ChatGPT的成功对于技术领导者来说既是福也是祸。一方面，它让全世界看到了生成式人工智能看似无限的潜力，增加了对资金不足的研发团队的投资，并将技术推到了董事会议程的首位。另一方面，它使其他重要的人工智能和技术项目偏离了轨道，从其他地方抽走了资源，助长了竞争对手追赶的绝望游戏，并可能制造出一个随时可能爆炸的巨大合规定时炸弹。
简而言之，ChatGPT已经成为一种干扰。大多数具有前瞻性和创新性的企业已经在尝试或实施人工智能，并且往往取得了巨大成功。问题在于，许多人工智能创新并不总是非常明显或有吸引力。自动化和优化一个重要但平凡的流程可能会提高运营效率并有助于增加利润，但它不太可能像能够在困难的考试中表现可靠的语言模型那样成为头条新闻。
随着ChatGPT热潮的兴起，似乎每个企业都在竞相在竞争中抢先发布自己的生成式AI新闻。分析显示，标准普尔500指数中那些在财报电话会议中提到人工智能的企业的股价表现优于那些没有提及的企业，这是有充分理由的。这些公司的人工智能发布背后很可能是加速的时间表、一些通宵的工作，以及最重要的是，重新调整了一直忙于其他地方的工作。
讽刺的是，即使理论上每个人都可以通过聊天界面或简单的API和信用卡号使用生成式人工智能，但并不是每个人都掌握了使用这项技术的紧迫性或最有益的方式。机会正在被错失，因为尽管企业明白他们需要采用GenAI来保持竞争力，但许多企业实际上未能很好地执行。
可以说，目前各组织将数千小时的战略、研发和产品开发时间投入到这些平台上——尤其是在没有健全的治理和分享经验的机制的情况下——正在有效地耗尽其团队宝贵的创新资源。
不要误会我的意思，ChatGPT是一个非常有用的工具，可以带来许多效率和生产力优势。它有潜力改变广泛的流程，例如改善客户支持、加快内容创建或作为闪电般的快速研究助手。作为“10人的入门者”，所有公司都应该使用它，或者另一种形式的生成人工智能。但当每个人都可以使用相同的工具时，它就不再比90年代末使用搜索引擎更具竞争优势了。作为早期采用者，您可能会获得优势，但很快任何优势都会扩散到无处不在。
生成式人工智能的真正潜力只能通过使用它来增强和加速任何公司内部存在的独特能力来释放。没有人比您自己更了解您的业务，而您以组织数据形式呈现的专有智能比任何现成的生成式人工智能产品更有价值。通过分层行业特定数据来创建定制的法学硕士和应用程序，企业将受益于高度相关的行业信息，这些信息具有独特的背景并与其业务战略和优先事项保持一致。
世界各地的律师和会计师事务所正在使用生成式人工智能平台Harvey进行合同分析、尽职调查、诉讼和监管合规。普华永道更进一步，三月份宣布与Harvey合作，训练其自己的专有人工智能模型，以隔离公司特定数据。同样，吉百利和奥利奥的所有者亿滋国际(MondelezInternational)也开发了自己的生成式人工智能应用程序，可以为研究人员建议和完善新食谱，以发现吸引消费者的新产品。
当然，差异化是开发或采用定制法学硕士的重要动机，但安全和知识产权保护是一个更为关键的问题。今年早些时候，三星透露，员工将公司数据输入ChatGPT后，包括源代码和会议记录在内的机密数据遭到泄露。由于ChatGPT保留所有输入作为训练数据，因此任何使用该工具的企业都有可能无意中将敏感信息泄露给其他用户。作为一般经验法则，免费工具提供的数据保护水平很差，每个人都应该注意这一点。
为了解决这些问题，OpenAI推出了ChatGPTEnterprise，旨在使其旗舰产品更适合企业。虽然它确实声称可以提供更好的隐私控制，但还存在数据在美国存储和处理的额外问题，这可能会给英国和欧洲组织带来问题。
负责任地进行实验
然而，实用主义者会敏锐地意识到，实施人工智能工具和培训定制的法学硕士需要时间，而ChatGPT现在就可以使用。他们还将意识到，员工已经在工作中以某种方式使用生成式人工智能工具，而监管这是一项徒劳的任务。
不要把头埋在沙子里，让自己被竞争对手超越，或者面临不小心使用的风险，而应该以“负责任的实验”的态度来指导你。对生成式人工智能工具的全面禁令不太可能成功，因此允许一些经过仔细审查的应用程序是减轻大多数与用户相关的风险的良好开端。
负责任的实验还需要与法律和数据保护团队仔细协商，以制定明确的员工指南。在此阶段，不要在人工智能的治理和监督方面走捷径，以便在定制解决方案准备就绪时实施。坏习惯很难改掉，必须尽早建立强化负责任地使用人工智能工具、将责任推给员工的行为。
未来几年，所有行业领域的业务都将发生大规模转型。战略性投资人工智能和数据以实现长期增长和价值的组织将使那些追求短期收益的组织黯然失色。话虽这么说，探索现成的生成式人工智能工具不应该被忽视，特别是如果它们能够对效率和生产力做出真正的贡献的话。
为您的组织找到合适的平衡点是一项挑战，您无法通过等待解决方案来实现这一目标。与任何搜索引擎或聊天机器人一样，您只有通过提出正确的问题才能获得正确的答案。只有先问几个错误的问题，你才能得到正确的问题。