尽管今年我们在使用大语言模型方面取得了飞速进步，并引发了极大的热情，但一些尚存的障碍和瓶颈却容易在热潮中被忽略不计。

  正如以往所有技术一样，公司在推进 AI 项目的过程中一定要采用正确的方法。我常听人说，新工作流程和工具应当成为公司的助力，而不是负担。

  我们常把这一点看作是生产力的问题——如果项目实施得当，新系统能帮助员工提高生产效率、增强信心，并更好地掌控工作；反之，若实施不当，反而会使他们陷入低效率之中，妨碍一定得完成的工作。

  下面我们来谈谈我在关于 AI 行业的讨论小组和访谈中听到的一些具体问题，正值2025年开启之际。

  这也是 AI 遵循所有以往技术发展规律的另一体现。没错，AI 是一项功能更强大、应用更广泛的技术——但你仍然需要利益相关者的支持。否则，你就处于劣势局面，前路坎坷。

  一篇讨论常见挑战的 Substack 文章中使用了“用户采纳率低”这个说法，意思绝大多数都是人们并不选择使用新的 AI 工具或系统。

  这样做会带来几个潜在问题。首先，这些指令本身缺乏明确性；其次，各部门之间有极大几率会出现大量重叠和重复的努力，甚至造成部门内部的混乱。

  这就引出了下一个问题——假设某个内部团队或供应商构思并构建了某种 AI 程序，但在投入生产后却遇到了采纳和使用方面的问题。用户有疑问——而这些往往是那些使用这一些工具处理关键业务流程的一线员工。

  因此，要关注的不单单是初期的支持，还包括在 AI 系统成为工作流程和业务流程一部分之后持续提供的维护支持。

  你可以参考比尔·盖茨的观点，他曾表示随着 AI 的崛起，我们在大多数领域将“不再需要人类”。

  “有些事情我们会留给自己处理，”盖茨曾著名地谈到人类的作用，“但在制造、运输和种植粮食方面，跟着时间推移，这样一些问题基本上就会迎刃而解。”

  在节目中，Nathaniel Whittemore 与 Nufar Gaspar 讨论时指出，AI 代理本质上具有替代人类的特性。换句话说，因为它们天生具备卓越的能力，公司很容易直接将其接入系统，从而取代之前负责该项工作的人工。

  “我认为，至少在大众的认知中，代理更多的是替代而非辅助，”他辩称，“目前，企业对代理的投资回报率关注的主要是‘它们能否比我们的人更便宜、更高效、更迅速地完成工作’。”

  “这并不代表公司会如何利用这些效率提升，”他补充说道，“他们是会大幅削减人力，还是将释放出的人力资源重新投入到进一步的发展中？每个公司都必须自己做出这些决策。”

  在把 AI 理论上视为辅助工具与实际上成为取代人力的中介之间，存在不小的落差，这对任何公司来说都是一个潜在的大问题。

  基本思路是，企业在采用 AI 时必须真诚，不能只是挂羊头卖狗肉。以下是我们之前在 Forbes 上关于此话题的报道（由 Sujai Hajela 提供），很多内容至今仍然适用。（ 这里还有 CNN 的更多报道 ）

  “AI 洗牌”与绿色洗牌（greenwashing）类似，后者是指企业宣称自己比真实的情况更具环保性。这是一种最佳实践，旨在避免这种差距以及企业未能做到“言行一致”的情况。

  多次我们正真看到，企业在推进 AI 项目时，往往没有最大限度地考虑项目的伦理问题——如偏见、隐私问题等。

  科技界的顶尖人物一再警告，不应将伦理问题排除在外。从AI革命初期的比尔·盖茨和埃隆·马斯克，到最近关于 AI 与隐私及个人数据所有权交集的诸多警示，声音不断。

  回到播客内容，Whittemore 提到了遵守 HIPAA 和欧洲 GDPR 等标准的重要性。在 AI 的实现和设计中，这些合规问题也同样关键。

  同样，AI 在其广泛性上具有独特性，但在很多可供企业参考的最佳实践上并无二致。没明确的规划，一切都会大打折扣，因此企业务必确保将 AI 融入业务规划，并以具体明确的方式加以实施。