各行各业的领导者，无论是在商业、教育还是政府领域，都应该关注当前正在发生的变革，并思考如何最好地使他们的组织适应未来。
译自 Putting AI to Work: Systems of Intelligence and Actionable Agency，作者 Kawal Gandhi 在谷歌工作超过16年，目前领导首席技术官办公室的应用人工智能团队。甘地的团队负责与研究、产品和工程合作，领导人工智能战略、创新和实验，以开发下一代...
由于传统和生成型人工智能在企业中迅速普及，人工智能的角色正在从单一用途的应用转变为人们工作、合作和创造的新方式的中心。包括商业、教育和政府在内的社会各个领域的领导者应该思考当前发生的变化，以及如何最好地使他们的组织为未来做好准备。
好消息是，这正在发生。我知道，因为我看到了。在我在谷歌云首席技术官办公室（OCTO）的工作中，我每周都会与各行各业的高级领导人会面，包括数字原生企业、金融、零售和医疗等领域。
我在OCTO的同事们与其他行业和组织的领导者进行了类似的对话。在过去的一年里，人工智能的应用和适应新机遇的兴趣都加速增长，现在正在付诸实践。
普及型人工智能将创建一个新的智能系统（SoI），该系统整合了数据、技术、平台和实践，以寻找和理解模式、提取见解、促进效率和创造力，以及促进决策制定。这将通过实时数据输入明确组织在功能基础上的运作方式，使人们更加了解并采取有意义的行动。
这就是原因：智能系统的设计方式与传统数据系统或记录系统不同。与要求用户知道如何从数据中提取见解的方式不同，智能系统旨在以所有用户都能理解的方式识别、提出问题并提供见解。
智能系统的标准和实践仍在不断发展，这为领导者提供了难得的机会，在即将到来的一年里既能从中学习，又能引导新的工作系统的发展。这是必要的工作，因为想象在人工智能时代什么都不会改变，就好像在电视时代的黎明，无线电会被完全搬运，对文化、流程或商业模式没有特殊影响一样。
开始这个过程时，考虑一些基础知识并从早期用例中学习是很有帮助的。
智能系统模型，显示数据工作流，导致行动。
智能系统在许多方面与前身系统不同。关键是，人类和计算机以自然语言进行交互，以便具有其他技能的人可以直接访问大规模计算，而无需中介，并且系统可以从许多类型的角色中学习。加上一个丰富而不断增长的大型语言模型集合，用于在各种用例和输出中训练生成型人工智能；定制用于处理新工作流的数据库；编辑工具和集成开发环境等方面；企业看到用户群体、互动和应用程序的广泛扩展。
智能系统的目标是通过将数据转化为智能、学习和行动，使数据具有可操作性。这可能以建议的形式提供给人类操作员，或者在受信任的基础上自主执行操作（见“SOI作为可信Agent”图）。这是系统生成新颖内容的能力的延伸，这些内容可以是文本、图像、视频、音乐或软件代码，已经吸引了全球的关注。
这种增加的发展将导致项目之间更多的关联，从而产生更多的观察、见解和行动。与工作场所中的IT的前身系统（记录系统和参与系统）的相互作用和创造不同，后者更侧重于内部和外部需求的数据存储和交互。而智能系统则是最具未来导向性的，因为它们将从数据中创建可操作的见解。
智能系统主要通过语言和学习模型（LLMs）工作，这些模型利用大型数据集上的深度学习技术“理解”结构化和非结构化数据、视觉信息和软件代码。这种理解基于非常复杂的统计关系，不应被看作是独立于人类操作员的智能。通过添加与特定领域相关的高质量数据，这种理解被精炼或“接地”，以提高准确性。
通过检索增强生成（Retrieval Augmented Generation，简称RAG），对接地语言和学习模型（LLM）进行了额外的精炼，该模型从各种输入源（如数据库、设备、用户界面和外部服务）中获取和汇总数据。在许多情况下，这将是公司、政府或其他运营实体独有的数据。智能系统可以访问和处理来自其他外部知识来源的信息，这有助于提高生成输出的准确性、及时性和连贯性。因此，在一系列用例中实现了近乎实时的分析。
数据选择和数据质量与期望的工作输出相关。模式和行为通常由人类生成的提示确定，同时也影响结果。学习可以被整合进来，以改善智能系统对事物的理解和预测。总体工作流程因此既自然又有结构。
智能系统的自治行为受到严格的管理，以最小化潜在的负面结果。例如，在联系中心，系统最初处理客户的查询，从有关账单的简单问题到复杂的技术问题，留给人类操作员处理更具挑战性、高价值的客户问题，最终提高了效率、操作员满意度和客户体验。
一个更复杂的旅行规划Agent可能是未来的一个应用案例，它可以帮助规划和预订旅行：根据旅行者的兴趣和预算研究目的地和活动，个性化行程，并预订住宿。它还可以提供实时更新，如航班延误或天气状况，或解决问题。
在像医疗保健这样的关键领域，一种基于生成型人工智能的医院护理Agent可以标记潜在的健康风险和并发症，建议个性化治疗方案，监测进展，并在提供者之间协调护理。该Agent还可以通过短信向患者发送关于药物的提醒，或提供健康餐计划。
目前，预计人工智能驱动的护理Agent将与人类/现有工作流一起工作，需要改变，更加注重准确的数据、增加人类自治和创造性工作的空间，自动化例行流程，以及在评估工作流程时更多地获得客户反馈。随着时间的推移，系统的性能和可靠性将会被审查，就像其他医疗创新一样。
智能系统被设计成随着时间的推移而不断改进，提高准确性和能力。可信Agent可能会执行更多自主和半自主的操作，方式类似于现代航空公司现在主要由计算机系统飞行，车辆在通往更自主、安全和可预测驾驶的过程中具有更多增强和自动化功能。
智能系统具有学习的能力，这意味着通过额外的数据、更复杂的模型、更大的计算力以及在不同背景下的经验，智能系统将“理解”更多公司功能，整合相关功能并在传统公司类别之间进行操作。
这并不是将人类排除在外，而是使他们能够以更深刻的理解和潜在影响观察和影响他们的世界。就像生成型人工智能现在可以用于综合和查询长文档一样，智能系统将来可以观察和解释大型跨国公司、医疗体系或其他大型复杂系统的许多交互。
从狭义上来说，这可能被看作是一种广义智能——不是像许多科幻娱乐作品所描绘的那样，是一个自治且不受控制的存在，而是表达当前隔离的公司功能的复杂软件，以更全面的方式创建新的见解和效率。而且，它可能不是要取代人类，而是可能挑战人类迎接新时代的创新、组织和创造力。
无论如何，智能系统是发展企业人工通用智能（AGI）的一种有前景的方法，因为它们拥有可以用来开发和部署智能系统的资源、知识和投资。建立和采用这一新兴系统将通过释放人力资源，为他们提供前所未有的生产力和效率增益，从而获得竞争优势。
每位领导者都应该思考如何充分利用智能系统（SoI），这是可信且可扩展的见解基础，如果早期和有效实施，将为他们的业务和整个行业带来颠覆性变革。