經濟觀察網記者 高若瀛 當ChatGPT成為打勞工眼中快速生成PPT、分析報表、設計方案等重複性工作的神器時，企業老闆或許還是得思考利用AI做些别的事情。
一方面，AI落地商業場景被激發的無數新可能。IDC預測2025年中國人工智能市場總規模将超184億美元，約占全球總規模8.3%，位列單體國家第二。但與此同時，與背景業務流程緊密相關的AI應用，不同業務資料量企業的體感，或許很難“同此涼熱”。
不可否認，從行業應用上看，未來會有越來越多的企業把AI和相關技術，如NLP、模式識别等結合在一起，輔助做部分業務決策和預測，以達到提升生産營運工作效率的目的。
而AI所承擔的任務也正變得日益複雜，如分析處理實時資料，其中很多資料是通過流式方式傳輸，有些還有共享需求，這就對AI貼近實時業務提出了更高要求。此外，過去很多企業把大資料作為核心能力，随着越來越多的公司自己搭建大資料平台，如何在大資料平台下搭建AI，正逐漸變成企業的核心競争力之一。
不管怎麼看，業務資料龐大、資金充裕的金融企業、保險企業等大企業，無論是在大資料平台的搭建還是AI具體的部署投入上，能力、意願和安全收益都更高。這是否意味着廣大中小企業隻能落後追随？
在企業資料雲公司肯睿中國（Cloudera）大中華區區域副總裁王剛看來，AI是不同規模的企業都要嘗試的技術，今後一定是核心能力，不同類型的企業都可以嘗試，關鍵在于部署方式與成本間的考量；但必須注意的是，如果沒有做好安全合規、隐私保護的“資料底座”就匆忙上馬AI應用，對企業來說或将蘊含“更大風險點”。
對話：
經濟觀察網：AI驅動的智能決策在過去很長時間都是企業數字化轉型的方向，被ChatGPT帶熱的這波AI風潮下，企業的數字化更新和之前相比有哪些不同之處？
王剛：AI的概念有些年頭了，但很多客戶還是覺得很陌生，認為這是個很複雜的技術名詞。但很強互動性的ChatGPT，讓很多人發現，通過這個應用可以做一些原來不敢想像的事情或産生一些新的内容。這種互動性讓每個人感覺到AI變得觸手可及，進一步激發大家對AI的熱情。很多人預測AI新一代大規模商業化的時代将會來臨。
但具體看，ToC和ToB端的AI還是不太一樣。ToB的AI應用更具有行業性，如金融、電信、汽車行業，不不同行業的使用場景不一樣。事實上，不可能每家公司都自建一套ChatGPT，後者畢竟是百億級美金的投入。企業内部要搭建自己的AI平台，這個能力還是要基于某種技術平台，放眼看能提供這種技術平台的公司屈指可數。目前看，幫企業搭建AI平台，實作AI能力，這方面是我們可以做到的。
以Cloudera為例，企業做大資料平台，我們提供端到端各個環節的元件，而非單一産品，通過不同環節用、不同元件實作資料的收集、分析和整理。同時我們的大資料平台可以滿足多雲、混合雲部署方式，通過資料內建，通過原資料管理，可以幫助企業把所有的元件黏合在一起，高度的自動化，同時又滿足資料安全和合規的要求。有了資料，企業把大資料平台延伸到AI這個最後環節，也就是順理成章的事情。企業沒有資料，是沒有辦法對算法進行資料的學習和訓練的。
經濟觀察網：剛提到的TOB場景多為大企業，對于資料量不那麼大的中小企業來說，部署AI是不是個僞命題？
王剛：AI部署也應該是中小企業要考慮的能力，隻不過大家對AI的顧忌在于投入。大的金融機構資金充裕，他們更願意花錢去做AI部署。但中小企業會擔心投入很多資金、裝置、技術和人力後，發現産出回報沒那麼明顯，這是實際存在的問題。但這跟部署方式有關。對于大的金融機構，因資料合規和安全等考慮，更願意從頭搭建自己的資料中心，他們也有這樣的能力、财力和人員。
但現在整個大資料平台，包括Machine learning，都可以部署在各種各樣的公有雲平台上。公有雲是按照流量和資源進行消耗，資料量小的時候，可以用很小的資源搭建起來。本身這種搭建的過程、采購以及付費都非常簡單，任何一家中小企業都可以用很少的投入進行嘗試，門檻沒有以前那麼高。
此外，我也不建議本中小規模的企業學習一些大公司部署AI做法。目前，國内這些公有雲的廠商都在推出自己的AI解決方案和應用能力，門檻很低，有指引式的操作，有些産品甚至點選幾下滑鼠就可以搭建出來。AI是不同規模的企業都要嘗試的技術，今後一定是核心能力。大家覺得AI是大公司的事情，中小企業在這方面永遠跟不上大公司的腳步，但其實每個類型的公司都可以嘗試。
經濟觀察網：怎麼了解AI“未來一定是企業的核心能力”？
王剛：以我們自己的一個客戶——信也科技為例。這是一家做風控的企業，其具體業務應用中采用了很多AI手段。企業雖然對外會公開講，他們應用了Cloudera的技術，但具體怎麼用的——那些摸索了很久的AI模型和算法規則，才是他的核心競争力。
這個角度看，Cloudera作為技術提供方提供服務支援，但更重要的還是企業要自己琢磨落地行業特點，應該如何應用技術，這才是核心競争力。這不是簡單的投資問題，因為目前的技術難度門檻已經很低了，AI在不同領域都有不同應用，關鍵在于是不是真的用到實處，對工作生産産生實際性幫助。
經濟觀察網：當AI應用爆發式增長，哪些是企業容易忽視的風險點？
王剛：首先，從商務上考慮，大家覺得投入很多資金後可能沒有什麼效果，或者說投資回報很低，這是很大的風險點。
二是資料合規和資料安全的問題，特别是在《資料安全法》推出後，資料隐私越來越重要。這時如果再配合使用AI，卻沒考慮這一點，企業隻想通過很便宜的解決方案去實作某些目标，但沒法保證資料安全和合規，可能會給企業造成很大風險。風險一旦暴露，造成商業上的損失，可能比原來對AI的期望值還要大，甚至受到監管的處罰。資料安全、資料合規、資料隐私可能是很多公司意識比較淡薄的地方。
特别是中小企業對資料隐私安全方面的知識比較匮乏，他不知道這方面應該怎麼保護自己，保護整個資料不出問題。此外，他們可能知道資料安全很重要，但缺乏怎麼做，用什麼方法，通過哪些技術和手段去實作。
資料安全合規不是老闆一個人的事情，而是和資料相關的整體團隊的事情。企業要對員工進行教育訓練，讓他們意識到每個使用資料的人，都有義務保護資料，包括IT人員、AI部門、資料工程師、開發人員、使用報表的人等，人和技術要結合在一起。
AI是把雙刃劍，用得好讓企業如虎添翼；用不好疏忽了安全、隐私和合規，會給企業帶來更大損失。