AI規模化：停止稱其為創新，開始當作產品開發

大多數企業都有一個處理AI的團隊，但很少有企業真正將AI完全運營化。從實驗到企業級部署之間的差距，是許多組織止步不前的地方——它們不斷循環於概念驗證，卻從未真正觸及客户。當前正在發生的變化，是關於將AI作為產品交付的運營紀律。

施耐德電氣首席AI官Philippe Rambach認為，成功規模化部署AI的公司，是那些將產品開發嚴謹性應用於AI的公司，包括門審查、組合管理和問責制團隊。施耐德電氣作為能源管理和工業自動化領域的全球領導者，其兩大核心業務——能源管理技術和工業運營自動化——都圍繞幫助客户提高效率、減少資源使用和碳密集型能源。

Rambach從零開始建立了公司的AI組織，其400人團隊平均分配於將智能嵌入面向客户的產品和改善內部大規模運營。他強調，AI原生意味着AI是應用價值主張的完整組成部分，沒有AI，產品要麼沒有價值，要麼失去大部分價值。這是從“附加式”到“原生式”的轉變，從“令人興奮”到交付核心價值：幫助客户以更少的能源、更便宜的能源和更脱碳的能源運營。

在組織層面，Rambach設計了集線器-輪輻模型：每個解決方案始於業務部門擁有的業務案例，然後形成一個純敏捷意義上的Scrum團隊，包含AI專家、客户面向人員、IT集成、業務軟件開發者、銷售培訓、定價等所有規模化部署所需資源。這個團隊在證明技術可行性或交付一個概念驗證後並不停下，而是直到解決方案投入生產並進入支持階段才停止。在平台方面，為了在像施耐德這樣的公司中以全速實現AI原生，不能有數千種不同的技術解決方案。他們建立了一個團隊來定義和維護整個公司的單一核心技術集。目前，Databricks在這一平台中扮演關鍵角色，管理基礎設施、數據和數據流，使他們能花更多時間處理業務邏輯和待解決問題。

Rambach強烈認為，公司應停止將AI視為創新，而應開始將其視為產品開發。這是最重要的轉變。他們有一個像任何產品一樣的過程，通過門審查，從構思、探索、孵化、工業化到運營。在每個階段之間，他和業務方的對應負責人會共同決定技術是否就緒、商業是否可行、商業計劃是否成立，然後才前進。每季度，他們會修訂完整的路線圖和組合。他們像對待任何其他產品一樣對待AI。

為了保持跨職能團隊從第一個業務案例到生產部署的一致性，Rambach建議從用例和業務價值出發——這才是最能調動人們積極性的方式，而不是無休止地爭論哪個技術提供商最好。此外，問責結構至關重要。在許多公司中，一個團隊構建概念驗證，另一個團隊負責工業化，這兩個團隊目標不同，最終導致不一致。而在施耐德模型中，同一個團隊擁有從構思到規模化部署的完整旅程。

對於Databricks Genie提供的自然語言數據查詢界面，Rambach表示內部雖然剛發佈，但興奮度很高。人們厭倦了要求他人進行分析，然後一個小時或一天後得到並非完全想要的結果。能夠自己用自然語言獲取數據是工作方式的巨大改進。他們需要確保足夠的準確性，並正與Databricks密切合作，但潛在的接受度非常強。

關於使用外部模型，Rambach指出，模型本身永遠不是完整解決方案。它需要上下文、護欄、用户接口，有時還需要結合經典分析AI與大語言模型，或多個LLM驅動多個代理基於不同基礎做出決策。他們構建多代理系統，其中代理有時競爭而非僅僅協作。以EcoStruxure微網顧問為例，客户擁有帶太陽能板和風力發電的多個建築。他們以高頻率攝取所有現場數據，準確預測能源生產和需求，然後AI每15分鐘基於未來48小時進行優化：是使用當前產生的電力、出售給電網、從電網購買還是儲存。那不是單一模型，而是預測、優化和實時決策協作的結果。這種解決方案可使能源成本降低高達20%。

最後，Rambach給早期領導者的建議：第一，從業務案例開始，而非技術；第二，培訓員工，讓人們對AI建立成熟的關係——它做精彩的事情，但不是萬能的；第三，不要忘記已有的知識。AI項目首先是項目，首先是轉型。公司多年來學習如何管理變革，AI項目很大一部分正是如此。有些部分需要重新發明，但並非全部。

Rambach最深思熟慮的選擇是拒絕將AI視為特殊事物。不是在其潛力方面——那是巨大的——而是在其管理方式方面。集線器-輪輻模型、門審查、堅持單一平台和端到端團隊所有權，這些不是AI策略，而是產品策略，以施耐德電氣交付任何其他能力時同樣的嚴謹性來應用。對於仍將AI作為創新職能運行的高管——設有獨立團隊、獨立時間線和獨立問責制——這個挑戰值得深思。規模化部署AI的公司，不是擁有最多創意原型的公司，而是那些停止稱其為創新、開始將其作為產品交付的公司。