生成式 AI (GenAI) 迅速成为技术创新的前沿。它的应用似乎无限,其崛起引发了大量炒作、猜测和兴奋。然而,一些观察者(如高盛和红杉资本)仍持谨慎态度,强调可能限制其实际影响的挑战,至少在短期内是如此。这种分歧值得探讨:为什么对生成式 AI 的潜力存在如此多的对比观点?
当我们通过两个不同的视角来看待生成式 AI 时,答案就变得更清晰了:消费者生成式 AI 和企业生成式 AI。每一种都有不同的发展速度、采用模式和影响。例如,像 ChatGPT 和 DALL-E 这样流行的消费者工具迅速捕获了人们的想象力,让用户能够在社交媒体上大量发布 AI 生成的内容。而在企业环境中的生成式 AI——尤其是在制药等高度监管的行业——则进展得更为谨慎。通过研究消费者和企业生成式 AI 的独特特征、挑战和目标,我们可以更好地理解它们的采用率为什么不同,生成式 AI 将如何在这两个类别中发展,以及最重要的是,制药行业如何利用生成式 AI 的优势,加速采用并产生显著影响。
企业生成式 AI:影响深远、变革性强,但谨慎
对于消费者来说,生成式 AI 关乎创造力、速度和可访问性。但是,虽然消费者生成式 AI 快速发展,企业生成式 AI——尤其是在制药等受监管领域——却是另一番景象。
在企业环境中,生成式 AI 有望彻底改变工作流程,改进决策制定,加速研究。然而,大型组织在复杂的框架内运作。在这里,生成式 AI 的实施更加缓慢和谨慎,因为它们必须满足数据处理、安全性和合规性方面的严格要求。影响制药行业采用生成式 AI 的一些关键因素包括:
数据隐私和合规性:
制药公司必须遵守严格的数据隐私法规,如美国的 HIPAA 和欧洲的 GDPR。此外,公司必须防止其商业秘密和专有信息进入公共大语言模型 (LLMs)。为了成功使用生成式 AI,制药公司必须制定企业范围内的规则和基础设施,以管理 AI 使用并确保完美的数据和信息安全。
数据孤岛和质量:
大多数企业生成式 AI 模型依赖大量高质量数据来生成准确的见解。对于制药公司来说,可靠的 AI 需要访问跨研究、临床试验、供应链和患者记录的高质量数据。然而,在许多制药公司中,数据仍然分散在各个部门,难以利用完整的数据集。此外,"数据债务"——未组织或过时的数据——可能严重限制生成式 AI 提供有意义输出的效果。
嵌入式启发法和决策制定:
在制药领域,许多决策既受数据指导,也受启发法(即经验法则、直觉和经验)影响。将这些微妙的启发法嵌入生成式 AI 模型具有挑战性,因为它需要将定量的 AI 驱动预测与定性的人类知识相结合。
采用因素,如信任、影响和易用性:
要使企业生成式 AI 在制药行业获得牵引力,公司需要解决包括信任、网络效应和易用性在内的关键采用因素。在制药领域,由于严格的合规规则、工作流程的复杂性等原因,这些因素可能特别具有挑战性。
基于这些原因,企业生成式 AI,尤其是在制药等高风险领域,往往进展得更为谨慎。尽管如此,制药公司知道他们需要打破传统的孤岛,提高效率,改进洞察力,以应对面临的诸多挑战——从上市压力到竞争加剧,再到资源减少。生成式 AI 可以帮助公司做到这些,但前提是它们能够在整个组织中实现广泛采用。
J 曲线增长路径的潜力
为了实现 J 曲线形状的采用模型,制药公司应该采取战略性的分层方法来实施生成式 AI。这种方法将帮助他们实现广泛采用,并从生成式 AI 投资中释放持续价值。
关注整体而非局部:专注于用例"族",而不是孤立的用例,以在关键领域实现更广泛、更连贯的影响。识别具有大用户群和高跨功能适用性的功能,以选择这些重点领域。这使得资源(如数据和报告)的交叉补贴成为可能,通过在多个用例中分配成本显著提高投资回报率,并支持可能有助于采用的低投资回报率用例(例如,摘要可能本身没有投资回报率,但是构建更高效工作流程的重要组成部分,因此得到交叉补贴,确保整体更好的采用)。
分步推进:逐步构建生成式 AI 成熟度。通过逐步分层的方式增加生成式 AI 能力(例如,先是摘要机器人,后是病患互动机器人),公司可以强化现有努力,并创建一个强大的基础,提升整体影响。这种分层方法确保生成式 AI 不是一次性全面推出,而是能够获得早期胜利,积累动力,并减少意外。
不要仅仅沉迷于生成式 AI:避免让生成式 AI 主导技术栈。规划最佳技术栈。例如,通过将生成式 AI 与互补技术结合,优化其潜力。在制药领域,生成式 AI 与传统 AI 工具结合时特别有效。例如,传统 AI 可以分析临床试验数据并预测患者结果,而生成式 AI 可以总结患者反馈并制定个性化治疗建议。这种组合提供了全面的患者护理视图,从而产生更精确和更明智的医疗解决方案。
平衡的 AI 未来:超越炒作的生成式 AI
在消费市场,生成式 AI 将继续发展,为个人扩展创意可能性和个性化。在企业领域,随着组织解决数据和集成挑战,生成式 AI 的采用将会增长。
随着生成式 AI 的成熟,我们将看到一个更加平衡的格局,消费者和企业生成式 AI 都能找到自己的位置,不仅推动技术进步,还能改善依赖精确性的行业(如医疗保健和制药)的成果。
最终,理解生成式 AI 采用的两个"视角"——消费者和企业——使我们能够欣赏其潜力,而不会迷失在炒作中。虽然生成式 AI 在制药领域的进程可能较慢,但它正在朝着 AI 驱动的洞察力改变整个行业的未来迈进。
好文章,需要你的鼓励
亚马逊在新加坡中央商务区开设了一个占地36万平方英尺的亚太旗舰中心。这标志着亚马逊成立30周年和亚马逊云服务(AWS)在新加坡运营15周年。新中心将容纳亚马逊和AWS员工,设有促进员工福祉、协作和客户互动的设施,展示了亚马逊对新加坡经济的巨大投资和对数字技能发展的贡献。
Adobe 推出新的 AI 视频生成功能,可将静态图像转换为视频并延长现有视频片段。该功能包括从文本提示生成短视频、将静态图像转为视频剪辑,以及在 Premiere Pro 中延长视频长度。Adobe 声称生成的视频内容"知识产权友好",创作者可安全使用。这项技术主要用于填充视频空白、生成背景画面和特效等。
Forrester 预测 2025 年欧洲企业 IT 支出将增长 5%,达 4.9 万亿美元。人工智能、网络安全和云基础设施成为主要增长动力。美国和亚太地区的 IT 投资占 GDP 比重更高,软件和 IT 服务将占全球技术支出的 66%。未来五年,技术投资将以前所未有的速度重塑各行各业。
随着人类探索太空的脚步不断推进,科学家们正在研发人工智能技术来帮助宇航员应对太空环境的挑战。从脑机接口到增强现实设备,这些创新技术旨在提升宇航员的认知能力和工作效率,为未来的月球和火星任务做好准备。同时,人工智能还可能在国际空间站等近期任务中发挥重要作用。