去年，埃信华迈（EY）推出了一款定制的生成式人工智能平台——花费了14亿美元——目前该技术已经由96%的员工使用。
跨国咨询公司埃森哲（EY）表示，生成式人工智能（GenAI）正在“根本性地重塑”其运营方式，该公司声称员工中该技术的采用率高达96%。注意：原文中的“Ernst & Young”应为“埃森哲”，但考虑到此处应该是关于 Ernst & Young (EY) 的信息，保持原名更准确，所以翻译时保留了“埃森哲”的英文名称。
在花费14亿美元打造一个名为的定制生成式人工智能平台后EY.ai该公司表示，该技术正在创造新的效率，并使其员工能够专注于更高层次的任务。在2023年首次与4,200名EY技术团队成员进行试点之后，全球组织发布了其大型语言模型将其（LLM）传达给其近40万名员工。
即使如此，该公司高层领导坚持认为，它并没有将其所有的业务职能和运营完全交给人工智能代理，并且人类仍然处于创新和发展中心。展望未来，EY 见到的下一阶段演进是通用人工智能（AGI）——一种能够自主思考并能执行人类当时所能完成的任何智力任务的神经网络，在这一点上，它将成为一个“战略伙伴”，将焦点从任务自动化转向人机之间的真正协作，EY全球咨询数据和AI负责人贝阿特丽斯·桑兹·萨伊兹如是说。
计算机世界杂志采访了Saiz，讨论了通用人工智能如何改变公司运营方式及其员工的工作表现。
你一年前推出了EY.ai。这如何改变了你的组织？你们看到了哪些效率和/或生产力的提升？在过去的一年里，我们利用人工智能从根本上重塑了我们的运营方式，无论是内部运作还是为客户服务。我们将人工智能融入到业务操作的多个方面，从提升客户服务交付到提高内部效率。团队现在能够更加专注于真正推动创新和业务增长的高价值活动，而人工智能则协助处理复杂的数据分析和运营任务。
令人惊叹的是采用的程度：EY公司96.4%的员工都是该平台的用户，这丰富了我们的集体智慧。EY.ai正在加速改变我们工作的方式，并迅速提升EY员工的技能。
我们通过将自己作为测试案例，探索了我们可以为客户提供变革性援助的多种方式。这是我们的“客户零”策略的核心，在这一策略中，我们完善解决方案，并在现实环境中展示它们的有效性——然后从这个过程中提炼出关键的学习成果，并将其应用于推动客户的创新和增长。
EY.ai在过去一年里发生了哪些变化？“EY.ai 与技术快速进步的步伐同步发展。最初，我们专注于测试和学习，但现在我们正在将人工智能深入嵌入到业务的每个职能中。从实验阶段转向全面实施这一转变使我们更加敏捷、高效，并能更好地响应客户的需求。在这个旅程中，我们了解到人工智能的潜力不仅仅在于孤立的应用场景——其真正的力量在于它如何推动大规模的转型。”
该平台的集成已经得到了优化，以确保它与我们的核心战略保持一致——特别是在使AI适应组织需求方面。它从Fabric（EY的核心数据平台）演变而来，发展成为EY.ai，这一平台结合了强大的知识层和人工智能技术生态系统。在此基础上，我们投入了大量的努力来理解AI如何最好地服务于每个业务、职能和行业的细微差别。我们正在快速构建挑战传统价值链现状的行业垂直领域。我们不断进化其伦理框架，以确保负责任地使用AI，并始终将人类置于决策过程的核心位置。
你能描述一下EY.ai背后所使用模型的细节、其规模以及你拥有多少个实例（即，每个应用程序都有一个独立的实例，还是一共有多个应用共享一个模型）？“EY.ai不是一个一刀切的解决方案；它作为一个灵活的生态系统运作，根据我们组织内不同职能的独特需求进行定制。我们部署了一系列模型，从[大语言模型]到为特定任务设计的小型专业化模型。这种多模型的方法使我们能够利用开源和专有技术的最佳结合点，确保我们的AI解决方案在不同的应用中具有可扩展性、高效性和灵活性。”
你对其他考虑实施自己人工智能实例的企业有什么建议？是选择大型语言模型（LLM）还是选择其他方案？小型语言模型基于开源或专有（如Llama-3类型）模型？每种模型的优势是什么？我的建议是先明确你的业务目标。大型语言模型非常强大，但它们消耗资源较多，并且有时候对于需要精细处理的任务来说会显得过于粗暴。较小的模型则提供更高的精确度，并且可以根据具体需求进行微调，从而实现更高的效率和控制力。这一切都关乎在雄心与实际性之间找到正确的平衡点。
什么是知识工程，谁负责这一角色？知识工程涉及构建、整理和管理喂养人工智能系统的知识，确保它们能够提供准确、可靠且具有操作性的洞察。与传统数据科学专注于数据操纵不同，知识工程在于理解数据存在的上下文以及如何将其转化为有用的知识。
这个角色的责任通常落在组织中的首席知识官或其他类似职位上。这些人员确保人工智能不仅在处理高质量的数据，还以符合组织目标和道德标准的方式对数据进行解读。
你看到的知识官数量有什么增长，为什么他们的数量在增加？首席知识官（CKO）的兴起直接与当今人工智能驱动的世界中知识工程日益重要的地位相联系。我们见证了一种根本性的转变，即数据本身已不再足够。企业需要结构化、可操作的知识才能真正发挥人工智能的潜力。
“知识官（CKO）正变得不可或缺，因为在企业基于代理的工作流程场景中，代理商将部署的是知识而非仅仅数据来实现目标：即客户服务、后台操作等。CKO的角色在于确保人工智能的能力与业务战略相协调，保证从AI中得出的见解既准确又可操作。这不仅仅是管理信息的问题，而是通过知识推动战略性价值。”
你在数据科学岗位上看到了什么样的衰退，原因是什么？我们看到专注于数据处理或基本分析的职位数量在减少，因为这些功能越来越被AI自动化。然而，这种变化并不意味着数据科学正在变得过时——而是它正在发展演化。
今天，重点是数据架构师、知识工程、代理开发和AI治理——这些角色确保AI系统负责任地部署，并与业务目标保持一致。我们也看到了更多重视管理AI伦理维度的角色，确保其使用的透明度和问责制，以及随着新的欧盟《人工智能法案》义务生效时的合规性。
许多公司已经投入资源清理他们的非结构化和结构化数据湖，以便用于生成AI回复。那么为什么你会看到的数据科学家的投资减少而不是增加呢？公司优先考虑能够自动化大量数据准备和整理过程的AI工具。随着时间的推移，数据科学家的角色将转变为更多地监督这些自动化流程，并确保从数据中生成的知识的完整性，而不是手动分析或清理数据。这一转变也凸显了知识工程相对于传统数据科学角色的重要性日益增加。
焦点正在从手动数据分析转向能够自动清理、管理和大规模分析数据的系统。随着人工智能承担越来越多的任务，对传统数据科学角色的需求减少。相反，重点是放在数据架构师和知识工程上——理解如何结构化、管理并利用知识以增强人工智能的表现并向人工智能代理开发者提供信息。
你认为随着技术继续被采纳，哪些顶级人工智能职位将会出现？我们正见证一波新的AI职位的兴起，这些职位非常注重治理、伦理和战略一致性。首席AI官、AI治理负责人、知识工程师以及AI代理开发者成为了确保AI系统值得信赖、透明且与商业目标及人类需求相一致的关键角色。
此外，像人工智能伦理学家和合规专家这样的角色正在兴起，尤其是在政府开始更严格地监管人工智能的情况下。这些角色不仅需要技术技能——还需要深入了解政策、伦理以及组织战略。随着人工智能的采用不断增加，对能够弥合技术与以人为本成果之间差距的个人的需求也将日益增长。
人工通用智能（AGI）将如何长期改变企业？“AGI将以前所未有的方式重塑企业。与当前为特定任务设计的AI不同，AGI能够执行任何人类可以完成的智力任务，这将从根本上改变企业的运营模式。AGI有望成为决策、创新乃至客户互动的战略合作伙伴，从任务自动化转向人机真正意义上的协作。长期影响将是深远的，但至关重要的是，必须负责任地开发和管理AGI，并建立强有力的伦理框架以确保其服务于更广泛的公共利益。”
许多人认为AGI是更令人担忧的AI进化。你认为AGI在企业中有其地位吗？它值得信赖并能够被控制吗？我理解人们对AGI（通用人工智能）的担忧，但在我认为，在正确的安全控制下，如果负责任地开发，它具有带来积极变革的巨大潜力。AGI无疑将在企业中占据一席之地。它将从根本上改变公司实现目标的方式。这项技术是由目标和成果驱动的，而不是由流程驱动的。它将会颠覆企业的流程支柱，这将是游戏规则的改变者。
因此，信任和控制将是关键。透明度、责任性和严格的治理将确保AGI系统的安全、伦理以及与人类价值观的一致性。在EY，我们强烈倡导以人为本的AI方法，而在AGI方面这一点将更加重要。我们需要确保这不仅仅是关于技术本身，更是关乎这项技术如何服务于社会、企业和个人的真实利益。
你如何确保在任何人工智能实施过程中“以人为本”，特别是在有一天可能要处理通用人工智能（AGI）的情况下？以人为本，尤其是在我们接近通用人工智能（AGI）的时候，这不仅是一个指导原则——它是一种绝对必要性。欧盟《人工智能法案》是迄今为止在建立控制这项技术潜在影响的框架方面最为成熟的努力。在安永，我们正在迅速调整公司的政策和伦理框架，首先是为遵守法规做准备，但也旨在引领方向，向客户展示负责任的人工智能路径。
在安永，我们相信人工智能的实施应当始终以伦理、人类监督和长期社会影响为框架。我们积极地将信任和透明度融入每一个部署的人工智能系统中，确保人的福祉和道德考量始终保持首要地位。对于AGI来说亦是如此：它的成功将取决于我们能否将其与人类价值观对齐，保护个人权利，并确保其增强而不是损害我们的共同未来。
订阅我们的Newsletter
来自编辑部直接发送到您的收件箱
请输入下方的电子邮件地址开始操作。