生成式AI時(shí)代下的數(shù)據(jù)戰(zhàn)略-2024.02

生成式

AI時(shí)代下的數(shù)據(jù)戰(zhàn)略013生成式

AI飛速發(fā)展，開啟企業(yè)全面重塑新時(shí)代目46人工智能發(fā)展迎來新拐點(diǎn)

，將深刻改變未來商業(yè)模式企業(yè)積極探索生成式AI應(yīng)用，機(jī)遇與挑戰(zhàn)并存錄028迎接生成式

AI時(shí)代，重新審視企業(yè)數(shù)據(jù)戰(zhàn)略面向生成式

AI應(yīng)用，企業(yè)數(shù)據(jù)戰(zhàn)略需把握四大關(guān)鍵點(diǎn)關(guān)鍵點(diǎn)之一：找準(zhǔn)應(yīng)用方向，激發(fā)創(chuàng)新價(jià)值關(guān)鍵點(diǎn)之二：準(zhǔn)備專有數(shù)據(jù)，確保數(shù)據(jù)安全關(guān)鍵點(diǎn)之三：驅(qū)動(dòng)數(shù)據(jù)管理，打造最佳實(shí)踐關(guān)鍵點(diǎn)之四：重構(gòu)基礎(chǔ)設(shè)施，實(shí)現(xiàn)高效運(yùn)營910202530030434埃森哲攜手亞馬遜云科技，助力企業(yè)解鎖生成式

AI價(jià)值助力企業(yè)重塑數(shù)據(jù)戰(zhàn)略，賦能

AI加速釋放潛力3535新戰(zhàn)略，新技術(shù)，新方式40業(yè)界探索實(shí)踐41海爾創(chuàng)新設(shè)計(jì)中心打造中國首個(gè)AIGC工業(yè)設(shè)計(jì)解決方案42434445西門子攜手亞馬遜云科技構(gòu)建企業(yè)級智能知識庫應(yīng)用科思創(chuàng)基于

AmazonCodeWhisperer提升代碼開發(fā)效率全球知名跨國銀行通過生成式

AI減少交易后電子郵件數(shù)量，提高效率和客戶滿意度生成式AI

為大型保險(xiǎn)公司重塑運(yùn)營平臺和合同管理0546總結(jié)2生成式

AI時(shí)代下的數(shù)據(jù)戰(zhàn)略01生成式

AI飛速發(fā)展，開啟企業(yè)全面重塑新時(shí)代3生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略人工智能發(fā)展迎來新拐點(diǎn)

，將深刻改變未來商業(yè)模式生成式

AI正在喚醒全球?qū)θ斯ぶ悄茏兏餄摿Φ恼J(rèn)知，激發(fā)起前所未有的關(guān)注和創(chuàng)造力浪潮根據(jù)埃森哲調(diào)研，74%

的全球商業(yè)領(lǐng)袖高管表示，將增加在數(shù)據(jù)和

AI（包含生成式

AI）方面的投入，這一比例較

2023年大幅躍升了

24

個(gè)百分點(diǎn)。在中國的受訪高管中，同樣有高達(dá)

71%的人持以同樣態(tài)度?！吧墒?/p>

AI將創(chuàng)造由于大語言模型具有處理大規(guī)模數(shù)據(jù)集的能力，它可以“掌握”企業(yè)長期以來積累的所有信息，包括創(chuàng)辦至今的發(fā)展歷程、業(yè)務(wù)特點(diǎn)和商業(yè)意圖，甚至細(xì)致到產(chǎn)品、市場和客戶。1巨大價(jià)值”

已經(jīng)成為絕大多數(shù)企業(yè)高管的共識。所有用語言記錄傳達(dá)的內(nèi)容，如應(yīng)用、系統(tǒng)、文檔、電子郵件、聊天、視頻和音頻等等，都將進(jìn)行創(chuàng)新、優(yōu)化和重塑，最終走向全新的高度。ChatGPT、文心一言、通義千問、DALL·E、Stable

Diffusion

等一系列易于使用的生成式

AI

服務(wù)，正在迅速推動(dòng)技術(shù)在商業(yè)領(lǐng)域和社會(huì)公眾中的普及，這將對企業(yè)產(chǎn)生極為深遠(yuǎn)的影響。?

ChatGPT

推出僅兩個(gè)月，月活躍用戶就達(dá)到了

1

億，成為有史以來增長最快的消費(fèi)

應(yīng)用程序。?

埃森哲研究發(fā)現(xiàn)，所有行業(yè)中

40%

的工作時(shí)間都將得到

GPT-4等大語言模型的協(xié)助。這是因?yàn)椋Z言任務(wù)占到了企業(yè)人員工作總時(shí)長的62%，其中

65%

的時(shí)間可以借助生成式

AI和自動(dòng)化技術(shù)來提升工作活動(dòng)2的生產(chǎn)力。1從對話到行動(dòng)：生成式

AI

的五點(diǎn)共識，埃森哲，2023，/s/ncjCVmENrmpEF7tEdH2-kg生成式人工智能：重塑商業(yè)和運(yùn)營，埃森哲，2023，/s/8w89bqvB6LZOm6V8k9YHOw24生成式

AI時(shí)代下的數(shù)據(jù)戰(zhàn)略基礎(chǔ)模型的進(jìn)步正在徹底改變企業(yè)使用生成式

AI的方式和地點(diǎn)5/22698%3的全球高管認(rèn)為，人工智能基礎(chǔ)模型將在未來

3到

5年內(nèi)在其組織的戰(zhàn)略22個(gè)職業(yè)類型中，有

5個(gè)將受到人工智能大量影響，接近所有工作時(shí)間的中發(fā)揮重要作用。一半以上。97%440%的工作時(shí)間都可能會(huì)受到大語言模型

（LLM）

的影響，無論行業(yè)。7的全球高管認(rèn)為人工智能基礎(chǔ)模型將實(shí)現(xiàn)跨數(shù)據(jù)類型的連接，徹底改變?nèi)斯ぶ悄艿氖褂玫攸c(diǎn)和方式。6/105受調(diào)查的

10個(gè)組織中，有

6家計(jì)劃將

ChatGPT用于學(xué)習(xí)目的，超過一半的組織計(jì)劃在

2023年進(jìn)行試點(diǎn)案例。超過十分之四的人希望進(jìn)行大量投資。34567埃森哲技術(shù)展望

2023：當(dāng)原子遇見比特，埃森哲，2023，/cn-zh/insights/technology/technology-trends-2023埃森哲技術(shù)展望

2023：當(dāng)原子遇見比特，埃森哲，2023，/cn-zh/insights/technology/technology-trends-2023埃森哲商業(yè)研究院

2023年

2月首席高管動(dòng)向調(diào)研生成式人工智能：人人可用的新時(shí)代，埃森哲，2023，/cn-zh/insights/technology/generative-ai生成式人工智能：人人可用的新時(shí)代，埃森哲，2023，/cn-zh/insights/technology/generative-ai5生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略企業(yè)積極探索生成式

AI應(yīng)用，機(jī)遇與挑戰(zhàn)并存生成式

AI對于各行業(yè)企業(yè)都有潛在的巨大價(jià)值生成式

AI可被廣泛應(yīng)用于咨詢建議、內(nèi)容創(chuàng)建、運(yùn)營助手、流程自動(dòng)化、企業(yè)安全等方面：通過提高生產(chǎn)力、提高效率、提升客戶體驗(yàn)等方式，預(yù)計(jì)生成式

AI將為企業(yè)帶來

5億美元到

30億美元不等的價(jià)值。8用例領(lǐng)域咨詢建議知識工作顧問為行動(dòng)或決策提供建議內(nèi)容生成創(chuàng)意內(nèi)容生成

/共同生成內(nèi)容創(chuàng)建視覺設(shè)計(jì)為產(chǎn)品或網(wǎng)站生成創(chuàng)意視覺設(shè)計(jì)應(yīng)用開發(fā)運(yùn)維服務(wù)質(zhì)量工程需求生成

/產(chǎn)品定義、代碼生成對話助手

/客戶服務(wù)自動(dòng)化測試運(yùn)營助手業(yè)務(wù)流程財(cái)務(wù)與會(huì)計(jì)、采購等領(lǐng)域的業(yè)務(wù)流程自動(dòng)化流程自動(dòng)化IT流程服務(wù)管理領(lǐng)域的

IT流程自動(dòng)化信息安全防止欺詐、完善監(jiān)管合規(guī)企業(yè)安全風(fēng)險(xiǎn)治理主動(dòng)識別風(fēng)險(xiǎn)圖

1：生成式

AI的應(yīng)用場景舉例來源：埃森哲研究8生成式人工智能：人人可用的新時(shí)代，埃森哲，2023，/cn-zh/insights/technology/generative-ai6生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略同時(shí)，日新月異的技術(shù)發(fā)展也將帶來新的挑戰(zhàn)要讓基礎(chǔ)模型在企業(yè)中發(fā)揮適當(dāng)作用，就必須了解其最佳應(yīng)用場景。許多人工智能應(yīng)用程序使用的數(shù)據(jù)類型，已超出基礎(chǔ)模型的處理范圍。同時(shí)，基礎(chǔ)模型可以嘗試的一些應(yīng)用模式，從根本上說仍更適合狹義的人工智能?？焖僭鲩L的計(jì)算需求，以及處理大規(guī)模計(jì)算所需的相關(guān)成本和專業(yè)知識，是當(dāng)前面臨的最大障礙。多方報(bào)告顯示，大型人工智能模型訓(xùn)練所需的計(jì)算量正呈指數(shù)級增長，從每

10個(gè)月翻一番，加快至每

3、4個(gè)月翻一番。9

模型即使經(jīng)過訓(xùn)練后，還需通過微調(diào)才可處理不同任務(wù)，因此所有下游應(yīng)用的運(yùn)行和托管成本亦十分高昂。同時(shí)，要實(shí)現(xiàn)生成式

AI的潛力，數(shù)據(jù)也扮演著至關(guān)重要的角色。數(shù)據(jù)不僅是生成式

AI的燃料，更是支撐其模型訓(xùn)練和創(chuàng)新的基石。因此，對于企業(yè)而言，未來的數(shù)據(jù)戰(zhàn)略將不僅聚焦于收集和管理數(shù)據(jù)，更要關(guān)注模型的訓(xùn)練方式、內(nèi)容生成的質(zhì)量和數(shù)據(jù)應(yīng)用的廣度。企業(yè)需要不斷地審視、調(diào)整和優(yōu)化其數(shù)據(jù)戰(zhàn)略，以一個(gè)全面的數(shù)據(jù)戰(zhàn)略布局來有效應(yīng)對生成式AI時(shí)代下的挑戰(zhàn)。9埃森哲技術(shù)展望

2023：當(dāng)原子遇見比特，埃森哲，2023，/cn-zh/insights/technology/technology-trends-20237生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略02迎接生成式

AI時(shí)代，重新審視企業(yè)數(shù)據(jù)戰(zhàn)略8生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略面向生成式

AI應(yīng)用，企業(yè)數(shù)據(jù)戰(zhàn)略需把握四大關(guān)鍵點(diǎn)01020304找準(zhǔn)應(yīng)用方向，激發(fā)創(chuàng)新價(jià)值準(zhǔn)備專有數(shù)據(jù)，確保數(shù)據(jù)安全驅(qū)動(dòng)數(shù)據(jù)管理，打造最佳實(shí)踐重構(gòu)基礎(chǔ)設(shè)施，實(shí)現(xiàn)高效運(yùn)營選擇一些低風(fēng)險(xiǎn)領(lǐng)域進(jìn)行可行性評估，然后開展生成式

AI試點(diǎn)，探索創(chuàng)新的潛力。花時(shí)間和精力來準(zhǔn)備數(shù)據(jù)基礎(chǔ)，且這個(gè)數(shù)據(jù)基礎(chǔ)需要在云平臺上進(jìn)行管理，確保數(shù)據(jù)的安全性和可靠性。利用高質(zhì)量的數(shù)據(jù)，顯著提升模型訓(xùn)練與數(shù)據(jù)應(yīng)用成效，助力企業(yè)高效實(shí)現(xiàn)數(shù)據(jù)管理目標(biāo)?？紤]支撐人工智能所需的基礎(chǔ)設(shè)施、架構(gòu)、運(yùn)營模式和治理結(jié)構(gòu)等，同時(shí)密切關(guān)注成本和可持續(xù)能源消耗。9生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略關(guān)鍵點(diǎn)之一：找準(zhǔn)應(yīng)用方向，激發(fā)創(chuàng)新價(jià)值生成式

AI能夠在多方面提供智能化服務(wù)，提高企業(yè)運(yùn)營效能應(yīng)用方向提升生產(chǎn)力和創(chuàng)造力：生成式

AI將成為人們必不可少的創(chuàng)意伙伴，不但可以揭示接觸和吸引受眾的新方法，還能在生產(chǎn)設(shè)計(jì)、設(shè)計(jì)研究、視覺識別、名稱擬定、副本生成與測試以及實(shí)時(shí)個(gè)性化等領(lǐng)域中，帶來前所未見的速度和創(chuàng)新。生成式

AI還能助力代碼編寫、實(shí)現(xiàn)代碼編寫自動(dòng)化、預(yù)測和預(yù)先防范問題，以及管理系統(tǒng)文檔、獲得數(shù)據(jù)洞察等。優(yōu)化業(yè)務(wù)流程：生成式

AI對歷史背景、下一步最佳行動(dòng)、總結(jié)能力和預(yù)測智能的成熟理解力，將同時(shí)在前后臺辦公環(huán)境中催生出一個(gè)超高效、超個(gè)性化的新時(shí)代，將業(yè)務(wù)流程自動(dòng)化推升到具有變革意義的新水平。此外，在安全防護(hù)、內(nèi)容審核等方面，生成式

AI將支持企業(yè)加強(qiáng)治理和信息安全、防止欺詐、完善監(jiān)管合規(guī)，通過在組織內(nèi)部和外部均建立跨域聯(lián)系和推斷能力，主動(dòng)識別風(fēng)險(xiǎn)。面向領(lǐng)域：零售、金融、服務(wù)、IT等行業(yè)面向領(lǐng)域：供應(yīng)鏈、零售、金融等行業(yè)增強(qiáng)客戶體驗(yàn)：大語言模型有望幫助處理約

70%

非面對面的客戶服務(wù)溝通，充分利用強(qiáng)大的對話式智能機(jī)器人，理解客戶意愿、自行擬定回答，提高答復(fù)的準(zhǔn)確性和質(zhì)量。典型領(lǐng)域包括聊天機(jī)器人、虛擬助手、智能導(dǎo)購、銷售賦能、人力資源、科學(xué)研究、企業(yè)戰(zhàn)略和市場情報(bào)等。面向領(lǐng)域：供應(yīng)鏈、零售、服務(wù)等行業(yè)10生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略應(yīng)用實(shí)例?

某在線旅行代理商通過部署“智能客服”插件，通過為用戶提供旅游出行的個(gè)性化建議，幫助他們更快確定行程安排。對于意外的行程更改，旅客可以通過全天候在線的智能客服快速解決問題。?

某飲料零售企業(yè)正在使用一個(gè)人工智能平臺，根據(jù)廣告在不同平臺的適用性進(jìn)行評級，并提取出實(shí)現(xiàn)最大投資回報(bào)率（ROI）所需的關(guān)鍵要素，從而創(chuàng)建一套成功廣告活動(dòng)的規(guī)則，此舉使廣告支出回報(bào)率顯著提高。?

埃森哲嘗試?yán)么笳Z言模型自動(dòng)生成文檔，提高開發(fā)人員在系統(tǒng)配置、功能及技術(shù)參數(shù)設(shè)置方面的工作效率。?

某跨國銀行正在使用生成式

AI和大語言模型，改變其大量交易后處理電子郵件的管理方式，如自動(dòng)起草帶有行動(dòng)建議的消息，并發(fā)送給收件人。這不只是減少了工作量，還能讓客戶交流更加順暢。11生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略更具人員強(qiáng)化或自動(dòng)化的潛力較低更具自動(dòng)化潛力更具人員強(qiáng)化潛力非語言任務(wù)對于不同行業(yè)而言，生成式

AI

將54%48%36%40%43%33%34%31%12%14%24%10%12%銀行保險(xiǎn)26%不同程度地改變其工作方式，企業(yè)應(yīng)找21%28%15%18%10軟件和平臺資本市場能源準(zhǔn)方向?qū)崿F(xiàn)突破14%29%9%14%34%33%13%7%21%62%。在語通信和媒體零售在美國，語言任務(wù)占據(jù)總工作時(shí)長的12%46%言任務(wù)的總體份額中，65%

很可能實(shí)現(xiàn)自動(dòng)化或得到11行業(yè)平均值醫(yī)療保健公共服務(wù)航天與國防汽車9%11%9%22%38%大語言模型的協(xié)助。28%30%26%30%26%28%27%25%26%24%24%20%33%35%20%27%26%根據(jù)埃森哲研究預(yù)測，未來所有行業(yè)中，

將有40%

的工作受到大語言模型的影響。企業(yè)應(yīng)當(dāng)迅速行動(dòng)，尋找適合自己的創(chuàng)新機(jī)會(huì)。13%41%6%13%50%50%8%6%6%8%6%6%6%11%30%16%15%高科技50%旅游公用事業(yè)生命科學(xué)工業(yè)15%52%17%50%14%54%13%14%57%56%消費(fèi)品和服務(wù)化工5%20%64%40%自然資源0%10%50%60%70%80%90%100%10

生成式人工智能：人人可用的新時(shí)代，埃森哲，2023，https://www.accenture.cn/cn-zh/insights/technology/generative-ai圖

2：基于

2021年美國就業(yè)水平，按行業(yè)和人工智能潛在影響力劃分的工時(shí)分布11

生成式人工智能：人人可用的新時(shí)代，埃森哲，2023，https://www.accenture.cn/cn-zh/insights/technology/generative-ai來源：埃森哲研究12生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略零售個(gè)性化銷售策略生成式

AI

可以突出客戶相似性和產(chǎn)品采用差異，以創(chuàng)建個(gè)性化行業(yè)特定領(lǐng)域財(cái)務(wù)優(yōu)惠和推廣活動(dòng)，獲得追加銷售機(jī)會(huì)?？蛻舴?wù)人才與組織內(nèi)容生成為社交媒體帖子和博客創(chuàng)建內(nèi)容，針對目標(biāo)客戶生成特色視頻廣告和動(dòng)畫用戶故事，提高品牌知名度。法律法規(guī)市場AI安全I(xiàn)T品牌監(jiān)控銷售跟蹤品牌的在線提及情況，提醒公司任何負(fù)面評論或反饋。在問題升級并損害品牌聲譽(yù)之前自動(dòng)響應(yīng)以解決問題。構(gòu)建數(shù)字核心采購尋源數(shù)據(jù)云商業(yè)供應(yīng)鏈銀行平臺新業(yè)務(wù)個(gè)性化虛擬客服生產(chǎn)制造基于高級情感分析，實(shí)現(xiàn)虛擬客戶服務(wù)代理和跨渠道通信的個(gè)性化。并購可持續(xù)性消息推送企業(yè)戰(zhàn)略研發(fā)向客戶發(fā)送有針對性的電子郵件廣告

/通知。投訴處理自動(dòng)投訴分類和優(yōu)先級排序以及跨渠道的建議解決方案。圖

3：生成式

AI將

360

為企業(yè)帶來創(chuàng)新應(yīng)用機(jī)會(huì)?！銇碓矗喊Ｉ苎芯?3生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略金融研究與個(gè)性化財(cái)富咨詢高科技通過委派文檔生成功能，使顧問能夠?qū)Ｗ⒂谠鲋祷顒?dòng)。通過更好地了解客戶需求和要求，提供卓越的服務(wù)和合適的產(chǎn)品，從而增加市場份額輔助芯片設(shè)計(jì)利用

GenAI

改進(jìn)

EDA（電子設(shè)計(jì)自動(dòng)化），幫助應(yīng)對芯片生命周期管理的復(fù)雜性。與代工廠的原型驗(yàn)證流程相連接，快速進(jìn)行芯片設(shè)計(jì)原型驗(yàn)證，提高企業(yè)市場快速反應(yīng)能力。/資產(chǎn)管理規(guī)模。保險(xiǎn)賦能代理軟件和平臺基于客戶互動(dòng)和索賠的經(jīng)驗(yàn)，為保險(xiǎn)代理人提供定制建議和有關(guān)興趣領(lǐng)域知識，幫助代理人與客戶溝通。代碼生成生成式

可用于生成代碼和自動(dòng)化軟件開發(fā)。它可以接受自然AI策略生成語言輸入并將其轉(zhuǎn)換為代碼。生成保險(xiǎn)報(bào)價(jià)、綁定、保單簽發(fā)文件，并根據(jù)投保人的具體需求和偏好向他們提供不同的承保選項(xiàng)。代碼審查生成式

可以查看代碼的一致性，編輯代碼并提供生產(chǎn)質(zhì)量代AI理賠受理碼。它還可以支持識別和修復(fù)代碼錯(cuò)誤。改善理賠受理體驗(yàn)的個(gè)性化溝通；根據(jù)多式聯(lián)運(yùn)索賠人輸入自動(dòng)檢測嚴(yán)重性；進(jìn)行快速檢查

/分析以確定損失原因并自動(dòng)提取用于確定承保范圍的關(guān)鍵術(shù)語。14生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略以保險(xiǎn)行業(yè)為例，生成式

AI可應(yīng)用于從市場營銷到出險(xiǎn)理賠的各個(gè)階段。其中具較高投資回報(bào)率的場景如：?

數(shù)據(jù)增強(qiáng)：客服場景中為承保人員快速生成第三方數(shù)據(jù)源的信息摘要和見解，以幫助他們做出更準(zhǔn)確的判斷?

理賠核驗(yàn)：出險(xiǎn)核驗(yàn)時(shí)對多模態(tài)數(shù)據(jù)進(jìn)行快速檢查

/分析后，提取關(guān)鍵詞并定損圖

4：保險(xiǎn)行業(yè)價(jià)值鏈中的應(yīng)用場景產(chǎn)品營銷客戶承?？蛻舴?wù)保險(xiǎn)理賠改進(jìn)保險(xiǎn)代理人和客戶參與度指標(biāo)、成交率和投資回報(bào)率提高風(fēng)險(xiǎn)評估和承銷商效率增強(qiáng)客戶體驗(yàn)并降低服務(wù)成本減少賠償和費(fèi)用郵件營銷智能郵件高度定制無縫理賠受理依據(jù)經(jīng)紀(jì)人的興趣自動(dòng)化生成主題和營銷活動(dòng)理解郵件意圖然后進(jìn)行非結(jié)構(gòu)化數(shù)據(jù)處理、驗(yàn)證和檢查“良好訂單”。基于高級情感分析的虛擬客服代理和跨渠道的個(gè)性化溝通。通過個(gè)性化溝通策略來改善理賠申請?bào)w驗(yàn)郵件以覆蓋優(yōu)質(zhì)經(jīng)紀(jì)人群體賦能員工智能提取通知生成理賠核驗(yàn)通過針對經(jīng)紀(jì)人的興趣話題、參與歷史和理賠自動(dòng)從非結(jié)構(gòu)化的由經(jīng)紀(jì)人提交的信息中提取創(chuàng)建具有上下文感知、個(gè)性化和自動(dòng)化的信函進(jìn)行快速檢查

/分析以確定損失原因，并自動(dòng)經(jīng)驗(yàn)提供定制化建議和高級洞察力關(guān)鍵術(shù)語，如保單手冊，以增強(qiáng)風(fēng)險(xiǎn)評估。/通知生成系統(tǒng)。提取關(guān)鍵術(shù)語以用于理賠決定數(shù)字營銷數(shù)據(jù)增強(qiáng)投訴處理理賠洞察自動(dòng)生成數(shù)字營銷內(nèi)容，如博客文章、社交媒為承保人員提供快速的第三方數(shù)據(jù)源輸入摘要和見解，以幫助他們做出明智的選擇。自動(dòng)化對投訴進(jìn)行分類、優(yōu)先級排序，并跨渠利用歷史數(shù)據(jù)發(fā)現(xiàn)規(guī)律和模板，為理賠理算師提供洞察，以使決策更加明智和準(zhǔn)確體更新、電子郵件通訊和落地頁道提供解決方案。輿論監(jiān)控智能篩選健康干預(yù)追償

/訴訟處理追蹤品牌在網(wǎng)絡(luò)上的評價(jià)，在負(fù)面評價(jià)升級并通過理解總結(jié)轉(zhuǎn)介規(guī)則并根據(jù)風(fēng)險(xiǎn)偏好智能篩選適當(dāng)?shù)某斜Ｈ藛T評估和處理申請根據(jù)客戶的特定需求、興趣和行為定制生成推通過對數(shù)據(jù)洞察（如傳票信函），預(yù)測潛在的損害品牌聲譽(yù)之前向保險(xiǎn)公司發(fā)出警報(bào)。薦內(nèi)容，以推動(dòng)更高的參與度和互動(dòng)性和解或法庭結(jié)果保單生成欺詐檢測自動(dòng)化保單生成和質(zhì)量分析

/審核，以提高保利用合成數(shù)據(jù)來解決數(shù)據(jù)稀缺問題，模擬不同欺詐情景以提高欺詐檢測能力單的完整性、一致性和合規(guī)性15生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略在快消品行業(yè)，具備高投資回報(bào)率的生成式

AI創(chuàng)新場景，如：?

新產(chǎn)品設(shè)計(jì)研發(fā)：使用生成式

AI快速進(jìn)行原型設(shè)計(jì)和驗(yàn)證，加速產(chǎn)品上市?

自動(dòng)化市場營銷：依據(jù)產(chǎn)品文檔和消費(fèi)趨勢數(shù)據(jù)自動(dòng)生成營銷材料，提升營銷效率圖

5：快消品行業(yè)價(jià)值鏈中的應(yīng)用場景關(guān)鍵領(lǐng)域供應(yīng)鏈增長與創(chuàng)新營銷、銷售和服務(wù)可持續(xù)賦能職能排放、資源&道德影響管勞動(dòng)力規(guī)劃&人力資本規(guī)劃增長戰(zhàn)略優(yōu)先級增長機(jī)會(huì)研究消費(fèi)者、營銷

&內(nèi)容管理客戶、分銷商和渠道管理智能需求感知理消費(fèi)者高定和情境化數(shù)字內(nèi)容自動(dòng)化客戶

/分銷商服務(wù)ESG增強(qiáng)招聘自動(dòng)化內(nèi)容創(chuàng)建&報(bào)告采購與供應(yīng)鏈智能合約管理入職&人力資源運(yùn)營敏捷投資組合管理新產(chǎn)品開發(fā)與設(shè)計(jì)綜合收入增長管理自動(dòng)化消費(fèi)者服務(wù)社會(huì)風(fēng)險(xiǎn)監(jiān)測管理虛擬營銷活動(dòng)測試自動(dòng)化市場營銷ESG自動(dòng)化自動(dòng)化重要關(guān)系定制職業(yè)培訓(xùn)&職業(yè)商業(yè)智能發(fā)現(xiàn)人服務(wù)生產(chǎn)制造道路設(shè)計(jì)測試與發(fā)布智能數(shù)據(jù)處理智能預(yù)測性資產(chǎn)維護(hù)投資者活動(dòng)追蹤智能風(fēng)險(xiǎn)收益投資建議ESG影響杠桿識別虛擬概念

/產(chǎn)品測試績效管理優(yōu)化智能協(xié)商指導(dǎo)執(zhí)行自動(dòng)化供應(yīng)商交互和訂單管理商業(yè)模式創(chuàng)新企業(yè)規(guī)劃市場渠道生成式預(yù)測

&情景建模投資與自助并購研究自動(dòng)化虛擬銷售團(tuán)隊(duì)和服務(wù)影響無物流財(cái)務(wù)管理動(dòng)態(tài)和交互式控制塔教練網(wǎng)點(diǎn)全方位優(yōu)化指導(dǎo)&報(bào)非常低低自動(dòng)化企業(yè)內(nèi)容創(chuàng)建告中IT管理高自動(dòng)化

IT開發(fā)

&運(yùn)營非常高來源：埃森哲研究16生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略生成式

AI創(chuàng)新場景大量涌現(xiàn)，激發(fā)相關(guān)技術(shù)產(chǎn)品與服務(wù)，助力企業(yè)價(jià)值實(shí)現(xiàn)各行業(yè)大量的生成式

AI創(chuàng)新場景激發(fā)出對技術(shù)產(chǎn)品和服務(wù)的需求，如：?

利用對話機(jī)器人、虛擬個(gè)人助手減少客戶投訴，精確定位客戶需求，優(yōu)化客戶體驗(yàn)?

基于生成式

AI的代碼助手極大提升了軟件開發(fā)的效率和質(zhì)量，提升員工生產(chǎn)力?

利用樣式設(shè)計(jì)助手點(diǎn)燃設(shè)計(jì)靈感，激活創(chuàng)新思維，生成創(chuàng)意內(nèi)容?

借助文檔處理助手，自動(dòng)化企業(yè)文檔檢索、數(shù)據(jù)提取等流程，改善業(yè)務(wù)運(yùn)營效率優(yōu)化客戶體驗(yàn)提升員工生產(chǎn)力生成創(chuàng)意內(nèi)容改善業(yè)務(wù)運(yùn)營效率智能聊天對話機(jī)器人對話式搜索內(nèi)容寫作文檔處理虛擬個(gè)人助理AI智能合同中心個(gè)性化服務(wù)定制信息提取與總結(jié)媒體創(chuàng)新流程優(yōu)化代碼生成樣式設(shè)計(jì)網(wǎng)絡(luò)安全從數(shù)據(jù)到洞察建模生成數(shù)據(jù)增強(qiáng)17生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略亞馬遜云科技通過開箱即用的生成式

AI技術(shù)服務(wù)，快速激發(fā)產(chǎn)品與服務(wù)創(chuàng)新?

Amazon

QuickSight

BI

提供了一種更快的方法，幫助用戶從數(shù)據(jù)中直接獲取洞察QuickSight允許用戶輕松連接到

S3

或

Athena

等數(shù)據(jù)源，并在幾分鐘內(nèi)創(chuàng)建交互式儀表板，并使用自然語言在數(shù)秒內(nèi)生成洞察結(jié)論并微調(diào)數(shù)據(jù)可視化效果。用戶可以用簡單的語言查詢他們的數(shù)據(jù)，而無需編寫一行代碼。

借助這些新功能，業(yè)務(wù)用戶可以提出“為什么”的問題，以更好地了解影響數(shù)據(jù)趨勢的因素。

用戶還可以通過說“預(yù)測未來

12

個(gè)月的銷售額”來預(yù)測指標(biāo)，以獲得基于過去數(shù)據(jù)和季節(jié)性等信息的即時(shí)響應(yīng)。圖

6：亞馬遜云科技

QuickSightBI產(chǎn)品的數(shù)據(jù)洞察來源：亞馬遜云科技、埃森哲研究?

使用人工智能編碼伙伴更快、更安全地構(gòu)建應(yīng)用程序Amazon

CodeWhisperer

經(jīng)過數(shù)十億行代碼的訓(xùn)練，可以根據(jù)您的評論和現(xiàn)有代碼實(shí)時(shí)生成從代碼片段到全函數(shù)的代碼建議。繞過耗時(shí)的編碼任務(wù)，加速使用不熟悉的

API進(jìn)行的構(gòu)建。圖

7：亞馬遜云科技

AmazonCodeWhisperer?

通過生成式

AI助手

Amazon

Q全面提升企業(yè)的生產(chǎn)力來源：亞馬遜云科技、埃森哲研究Amazon

Q是亞馬遜云科技推出的生成式

AI助手，可以通過互動(dòng)對話解決問題、生成內(nèi)容并采取行動(dòng)。Amazon

Q能了解您的公司信息、代碼和系統(tǒng)，并在保障安全與隱私的基礎(chǔ)上，根據(jù)您的角色和權(quán)限進(jìn)行個(gè)性化交互。Amazon

Q既能作為單獨(dú)的應(yīng)用程序，作為您的商務(wù)專家，也能集成在亞馬遜云科技的控制臺、Amazon

CodeWhisperer、各類

IDE、Amazon

Quicksight

以及

AmazonConnect?；趤嗰R遜云科技

17年的知識，能夠?yàn)槟恼麄€(gè)開發(fā)流程提供支持。圖

8：亞馬遜云科技

AmazonBedrock來源：亞馬遜云科技、埃森哲研究18生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略AmazonBedrock使用基礎(chǔ)模型構(gòu)建和擴(kuò)展生成式

AI應(yīng)用程序的便捷方式AmazonBedrock選擇

FM直接使用或定制

FM發(fā)送提示詞接收響應(yīng)通過調(diào)用無服務(wù)的API，運(yùn)用

FM來構(gòu)建生成式

AI應(yīng)用使用

Playground試用

FM并選擇適合您需求的

FMBedrock將自動(dòng)部署

FM進(jìn)行推理，或則根據(jù)需求來進(jìn)行模型微調(diào)使用

BedrockAPI來發(fā)送提示詞給

FM在您的應(yīng)用中接收

FM的響應(yīng)AmazonBedrock有以下特點(diǎn)：0103預(yù)訓(xùn)練的基礎(chǔ)模型：Amazon

Bedrock

提供易于使用的開發(fā)者體驗(yàn)，可擴(kuò)展性和可伸縮性：Amazon

Bedrock

是無服務(wù)器的，無需管理任何基與來自

AI21

Labs、Anthropic、Cohere、Meta、Stability

AI

和

Amazon

等領(lǐng)先人工智能公司的各種高性能

FM合作。礎(chǔ)設(shè)施，能夠隨著項(xiàng)目的增長而擴(kuò)展，支持大規(guī)模的應(yīng)用開發(fā)。04安全和合規(guī)：AmazonBedrock提供了多種支持安全和隱私要求的功能，02自定義和微調(diào)能力：可通過可視化界面使用私有數(shù)據(jù)對模型進(jìn)行自定義已獲得

HIPAA

資格并符合

GDPR合規(guī)性。和微調(diào)。使用微調(diào)和檢索增強(qiáng)生成（RAG）等技術(shù)利用私有數(shù)據(jù)對其進(jìn)行定制，并創(chuàng)建可執(zhí)行復(fù)雜業(yè)務(wù)任務(wù)。19生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略關(guān)鍵點(diǎn)之二：準(zhǔn)備專有數(shù)據(jù)，確保數(shù)據(jù)安全在使用基礎(chǔ)模型之前，企業(yè)需要花時(shí)間和精力來準(zhǔn)備數(shù)據(jù)基礎(chǔ)，且這個(gè)數(shù)據(jù)基礎(chǔ)需要在云平臺上進(jìn)行管理，確保數(shù)據(jù)的安全性和可靠性數(shù)據(jù)準(zhǔn)備現(xiàn)階段，大多數(shù)企業(yè)會(huì)直接購買“模型即服務(wù)”來開展業(yè)務(wù)應(yīng)用。不過對許多企業(yè)來說，最大的價(jià)值或?qū)⒃从谑褂米陨淼臄?shù)據(jù)定制或微調(diào)（Fine-tune）模型，滿足其獨(dú)特需求。為了提高生成式

AI

和基礎(chǔ)模型在特定業(yè)務(wù)應(yīng)用方式中的價(jià)值，企業(yè)將越來越多地利用自身數(shù)據(jù)對預(yù)訓(xùn)練模型加以微調(diào)來實(shí)現(xiàn)定制，從而讓績效實(shí)現(xiàn)質(zhì)的飛躍。在工具層面，亞馬遜云科技的

Amazon

Bedrock

和

AmazonSageMaker

Jumpstart，分別面向基礎(chǔ)模型有著不同需求的客戶提供微調(diào)的路徑。在

Amazon

Bedrock中，客戶只需調(diào)用模型

API，也可以對基礎(chǔ)模型進(jìn)行微調(diào)，而無需管理模型配置或部署；而在

AmazonSagemaker中，客戶需要管理應(yīng)用程序架構(gòu)中的模型部署、配置和托管，將會(huì)有更大的靈活度和自由度對基礎(chǔ)模型進(jìn)行定制。數(shù)據(jù)安全隨著時(shí)間推移，生成式

AI將支持企業(yè)加強(qiáng)治理和信息安全、防止欺詐、完善監(jiān)管合規(guī)，并通過在組織內(nèi)部和外部均建立跨域聯(lián)系和推斷能力，主動(dòng)識別風(fēng)險(xiǎn)。在戰(zhàn)略性網(wǎng)絡(luò)防御體系中，大語言模型可以提供多種有用的功能，例如解釋惡意軟件和快速分類網(wǎng)站。但在短期內(nèi)，企業(yè)很可能看到，黑客利用生成式

AI的特長來生成惡意代碼或編寫完美的網(wǎng)絡(luò)釣魚電子郵件。20生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略基礎(chǔ)模型需要大量精心組織的數(shù)據(jù)來學(xué)習(xí)，因此，破解數(shù)據(jù)挑戰(zhàn)已成為每家企業(yè)的當(dāng)務(wù)之急企業(yè)需要采用一種戰(zhàn)略性、規(guī)范化的方法，獲取、開發(fā)、提煉、保護(hù)和部署數(shù)據(jù)。應(yīng)依托云環(huán)境構(gòu)建現(xiàn)代化的企業(yè)數(shù)據(jù)平臺，其中包含一組可信賴、可重復(fù)使用的數(shù)據(jù)產(chǎn)品。憑借此類平臺的跨職能特征、企業(yè)級的分析工具，以及將數(shù)據(jù)存儲在云端倉庫或數(shù)據(jù)湖當(dāng)中，數(shù)據(jù)能夠擺脫組織孤島的束縛，在整個(gè)企業(yè)中普遍使用。隨后，企業(yè)可以在某一地點(diǎn)或通過分布式計(jì)算策略（如數(shù)據(jù)網(wǎng)格），統(tǒng)一分析所有業(yè)務(wù)數(shù)據(jù)。定義數(shù)據(jù)基礎(chǔ)評估數(shù)據(jù)可用性評估數(shù)據(jù)的安全要求和隱私分類數(shù)據(jù)應(yīng)用需要的數(shù)據(jù)類型評估數(shù)據(jù)的可用性數(shù)據(jù)的真實(shí)性環(huán)境準(zhǔn)備明確數(shù)據(jù)要求數(shù)據(jù)質(zhì)量評估數(shù)據(jù)的完整性定制模型確認(rèn)各類數(shù)據(jù)源數(shù)據(jù)合規(guī)要求應(yīng)用價(jià)值數(shù)據(jù)量與存儲方式圖

9：數(shù)據(jù)準(zhǔn)備過程來源：埃森哲研究21生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略生成式

AI時(shí)代下的數(shù)據(jù)風(fēng)險(xiǎn)同樣需要引起重視越來越多的企業(yè)已開始積極探索相關(guān)應(yīng)用，以期提升創(chuàng)新效率、實(shí)現(xiàn)高質(zhì)增長。然而生成式

AI應(yīng)用的風(fēng)險(xiǎn)貫穿于模型設(shè)計(jì)、搭建、使用各個(gè)階段，并會(huì)產(chǎn)生長遠(yuǎn)的效應(yīng)。010203比如，生成式

AI基于學(xué)習(xí)需要而對用戶數(shù)據(jù)的留存、分析是否侵犯了個(gè)人和商業(yè)隱私，以及相關(guān)數(shù)據(jù)保護(hù)法案；生成式

AI的運(yùn)作核心是機(jī)器學(xué)習(xí)，其另一方面，某些群體特質(zhì)也會(huì)使生成式

AI為其打上固化標(biāo)簽，“一刀切”地去價(jià)值與數(shù)據(jù)的質(zhì)量和真實(shí)性密切相關(guān)，如果一臺基礎(chǔ)模型長期浸染在存有偏差的數(shù)據(jù)當(dāng)中，它就會(huì)被這些數(shù)據(jù)“誘導(dǎo)”，從而輸出錯(cuò)誤的信息或執(zhí)行歧視性操作；執(zhí)行某些程序，而失去了應(yīng)有的公平性。22生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略數(shù)據(jù)安全是構(gòu)建生成式

AI能力的關(guān)鍵保護(hù)存儲中的數(shù)據(jù)保護(hù)使用中的數(shù)據(jù)?

身份認(rèn)證Amazon

KMS：?

隔離環(huán)境?

多方協(xié)作?

數(shù)據(jù)共享實(shí)施安全密鑰管理Amazon

con?g,

Amazon

Security

hub：靜態(tài)數(shù)據(jù)保護(hù)自動(dòng)化保護(hù)傳輸中的數(shù)據(jù)Amazon

IAM,

Amazon

S3

Versioning：?

跨區(qū)域之間的傳輸實(shí)施訪問控制?

VPC內(nèi)部以及

VPC之間的傳輸?

遷移上云的過程中Amazon

System

Manager,

Amazon

CloudTrail：?

TLS1.2+AES256利用機(jī)制限制數(shù)據(jù)訪問23生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略AmazonBedrock確保生成式

AI應(yīng)用過程中的數(shù)據(jù)隱私和安全Amazon

Bedrock

讓您始終掌控私域數(shù)據(jù)?

客戶數(shù)據(jù)不會(huì)用于改進(jìn)

AmazonTitan模型，也不會(huì)與其他的基礎(chǔ)模型?

在與應(yīng)用程序集成時(shí)，您可以使用

AmazonCloudTrail監(jiān)控

API活動(dòng)提供商共享并解決問題?

客戶的數(shù)據(jù)（包括提示詞、生成的內(nèi)容、微調(diào)后的模型

)均會(huì)保存在創(chuàng)建它們的區(qū)域?

微調(diào)（自定義）模型使用客戶

KMS/CMK

密鑰進(jìn)行加密和存儲。

或者只有您可以訪問您的自定義模型?

支持亞馬遜云科技

PrivateLink，以便您使用

VPC端點(diǎn)在虛擬私有云?

在微調(diào)任務(wù)中支持

VPC的設(shè)置（VPC）和

AmazonBedrock服務(wù)之間建立私有連接?

客戶數(shù)據(jù)在傳輸過程中始終使用

TLS1.2進(jìn)行加密，靜態(tài)數(shù)據(jù)始終使用服務(wù)托管密鑰進(jìn)行加密?

與

亞馬遜云科技

身份和訪問管理服務(wù)（IAM）集成，以管理推理訪問、拒絕特定模型的訪問并啟用控制臺訪問24生成式

AI時(shí)代下的數(shù)據(jù)戰(zhàn)略關(guān)鍵點(diǎn)之三：驅(qū)動(dòng)數(shù)據(jù)管理，打造最佳實(shí)踐生成式

AI幫助自動(dòng)化數(shù)據(jù)管理手動(dòng)流程，并確保所生成輸出的準(zhǔn)確性。將智能嵌入數(shù)據(jù)治理將提高數(shù)據(jù)使用者的整體生產(chǎn)力數(shù)據(jù)源數(shù)據(jù)集成數(shù)據(jù)數(shù)據(jù)消費(fèi)批處理結(jié)構(gòu)化非結(jié)構(gòu)化AL/MLMFT實(shí)時(shí)內(nèi)部系統(tǒng)建模外部系統(tǒng)數(shù)據(jù)報(bào)告準(zhǔn)實(shí)時(shí)第三方數(shù)據(jù)集成非結(jié)構(gòu)化信息數(shù)據(jù)治理與管理自助服務(wù)生成式用例生成式用例生成式用例?

源數(shù)據(jù)

/系統(tǒng)分析?

代碼開發(fā)

/測試?

代碼管理?

元數(shù)據(jù)管理?

數(shù)據(jù)管理組織、制?

數(shù)據(jù)資產(chǎn)目錄?

數(shù)據(jù)標(biāo)準(zhǔn)?

數(shù)據(jù)生命周期管理?

主數(shù)據(jù)管理?

人工智能

-訪問管理?

查詢開發(fā)?

豐富數(shù)據(jù)目錄?

數(shù)據(jù)隱私保護(hù)?

數(shù)據(jù)治理工具度、流程?

數(shù)據(jù)安全合規(guī)?

數(shù)據(jù)質(zhì)量圖

10：生成式

AI在數(shù)據(jù)管理流程中的應(yīng)用來源：埃森哲研究25生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略通過生成式

AI驅(qū)動(dòng)數(shù)據(jù)管理，能夠：?

優(yōu)化分析和洞察，為數(shù)據(jù)驅(qū)動(dòng)型決策提供支持?

通過數(shù)據(jù)民主化、協(xié)作和素養(yǎng)實(shí)現(xiàn)業(yè)務(wù)運(yùn)營?

通過一致性在整個(gè)組織內(nèi)實(shí)現(xiàn)適合用途的數(shù)據(jù)使用情況?

支持?jǐn)?shù)據(jù)隱私工作，以實(shí)現(xiàn)消費(fèi)者隱私和法規(guī)遵從性生成式

AI將在多方面賦能數(shù)據(jù)管理工作，助力企業(yè)實(shí)現(xiàn)數(shù)據(jù)管理目標(biāo)主動(dòng)元數(shù)據(jù)管理變革管理通過使用算法訓(xùn)練與業(yè)務(wù)文檔和元數(shù)據(jù)相匹配，加速數(shù)據(jù)目錄的開發(fā)，提高數(shù)據(jù)的查找和解釋能力。創(chuàng)建通信內(nèi)容，減少內(nèi)容創(chuàng)建時(shí)間，部署聊天機(jī)器人以提供幫助，優(yōu)化利益相關(guān)者、培訓(xùn)和需求管理。數(shù)據(jù)質(zhì)量可信數(shù)據(jù)隱私與保護(hù)識別、總結(jié)和糾正數(shù)據(jù)質(zhì)量問題。基于監(jiān)管要求、國家法規(guī)的指導(dǎo)，提出政策建議，數(shù)據(jù)訪問控制和限制程序，確保數(shù)據(jù)安全和數(shù)據(jù)分類合規(guī)。主數(shù)據(jù)管理創(chuàng)建數(shù)據(jù)質(zhì)量規(guī)則，幫助標(biāo)準(zhǔn)化和合并記錄，并優(yōu)化匹配規(guī)則以創(chuàng)建“黃金記錄”。數(shù)據(jù)生命周期管理部署數(shù)據(jù)創(chuàng)建、存儲和備份技術(shù)以支持?jǐn)?shù)據(jù)生命周期管理，制定存檔策略，并主動(dòng)識別需要存檔或處置的數(shù)據(jù)。運(yùn)營模型基于角色的活動(dòng)識別和支持?jǐn)?shù)據(jù)所有者和數(shù)據(jù)監(jiān)管者，并定義數(shù)據(jù)治理角色和責(zé)任。工具增強(qiáng)提升數(shù)據(jù)治理工具的搜索功能，與企業(yè)資產(chǎn)進(jìn)行連接，并分析工具間的差距。政策與工作流程提供數(shù)據(jù)治理最佳實(shí)踐建議，幫助起草和解釋與政策相關(guān)的內(nèi)容，并優(yōu)化數(shù)據(jù)工作流程。26生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略場景舉例應(yīng)用結(jié)果主動(dòng)元數(shù)據(jù)管理數(shù)據(jù)目錄內(nèi)容創(chuàng)建生成式人工智能通過“業(yè)務(wù)文檔”查找和編譯常見術(shù)語和定義，以添加到數(shù)據(jù)目錄中?？焖佟⒏咝У靥峁┬袠I(yè)特定的術(shù)語。數(shù)據(jù)可信數(shù)據(jù)質(zhì)量問題唯一標(biāo)識符識別數(shù)據(jù)監(jiān)管者識別工作流程自動(dòng)化數(shù)據(jù)監(jiān)管內(nèi)容創(chuàng)建安全協(xié)議分析生成式人工智能通過客戶情感反饋或幫助臺日志查找和總結(jié)數(shù)據(jù)質(zhì)量問題的示例。糾正并提高數(shù)據(jù)的適用性和質(zhì)量。公司將客戶數(shù)據(jù)存儲在多個(gè)系統(tǒng)中，難以識別唯一標(biāo)識符以合并客戶記錄。生成式人工智能模型在所有系統(tǒng)中訓(xùn)練客戶數(shù)據(jù)，以識別最佳指標(biāo)以掌握客戶記錄。更高的數(shù)據(jù)記錄掌握準(zhǔn)確率，從而實(shí)現(xiàn)更準(zhǔn)確的營銷目標(biāo)定位。主數(shù)據(jù)管理將生成式人工智能工具集成到數(shù)據(jù)管理系統(tǒng)中，以分析基于角色的活動(dòng)，從而識別數(shù)據(jù)所有者和數(shù)據(jù)監(jiān)管者。運(yùn)營模型數(shù)據(jù)監(jiān)管者識別有助于確立數(shù)據(jù)所有權(quán)?？s短處理時(shí)間，減少錯(cuò)誤，提高效率并實(shí)現(xiàn)成數(shù)據(jù)監(jiān)管者使用生成式人工智能從政策文件中提取結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，用于自動(dòng)化工作流程。政策與工作流程本節(jié)約。減少數(shù)據(jù)監(jiān)管內(nèi)容創(chuàng)建時(shí)間，通過虛擬培訓(xùn)實(shí)現(xiàn)成本節(jié)約。變革管理數(shù)據(jù)管家使用生成式人工智能創(chuàng)建數(shù)據(jù)監(jiān)督管理培訓(xùn)議程和材料，并進(jìn)行培訓(xùn)。一家公司最近遭受了安全漏洞，并決心防止再次發(fā)生。生成式人工智能獲得了公司現(xiàn)有安全協(xié)議的訪問權(quán)限，以分析可能被利用的弱點(diǎn)，并提供解決這些弱點(diǎn)的建議清單。數(shù)據(jù)隱私與保護(hù)數(shù)據(jù)生命周期管理工具增強(qiáng)有效地減少未來發(fā)生安全漏洞的可能性。減少由于不良協(xié)議導(dǎo)致的重要數(shù)據(jù)災(zāi)難性喪失的風(fēng)險(xiǎn)。通過消除與冗余存儲設(shè)備相關(guān)的維護(hù)成本，實(shí)現(xiàn)成本節(jié)約。生成式人工智能工具獲得了公司的數(shù)據(jù)存儲和備份協(xié)議的訪問權(quán)限，分析了現(xiàn)有技術(shù)并發(fā)現(xiàn)了一些改進(jìn)的方面，例如冗余存儲設(shè)備和不頻繁的備份。然后編制了一份改進(jìn)存儲實(shí)踐的建議清單。數(shù)據(jù)存儲實(shí)踐IT部門將生成式人工智能集成到其數(shù)據(jù)治理工具中，并繼續(xù)優(yōu)化生成式人工智能的訓(xùn)練數(shù)據(jù)以提企業(yè)資產(chǎn)互操作性改善數(shù)據(jù)治理資產(chǎn)的整合程度。高性能。圖

11：生成式

AI數(shù)據(jù)管理應(yīng)用最佳實(shí)踐來源：埃森哲研究27生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略圖

12：貫穿生成式

AI全周期的數(shù)據(jù)治理存儲

&查詢行用

&應(yīng)用DATA

SOURCESIOT

/DEVICESFORAPPLICATIONSFORANALYTICS

&MLAmazonAuroraAmazonDynamoDBAmazonKinesisAmazonMSKDataWarehouseAmazonRedshiftMACHINELEARNINGAmazonSageMakerPEOPLEAPPSAPP/LOGSDataLakeGENERATIVEAIAmazonS3AmazonBedrock3RDPARTY

DATADEVICESBigDataBUSINESSINTELLIGENCEAmazonQuickSightAmazonEMR編目治理AmazonLake

FormationAmazonDataZone來源：亞馬遜云科技，埃森哲整理亞馬遜云科技提供了貫穿生成式

AI全周期的數(shù)據(jù)治理，從數(shù)據(jù)源的獲取到數(shù)據(jù)的存儲和查詢，再到將數(shù)據(jù)傳輸給

AI平臺進(jìn)行模型的訓(xùn)練、調(diào)優(yōu)和推理，以及全面實(shí)施數(shù)據(jù)分類和治理。通過提供一整套的解決方案、產(chǎn)品服務(wù)和實(shí)踐，全面保護(hù)存儲中、傳輸中以及使用中的數(shù)據(jù)。AmazonLakeFormation服務(wù)支持統(tǒng)一的數(shù)據(jù)使用、保護(hù)、共享、審計(jì)和治理，用于一站式構(gòu)建、管理和監(jiān)控安全可靠的數(shù)據(jù)湖。28生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略圖

13：通過

AmazonLakeFormation簡化安全管理AmazonRedshiftAmazonEMRAmazonAthenaDatalakeadminLakeFormationAccesscontrolAWS

GlueDataCatalogDatalake來源：亞馬遜云科技、埃森哲研究Amazon

OpenSearch服務(wù)、Amazon

Aurora

PostgreSQL和

Amazon

RDS

for

PostgreSQL提供向量數(shù)據(jù)庫功能?？蛻艨梢允褂眠@些功能來存儲和搜索其機(jī)器翻譯和生成式

AI應(yīng)用中使用的嵌入。實(shí)現(xiàn)將向量與數(shù)據(jù)同地放置，可以更輕松地連接數(shù)據(jù)并減少數(shù)據(jù)重復(fù)。應(yīng)用

AmazonOpenSearchServerless，客戶也無需擔(dān)心單獨(dú)數(shù)據(jù)庫的維護(hù)、版本控制和許可問題。29生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略關(guān)鍵點(diǎn)之四：重構(gòu)基礎(chǔ)設(shè)施，實(shí)現(xiàn)高效運(yùn)營為了充分利用大語言模型和生成式

AI，企業(yè)應(yīng)認(rèn)真考慮所需的數(shù)據(jù)基礎(chǔ)設(shè)施和運(yùn)營模式，同時(shí)密切關(guān)注成本和可持續(xù)能源消耗能力提升：成本降低：?

利用云的彈性及時(shí)響應(yīng)對數(shù)據(jù)處理的需求，提供強(qiáng)大處理能力及無限擴(kuò)展性?

擺脫傳統(tǒng)平臺束縛，更容易打破數(shù)據(jù)孤島，重塑數(shù)據(jù)架構(gòu)?

自動(dòng)化的數(shù)據(jù)集成，零代碼、高可用?

降低數(shù)據(jù)中心建設(shè)投入成本?

降低數(shù)據(jù)庫遷移成本及運(yùn)維費(fèi)用?

降低數(shù)據(jù)分析平臺構(gòu)建、使用及維護(hù)費(fèi)用?

降低

ETL成本?

自助式的數(shù)據(jù)訪問服務(wù)，隨時(shí)滿足業(yè)務(wù)人員的數(shù)據(jù)獲取需求?

標(biāo)準(zhǔn)化的機(jī)器學(xué)習(xí)，使業(yè)務(wù)分析師更易掌握和使用，實(shí)現(xiàn)快速賦能?

節(jié)省數(shù)據(jù)安全費(fèi)用面向生成式

AI時(shí)代，企業(yè)大數(shù)據(jù)平臺面臨的實(shí)際問題“用數(shù)據(jù)看數(shù)據(jù)”“用數(shù)據(jù)管數(shù)據(jù)”數(shù)據(jù)驅(qū)動(dòng)的大數(shù)據(jù)平臺智慧運(yùn)營解決方案數(shù)據(jù)成本急劇上升節(jié)能減排需求迫切識別高價(jià)值的數(shù)據(jù)資產(chǎn)實(shí)現(xiàn)高效率的資源分配成本管理意識缺失冗余資源治理困難30生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略亞馬遜云科技為生成式

AI大模型訓(xùn)練提供高性能計(jì)算基礎(chǔ)架構(gòu)

–GPUAmazon

EC2

P4d/P4de

實(shí)例Amazon

EC2

P4d/P4deAmazon

EC2

G5實(shí)例實(shí)例由

NVIDIAH100Tensor

CoreGPU提供動(dòng)力與上一代基于

GPU

的實(shí)例相比，速度快

6

倍，訓(xùn)練成本節(jié)省

40%由

NVIDIAA100Tensor

CoreGPU提供動(dòng)力與上一代P3/P3dn實(shí)例相比，速度提高2.5倍，訓(xùn)練成本降低

60%。由

NVIDIAA10GTensor

CoreGPU提供動(dòng)力與上一代

G4dn實(shí)例相比，性能提高

3.3

倍31生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略專為生成式

AI而構(gòu)建的加速器Amazon

TrainiumAmazon

Trainium50%40%與

AmazonEC2

實(shí)例相比，訓(xùn)練成本可節(jié)省高達(dá)與

AmazonEC2

實(shí)例相比，具有高達(dá)的價(jià)格性能優(yōu)勢檢索增強(qiáng)生成

(RAG)

需要向量數(shù)據(jù)庫的支持檢索增強(qiáng)生成（Retrieval-AugmentedGeneration,RAG）需要向量數(shù)據(jù)庫的支持，因?yàn)樗蕾囉谟行У貦z索和處理大量的數(shù)據(jù)點(diǎn)。在

RAG

中，生成式模型（如文本或語音生成模型）與信息檢索系統(tǒng)相結(jié)合，以提高輸出的相關(guān)性和準(zhǔn)確性。企業(yè)構(gòu)建的向量數(shù)據(jù)庫需要滿足：AMAZONOPENSEARCHSERVICE?

高效的數(shù)據(jù)檢索：能夠存儲數(shù)十億個(gè)向量嵌入，并能夠快速實(shí)現(xiàn)向量搜索?

可擴(kuò)展性和高可用性：應(yīng)對大量查詢和數(shù)據(jù)更新?

易于管理和配置：需要配置、管理和擴(kuò)展集群AMAZONAURORAPOSTGRESQL?

技能儲備：企業(yè)人員需要專門的資源或?qū)I(yè)知識因此，對于實(shí)現(xiàn)高效的檢索增強(qiáng)生成系統(tǒng)，選擇合適的向量數(shù)據(jù)庫是一個(gè)關(guān)鍵的考量因素，它直接影響了系統(tǒng)的性能、準(zhǔn)確性和可靠性。AmazonBedrockKnowledgeBase原生支持檢索增強(qiáng)生成

RAG，能夠自動(dòng)將文本文檔轉(zhuǎn)換為嵌入內(nèi)容，將嵌入存儲在向量數(shù)據(jù)庫中，檢索嵌入并增強(qiáng)提示。AmazonBedrockKnowledgeBase支持多種向量數(shù)據(jù)庫，包括

AmazonOpenSearchServerless向量引擎，RedisEnterpriseCloud以及

Pinecone等。AMAZONRDSFORPOSTGRESQL32生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略重新定義生成式

AI時(shí)代的基礎(chǔ)設(shè)施Amazon

SageMaker

是通過完全托管的基礎(chǔ)設(shè)施、工具和工作流程為能夠?qū)⒂?xùn)練基礎(chǔ)模型的時(shí)間縮短高達(dá)

40%，能夠簡化大型訓(xùn)練集群的分布式訓(xùn)練，消除干擾的彈性訓(xùn)練環(huán)境，并對集群計(jì)算、內(nèi)存和網(wǎng)絡(luò)資源實(shí)現(xiàn)優(yōu)化利用。Amazon

SageMaker

Inference

Optimization

基礎(chǔ)模型部署成本平均降低高達(dá)

50%，延遲平均降低

20%。任何用例構(gòu)建、訓(xùn)練和部署機(jī)器學(xué)習(xí)模型。面向生成式

AI的應(yīng)用開發(fā)及數(shù)據(jù)管理，Amazon

SageMaker

HyperPodAmazon

SageMaker

JumpStart：適用于SageMaker的機(jī)器學(xué)習(xí)中心，瀏覽約

400個(gè)內(nèi)容，包括帶有預(yù)先訓(xùn)練模型的內(nèi)置算法、（新增）基礎(chǔ)模型、解決方案Notebook腳本示例輕松訪問機(jī)器學(xué)習(xí)資產(chǎn)，并快速將機(jī)器學(xué)習(xí)應(yīng)用程序推向市場模板和在組織內(nèi)共享和協(xié)作與組織內(nèi)部其他人共享模型和筆記本電腦，并允許他們使用自己的數(shù)據(jù)進(jìn)行訓(xùn)練，或按原樣部署，便于推理UI

以及基于

API

的機(jī)器學(xué)習(xí)

,

使用

UI，即可單擊模型部署，或?qū)?/p>

API用于基于

PythonSDK的工作流帶有示例的

Notebook，JumpStart支持您跳轉(zhuǎn)到

Notebook開發(fā)環(huán)境，使用選定模型和示例，指導(dǎo)客戶完成整個(gè)機(jī)器學(xué)習(xí)工作流預(yù)構(gòu)建的訓(xùn)練和推理腳本

,

與

SageMaker兼容，可使用自定義數(shù)據(jù)集進(jìn)行配置AmazonSageMaker其他創(chuàng)新推理訓(xùn)練機(jī)器學(xué)習(xí)運(yùn)維

MLOps加速器優(yōu)化智能數(shù)據(jù)篩選集成開發(fā)環(huán)境

IDE用于構(gòu)建

SageMakerPipelines的新

SDK體驗(yàn)全新大型模型推理容器SageMakerStudio筆記本自動(dòng)化負(fù)載感知推理路由全新的

SageMakerStudio體驗(yàn)和功能33生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略03埃森哲攜手亞馬遜云科技，助力企業(yè)解鎖生成式

AI價(jià)值34生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略助力企業(yè)重塑數(shù)據(jù)戰(zhàn)略，賦能

AI加速釋放潛力新戰(zhàn)略，新技術(shù)，新方式近期，埃森哲宣布將在人工智能領(lǐng)域投資

30億美元，12

推動(dòng)企業(yè)全面重塑。埃森哲將升級數(shù)據(jù)和人工智能業(yè)務(wù)，整合資源和能力為客戶創(chuàng)建行業(yè)特定的解決方案，助其更好地發(fā)揮人工智能潛力，重塑戰(zhàn)略、技術(shù)和工作方式，以負(fù)責(zé)任的方式加速創(chuàng)新和價(jià)值實(shí)現(xiàn)。打造互聯(lián)互通的用戶和員工體驗(yàn)。通過人工智能對話、生成預(yù)測性洞察和構(gòu)建全渠道旅程，大規(guī)模打造差異化的用戶體驗(yàn)。埃森哲將利用生成式AI，拓展客戶中心的能力，借助

AmazonConnect、AmazonLex、AmazonKendra等亞馬遜云科技產(chǎn)品與服務(wù)，賦能坐席代理，從而推動(dòng)用戶服務(wù)體驗(yàn)的改善。此外，埃森哲和亞馬遜云科技還將聚焦員工助手等預(yù)裝加速器，使內(nèi)部用戶能夠更安全地使用生成式

AI。作為該項(xiàng)戰(zhàn)略的一部分，埃森哲將與亞馬遜云科技攜手，幫助客戶使用

Amazon

Anthropic

Claude、Amazon

Titan

等

先

進(jìn)

的

基

礎(chǔ)

模

型，

部

署Amazon

Bedrock、Amazon

SageMaker等行業(yè)領(lǐng)先技術(shù)，以及其他亞馬遜云科技的機(jī)器學(xué)習(xí)技術(shù)。埃森哲將通過招聘、收購、培訓(xùn)和認(rèn)證等方式，提高全球團(tuán)隊(duì)的亞馬遜云科技的技能水平、擴(kuò)大人才規(guī)模，從而更好地幫助客戶充分挖掘基于云的生成式

AI潛力。12

埃森哲宣布在人工智能領(lǐng)域投資

30億美元，埃森哲，2023，/cn-zh/about/newsroom/company-news-release-invest-3-billion-in-ai35生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略亞馬遜云科技面向生成式

AI提供了多維度、全流程、全棧式的支撐能力多維度亞馬遜云科技系列產(chǎn)品從數(shù)據(jù)、模型、安全、基礎(chǔ)設(shè)施四個(gè)維度為生成式

AI應(yīng)用提供支撐。數(shù)據(jù)模型AmazonS3,AmazonRedshift,AmazonGlue,AmazonEMRAmazonBedrock,AmazonSagemakerJumpStart安全基礎(chǔ)設(shè)施AmazonIAM,AmazonKMS,AmazonSecurityHub,AmazonCloudTrailAmazonEC2

instances,AmazonTrainium,AmazonInferentia36生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略數(shù)據(jù)：?

AmazonS3和

Redshift為生成式

AI應(yīng)用提供對結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)簡單、靈活的存儲和管理，能夠適應(yīng)大型數(shù)據(jù)集和高

I/O

需求?

AmazonGlue和

EMR等數(shù)據(jù)處理和轉(zhuǎn)換工具，使生成式

AI應(yīng)用能夠輕松準(zhǔn)備、清洗、轉(zhuǎn)換和使用數(shù)據(jù)模型：?

從

AI21Labs，Anthropic，StabilityAI，Cohere以及亞馬遜云科技中為您的具體需求場景來挑選合適的基礎(chǔ)模型?

使用您企業(yè)內(nèi)部的數(shù)據(jù)來私有化定制您專屬的基礎(chǔ)模型安全：?

亞馬遜云科技安全服務(wù)為

AI模型數(shù)據(jù)和推斷提供了高度的保護(hù)和隱私合規(guī)性?

使用您企業(yè)內(nèi)部的數(shù)據(jù)來私有化定制專屬的基礎(chǔ)模型基礎(chǔ)設(shè)施：?

生成式

AI模型需要大量的計(jì)算資源。亞馬遜云科技提供基于

GPU的EC2

實(shí)例可以根據(jù)負(fù)載快速擴(kuò)縮容?

亞馬遜云科技的

Trainium

為深度學(xué)習(xí)訓(xùn)練提供了成本效益高的解決方案，而

Inferentia確保了高吞吐量和低延遲的模型推斷性能。37生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略全流程構(gòu)建生成式

AI應(yīng)用程序需要多種類型的能力支撐，亞馬遜云科技的構(gòu)建基塊為生成式

AI應(yīng)用程序開發(fā)提供了全流程的產(chǎn)品與服務(wù)，能夠快速構(gòu)建高度智能化的生成式

AI應(yīng)用程序。不僅提供了強(qiáng)大的技術(shù)支持，還簡化了開發(fā)過程，幫助開發(fā)者更好地開發(fā)應(yīng)用，挖掘生成式

AI的潛力。前端（用戶

/應(yīng)用

/設(shè)備）代碼文本應(yīng)用程序微服務(wù)無服務(wù)器關(guān)系型數(shù)據(jù)庫NoSQL云原生數(shù)據(jù)庫AIMLDL圖片機(jī)器學(xué)習(xí)推理前端業(yè)務(wù)應(yīng)用Generative

AI機(jī)器學(xué)習(xí)訓(xùn)練后端運(yùn)營平臺視頻數(shù)據(jù)倉庫數(shù)據(jù)湖流式數(shù)據(jù)實(shí)時(shí)數(shù)倉語音其他后端（數(shù)據(jù)源）圖

14：生成式

AI應(yīng)用程序的構(gòu)建架構(gòu)來源：亞馬遜云科技，埃森哲整理38生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略全棧式亞馬遜云科技提供了面向生成式

AI綜合而強(qiáng)大的全技術(shù)棧，為其用戶提供了豐富的智能化服務(wù)和功能，推動(dòng)企業(yè)應(yīng)用生成式

AI所帶來的業(yè)務(wù)增長和創(chuàng)新。GenerativeAIScaling

Generative

AlAmazon

BuiltAmazonBedrockFoundation

ModelAmazonTitanSpecializedAIServicesBusiness

ProcessesAmazonPersonaliseAmazonForecastAmazonFraudDetectorAmazonLookoutforMetricsSearchConversationAmazonLexContactLensVoke

IDCode

+

DevopsAmazonCodeGuruAmazonCode-WhispererIndustrialHealthAmazonKendraAmazonTitanAmazonMonitronAmazonLookoutfor

EquipmentAmazonLookoutfor

VisionAmazonHealthLakeAmazonTranscribeComprehendMedicalAIServicesAmazonTranscribeCallAnalyticsAmazonDevOpsGuruAmazonOmicsCoreTextAmazonSearchAmazonTranscribeIVisionAmazonRekognitionAWSAmazonTranslateComprehendAmazonPollyAmazonTextractPanoramaStudio

IDEJumpstartUsepre-builtmodelsinCanvasStudio

LabGround

TruthLabeldataPreparedataStorefeaturesGeospatialMLBuildwithnotebooksTrain

modelsDeployinAmazonSagemakerNo-codeMLforbusinessanalystsLearnMLTuneProductionManageandmonitorparametersSageMakerCI/CD

|

Governance

|

Responsible

MLMLFrameworks&InfrastructurePyTorch,

TensorFlowAmazonEC2CPUsGPUsAWS

InferentiaAWS

TrainiumHabanaGaudiFPGA圖

15：亞馬遜云科技

Stackfor

EmergingGen-AI(Product/Technical-solutionperspective)來源：亞馬遜云科技，埃森哲整理39生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略04業(yè)界探索實(shí)踐40生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略生成式

AI為各行各業(yè)帶來了前所未有的機(jī)遇，各大企業(yè)正在優(yōu)化和完善新的數(shù)據(jù)戰(zhàn)略，為生成式

AI

技術(shù)的應(yīng)用提供堅(jiān)實(shí)基礎(chǔ)。結(jié)合生成式

AI

技術(shù)，企業(yè)在工業(yè)設(shè)計(jì)、知識庫構(gòu)建、代碼開發(fā)、郵件處理以及流程優(yōu)化等領(lǐng)域進(jìn)行全面創(chuàng)新，以提高整體運(yùn)營效率。企業(yè)的積極探索正在證明，結(jié)合生成式AI的數(shù)據(jù)戰(zhàn)略，能夠有效助力企業(yè)實(shí)現(xiàn)更加智能、高效的運(yùn)營管理，為業(yè)務(wù)發(fā)展帶來全新的解決方案。海爾創(chuàng)新設(shè)計(jì)中心打造中國首個(gè)

AIGC工業(yè)設(shè)計(jì)解決方案0102海爾創(chuàng)新設(shè)計(jì)中心目前擁有

400

多名設(shè)計(jì)師，為海爾智家旗下七大品牌全球的所有產(chǎn)品提供設(shè)計(jì)創(chuàng)新和模式探索。2023

年，海爾設(shè)計(jì)著手立項(xiàng)，邀請亞馬遜云科技與

Nolibox

協(xié)作，量身打造了工業(yè)設(shè)計(jì)

AIGC

解決方案。Nolibox交付了完整的

AIGC工業(yè)設(shè)計(jì)解決方案：包括符合品牌調(diào)性的不同設(shè)計(jì)品類繪畫大模型、面向設(shè)計(jì)師等業(yè)務(wù)人員的

“AIGC

無限畫板”、AI

繪畫大模型在線訓(xùn)練和管理能力、以及根據(jù)用戶用量調(diào)度的彈性算力架構(gòu)等。方案支持在線的模型訓(xùn)練，并支持設(shè)計(jì)概念生成、設(shè)計(jì)融合智能輔助、概念聚焦智能輔助、概念精細(xì)化智能調(diào)整等功能。方案對客戶的產(chǎn)品、場景、概念、模型等數(shù)字內(nèi)容進(jìn)行在線管理，將

AIGC

有效地應(yīng)用于工業(yè)設(shè)計(jì)的概念創(chuàng)意階段。海爾設(shè)計(jì)將

AIGC

解決方案引入到產(chǎn)品設(shè)計(jì)，UI

設(shè)計(jì)，CMF

設(shè)計(jì)，品牌設(shè)計(jì)等環(huán)節(jié)，涵蓋了新品設(shè)計(jì)、改款升級、渠道定制化等工業(yè)設(shè)計(jì)的業(yè)務(wù)場景。從

2023年初正式立項(xiàng)，到如今，該方案已經(jīng)初步完成交付，是目前已知的全國首個(gè)結(jié)合實(shí)際業(yè)務(wù)場景落地的

AIGC工業(yè)設(shè)計(jì)企業(yè)級解決方案。參考鏈接：/en/customer-stories/manufacturing/haiernolibox/41生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略西門子攜手亞馬遜云科技構(gòu)建企業(yè)級智能知識庫應(yīng)用0103西門子中國大禹團(tuán)隊(duì)聚焦長期以來企業(yè)內(nèi)部資源的檢索和調(diào)用都存在結(jié)構(gòu)散亂、檢索速度慢、交互不便等問題，將大數(shù)據(jù)庫和生成式

AI

應(yīng)用于一個(gè)全新的“智能知識庫”，從根本上提升知識庫的可用性。大禹團(tuán)隊(duì)與亞馬遜云科技攜手，在亞馬遜云科技的技術(shù)支持下，開發(fā)了為西門子中國量身打造的以人工智能生成的方式進(jìn)行交互的智能聊天機(jī)器人。相對于傳統(tǒng)機(jī)器人，“小禹”智能會(huì)話機(jī)器人的回答內(nèi)容不僅生成速度更快，其對搜索關(guān)鍵詞的命中率也更高，整體使用體驗(yàn)遠(yuǎn)超傳統(tǒng)機(jī)器人。西門子中國專屬智能知識庫上線后，首周就有超過

4000位內(nèi)部用戶參與使用，超過

12000個(gè)問題被提出并解答。02通過“RAG

架構(gòu)

+向量數(shù)據(jù)庫”的設(shè)計(jì)，該解決方案指南具備自然語言處理能力、知識庫檢索能力、甚至是以數(shù)據(jù)去訓(xùn)練大語言模型的能力，這些核心關(guān)鍵能力讓解決方案指南能實(shí)現(xiàn)目標(biāo)知識庫約

80%

功能，西門子中國根據(jù)企業(yè)內(nèi)部需求再做

20%定制化開發(fā)，最終形成完整的解決方案。參考鏈接：/en/customer-stories/manufacturing/siemenschatbot/42生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略科思創(chuàng)基于

AmazonCodeWhisperer提升代碼開發(fā)效率01科思創(chuàng)中國針對其在日常開發(fā)的兩個(gè)核心任務(wù)：項(xiàng)目框架搭建和存量代碼優(yōu)化，利用

AmazonCodeWhisperer應(yīng)對重復(fù)性、機(jī)械化的范式生成、慣用算法引用和企業(yè)級

API

接口定制的問題，將日常代碼開發(fā)效率和開源代碼應(yīng)用追蹤器的準(zhǔn)確性顯著提高，在構(gòu)建云原生產(chǎn)品應(yīng)用的過程中起到了重要作用。02針對日常代碼場景，相較手動(dòng)查詢

API文檔，效率提升高至

50%。在開源代碼引用方面，能即刻獲得來自開源項(xiàng)目平臺

Github的引用參考。43生成式

AI

時(shí)代下的數(shù)據(jù)戰(zhàn)略全球知名跨國銀行通過生成式

AI減少交易后電子郵件數(shù)量，提高效率和客戶滿意度0103一家跨國銀行每天需要處理和回復(fù)成千上萬封客戶電子郵件，涉及結(jié)算、生成式

AI解決方案將使銀行能夠快速、經(jīng)濟(jì)高效地?cái)U(kuò)大業(yè)務(wù)規(guī)模，而無資產(chǎn)服務(wù)和交易對賬等一項(xiàng)龐大而且需要大量手動(dòng)干預(yù)的工作。為了應(yīng)對這一挑戰(zhàn)，該銀行采用了生成式

AI解決方案，其設(shè)計(jì)初衷是審查、理解并自動(dòng)將成千上萬封電子郵件每日準(zhǔn)確地分發(fā)至相關(guān)團(tuán)隊(duì)。此外，該解決方案還能夠草擬高度準(zhǔn)確的回復(fù)，團(tuán)隊(duì)成員在發(fā)送給客戶之前可以快速審核這些回復(fù)。需增加人員數(shù)量。應(yīng)對不斷增長的處理成本是整個(gè)行業(yè)面臨的共同挑戰(zhàn)，而我們正在引領(lǐng)這一變革，借助生成式

AI來解決這一問題。02這一解決方案不僅減輕了一項(xiàng)重要但耗時(shí)的任務(wù)的單調(diào)性，也通過釋放員工的時(shí)間，使他們能夠?qū)Ｗ⒂诟袃r(jià)值的工作，提升了員工工作體驗(yàn)。同時(shí)，它加速了郵件回復(fù)的速度，確保客戶的疑慮始終得到確認(rèn)并得到準(zhǔn)確的回應(yīng)，