱私工作,以實現(xiàn)消費者隱私和法規(guī)遵從性通過生成式AI驅(qū)動數(shù)據(jù)管理,能夠:?優(yōu)化分析和洞察,為數(shù)據(jù)驅(qū)動型決策提供支持生成式AI將在多方面賦能數(shù)據(jù)管理工作,助力企業(yè)實現(xiàn)數(shù)據(jù)管理目標(biāo)創(chuàng)建通信內(nèi)容,減少內(nèi)容創(chuàng)建時間,部署聊天機器人以提供幫助,優(yōu)化利益創(chuàng)建通信內(nèi)容,減少內(nèi)容創(chuàng)建時間,部署聊天機器人以提供幫助,優(yōu)化利益基于監(jiān)管要求、國家法規(guī)的指導(dǎo),提出政策建議,數(shù)據(jù)訪問控制和限制程序,部署數(shù)據(jù)創(chuàng)建、存儲和備份技術(shù)以支持?jǐn)?shù)據(jù)生命周期管理,制定存檔策略,提升數(shù)據(jù)治理工具的搜索功能,與企業(yè)資產(chǎn)進行連接,并分析工具間的差距。通過使用算法訓(xùn)練與業(yè)務(wù)文檔和元數(shù)據(jù)相匹配,加速數(shù)據(jù)目錄的開發(fā),提高創(chuàng)建數(shù)據(jù)質(zhì)量規(guī)則,幫助標(biāo)準(zhǔn)化和合并記錄,并優(yōu)化匹配規(guī)則以創(chuàng)建“黃金基于角色的活動識別和支持?jǐn)?shù)據(jù)所有者和數(shù)據(jù)監(jiān)管者,并定義數(shù)據(jù)治理角色提供數(shù)據(jù)治理最佳實踐建議,幫助起草和解釋與政策相關(guān)的內(nèi)容,并優(yōu)化數(shù)更高的數(shù)據(jù)記錄掌握準(zhǔn)確率,從而實現(xiàn)更準(zhǔn)確縮短處理時間,減少錯誤,提高效率并實現(xiàn)成減少數(shù)據(jù)監(jiān)管內(nèi)容創(chuàng)建時間,通過虛擬培訓(xùn)實護成本,實現(xiàn)成本節(jié)約。生成式人工智能通過“業(yè)務(wù)文檔”查找和編譯常見術(shù)語和定義,以添加到數(shù)據(jù)目錄中。生成式人工智能通過“業(yè)務(wù)文檔”查找和編譯常見術(shù)語和定義,以添加到數(shù)據(jù)目錄中。公司將客戶數(shù)據(jù)存儲在多個系統(tǒng)中,難以識別唯—標(biāo)識符以合并客戶記錄。生成式人工智能模型在所有系統(tǒng)中訓(xùn)練客戶數(shù)據(jù),以識別最佳指標(biāo)以掌握客戶記錄。將生成式人工智能工具集成到數(shù)據(jù)管理系統(tǒng)中,以分析基于角色的活動,從而識別數(shù)據(jù)所有者和數(shù)據(jù)監(jiān)管者使用生成式人工智能從政策文件中提取結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù),數(shù)據(jù)管家使用生成式人工智能創(chuàng)建數(shù)據(jù)監(jiān)督管理培訓(xùn)議程和材料,并進行培訓(xùn)?！夜咀罱馐芰税踩┒?并決心防止再次發(fā)生。生成式人工智能獲得了公司現(xiàn)有安全協(xié)議的訪問權(quán)限,以分析可能被利用的弱點,并提供解決這些弱點的建議清單。生成式人工智能工具獲得了公司的數(shù)據(jù)存儲和備份協(xié)議的訪問權(quán)限,分析了現(xiàn)有技術(shù)并發(fā)現(xiàn)了—些改進的方面,例如冗余存儲設(shè)備和不頻繁的備份。然后編制了—份改進存儲實踐的建議清單。IT部門將生成式人工智能集成到其數(shù)據(jù)治理工具中,并繼續(xù)優(yōu)化生成式人工智能的訓(xùn)練數(shù)據(jù)以提來源:埃森哲研究圖11:生成式AI數(shù)據(jù)管理應(yīng)用最佳實踐來源:埃森哲研究AmazonRedshiftAmazonRedshiftAmazonS3AmazonBedrockAmazonQuickSight圖12:貫穿生成式AI全周期的數(shù)據(jù)治理AmazonAuroraAmazonDynamoDB編目治理AmazonLakeFormation來源:亞馬遜云科技,埃森哲整理亞馬遜云科技提供了貫穿生成式AI全周期的數(shù)據(jù)治理,從數(shù)據(jù)源的獲取到數(shù)據(jù)的存儲和查詢,再到將數(shù)據(jù)傳輸給AI平臺進行模型的訓(xùn)練、調(diào)優(yōu)和推理,以及全面實施數(shù)據(jù)分類和治理。通過提供—整套的解決方案、產(chǎn)品服務(wù)和實踐,全面保護存儲中、傳輸中以及使用中的數(shù)據(jù)。AmazonLakeFormation服務(wù)支持統(tǒng)—的數(shù)據(jù)使用、保護、共享、審計和治理,用于—站式構(gòu)建、管理和監(jiān)控安全可靠的數(shù)據(jù)湖。圖13:通過AmazonLakeFormation簡化安全管理AmazonRedshiftAmazonEMRAmazonAthenaAccesscontrolAccesscontrol來源:亞馬遜云科技、埃森哲研究AmazonOpenSearch服務(wù)、AmazonAuroraPostgreSQL和AmazonRDSforPostgreSQL提供向量數(shù)據(jù)庫功能?？蛻艨梢允褂眠@些功能來存儲和搜索其機器翻譯和生成式AI應(yīng)用中使用的嵌入。實現(xiàn)將向量與數(shù)據(jù)同地放置,可以更輕松地連接數(shù)據(jù)并減少數(shù)據(jù)重復(fù)。應(yīng)用AmazonOpenSearchServerless,客戶也無需擔(dān)心單獨數(shù)據(jù)庫的維護、版本控制和許可問題。29“用“用數(shù)據(jù)看數(shù)據(jù)”“用數(shù)據(jù)管數(shù)據(jù)”關(guān)鍵點之四:重構(gòu)基礎(chǔ)設(shè)施,實現(xiàn)高效運營為了充分利用大語言模型和生成式AI,企業(yè)應(yīng)認(rèn)真考慮所需的數(shù)據(jù)基礎(chǔ)設(shè)施和運營模式,同時密切關(guān)注成本和成本降低:成本降低:?利用云的彈性及時響應(yīng)對數(shù)據(jù)處理的需求,提供強大處理能力及無限擴展性?擺脫傳統(tǒng)平臺束縛,更容易打破數(shù)據(jù)孤島,重塑數(shù)據(jù)架構(gòu)?自動化的數(shù)據(jù)集成,零代碼、高可用?自助式的數(shù)據(jù)訪問服務(wù),隨時滿足業(yè)務(wù)人員的數(shù)據(jù)獲取需求?標(biāo)準(zhǔn)化的機器學(xué)習(xí),使業(yè)務(wù)分析師更易掌握和使用,實現(xiàn)快速賦能面向生成式AI時代,企業(yè)大數(shù)據(jù)平臺面臨的實際問題30AmazonEC2P4d/P4de空剛AmazonEC2P4d/P4de空剛AmazonEC2G5空剛與上—代G4dn實例相比,性能提高3.3倍與上—代P3/P3dn實例相比,速度提高2.5倍,檢索增強生成(Retrieval-AugmentedGeneration,檢索增強生成(Retrieval-AugmentedGeneration,RAG)需要向量數(shù)據(jù)庫的支持,因為它依賴于有效地檢索和處理大量的數(shù)據(jù)點。在RAG中,生成式模型(如文本或語音生成模型)與信息檢索系統(tǒng)相結(jié)合,以提高輸出的相關(guān)性和準(zhǔn)確性。企業(yè)構(gòu)建的向量數(shù)據(jù)庫需要滿足:?高效的數(shù)據(jù)檢索:能夠存儲數(shù)十億個向量嵌入,并能夠快速實現(xiàn)向量搜索?可擴展性和高可用性:應(yīng)對大量查詢和數(shù)據(jù)更新?易于管理和配置:需要配置、管理和擴展集群?技能儲備:企業(yè)人員需要專門的資源或?qū)I(yè)知識因此,對于實現(xiàn)高效的檢索增強生成系統(tǒng),選擇合適的向量數(shù)據(jù)庫是—個關(guān)鍵的考量因素,它直接影響了系統(tǒng)的性能、準(zhǔn)確性和可靠性。AmazonBedrockKnowledgeBase原生支持檢索增強生成RAG,能夠自動將文本文檔轉(zhuǎn)換為嵌入內(nèi)容,將嵌入存儲在向量數(shù)據(jù)庫中,檢索嵌入并增強提示。AmazonBedrockKnowledgeBase支持多種向量數(shù)據(jù)庫,包括AmazonOpenSearchServerless向量引擎,RAmazonTrainium與AmazonTrainium與AmazonEC2實例相比,訓(xùn)練成本可節(jié)省高達50%與AmazonEC2實例相比,具有高達40%的價格性能優(yōu)勢適用于SageMaker的機器學(xué)習(xí)中心,測覽約400個內(nèi)容,包括帶有預(yù)先訓(xùn)練模型的內(nèi)置算法、(新增)基礎(chǔ)模型、解決方案模板和Notebook腳本示例適用于SageMaker的機器學(xué)習(xí)中心,測覽約400個內(nèi)容,包括帶有預(yù)先訓(xùn)練模型的內(nèi)置算法、(新增)基礎(chǔ)模型、解決方案模板和Notebook腳本示例SageMakerStudio筆記本自動化AmazonSageMaker是通過完全托管的基礎(chǔ)設(shè)施、工具和工作流程為面向生成式AI的應(yīng)用開發(fā)及數(shù)據(jù)管理,AmazonSageMakerHyperPod能夠?qū)⒂?xùn)練基礎(chǔ)模型的時間縮短高達40%,能夠簡化大型訓(xùn)練集群的分布式訓(xùn)練,消除干擾的彈性訓(xùn)練環(huán)境,并對集群計算、內(nèi)存和網(wǎng)絡(luò)資源實現(xiàn)優(yōu)化利用。AmazonSageMaker是通過完全托管的基礎(chǔ)設(shè)施、工具和工作流程為面向生成式AI的應(yīng)用開發(fā)及數(shù)據(jù)管理,AmazonSageMakerHyperPodAmazonAmazonSageMakerJumpStart:輕松訪問機器學(xué)習(xí)資產(chǎn),并快速將機器學(xué)習(xí)應(yīng)用程序推向市場UIUI以及基于API的機器學(xué)習(xí),使用UI,即可單擊模型部署,或并允許他們使用自己的數(shù)據(jù)進行訓(xùn)練,或按原樣部署,便于推理預(yù)構(gòu)建的訓(xùn)練和推理腳本,與SageMaker兼容,可使用自定義帶有示例的預(yù)構(gòu)建的訓(xùn)練和推理腳本,與SageMaker兼容,可使用自定義發(fā)環(huán)境,使用選定模型和示例,指導(dǎo)客戶完成整個機器學(xué)習(xí)工全新的SageMakerStudio03埃森哲攜手亞馬遜云科技,34助力企業(yè)重塑數(shù)據(jù)戰(zhàn)略,賦能AI加速釋放潛力新戰(zhàn)略,新技術(shù),新方式打造互聯(lián)互通的用戶和員工體驗。通過人工智能對話、生成預(yù)測性洞察和構(gòu)建全渠道旅程,大規(guī)模打造差異化的用戶體驗。埃森哲將利用生成式打造互聯(lián)互通的用戶和員工體驗。通過人工智能對話、生成預(yù)測性洞察和構(gòu)建全渠道旅程,大規(guī)模打造差異化的用戶體驗。埃森哲將利用生成式AI,拓展客戶中心的能力,借助AmazonConnect、AmazonLex、AmazonKendra等亞馬遜云科技產(chǎn)品與服務(wù),賦能坐席代理,從而推動用戶服務(wù)體驗的改善。此外,埃森哲和亞馬遜云科技還將聚焦員工助手等預(yù)裝加速器,使重塑。埃森哲將升級數(shù)據(jù)和人工智能業(yè)務(wù),整合資源和能力為客戶創(chuàng)建行業(yè)特定的解決方案,助其更好地發(fā)揮人工智能潛力,重塑戰(zhàn)略、技術(shù)和工作方式,作為該項戰(zhàn)略的—部分,埃森哲將與亞馬遜云科技攜手,幫助客戶使用AmazonAnthropicClaude、AmazonTitan等先進的基礎(chǔ)模型,部署AmazonBedrock、AmazonSageMaker等行業(yè)領(lǐng)先技術(shù),以及其他亞馬遜云科技的機器學(xué)習(xí)技術(shù)。埃森哲將通過招聘、收購、培訓(xùn)和認(rèn)證等方式,提高全球團隊的亞馬遜云科技的技能水平、擴大人才規(guī)模,從而更好地幫助客12埃森哲宣布在人工智能領(lǐng)域投資30億美元,埃森哲,2023,/cn-zh/about/newsroom/company-news-release-invest-3-billion-in-aiAmazonAmazonBedrock,AmazonSagemakerJumpStartAmazonTrainium,AmazonInferentiaAmazonSecurityHub,AmazonCloudTrail36數(shù)據(jù):非結(jié)構(gòu)化數(shù)據(jù)簡單、靈活的存儲和管理,能夠適應(yīng)大型數(shù)據(jù)集和高I/O需求?AmazonGlue和EMR等數(shù)據(jù)處理和轉(zhuǎn)換工具,使生成式AI應(yīng)用能夠模型:?從AI21Labs,Anthropic,StabilityAI,Cohere以及亞馬遜云科技中安全:基礎(chǔ)設(shè)施:案,而Inferentia確保了高吞吐量和低延遲的模型推斷性能。AIML視頻AIML視頻構(gòu)建生成式AI應(yīng)用程序需要多種類型的能力支撐,亞馬遜云科技的構(gòu)建基塊為生成式AI應(yīng)用程序開發(fā)提供了全流程的產(chǎn)品與服務(wù),能夠快速構(gòu)建高度智能化的生成式AI應(yīng)用程序。不僅提供了強大的技術(shù)支持,還簡化了開發(fā)過程,幫助開發(fā)者更好地開發(fā)應(yīng)用,挖掘生成式AI的潛力。前端(用戶前端(用戶/應(yīng)用/設(shè)備)GenerativeAI后端(數(shù)據(jù)源)后端(數(shù)據(jù)源)圖14:生成式AI應(yīng)用程序的構(gòu)建架構(gòu)來源:亞馬遜云科技,埃森哲整理38ConsumerTunerProviderStudioLabGroundTruthCanvasNoConsumerTunerProviderStudioLabGroundTruthCanvasNo-codeMLforJumpstartmodelsinAmazon亞馬遜云科技提供了面向生成式AI綜合而強大的全技術(shù)棧,為其用戶提供了豐富的智能化服務(wù)和功能,推動企業(yè)應(yīng)用生成式AI所帶來的業(yè)務(wù)增長和創(chuàng)新。ScalingGenerativeScalingGenerativeAlAmazonBedrockFoundationModelAmazonTitanConversationContactLensConversationContactLensAmazonTranscribeCallAnalyticsIndustrialAmazonMonitronAmazonLookoutforEquipmentAmazonLookoutforVisionSpecializedHealthAmazonHealthLakeAmazonTranscribeComprehendMedicalAmazonOmicsSearchAmazonTitanCode+DevopsAmazonCodeGuruAmazonCode-WhispererAmazonDevOpsGuruServicesServicesAmazonForecastAmazonFraudDetectorAmazonLookoutforMetricsSearchTextCoreSearchTextCoreAmazonComprehendAmazonTranscribeAmazonRekognitionAWSAmazonTextractStudioIDEStudioIDEBuildwithnotebooksparametersCI/CD|Governance|ResponsibleMLProductionManageandmonitorStorefeaturesGeospatialInfrastructure圖15:亞馬遜云科技StackforEmergingGen-AI(Product/Technical-solutionperspective)來源:亞馬遜云科技,埃森哲整理390440生成式AI為各行各業(yè)帶來了前所未有的機遇,各大企業(yè)正在優(yōu)化和完善生成式AI為各行各業(yè)帶來了前所未有的機遇,各大企業(yè)正在優(yōu)化和完善企業(yè)在工業(yè)設(shè)計、知識庫構(gòu)建、代碼開發(fā)、郵件處理以及流程優(yōu)化等領(lǐng)域進海爾設(shè)計將AIGC解決方案引入到產(chǎn)品設(shè)計,UI海爾設(shè)計將AIGC解決方案引入到產(chǎn)品設(shè)計,UI設(shè)計,CMF設(shè)計,品牌從2023年初正式立項,到如今,該方案已經(jīng)初步完成交付,是目前已知的全全球的所有產(chǎn)品提供設(shè)計創(chuàng)新和模式探索。2023年,海爾設(shè)計著手立項,邀請亞馬遜云科技與Nolibox協(xié)作,量身打造了工業(yè)設(shè)計AIGC解決方案。Nolibox交付了完整的AIGC工業(yè)設(shè)計解決方案:包括符合品牌調(diào)性的不同設(shè)大模型在線訓(xùn)練和管理能力、以及根據(jù)用戶用量調(diào)度的彈性算力架構(gòu)等。方案支持在線的模型訓(xùn)練,并支持設(shè)計概念生成、設(shè)計融合智能輔助、概念聚模型等數(shù)字內(nèi)容進行在線管理,將AIGC有效地應(yīng)用于工業(yè)設(shè)計的概念創(chuàng)意參考鏈接:/en/customer-stories/manufacturing/haiernolibox/相對于傳統(tǒng)機器人,“小馬”智能會話機器人的回答內(nèi)容不僅生成速度相對于傳統(tǒng)機器人,“小馬”智能會話機器人的回答內(nèi)容不僅生成速度更快,其對搜索關(guān)鍵詞的命中率也更高,整體使用體驗遠(yuǎn)超傳統(tǒng)機器人。西門子中國專屬智能知識庫上線后,首周就有超過4000位內(nèi)部用戶參與使用,構(gòu)散亂、檢索速度慢、交互不便等問題,將大數(shù)據(jù)庫和生成式AI應(yīng)用于—個全新的“智能知識庫”,從根本上提升知識庫的可用性。大馬團隊與亞馬遜云科技攜手,在亞馬遜云科技的技術(shù)支持下,開發(fā)了為西門子中國量身打造02通過“RAG架構(gòu)+向量數(shù)據(jù)庫”的設(shè)計處理能力、知識庫檢索能力、甚至是以數(shù)據(jù)去訓(xùn)練大語言模型的能力,這些核心關(guān)鍵能力讓解決方案指南能實現(xiàn)目標(biāo)知識庫約80%功能,西門子中國根據(jù)企業(yè)內(nèi)部需求再做20%定制化開發(fā),最終形成完整的解決方案。參考鏈接:/en/customer-stories/manufacturing/siemenschatbot/科思創(chuàng)基于AmazonCodeWhisperer提升代碼開發(fā)效率01科思創(chuàng)中國針對其在日常開發(fā)的兩個核心任務(wù):項目框架搭建和存量代碼優(yōu)化,利用AmazonCodeWhisperer應(yīng)對重復(fù)性、機械化的范式生成、慣用算法引用和企業(yè)級API接口定制的問題,將日常代碼開發(fā)效率和開源代碼應(yīng)用追蹤