速度是企业AI采用的关键因素。一些企业急于投入生成式AI,却发现面临众多实施障碍。而玫琳凯等企业则暂停脚步,仔细评估形势。
"当ChatGPT发布时,这一夜之间改变了游戏规则——这成为了每个人唯一想谈论的话题,"玫琳凯首席信息官James Whatley告诉CIO Dive。"我们没有忽视它,但也没有全盘投入。"
这家美容公司认为,在生成式AI方面的缓慢起步为后续采用智能体技术扫清了道路。
"我们知道一旦有了这个基础,有了这种理解水平,当合适的工具和正确的用例出现时,我们就能够更快地行动,"Whatley说。"对于AI,最糟糕的事情就是对它过于天真。"
根据Whatley的说法,玫琳凯将生成式AI和智能体AI混合的技术组合正在帮助构建其希望为客户、美容顾问和员工提供的数字工具集。
智能体已经在一个市场上线,并计划在更多领域和用例中部署。该公司与其他探索智能体AI的企业一样,正依靠可信合作伙伴来引入新能力。
根据毕马威报告,超过五分之二的公司在第三季度积极部署智能体,相比第一季度仅11%的企业部署,这是一个显著飞跃。商业领导者对该技术如何推动运营抱有很高期望,但谨慎至关重要。大多数领导者试图通过仅通过经过验证的提供商访问智能体AI、保持人工参与循环和限制对敏感数据的访问来规避风险。
"我们与关键供应商建立了这些合作关系……我正在依靠他们,利用他们的AI投资来惠及我的客户,"Whatley说,并指出了Salesforce的Agentforce产品和微软的Copilot。
虽然现成解决方案为玫琳凯提供了采用速度,但该公司也开始为其IT服务台和其他领域开发定制智能体。
"智能体AI世界是真实的,有真正的投资回报率,所以它将成为我们未来的一部分,"Whatley说。"用例只会增长。"
玫琳凯在智能体方面的早期成功只有在采用生成式AI之前解决了问题才成为可能。
"我们一直专注于转型,"Whatley说。"在过去几年中,我们能够关闭五个区域数据中心,将我们的技术堆栈从定制解决方案迁移并现代化到现代平台,并在全球部署。"
该公司希望保留的定制代码也被迁移到不同的云提供商,有助于在向云优先模型转变期间清理多年的技术债务。
这些项目显著改变了工作流程,需要IT专业人员进行一定程度的技能提升来处理现代化的技术堆栈。企业的其他部门也必须熟悉这些工具。
"我们必须经历许多层次的变化,并且在全球部署时必须在每个市场都这样做,"Whatley说,他在1998年首次加入玫琳凯,并于2023年1月转任执行团队的首席信息官。
当生成式AI讨论开始时,玫琳凯迅速创建并传达了AI政策来传达危险,特别是与敏感数据相关的危险。不久之后,成立了一个AI委员会来监督实施、确保法规合规性和管理风险。
"从三年前到今天,市面上有大量工具,"Whatley说。"它们并不都很优秀。我们必须确保无论投资什么,我们都能获得投资回报率。"
AI治理不是事后想法;它是所有后续项目的基础——根据Whatley的说法,玫琳凯的AI倡议因此而受益。
"委员会和治理在外界有不好的印象,认为它只是拖慢进度或没有收益,但这里绝对不是这种情况,"Whatley说。"它帮助我们整合了已批准工具的使用,而不是分散在各个团队和国家之间,这对我们非常有利。"
对治理的关注也帮助了项目优先级排序工作。在概念验证获得批准之前,委员会要求工具在沙箱环境中证明其价值。
"很多时候,结果并不如预期——销售的内容与交付的内容不符,"Whatley说。"从这个角度来看,我们能够注重成本,真正能够在不失去太多阵地的情况下取得进展。"
在采用过程中,领导者们密切关注AI和生产力之间的交集。
玫琳凯已经审查了手动、可重复的任务,并评估AI可以介入的地方。代码生成、视频翻译和图像创建是一些已被证明有价值的最早用例。
"我们的目标是让每个人都充分理解AI,以帮助他们在特定角色中发挥作用,"Whatley说。"为了达到这个目标,你需要更多基层类型的方法来分享它的力量和风险。"
玫琳凯为团队举办了月度系列活动,展示潜在用例并促进讨论。Whatley说,11月的一次活动吸引了150多人参加。
该公司还在探索面向客户的用例,例如其AI粉底查找器。该工具于8月推出,使用AI识别151个面部特征点,分析用户的肤色并将其与相应的玫琳凯粉底进行匹配。
"进行了大量测试,"Whatley说,指出了内部团队和第三方评估。"模型经过多次调整,直到我们觉得它是正确的。"
公司对面向客户的AI用例通常更加谨慎。准确性需要更高,对幻觉的容忍度更低。
据该公司称,该工具已被使用超过185,000次。团队正在开发未来版本,可以简化购物流程,允许客户在收到推荐后将粉底添加到购物车并购买。
"我们正在继续调整模型,这就是它的工作方式,"Whatley说。"从这点开始,它只会变得更好。"
Q&A
Q1:玫琳凯为什么没有急于采用生成式AI?
A:玫琳凯选择暂停脚步,仔细评估形势。CIO James Whatley认为,对于AI最糟糕的事情就是过于天真。他们知道一旦有了基础和理解,当合适的工具和正确的用例出现时,就能够更快地行动。
Q2:玫琳凯如何确保AI项目的投资回报率?
A:玫琳凯成立了AI委员会来监督实施、确保法规合规性和管理风险。在概念验证获得批准之前,委员会要求工具在沙箱环境中证明其价值。这种治理方法帮助他们整合已批准工具的使用,避免投资没有价值的工具。
Q3:AI粉底查找器的工作原理是什么?
A:AI粉底查找器于8月推出,使用AI技术识别151个面部特征点,分析用户的肤色并将其与相应的玫琳凯粉底进行匹配。该工具经过大量内部和第三方测试,模型经过多次调整。目前已被使用超过185,000次。
好文章,需要你的鼓励
芬兰阿尔托大学研究团队开发出革命性光学计算方法,利用单束光线实现复杂张量运算。该技术将数字信息编码到光波的振幅和相位中,通过光波相互作用自动完成深度学习所需的矩阵和张量乘法运算。与传统GPU逐步处理不同,光学系统可同时并行执行所有计算操作,运算速度达到光速级别。研究显示该方法具有被动处理、低功耗等优势,预计3-5年内可集成到现有硬件平台,为AI计算带来重大突破。
新加坡科技设计大学研究团队发现,通过控制大型语言模型的"思考语言"可显著提升输出多样性。研究显示,AI用非英语语言思考时能产生更多样化的答案,且距离英语越远的语言效果越好。混合多种语言思考的策略表现最佳,不仅提升创意输出,还增强了文化多元化表达能力,为解决AI输出同质化问题提供了简单有效的方案。
科学家成功将传统公里级粒子加速器缩小至房间大小,并实现商业化。TAU Systems公司开发的激光驱动尾场加速器利用超强激光脉冲产生等离子体,将电子加速至相对论速度。该设备首先用于航天电子设备的辐射测试,能量范围60-100兆电子伏特,成本约1000万美元起。未来还可应用于医疗成像、芯片检测和X射线光刻等领域,有望大幅降低粒子加速器的使用门槛。
浙江大学研究团队开发了PhyRPR三阶段视频生成系统,解决AI视频中物理规律违背问题。该方法将物理理解与视觉生成分离处理:首先用大型语言模型进行物理推理和关键帧生成,然后规划连续运动轨迹,最后通过运动感知技术精化视觉效果。实验证明该方法在物理一致性和视觉质量方面均优于现有技术。