新一代人工智能革命正在重塑传统咨询的未来

新一代人工智能革命正在重塑传统咨询的未来

行业领导者正处于十字路口，从内部财务问题到人工智能进步带来的生存威胁；生成人工智能领域的挑战多种多样且复杂。企业如何在不断变化的海洋中航行将塑造他们的未来，并重新定义他们在超越传统模式的商业格局中日益扩大的角色。

作者：马克·米内维奇 | chnmc编译  来自： Fobes  点击： 1215次 日期：2024-04-27

行业领导者正处于十字路口，从内部财务问题到人工智能进步带来的生存威胁；生成人工智能领域的挑战多种多样且复杂。企业如何在不断变化的海洋中航行将塑造他们的未来，并重新定义他们在超越传统模式的商业格局中日益扩大的角色。

大型咨询公司的格局正在经历代际转变。战略误判和运营挑战导致财务紧张并威胁组织稳定性。对需求存在根本性的误判，导致企业的转型速度超过了他们想要适应和保持相关性的速度。

对麦肯锡等行业领先公司核心能力的批评正在加剧。人们担心顾问缺乏当今动荡市场所需的大量上市和损益经验。现实世界经验和结果驱动的方法的明显缺陷在涉及其价值主张时引起了一些怀疑。

此外，传统咨询模式面临着由 Gen AI (GPT-4) 等先进技术推动的人工智能技术的挑战。这些进步以令人难以置信的速度、效率和成本效益提供分析和战略规划服务。这就产生了一个问题，这些大型咨询公司是否必要或相关？

不断发展的公司结构，向敏捷和分散的组织转变，进一步挑战了既定的咨询模式。随着企业寻求专业精品型公司更直接、更负责任的指导，对大型咨询公司进行决策验证的依赖正在减弱。

目前，传统咨询公司对市场上人工智能的应用仍然处于领先

巨大而突然的变化带来了机遇：生成式人工智能咨询。福布斯撰稿人伯纳德·马尔 (Bernard Marr) 讨论了埃森哲在生成人工智能领域领先行业的 30 亿美元投资，强调了其强劲的财务业绩和该行业的潜在盈利能力。埃森哲单季度收入超过 6 亿美元，预计年收入高达 24 亿美元，目前已成为行业标准。

安永和毕马威等其他咨询公司也不甘落后。他们正在创造人工智能咨询领域的利基市场。安永专注于使用生成式人工智能作为变革加速器，而毕马威则通过用例优先级划分和治理政策制定为客户提供支持。

Quantiphi 等专业公司提供端到端的生成式人工智能咨询服务。这拓宽了老牌传统公司和新精品店的视野。这强调了生成式人工智能在战略决策、运营效率和数据驱动洞察方面的重要性。

生成式人工智能中的偏见给顾问带来的挑战

行业未来未知和不可预测的挑战给咨询行业中生成式人工智能的快速采用蒙上了阴影。其中一个挑战是对算法偏见的恐惧，这造成了重大的道德困境。生成人工智能的偏见带来了一系列危险，对个人和社会产生重大影响。主要风险之一是刻板印象的强化。如果数据中存在这些模式，经过大量数据集训练的生成式人工智能模型可能会无意中学习并延续有害的刻板印象。这可以影响各个领域，从媒体和广告到组织决策过程。

另一个危险是潜在的歧视和不平等。生成式人工智能的偏见可能会导致歧视性结果，正如一些面部识别系统所显示的那样，肤色较深的人的错误率更高。在其他应用程序中，例如自动内容生成，有偏见的输出可能会影响招聘决策、教育资源或法律建议，导致不同群体受到不平等待遇。

生成式人工智能也可能成为错误信息、歪曲事实和传播偏见的来源。这可能会误导公众，造成对现实的不完整或不正确的认知。假设用户意识到人工智能的偏见。在这种情况下，它将削弱对技术的信任，可能会危及组织实施该技术的愿望或能力，并且不希望与可能存在偏见的系统联系在一起。

道德和法律风险也很大。有偏见的生成式人工智能可能会导致道德问题和法律问题，因为如果组织的系统导致歧视性做法，它们可能会面临诉讼、监管处罚或声誉受损。反过来，这可能会对边缘化群体产生不成比例的影响，加剧现有的不平等，并限制他们获得工作机会、社会流动性和资源的机会。

应对这些挑战需要采取多方面的方法。开发人员和组织必须通过确保训练数据的多样性和代表性、进行偏见审计、让不同的利益相关者参与人工智能开发以及提高人工智能实践的透明度和可解释性来关注人工智能系统的公平性和包容性。通过正面解决偏见，生成式人工智能可以负责任地用于造福社会，而不会造成永久的歧视或伤害。

解决和预防数据安全风险

生成式人工智能的快速增长带来了重大的数据安全风险。由于咨询公司使用大量敏感数据来训练和部署人工智能模型，因此它们成为犯罪分子攻击数据存储、传输和处理漏洞的目标。为了应对这些风险，咨询公司需要制定一个全面的战略，重点关注深入的网络安全措施和遵守法规。

强大的数据加密至关重要。咨询公司必须确保使用行业标准方法对传输和存储的所有数据进行加密，以减少未经授权的访问和数据泄露。对于这种加密，严格的访问控制至关重要。公司必须确保只有授权人员才能访问敏感数据。他们必须安装和实施基于角色的多因素身份验证访问控制，并进行强制性定期审核。

基于数据治理政策的数据收集

数据治理政策应告知并定义数据的收集、存储、使用和共享方式。这些政策必须符合 GDPR 和 CCPA 等数据保护法。有关数据安全最佳实践（例如识别网络钓鱼攻击和使用安全密码）的员工培训计划至关重要。

每家公司都必须创建并不断更新其事件响应计划，以管理数据安全漏洞或网络攻击。这些必须包括遏制、调查、沟通和恢复步骤。应探索与外部网络安全专家的合作，因为他们可以提供不同的视角，帮助确保安全措施保持实用和最新。

尽管存在这些挑战，但业界对生成式人工智能的快速采用并不是没有越来越多地意识到负责任使用的重要性。通过正面承认和应对这些挑战，咨询公司可以利用生成式人工智能的变革潜力，同时恪守道德原则并确保其运营的安全性和完整性。驾驭这一新领域需要适应性、创新和对负责任实践的承诺。随着大型咨询公司在不断变化的环境中规划自己的未来，创造收入和创造战略优势的潜力是巨大的。这可能是人工智能领域咨询新时代的开始。