发挥人工智能在研究、开发和创新方面的影响

发挥人工智能在研究、开发和创新方面的影响

人工智能（AI）正在深刻改变研究、开发和创新（R&D&I）领域，为解决全球性挑战如可持续性、医疗保健、气候变化以及粮食和能源安全等问题开辟了新的可能性。同时，它也帮助组织更高效地创新并推出突破性产品和服务。

人工智能为研发和创新带来好处，但不会取代人类

从技术和市场情报到创新战略、创意、投资组合和项目管理以及知识产权管理，研发和创新的每个组成部分都可以从人工智能中受益。当我们试图了解这些好处时，有三个关键因素浮现出来：

• 人工智能将增强研究人员的能力，而不是取代他们，从而释放他们的时间，使他们更有效率、更有创造力
• 人工智能有助于解决以前无法尝试的棘手问题，因为它具有速度快、可扩展和学习能力强等特点，开辟了新的创新途径
• 人工智能将承担“规划者-思考者”的角色，超越内容生成和搜索，涵盖更复杂的角色，如成为知识管理者、假设生成器和研发与创新团队的助手。

在决定是否使用 AI 解决特定的研发和创新用例时，没有可以部署的统一模型。要了解哪种 AI 方法能带来最佳效果，组织需要关注两个因素——可用数据的类型和数量（从少量到大量）以及所提问题的性质（从开放到具体）。同时，单一的 AI 方法可能无法提供最佳结果——过去 15 年生产的大多数最先进的智能系统都是系统的系统。这些是为特定任务设计的独立 AI 系统、模型或算法，当它们组合在一起时，可以提供更强大的功能和性能。

成功需要八个良好做法

根据对研究人员、AI 科学家、创始人以及数字、制造、营销和研发团队的研发主管的采访，我们发现了成功部署 AI 的八项良好实践。组织需要：

• 采用敏捷方法，以便团队能够在快速变化的 AI 环境中快速工作
• 通过关注数据质量、组织内协作和利用专有数据来构建坚实的基础
• 在构建、购买和微调模型之间做出战略选择，后者往往是最有效的
• 考虑分析权衡以确保概念验证项目的进展，例如获取数据与合成数据、准确率与召回率、欠拟合与过拟合
• 积极主动地利用现有的数据科学人才，包括与组织外部合作以获取必要的技能
• 与 IT 部门协调，平衡安全性和合规性与实验速度
• 快速展示优势并获得用户认可，从而建立信任并释放进一步的投资潜力
• 持续维护和监控系统性能，特别是在模型改进方面

技术组件现已到位

与大多数人工智能用例一样，研发和创新价值链包括三层——基础设施、模型开发人员和应用程序。

在基础设施方面，实施和维护足够的计算能力的成本很大，但托管服务提供商越来越多地提供推理即服务模型，在云端运行推理和查询，以消除对内部基础设施的需求，降低前期费用并使人工智能的使用民主化。

研发和创新领域的人工智能价值链严重依赖 Meta、微软和 Nvidia 等公司的主要开源模型。然而，Mistral 和 Cohere 等规模较小的公司以及学术机构也构成了生态系统的重要组成部分。

在应用链端，已经创建了通用和专业的研发与创新应用程序来满足大多数用例，现在已有超过 500 个应用程序可用，涵盖了整个研发与创新流程。

未来尚不明朗——但情景规划有助于理解

人工智能在研发创新领域的发展取决于三个主要因素的结果——性能、信任和可负担性。结合这些因素，可以得出六种可能的未来情景，从人工智能改变研发创新的各个方面到仅用于选择性、低风险的用例。从最大影响到最小影响，这些情景如下：

• 重磅炸弹：人工智能成为整个研发周期的首要关注点，并在此过程中重塑组织。数据成为新前沿。
• 取悦人群：人工智能方便、实惠，且可用于日常生产力任务，但未能提供科学/创造价值。
• 皇冠上的宝石：人工智能可以带来生产力和科学突破，但只有那些能够负担得起的组织才能实现这一目标——这导致了研发和创新领域的双速世界。
• 问题儿童：尽管有一些标志性的用例和经济实惠的解决方案，但人工智能未能证明其价值——研发和创新组织仍然担心数据安全、义务论和缺乏可解释性。
• 最保密的秘密：人工智能性能有所提升，但高昂的成本使组织更加不愿承担风险。低信任度和繁琐手续限制了其采用，很少有新的大胆实验推出。
• 廉价与劣质：人工智能广泛应用于低风险用例，但仅作为原型设计或头脑风暴工具。不可信的系统会受到严格审查，输出也会经过验证，从而限制生产力的提高。

了解这些场景对于研发和创新组织来说非常重要，因为它们可以为人工智能的应用规划出未来的发展方向。

现在是研发和创新组织采取行动的时候了

在某些情况下，人工智能已经使配方、产品开发、智能和其他研发与创新任务的时间、成本和效率实现了两位数的改善。这意味着无论哪种情况，六个不容后悔的举措将帮助研发与创新组织建立弹性并利用人工智能的优势。他们需要：

• 管理和赋能人才，确保员工拥有掌握人工智能所需的培训和专业知识，必要时可在中期内将实施工作分包给外部供应商
• 控制人工智能生成的内容，更新风险管理流程并公开分享验证方法以建立信任
• 建立数据共享和协作，与更广泛的公共和私营部门生态系统合作，推动人工智能的成功应用
• 进行长期培训，让尽可能多的用户了解人工智能的基础知识、所需技能和潜在风险
• 重新思考组织和治理，超越 IT 部门，让高层关注并打破孤岛，实现顺畅协作
• 共享计算资源，与合作伙伴合作或在内部共享资源，以经济高效的方式满足当前和未来的基础设施需求

除了这些不容后悔的举措之外，成功还需要创建一个与企业目标相一致的基于人工智能的研发和创新投资组合。这意味着要考虑特定人工智能用例的范围、成本和收益，并以此推动创新项目组合的优化。决策应基于战略目标、能力和市场情报以及组织运营的环境。

研究、开发和创新价值链的每个阶段都可能通过人工智能实现变革，增强人类研究人员的能力，从而提高生产力并实现突破性创新。这些机会需要与一系列围绕性能、信任和可负担性方面的挑战相平衡，这意味着组织现在必须集中精力定位其研发和创新人工智能工作，以便无论未来如何都能取得成功。

本文原文来自unite.ai