在過去的一年裏，企業的生成式人工智能（GenAI）的可用性席卷了市場，大大提高了生產力。然而，為了成功抓住這個機會，企業需要確保他們投資於正確的解決方案。
面對商業 AI 服務和可客製的開源大型語言模型 （LLM） 等選項，企業領導者必須駕馭復雜的風險和收益環境。這種選擇受到上市速度和數據安全等因素的影響，對於希望戰略性投資GenAI的公司來說至關重要。
商業 AI 與開源 AI：權衡各種選擇
商業 GenAI 服務以其易於整合而聞名，為企業提供了一種采用 AI 的直接方式。這些平台專為立即使用而設計，無需大量設定或資源分配。它們具有強大的安全功能，是「企業就緒」的，並且通常符合數據法規。然而，人們擔心這些服務如何處理敏感數據，存在在其訓練集中使用專有資訊的風險。此外，內容過濾的局限性以及 AI 響應不太準確的可能性也帶來了挑戰。例如，一項關於 ChatGPT 的研究表明，它可以正確回答 21 個問題中的 16 個，但它的回答往往比人類更謹慎。
相比之下，像 Mistral、BLOOM 和 GPT-J 這樣的開源 LLM 提供了一個獨特的優勢——客製。它們允許企業根據其特定要求客製 AI 模型，從而獲得更精確和相關的結果。這些模型使企業能夠為各種任務開發他們的 AI 工具，透過可自訂的控制項提供增強的安全性。正因為如此，公司在數據輸入時必須謹慎，以避免人工智能中的訓練偏差。總體而言，LLM 在營運投資和有效管理的專業技能方面需要更多的要求，因此公司在考慮實施 LLM 時必須考慮他們的預算和資源。
這兩個選項之間的選擇取決於幾個因素，包括數據私密、成本以及企業希望對其人工智能系統施加的控制水平。鑒於麥肯錫最近的一項調查，這一決策變得更加緊迫，該調查顯示，40%的高管預計到2024年將增加對GenAI的投資。這一趨勢凸顯了企業迫切需要戰略性地評估其人工智能投資，確保它們符合其數據私密、成本和控制偏好。
了解安全風險
商業人工智能服務，如GenAI系統，提供了一個強大的安全框架，但它們並不能自動確保對敏感對話數據的保護。除了保護知識產權外，企業還必須警惕利用人工智能技術的復雜網絡威脅。企業必須為惡意行為者利用GenAI系統進行網絡攻擊和欺詐的可能性做好準備。一個特別令人擔憂的策略是「提示註入」，黑客操縱人工智能（如 ChatGPT）來泄露敏感資訊。對於公司來說，咨詢其網絡保險提供商以驗證其當前保單中涵蓋的與人工智能相關的違規行為的程度至關重要。實施全面的安全措施和了解保險範圍是防範人工智能漏洞的關鍵步驟。
相反，缺乏內建全面安全性的開源 AI 模型要求公司建立自己的強大防禦措施，包括針對提示隱碼攻擊的措施，以及量身客製的存取和身份驗證策略。
法律和監管考慮因素
在選擇人工智能解決方案時，法律和法規合規性至關重要。商業 AI 服務必須遵守國際數據法律，例如 Microsoft 遵守歐盟數據駐留法律，要求歐盟公民數據儲存在歐盟境內。這對於與歐洲有聯系的企業至關重要。此外，使用這些服務涉及了解有關數據泄露責任和處理人工智能生成內容的合約細節。私密問題和數據泄露風險是值得註意的，例如針對 OpenAI 涉嫌在訓練其模型時未經授權使用內容的法律訴訟等例子就凸顯了這一點。
另一方面，開源 AI 將監管合規責任轉移給使用者。這包括遵守版權法並隨時了解各種全球人工智能法規的最新資訊。采用這些解決方案的企業必須保持警惕，並定期咨詢法律專家，以應對人工智能不斷變化的法律環境，尤其是在國際營運時，以確保持續合規並將法律風險降至最低。
平衡方法的指導
駕馭這些選項的復雜性需要與企業的營運要求、安全框架和合規義務相一致的戰略決策。開源 LLM 提供廣泛的控制和客製，但需要對內部基礎設施和熟練人員進行大量投資，以實作安全和管理。相反，如果企業希望專註於安全性和合規性，則建議使用 Microsoft Azure OpenAI 服務等商業 AI 解決方案。但是，這些應輔以額外的內部控制，包括量身客製的內容過濾和準確性管理策略。
至關重要的是，實施任何一種解決方案都需要整合符合企業策略和法律要求的內容過濾系統，以確保合規性並管理潛在風險。基於數據分類和基於角色的存取，分層安全協定對於為所選 AI 解決方案客製安全措施至關重要。
計劃將 AI 整合到其工作流程中的組織必須跟上法律和監管環境。與法律專業人士持續合作以實作最新的合規性和風險緩解至關重要，尤其是在技術快速進步和法規不斷變化的情況下。
隨著組織越來越多地采用生成式 AI，在商業和開源模型之間進行選擇是一大挑戰。在選擇人工智能解決方案時，組織必須仔細評估其優先事項。除了安全性和法律合規性的必要考慮因素外，評估這些技術的準確性、可客製性和成本效益也至關重要。使 AI 選擇與營運目標保持一致需要平衡考慮這些關鍵因素，確保所選系統不僅符合監管標準，而且符合業務的特定需求和預算限制。駕馭這一領域需要一種最適合每個企業需求的戰略方法。
John Prichard博士是 Radiant Logic 的首席產品官。
