生成式人工智能能够以高度复杂的方式利用客户数据，这意味着企业正在加快投资和利用该技术能力的计划。在一项名为“企业数据和人工智能的未来”的研究中，Corinium Intelligence和WNS Triange调查了全球100名专门从事人工智能、分析和数据的高管和决策者。76%的受访者表示，他们的组织已经在使用或计划使用生成式人工智能。

　　麦肯锡表示，虽然生成式人工智能将影响大多数业务功能，但“其中四个功能可能会占到它所能提供的年总价值的75%。”其中包括市场营销和销售以及客户运营。然而，尽管这项技术带来了好处，但许多领导者不确定采取正确的方法，并注意到与大规模投资相关的风险。

　　组织需要克服的首要挑战之一是高层领导的一致性。“你需要必要的策略;你需要有能力获得人们的必要支持。”“你需要确保你有正确的用例和业务用例。”换句话说，明确定义的路线图和精确的业务目标与理解流程是否适合使用生成式AI一样重要。

　　生成式人工智能策略的实施可能需要时间。根据Ayer的说法，商业领袖应该对制定战略所需的时间保持现实的看法，在不同的团队和职能部门之间进行必要的培训，并确定增值领域。为了使任何生成式人工智能部署无缝工作，必须建立正确的数据生态系统。

　　Ayer引用了WNS Triange与一家保险公司合作，利用生成式人工智能创建索赔流程的案例。由于这项新技术，保险公司可以立即评估事故中车辆损坏的严重程度，并根据客户提供的非结构化数据提出索赔建议。Ayer解释说:“因为这可以立即由测量员进行评估，他们可以快速得出建议，这立即提高了保险公司满足保单持有人的能力，并缩短了索赔处理时间。”

　　然而，如果没有过去的索赔历史、维修成本、交易数据和其他必要的数据集，从生成式人工智能分析中提取明确的价值，所有这些都是不可能实现的。“要非常清楚数据是否充足。不要跳进一个最终你意识到你没有必要数据的程序，”艾耶尔说。

　　企业越来越意识到他们必须拥抱生成式人工智能，但知道从哪里开始是另一回事。“你首先要确保自己不会重复别人犯过的错误，”艾耶尔说。外部提供者可以帮助组织避免这些错误，并利用最佳实践和框架来测试和定义投资回报(ROI)的可解释性和基准。

　　使用外部合作伙伴预先构建的解决方案可以加快上市时间，并增加生成式人工智能程序的价值。这些解决方案可以利用预先构建的行业特定生成人工智能平台来加速部署。艾尔指出:“生成式人工智能程序可能非常复杂。“有很多基础设施需求，与客户的接触点，以及内部法规。组织还必须考虑使用预构建的解决方案来加快实现价值的速度。第三方服务提供商提供的专业知识能够综合解决所有这些问题。”