115 lines
12 KiB
Markdown
115 lines
12 KiB
Markdown
# AI中台的讨论
|
||
|
||
## Q
|
||
|
||
我们是一家以房产中介为核心的集团公司，自23年起开始了数字化战略，同时将房产中介业务变换为聚焦在提供“住”的相关服务上面，不仅仅是房屋的售卖和租赁，围绕住相关的生活方面解决客户的问题。
|
||
2024年我们打造了线下的旗舰店，一家旗舰店覆盖3平方公里的社区，为了更好地支撑旗舰店的运营，我们同时开启了结合数字化运营的战略，上线了全新的数字化平台，包括业务平台，业务中台和数据中台等等。
|
||
现在是2025年，负责数字化战略的副总，希望今年起打造一个AI中台，来支撑业务平台里的各种AI应用。我作为资深的数字化和智能化专家，在AI的应用前景、及场景方面，与副总没有分歧，比如考虑给客户提供AI客服助手，给销售顾问提供AI业务助手，在业务流程中引入AI员工，将打标签并按照标签进行匹配的撮合系统底层更换为AI引擎，等等不一而足。2023年9月，我当时提出了分三步的规划：
|
||
1. 借助第三方大模型实现 RAG，来解决目前的AI应用所需要的AI能力问题；
|
||
2. 借助可以自行训练可私有化部署的大模型，来提升AI能力；
|
||
3. 利用行业大模型的优势，对外提供智能化服务，进一步拓展业务范围和提升企业竞争力。
|
||
|
||
但是在是否需要打造一个AI中台来支撑AI应用上面，有比较大的分歧。在我看来，先做一些AI应用，将这些AI的应用底层提炼出来——AI的公共能力，从而形成AI中台，是个从下而上的过程，毕竟目前的AI还是一个新兴事物，很多方面不太成熟。而副总现在应该希望的是直接打造中台，将来不成熟的部分，是一个中台内部逐步完善的过程，是一个自上而下的过程。尽管有分歧，我们团队还是梳理出了AI中台应该具备的9方面能力：
|
||
1. **AI基础设施**，搭建高效、稳定的AI运行环境，为模型开发和部署提供坚实的基础。
|
||
2. **数据处理**，提升数据质量，为AI模型提供高质量的数据支撑。
|
||
3. **模型开发**，构建高效的模型开发流程，提升模型的准确性和稳定性。
|
||
4. **模型部署**，实现模型的快速部署和高效服务，满足业务的实时需求。
|
||
5. **AI应用**，提供常用的AI应用服务，支持业务的多样化需求。
|
||
6. **AI治理**，确保AI模型和数据的合规性、安全性，建立健全的治理机制。
|
||
7. **开放接口**，提供统一的接口，便于AI能力的集成和调用。
|
||
8. **运维与监控**，保障AI中台的稳定运行，及时发现和处理问题。
|
||
9. **培训与支持**，提升团队AI技术能力，提供持续的技术支持。
|
||
|
||
你是一名智能化的专家，同时是麦肯锡的专家。
|
||
我的第一个问题是，对比这两种策略，从AI应用中提炼出AI中台和先打造AI中台为AI应用提供支撑，各自有什么优劣?
|
||
|
||
## A
|
||
## Gemini
|
||
|
||
您好！作为一名智能化专家和麦肯锡的专家，我来分析一下从AI应用中提炼AI中台和先打造AI中台这两种策略的优劣，并结合您公司的实际情况给出建议。
|
||
|
||
**两种策略的优劣对比**
|
||
|
||
| 特征 | 从AI应用中提炼AI中台（自下而上） | 先打造AI中台为AI应用提供支撑（自上而下） |
|
||
|----------------|------------------------------------|----------------------------------------|
|
||
| **核心理念** | 先实践，后抽象，根据实际需求驱动中台建设 | 先规划，后实践，以中台能力驱动应用创新 |
|
||
| **优势** | * 更贴合实际业务需求，避免过度设计<br>* 初期投入较小，风险较低<br>* 迭代速度快，能够快速响应变化 | * 架构更完整，扩展性更强，避免重复建设<br>* 能够更好地管理和复用AI能力<br>* 长期来看，成本更低 |
|
||
| **劣势** | * 可能导致重复建设，后期整合难度大<br>* 难以形成统一的标准和规范<br>* 难以支撑大规模的AI应用 | * 初期投入较大，风险较高<br>* 可能出现中台能力与业务需求脱节的情况<br>* 灵活性较差，难以快速响应变化 |
|
||
| **适用场景** | * AI应用尚不成熟，需求不明确<br>* 业务变化快，需要快速迭代<br>* 资源有限，需要控制初期投入 | * AI应用较为成熟，需求明确<br>* 业务相对稳定，需要长期规划<br>* 资源充足，可以进行较大规模的投入 |
|
||
|
||
**结合贵公司情况的分析**
|
||
|
||
贵公司正处于数字化转型的关键时期，并且已经上线了全新的数字化平台，包括业务平台、业务中台和数据中台。这为构建AI中台奠定了一定的基础。同时，贵公司也有明确的AI应用场景，例如AI客服助手、AI业务助手、AI员工和AI撮合系统等。
|
||
|
||
从您提出的三年规划来看，第一步是借助第三方大模型实现RAG，这实际上就是在进行AI应用的探索和实践。因此，**初期阶段，我更倾向于采用从AI应用中提炼AI中台的策略。**
|
||
|
||
**具体建议：**
|
||
|
||
1. **优先落地关键AI应用：** 选择1-2个最关键、最迫切的AI应用进行开发和落地，例如AI客服助手或AI业务助手。通过实际应用，积累经验，验证技术的可行性和业务价值。
|
||
2. **同步进行AI能力沉淀：** 在开发AI应用的过程中，有意识地进行AI能力的沉淀，例如模型训练、数据处理、模型部署等通用能力。将这些能力抽象成可复用的组件或服务，为后续构建AI中台打下基础。
|
||
3. **逐步构建AI中台：** 随着AI应用的增多和AI能力的积累，逐步构建AI中台。初期可以先构建一个轻量级的AI中台，包含最核心的AI能力，例如模型管理、数据管理和API接口等。
|
||
4. **持续迭代和完善：** AI中台的建设是一个持续迭代和完善的过程。根据业务需求和技术发展，不断扩展AI中台的能力，例如引入AI治理、运维监控等功能。
|
||
|
||
**关于9方面能力的补充说明：**
|
||
|
||
您团队梳理的AI中台9方面能力非常全面，基本涵盖了AI中台建设的各个方面。我补充以下几点：
|
||
|
||
* **AI基础设施：** 可以考虑采用云原生技术，例如容器化、微服务等，提高AI基础设施的弹性、可扩展性和可维护性。
|
||
* **数据处理：** 除了提升数据质量，还需要关注数据安全和隐私保护。
|
||
* **模型开发：** 可以引入AutoML等自动化工具，提高模型开发的效率。
|
||
* **AI治理：** 需要建立完善的AI伦理规范，确保AI应用的合规性和可持续性。
|
||
|
||
**总结：**
|
||
|
||
在贵公司目前的情况下，采用从AI应用中提炼AI中台的策略更为合适。通过优先落地关键AI应用，同步进行AI能力沉淀，逐步构建AI中台，可以最大限度地降低风险，提高成功率。同时，也要保持对前沿技术的关注，例如行业大模型，为未来的发展做好准备。
|
||
|
||
希望以上分析对您有所帮助。如果您还有其他问题，欢迎继续提问。
|
||
|
||
## Q
|
||
|
||
谢谢你的认可。尽快我去年提出的AI应用的三步规划，但是最后没有被认可。现在依然会考虑按照AI中台先行的策略。我只是从纯技术的角度出发，而负责数字化战略的副总站位会更高一些，会考虑到整体经营与外部融资等等方面。
|
||
所以，若是站在负责数字化战略的副总的角度，先推行AI中台能带来AI应用所不具备的什么收益？
|
||
|
||
您好！理解您的情况。从纯技术角度出发，先做应用再提炼中台的思路是稳妥的。但站在负责数字化战略的副总角度，考虑的维度会更广，包括战略高度、经营效益、外部融资等。以下我将从副总的角度出发，分析先推行AI中台能带来AI应用所不具备的收益：
|
||
|
||
**1. 战略高度和前瞻性：**
|
||
|
||
* **构建技术壁垒：** 先行构建AI中台，意味着企业在AI领域占据了先发优势，能够更快地积累AI能力和数据资产，形成难以复制的技术壁垒。这对于在竞争激烈的房地产中介市场中保持领先地位至关重要。
|
||
* **塑造创新形象：** 率先推出AI中台，能够向外界传递企业积极拥抱新技术、推动数字化转型的决心和实力，树立创新和科技领先的形象，提升品牌价值和市场影响力。
|
||
* **符合未来趋势：** AI是未来的发展趋势，提前布局AI中台，符合行业发展方向，能够更好地把握未来机遇，避免被竞争对手超越。
|
||
|
||
**2. 经营效益和效率提升：**
|
||
|
||
* **降低长期成本：** 虽然初期投入较大，但AI中台可以避免后期重复建设和重复投资，长期来看能够降低AI应用的开发和维护成本。
|
||
* **提高开发效率：** AI中台提供标准化的AI能力和服务，可以加速AI应用的开发和上线速度，缩短产品上市周期，更快地响应市场需求。
|
||
* **促进业务协同：** AI中台可以为不同的业务部门提供统一的AI能力支持，促进业务协同和数据共享，打破信息孤岛，提高整体运营效率。
|
||
* **支持业务创新：** AI中台提供丰富的AI能力，可以激发业务部门的创新思维，探索更多新的业务模式和应用场景，例如更精准的客户画像、更智能的房源推荐、更高效的运营管理等。
|
||
|
||
**3. 外部融资和资本市场：**
|
||
|
||
* **提升估值：** 拥有先进的AI中台，可以提升企业在资本市场的估值，吸引更多投资者的关注和青睐。
|
||
* **增强融资能力：** AI中台可以作为企业技术实力的重要证明，增强企业在融资谈判中的议价能力，更容易获得投资机构的认可和支持。
|
||
* **吸引人才：** 先进的AI技术和平台可以吸引更多优秀的AI人才加入，为企业的发展提供强大的人才支撑。
|
||
|
||
**4. 数据驱动的决策和智能化运营：**
|
||
|
||
* **统一数据标准：** 构建AI中台需要统一数据标准和规范，这有助于提升数据质量，为后续的数据分析和挖掘提供更可靠的基础。
|
||
* **支持数据驱动的决策：** AI中台可以提供强大的数据分析和挖掘能力，帮助企业更好地了解客户需求、市场趋势和运营状况，从而做出更明智的决策。
|
||
* **实现智能化运营：** AI中台可以支持各种智能化应用，例如智能客服、智能推荐、智能风控等，从而提高运营效率，降低运营成本，提升客户体验。
|
||
|
||
**总结：**
|
||
|
||
从副总的角度来看，先推行AI中台不仅仅是为了解决技术问题，更是为了构建企业的长期竞争优势，提升经营效益，吸引外部投资，实现可持续发展。虽然初期投入较大，但长期来看，其带来的收益是远远超过单纯的AI应用开发的。
|
||
|
||
当然，副总也需要平衡好短期投入和长期收益的关系，制定合理的实施计划和预算，确保AI中台的建设能够顺利进行并取得预期效果。
|
||
|
||
**补充建议：**
|
||
|
||
* **制定清晰的AI战略：** 明确AI中台的建设目标、重点和路线图，确保与公司整体战略保持一致。
|
||
* **选择合适的合作伙伴：** 与经验丰富的AI技术供应商或咨询公司合作，可以加速AI中台的建设进程，降低技术风险。
|
||
* **加强团队建设和人才培养：** 组建专业的AI团队，并加强内部培训和人才培养，为AI中台的运营和维护提供有力保障。
|
||
* **分阶段实施：** 可以考虑分阶段实施AI中台的建设，先构建核心功能，再逐步扩展其他功能，降低初期投入和风险。
|
||
|
||
希望以上分析能够帮助您更好地理解副总的考量，并为您的工作提供一些有益的参考。
|
||
|