AI规模化：停止称其为创新，开始当作产品开发

大多数企业都有一个处理AI的团队，但很少有企业真正将AI完全运营化。从实验到企业级部署之间的差距，是许多组织止步不前的地方——它们不断循环于概念验证，却从未真正触及客户。当前正在发生的变化，是关于将AI作为产品交付的运营纪律。

施耐德电气首席AI官Philippe Rambach认为，成功规模化部署AI的公司，是那些将产品开发严谨性应用于AI的公司，包括门审查、组合管理和问责制团队。施耐德电气作为能源管理和工业自动化领域的全球领导者，其两大核心业务——能源管理技术和工业运营自动化——都围绕帮助客户提高效率、减少资源使用和碳密集型能源。

Rambach从零开始建立了公司的AI组织，其400人团队平均分配于将智能嵌入面向客户的产品和改善内部大规模运营。他强调，AI原生意味着AI是应用价值主张的完整组成部分，没有AI，产品要么没有价值，要么失去大部分价值。这是从“附加式”到“原生式”的转变，从“令人兴奋”到交付核心价值：帮助客户以更少的能源、更便宜的能源和更脱碳的能源运营。

在组织层面，Rambach设计了集线器-轮辐模型：每个解决方案始于业务部门拥有的业务案例，然后形成一个纯敏捷意义上的Scrum团队，包含AI专家、客户面向人员、IT集成、业务软件开发者、销售培训、定价等所有规模化部署所需资源。这个团队在证明技术可行性或交付一个概念验证后并不停下，而是直到解决方案投入生产并进入支持阶段才停止。在平台方面，为了在像施耐德这样的公司中以全速实现AI原生，不能有数千种不同的技术解决方案。他们建立了一个团队来定义和维护整个公司的单一核心技术集。目前，Databricks在这一平台中扮演关键角色，管理基础设施、数据和数据流，使他们能花更多时间处理业务逻辑和待解决问题。

Rambach强烈认为，公司应停止将AI视为创新，而应开始将其视为产品开发。这是最重要的转变。他们有一个像任何产品一样的过程，通过门审查，从构思、探索、孵化、工业化到运营。在每个阶段之间，他和业务方的对应负责人会共同决定技术是否就绪、商业是否可行、商业计划是否成立，然后才前进。每季度，他们会修订完整的路线图和组合。他们像对待任何其他产品一样对待AI。

为了保持跨职能团队从第一个业务案例到生产部署的一致性，Rambach建议从用例和业务价值出发——这才是最能调动人们积极性的方式，而不是无休止地争论哪个技术提供商最好。此外，问责结构至关重要。在许多公司中，一个团队构建概念验证，另一个团队负责工业化，这两个团队目标不同，最终导致不一致。而在施耐德模型中，同一个团队拥有从构思到规模化部署的完整旅程。

对于Databricks Genie提供的自然语言数据查询界面，Rambach表示内部虽然刚发布，但兴奋度很高。人们厌倦了要求他人进行分析，然后一个小时或一天后得到并非完全想要的结果。能够自己用自然语言获取数据是工作方式的巨大改进。他们需要确保足够的准确性，并正与Databricks密切合作，但潜在的接受度非常强。

关于使用外部模型，Rambach指出，模型本身永远不是完整解决方案。它需要上下文、护栏、用户接口，有时还需要结合经典分析AI与大语言模型，或多个LLM驱动多个代理基于不同基础做出决策。他们构建多代理系统，其中代理有时竞争而非仅仅协作。以EcoStruxure微网顾问为例，客户拥有带太阳能板和风力发电的多个建筑。他们以高频率摄取所有现场数据，准确预测能源生产和需求，然后AI每15分钟基于未来48小时进行优化：是使用当前产生的电力、出售给电网、从电网购买还是储存。那不是单一模型，而是预测、优化和实时决策协作的结果。这种解决方案可使能源成本降低高达20%。

最后，Rambach给早期领导者的建议：第一，从业务案例开始，而非技术；第二，培训员工，让人们对AI建立成熟的关系——它做精彩的事情，但不是万能的；第三，不要忘记已有的知识。AI项目首先是项目，首先是转型。公司多年来学习如何管理变革，AI项目很大一部分正是如此。有些部分需要重新发明，但并非全部。

Rambach最深思熟虑的选择是拒绝将AI视为特殊事物。不是在其潜力方面——那是巨大的——而是在其管理方式方面。集线器-轮辐模型、门审查、坚持单一平台和端到端团队所有权，这些不是AI策略，而是产品策略，以施耐德电气交付任何其他能力时同样的严谨性来应用。对于仍将AI作为创新职能运行的高管——设有独立团队、独立时间线和独立问责制——这个挑战值得深思。规模化部署AI的公司，不是拥有最多创意原型的公司，而是那些停止称其为创新、开始将其作为产品交付的公司。