生成式人工智能/机器学习

为业务领导者解锁生成式人工智能的价值

生成式人工智能现状

生成式人工智能可能产生 2.6 至 4.4 万亿美元的经济影响,领导者该如何解锁其经济潜力? 与 Tom Godden(Director, AWS Enterprise Strategy)和 Aamer Baig(麦肯锡公司高级合伙人)一起讨论生成式人工智能的现状和未来的发展方向。

生成式人工智能的基础

生成式人工智能将为每个行业和业务领域带来变革。向高管学习坚实的安全基础、培训员工技能以及负责任地实施人工智能的重要性。

  • 安全基础

    在本次安全领导者访谈中,了解 AWS 首席执行官 Adam Selipsky 对生成式人工智能的看法,以及他对企业领导者应如何看待 AI 时代安全性的建议。

    立即观看 >>

  • 员工基础

    将 AI 和 ML 整合到业务需要一支熟练且多元化的专业团队,这就突显了投资培养员工技能的必要性。了解高管如何让团队为新兴技术做好准备。

    立即阅读 >>>

  • 负责任的人工智能基础

    Anthropic 全球客户主管 Neerav Kingsland 分享了 Anthropic 创建世界上最安全、最强大的人工智能模型的历程。

    立即收听 >>>

从减少包装浪费到普及数据,Amazon 独特的人工智能方法正在帮助推进可持续发展目标并进行创新。”

—Kara Hurst,Amazon 可持续发展副总裁

如果生成式人工智能是答案:那么问题是什么?

生成式人工智能不仅是一个流行语,还是一项颠覆性技术,可以与印刷机和电力等历史创新相提并论。与 AWS 企业战略分析师 Tom Godden、Phil Le-Brun 和 Miriam McLemore 一起讨论如何利用生成式人工智能的力量实现价值驱动的结果。

AWS 客户和合作伙伴如何使用生成式人工智能和机器学习

倾听 AWS 客户和合作伙伴的观点,了解他们的组织如何思考并实现生成式人工智能和机器学习。

Salesforce 使用 AWS 服务帮助客户大规模进行经过人工智能优化的交互
Salesforce 使用 AWS 服务帮助客户大规模进行经过人工智能优化的交互
Salesforce 的数据云使用 AWS 机器学习和生成式人工智能来构建解决方案,帮助公司协调客户数据并提供超大规模的个性化体验。
了解详情 
利用生成式人工智能改善患者体验:Deloitte 和 Elevance Health
加入 AWS 企业战略分析师 Jake Burns、Elevance Health 首席技术官 Amish Patel 和 Deloitte 负责人 Tejas Desai 就生成式人工智能如何塑造医疗保健行业的未来进行的对话。
立即收听 
 Intuit 参加 AWS re:Invent 2023
Intuit 的人工智能驱动策略:AWS re:Invent 2023
Intuit 正在使用 Amazon SageMaker 和 Amazon Bedrock 将尖端技术与税务和簿记专家相结合,提供高度个性化的客户体验。
立即阅读 
生成式人工智能、提升技能和心理健康:与 Devo 首席执行官 Marc van Zadelhoff 一起领导网络安全
生成式人工智能、提升技能和心理健康:与 Devo 首席执行官 Marc van Zadelhoff 一起领导网络安全
本次对话探讨了 Devo 如何利用数据、生成式人工智能和技术来增强安全运营、填补数字技能差距并构建高绩效的全球团队。
立即收听 
科学家如何使用 AWS AI 和 ML 绘制整个人类大脑的图谱
科学家如何使用 AWS AI 和 ML 绘制整个人类大脑的图谱
首个知识中心有望使用 AWS 人工智能和机器学习技术,通过综合细胞层面的研究,推进脑部疾病的治疗。
了解详情 
与 AlphaSense 首席营销官 Melissa Sargeant 一起探索人工智能驱动的营销的未来
与 AlphaSense 首席营销官 Melissa Sargeant 一起探索人工智能驱动的营销的未来
在本集中,AWS 企业战略分析师 Miriam McLemore 与 AlphaSense 首席营销官 Melissa Sargeant 一起深入探讨营销和人工智能的世界。
立即收听 
利用人工智能革新客户服务
利用人工智能革新客户服务
Zendesk 负责 AI/ML 的产品副总裁 Cristina Fonseca 分享了有关在客户体验中优化实施 AI 的见解,强调了在自动化和人类交互之间取得平衡的重要性。
立即收听 
Merck 利用生成式人工智能解决方案提供创新的健康服务
Merck 利用生成式人工智能解决方案提供创新的健康服务
Merck & Co., Inc.(Merck)是一家拥有 130 多年历史的全球制药公司,通过开发重要的药物和疫苗,为人类带来了希望。
了解详情 

Amazon Bedrock:

>> 使用基础模式构建和扩展生成式人工智能应用程序的最简单方法。

Amazon Q:

>> 一款由生成式人工智能驱动的助手,专为工作而设计,可根据您的业务量身定制。

Amazon SageMaker:

>> 通过完全托管的基础设施、工具和工作流程,为任何用例构建、训练和部署机器学习模型。

有关生成式人工智能/机器学习的更多信息

优化您的搜索:

  • 发布日期
  • 字母顺序 (A-Z)
  • 字母顺序 (Z-A)
 我们无法找到与您的搜索匹配的任何结果。请尝试不同的搜索。
1

更进一步

AWS 上的生成式人工智能

了解更多

深入了解我们的客户如何使用生成式人工智能以及 AWS 提供的各种工具。


LinkedIn

持续关注

AWS Executive Connection 是业务和技术领导者的数字目的地,我们在这里共享信息。

主管活动

观看点播视频

通过这个独特的国际人际网,从同行那里获得见解并发现推动数字化转型之旅的新方法。

播客

聆听和学习

聆听高管和 AWS 企业战略专家(均为前高管),讨论他们的数字化转型之旅。

关于生成式人工智能和机器学习的常见问题

问:关于生成式人工智能,首席执行官需要了解什么?

生成式人工智能正在为从日常运营到战略规划的各个方面注入新水平的智能和创造力,从而改变商业世界。首席执行官和所有领导层必须了解其潜力、影响以及有效实施的必要考虑因素。

生成式人工智能模型在大量数据集上进行训练,使它们能够生成从文本到设计模式的连贯的、上下文相关的输出。它们可以预测可能的结果,甚至可以创建类似人类的对话和回应。

运营效率是该技术的主要优势。生成式人工智能可以自动执行内容创建、数据分析和客户互动等任务,从而提高绩效,让员工能腾出时间完成流程中的其他任务。

在创新方面,生成式人工智能提供了独特的机会。它能从复杂的数据中提取信息,从而提供新的见解,帮助首席执行官针对几乎任何主题制定更明智的策略。这种新水平的预测分析可以揭示原本可能未被发现或被忽视的趋势和模式。

此外,生成式人工智能可以支持聊天机器人提供个性化、高效的客户界面,而不会过度消耗员工资源或带宽,从而显著增强客户体验。

值得注意的是,随着生成式人工智能的发展,首席执行官们应通过实施强有力的治理框架和控制措施来确认和解决许多道德注意事项、数据隐私问题以及滥用的可能性。阅读我们关于将负责任的人工智能付诸实践的信息简报。

 

问:生成式人工智能如何使企业受益?

生成式人工智能为企业带来了独特的优势,从根本上转变运营效率、决策和客户参与度等方面:

  • 运营效率:生成式人工智能可以自动执行内容生成和客户支持等业务流程,从而提高生产力。通过处理重复性任务,生成式人工智能可以为战略计划释放员工资源,从而在提高整体效率的同时帮助简化运营。
  • 决策:生成式人工智能具有卓越的预测分析能力,这为企业提供了强大的工具,使其可以更自信地制定决策。它可以通过筛选复杂的数据集来识别模式和趋势,这通常是人类能力望尘莫及的。这使企业能够做出更积极的、以数据为导向的决策,从而增强战略规划并促进创新。
  • 客户互动:生成式人工智能可以支持人工智能驱动的聊天机器人进行个性化交互和故障排除,从而增强客户体验。
  • 创新和技能提升:就像 AWS 开发人员中心为创新提供资源一样,生成式人工智能也可以激发创造力,提供激发新解决方案的独特见解和预测模型。它还鼓励持续学习和提升技能的文化,这在快速发展的科技环境中至关重要。
  • 成本效益:长远看来,通过自动化某些流程并减少对手动工作的依赖,生成式人工智能可以节省大量成本。

问:组织如何为生成式人工智能做好准备?

对于寻求利用这种变革性技术力量的组织来说,为生成式人工智能做好准备是关键的一步。也就是说,这种准备工作需要采取战略性的、经过精心策划的方法。

您的组织应考虑执行以下步骤,为实施生成式人工智能做准备:

  • 了解技术:组织必须首先了解什么是生成式人工智能,以及它帮助实现组织独特业务目标的具体方式。与 AI 专家接触、参加研讨会或利用 AWS 开发人员中心等平台可以进一步加深理解。
  • 评测需求和目标:为实现生成式人工智能定义明确的目标至关重要。无论是通过人工智能驱动的聊天机器人增强客户服务,还是自动创建内容,设定具体目标都有助于选择适当的工具和模型。
  • 投资基础设施和技能:支持人工智能模型和数据信任的强大技术基础设施至关重要。云解决方案,例如 AWS 提供的解决方案,在这个阶段可能至关重要。此外,投资于员工培训以发展相关技能可以营造一个良好的环境,以便随时利用生成式人工智能。
  • 合规和道德注意事项:制定确保合乎道德标准的使用、隐私和合规的指导方针,这一点不容小视。这涉及创建管理数据处理和模型部署的策略和框架。阅读更多关于生成式技术时代下负责任的人工智能的注意事项。
  • 试点测试和迭代:在全面实施之前,运行试点项目有助于确定潜在的挑战和需要改进的方面。持续的监控和迭代可确保系统与组织目标保持一致。
  • 拥抱创新文化:在文化层面上鼓励技术创新可以确保更顺畅的过渡,为员工提供使用新工具进行实验和创新的空间。