如何开始使用 GenAI 构建应用程序

如果没有适当的用例，您的 AI 计划将会失败。

胸怀大志固然诱人，但切勿掉入陷阱。一旦着眼点过大，就有可能遭遇惨败，失去决策者的信任和信赖。

选择一个能够为成功奠定基础的小项目。 当你快速获胜时，你可以大声欢呼​​，并将学到的经验带到下一步。

像使用人工智能和生成式人工智能来构建软件或创建报告这样的目标非常棒。但像人工智能生成的客户体验这样的目标呢？请将其保留在你的路线图上，但要走得更远。

想想你组织里的数据。这些数据来自哪里？质量如何？如果数据孤立，数据量又有多少？数据的格式是否一致？你能可靠地获取多少数据？你使用了多少数据？又用于什么用途？

数据驱动一切。 “好的输入带来好的输出”这句话从未如此完美地适用。要构建一个应用程序， 人工智能和通用人工智能， 你需要：

1. 1. 1. 大型数据集
      2. 一致、准确的数据
      3. 您可以获取的数据

由于人工智能高度依赖数据，风险和合规性至关重要。您如何保护敏感的客户数据隐私和安全？这些数据是否属于您的人工智能用例？您是否遵守相关法律，例如 《通用数据保护条例》（GDPR） 和 欧盟人工智能法案?

建立数据卫生实践（例如保护数据和保持一致的格式）是良好的起点，寻找合并数据的方法也是如此。

据最近的一项 AWS 调查, 93% 的受访者同意良好的数据策略对于发挥人工智能的价值至关重要。

IT领域存在技能差距。开发人员和数据科学家必须学习如何使用、构建和实施人工智能。

但这同样适用于商业方面。他们是你的利益相关者。如果你只具备构建模型的技能，却被要求建造一艘火箭，这对任何人都没有帮助。以下是一些重点。

Gartner公司 专家认为，采用人工智能可能会使生产力提高近 25%.

如果你的业务在这里，而IT在那里，那么很难找到共同点。这可能会让人感到不知所措，但以下是让大家团结起来的三个关键：

1. 1. 1. 优先级：我们如何考虑每个人的需求并制定最佳路线图？
      2. 利益相关者管理：IT 如何尽早并经常与利益相关者接触以收集见解并确保认同？
      3. 明确的角色和职责：团队是什么样的？角色是什么？谁在构建什么？你们有业务技术人员吗？

你想要置身于这一切的中心。你的路线图需要反映所有利益相关者，你的团队也需要反映你的路线图。这种共同的目标感能够激发更多的讨论、更多的思考，并最终带来更多的创新。

根据 Gartner公司，业务技术人员组成 28-55％ 的劳动力，具体取决于行业。其中，近三分之一参与应用程序的整个功能生命周期。

人工智能软件开发是一个永无止境的循环，所以要做好长远的准备。你会不断地从想法到实验再到结果，然后吸取教训并重新开始整个过程​​。

需要明确的是：在人工智能领域，你注定会失败。进化速度太快，世界瞬息万变，不可能一次就做到完美。因此，你有两个选择：

1. 1. 1. 抱怨技术不好、不值得、你没有专业知识等等。
      2. 快速失败，吸取教训，然后再次尝试。

选项 1 是好想法的终结。选项 2 是你学习、创新、成长和获胜的方式。

正确实现 AI 生命周期需要一定的技术、思维方式和流程。 保持简单，特别是在头脑风暴的早期， 融合团队及 持续合作. 尽早让自己处于成功的位置，这样你就不必担心以后建立基础。

当你成功时，即使只是微不足道的一点，也要庆祝！人工智能解决方案可能令人惊叹，成就本身就意义非凡。即使是失败，也能带来新的想法，并在未来结出硕果。

一些 人工智能项目失败 的估计高达 80%所以，当事情出错时，不要紧张。你并不孤单。

要构建一个包含AI和genAI的应用，最重要的是开始尝试。你可能会浪费几个月、几个季度甚至几年的时间去准备，但等你准备好的时候，市场已经发生了变化，你又需要重新开始。

然而，无论未来如何，这些步骤都提供了足够强大的起点来保护您的组织。

灵感的火花才刚刚开始现在你已经有了动力。接受这些想法，进行实验，并将它们转化为你想要的结果。