最近几个月来，人工智能（ai）成为人们最喜爱的流行语。随着ai发展稳步加速，硅谷初创企业和财富五百强公司纷纷投身这场产业革命。然而，兴奋、进步和危险信号正在齐头并进，展现出一个振奋人心但又难以断言祸福的壮阔未来。在此期间，一些急于搭上风口的企业希望通过炒作粉饰金身，用夸大的方式强调自己孱弱、甚至根本就不存在的ai技术能力。
与非ai初创公司相比，这类不太光明的营销策略能够帮助他们拿下更加可观的种子、a轮和b轮融资。根据globaldata整理的数据，单在过去一年，ai初创公司就筹集到超500亿美元风险投资。鉴于chatgpt等技术成果掀起的热潮，预计今年之内这一数字还会持续增长。
随着大量资金涌入初创公司，ai炒作的现象只会愈演愈烈。美国联邦贸易委员会已经充分意识到这种风险，并警告供应商务必在宣传ai功能时保持透明和诚信。
贸易委员会广告业务部门的律师michael atleson在博文中写道，“部分号称拥有ai功能的产品，很可能根本无法像宣传的那样发挥作用。在某些情况下，产品甚至妄顾功能缺失可能带来的严重危害。营销人员必须意识到，出于对贸易委员会监管的亲人，万不可对产品功效做虚假、或者未经证实的声明。”
在如此复杂的现实环境当中，我们似乎越来越难以区分合法ai解决方案和纯营销噱头。
德勤全球ai研究所执行董事beena ammanath表示，“面对供应商对自家ai产品做出的声明，客户一定要保持适当的怀疑态度。与任何事物一样，如果它听起来好得令人难以置信，那恐怕就会是假的。”
纽约大学cio donald welch表示，如果cio和企业没能及时识破宣传伎俩，他们可能面临项目失败或延迟、财务损失、法律案件、声誉风险甚至是职业生涯的彻底终结。“我见过高管因此被解雇，某种程度上这也确实是他们「罪有应得」。”
幸运的是，仍有多种策略有助于避免这个错误。
ai驱动企业必然需要熟练员工直接审查供应商的ai产品既漫长又耗时，但从另一个角度切入，在linkedin上搜索员工资料倒是能帮我们快速建立对供应商的整体认知。
ammanath表示，“一定要认真检查供应商员工的ai经验和教育水平。开发ai解决方案的企业应当具备这样的人才，这代表着他们拥有在ai、机器学习和算法开发等领域拥有丰富经验的数据科学家和数据工程师。”
除了关注员工之外，cio们还可以关注供应商与外部ai专家和研究机构开展合作的证据。具体包括与大学的合作伙伴关系、参与行业会议和活动，以及对开源ai计划的贡献等。
如果供应商方面拥有类似的项目或应用开发经验，那肯定是个好兆头，表明其有望提供也宣传相符的高质量产品。
美国初创公司macpaw的首席技术与创新官、乌克兰裔美国人vira tkachenko表示，“认真调查供应商的历史走向。如果他们真的是ai专家，那很可能会在该领域或其他ai产品上拥有相应的研究论文记录。”
关注精心设计的数据策略要想将ai技术集成到产品当中，企业还需要制定出精心设计的数据策略，毕竟数据堪称ai算法的“血液”。他们必然高度依赖于优质数据，数据越丰富、相关度越高，ai产出也就越好。
ammanath指出，“ai系统必然由大量数据来驱动，因此企业肯定应该拥有良好的数据策略，能够解释他们收集了多少数据、这些数据来自哪里。”
另一个关注重点在于，这些企业是否付出了足够的努力来遵守监管要求，并保证较高的数据隐私和安全标准。随着《通用数据保护条例》（gdpr）和《加州消费者隐私法》（ccpa）先进数据隐私法规的出台，组织必须对其数据实践保持透明，并为个人提供对其数据的控制权。如果做不到这一点，那恐怕要对供应商的能力画个大大的问号了。
为宣传结论收集证据虽然宣传语可以写得无比诱人，但客户一方仍须以温和的态度坚定求证。ammanath认为，“提出正确的问题并要求对方提供能支持宣传结论的证据，对于破解营销言论、确定产品是否真由ai支持可以说至关重要。”
在评估所谓的ai驱动型产品或服务时，cio们可以询问该模型是如何训练的、使用了哪些算法，以及ai系统要如何适应新的数据。
tkachenko表示，“大家应当询问供应商使用的是什么库或者ai模型。他们展示的一切，可能仅仅建立在简单的openai api调用之上。”
管理和技术咨询公司bearingpoint合伙人兼全球技术负责人matthias roeser对此也表示赞同。他补充称，cio们应当彻底理解产品或服务的组成部分和框架，包括评估其中的“道德、偏见、可行性、知识产权和可持续性”。
通过询问，cio们能够更多了解该产品的真正功能和局限性，从而决定到底值不值得掏出真金白银。
尤其注意初创公司初创公司身处创新前沿，其中不少确实依靠自己的努力突破了ai的可能性边界，但也有不少只是在盲目夸大自身能力、想要捞笔快钱。
let’s enhance旗下初创公司claid.ai的乌克兰裔联合创始人兼cto vlad pranskevicius坦言，“作为一家机器学习公司的cto，我就经常遇到ai炒作的案例，而且在初创领域尤甚。”他还注意到，最近的情况变得越来越夸张，毕竟在ai掀起的这波淘金热中，很多人都想趁着炒作周期狠狠赚上一笔。
但pranskevicius认为，随着关于ai的法规变得愈发严格，ai炒作将在不久的未来得到控制。
建立技术专业声誉客户买下名不副实的ai解决方案的情况并不少见，而且很可能并不是cio做错了什么。welch表示，这可能是“企业领导不力症的后果。业务部门面对疯狂的营销而失去理智，it团队再三阻拦无果，最终只能被迫收拾残局。”
为了防止出现这样的情况，组织内必须培养出一种协作文化。在这种文化中，技术专业人员的意见应当受到重视，允许他们详尽列出自己的观点和证据。
与此同时，cio和技术团队也应在公司内部建立声誉，确保自己的意见能够被纳入决策流程。为了实现这个目标，他们应努力展示自己的专业知识、专业精神和软技能。
sigma software group首席创新官max kovtun表示，“我不觉得cio检查ai炒作的行为有什么问题。最大的毛病往往来自商业利益相关方或创始人自己被看似创新和前沿的宣传冲昏了头脑，不顾一切地想要追求ai。所以最重要的问题，就是如何在如火如荼的背景下避免成为ai炒作的牺牲品。”
破解流行语在比较产品和服务时，必须以开放的心态对其进行评估，全面审视它们的本质属性。
tkachenko认为，“如果产品或服务对你来说，唯一的优势就只有ai，那应当在采购之前认真思考一番。比如说，最好研究它的价值主张和功能特性，在保证了解其ai之外的好处后再做决定。”
welch也表示赞同，“我会因为一款产品是用c、c++或者java编写的而购买吗？当然不是，我想了解的是供应商能不能维护好这批代码、能不能在残酷的市场竞争中长久生存下去。”
彻底的评估，能够帮助组织确定自己计划购买的产品或服务是否符合目标，能不能提供预期中的结果。
kovtun强调，“技术越复杂，非专业人士理解起来就越困难，甚至根本无法验证该技术到底该不该用、有没有意义。因此在决定将ai技术引入业务之前，最好先聘请在ai领域拥有丰富经验和知识的专家。否则，你的努力也许无法带来符合期望的收益。”
关注ai相关新闻了解ai相关产品及最新信息，也有助于cio们做出明智决策。通过这种方式，他们可以识别出对方宣传中的漏洞，并及时跟进新的思路和技术成果。
底特律市cio art thompson认为，“我觉得目前的ai教育水平还不够。”
他建议cio们要做足功课，避免陷入承诺水平超出实际交付能力的技术陷阱。一旦发生这种情况，“重新投标和更换产品所浪费掉的时间会导致员工难以跟上变化，大家投入时间学习新技术的热情也将大打折扣。”
此外，了解ai最新趋势也能帮助cio们预测监管变化和行业标准，提前一步遵守法规并保持竞争优势。
当然，了解最新信息不仅仅是cio一个人的职责。bearingpoint 的 roeser指出，“还应开展团队教育或聘请技术专家，将相关能力添加到人力组合当中。”
围绕ai开展其他监管措施新的法规能够简化cio们确定产品或服务是否真正采用ai技术的流程。白宫方面最近就发布一份ai权利法案，其中包括如何以负责任方式设计ai系统的指导方针。未来几年，可能会有更多相关规定陆续出台。
ammanath指出，“这些行动的宗旨，在于保护消费者权利乃至全人类免受技术的潜在伤害。我们需要预测技术的潜在负面影响，确保降低风险。”
预先考虑道德问题企业往往乐于讨论新技术本身、强调潜在的收益，但却经常淡化由此带来的负面影响。
瑞士圣加仑大学博士后研究员philip di salvo表示，“当一种技术掀起热潮时，我们往往会忽视它可能对社会产生的有害影响。研究表明，企业正在推动ai相关讨论，而且其中技术决定论仍然占据着主导地位。”
这种将技术视为社会和文化变革背后主要驱动力的观念，很可能会忽略掉对道德和政治影响的有益讨论，反而支持更多以营销为导向的论点。正如di salov所说，这造成了“一种舆论迷雾，让技术方案乃至其生产者拥有更大的回旋空间和逃避责任的机会。”
为了解决这个问题，他认为必须让公众意识到ai不是什么、做不到什么。
di salvo总结道，“我们目前看到的大部分ai应用程序——包括chatgpt——基本上都是围绕大规模统计和数据分析应用构建而成。这听起来只是个无聊的定义，但却有助于人们避免对这里的「智能」表述产生过度联想。我们需要关注ai领域的真正问题，包括偏见、区别对待等问题，而不能沉醉在假设的、推测性的长期愿景中无法自拔。”
以上就是以下是一种重写方式：ai的兴起势不可挡，以下列出九种方法帮助你避免过度炒作的详细内容。