随着计算能力的大幅提升以及大规模语言模型（LLM）的发展，生成式人工智能（Generative AI）成为了企业最为关注的重要技术之一。根据研究机构预测，未来五年内，生成式AI技术将从37亿美元的市场规模增长到360亿美元。

生成式AI在提高生产力和加速业务转型等方面拥有巨大潜力。然而，企业在成功采用生成式AI的过程中，也面临着成本、安全以及技能培训等方面的挑战。是采用开箱即用的解决方案？还是开发动态知识库，对特定业务功能实现自动化？管理者必须有着清晰的定位与认知。

应对风险是实现收益最大化的前提

在导入AI的各个阶段，安全治理与风险管理对于制定成功的生成式AI战略至关重要。为避免未经授权的敏感数据访问，企业必须根据内部角色和职能对员工访问AI模型的权限进行严格管控。此外，员工培训对于确保成功采用生成式AI也十分重要。其中，提示工程（Prompt Engineering）可以教育用户如何提出有针对性的请求，并提供相关数据以获得更为优质的反馈，从而最大限度地发挥生成式AI的潜力。企业还需要提供有关政策和合规风险的充分培训，以便对AI模型进行有效监控。

导入生成式AI的三个阶段

富士通根据复杂程度的不同，将生成式AI的导入分为三个阶段。每个阶段都涵盖不同程度的数据安全、云基础设施、即时通信工具以及用户培训等内容，具体如下：

第一阶段

快速获得生产力提升

在无需任何编程知识以及额外的配置，生成式AI模型就可在有限的企业数据上有效运行，并从用户的输入信息中进行学习。业务内容可以轻松创建和编辑，从而提高营销和销售团队的工作效率。虚拟助理可以提供信息检索、数据分析和文档编制等功能，为研发部门带来实际价值。在第一阶段，AI的生产性应用仅限于少数业务。要将生成式AI应用于更广泛的业务职能，则需要采取下一步措施。

第二阶段

实现高级业务功能和自动化

通过将AI模型与企业特定的数据集和运营相结合，实现现有业务功能的自动化和扩展。在这一阶段，需要无缝访问企业内部数据和应用系统，这意味着需要将内部数据迁移到云端，以及在ERP平台和其他应用系统之间建立信息接口。此外，业务通信应该从异步的电子邮件信息转移到交互式的团队沟通平台并集成生成式AI模型， 亿配芯城 以便AI从上下文信息分析中学习。在第二阶段，由于生成式AI会处理敏感的内部数据，因此需要在全公司范围内加强安全控制。

第三阶段

获得行业洞察与发现

人工智能不仅能实现自动化，还能发现新的洞察，并直接支持业务战略和业务模式的转型。它还可以与制造、金融和医疗等特定行业的专业应用深度集成。企业需要重新训练或者微调通用LLM，以适应特定的任务，或者开发和训练额外的特定行业AI模型。幸运的是，每个行业的服务提供商都已经开发了特定行业的AI模型，因此企业不一定需要自己开发。在这一阶段，企业可以利用生成式AI带来的洞察力，在众多业务功能中进行创新，包括分析预测、开发新产品、提供交互式服务体验等。

虽然在导入和使用生成式AI方面存在安全风险和挑战，但对许多企业来说，生成式AI在提高生产力和发现新商业模式方面的潜力值得尝试。而未能抓住机遇的企业将可能在竞争中处于不利地位。以上述三个阶段为参考，企业能够了解需要做好哪些准备，制定必要的政策和保障措施，并开展人员培训，从而提高采用生成式AI的投资回报，并避免潜在问题。

在助力企业采用生成式AI的过程中，富士通提供了先进的AI平台Kozuchi（项目代码），将广泛的“AI创新组件”和经过验证的AI应用整合在一起，供客户与合作伙伴加速生成式AI的测试。在此基础上，富士通还提供了咨询和导入服务，帮助客户制定整体优化的架构设计，在选型、策略、安全与培训等各个层面提供建议，将生成式AI从PoC过渡到生产应用。

• 如何
• 采用
• 成功
• 企业
• 生成