企业AI的最后一公里：从模型到价值实现
在VB Transform 2026大会上，NTT DATA AIVista首席执行官Bratin Saha与VentureBeat首席执行官兼编辑总监Matt Marshall共同探讨了前沿模型在受监管生产环境中实现应用化的”最后一公里”挑战。在这场讨论中，他们聚焦于决定AI能否为企业创造价值的关键因素：可靠性、上下文、安全护栏和安全性。对话围绕当前每家大力投资AI的企业面临的核心问题展开：如何将投入转化为切实的价值。
“这不只是一个模型，而是围绕模型构建一个系统，”Saha表示。最后一公里的工作在于将前沿模型与企业自身的数据、工作流和安全护栏相结合。
Saha强调，受监管的生产环境不仅仅关乎技术。目前，大多数企业AI项目在实施阶段失败，原因包括集成不佳、领域专业能力不足、缺乏治理以及成果归属不清。最后一公里专业化将一个强大的基础模型转变为由领域特定工作流、风险承受能力、客户分类、监管解释和机构知识塑造的企业智能体。
前沿模型为何在企业工作流中停滞不前
Saha指出，在许多实际保险工作流中，前沿模型的准确度远未达到生产级别，但通过最后一公里专业化，可以将其提升到企业所需的可靠性水平。开箱即用状态下，这些模型难以处理跨国保险理赔等复杂受监管工作流的复杂性。
“这些表格相当复杂，通常包含手写内容、大量复选框等，”他说，正是这种复杂性使得Fable 5、Opus 4.8和GPT-5.5等前沿模型在开箱即用状态下表现不佳。
Saha表示，最大的收益来自于整个AI系统的专业化，而不仅仅是基础模型。
该系统通过客户的数据和工作流进行专业化，在许多情况下，还包括那些从未写入操作程序文档的部落知识。
“投入产出比最高的来自于专业化以及这些专业化的安全护栏，”他说。
这项工作包含三个组成部分：
- 捕获企业的上下文并使其能够被AI消费
- 运行模型集合以避免成本过高
- 添加专业化的安全护栏，检查模型并在其出错时强制重做
智能体AI的最后一公里究竟需要什么
这一切都不涉及微调。VentureBeat最新的企业调查发现，微调在企业的模型选择优先级中排名最后。
相反，最后一公里聚焦于领域知识和未记录的工作流，这些是公司绝不会公开而失去竞争优势的信息。
“最后一公里是利用专属于你的数据，围绕模型构建一个系统，能够以正确的方式引导模型，并为其设置适当的安全护栏，”Saha说。
归根结底，企业AI是将工作流从A点移动到B点，而非部署一项技术，NTT的优势在于将AI专家与领域专家配对。
“唯一的原因是我们去和那些人类工作者交谈，问他们’你实际如何完成工作，'”他说。然后这种专业知识会被编码到一个智能体中。
他补充道，保险、制造和其他受监管行业的成功依赖于三个因素同时具备。
“你需要技术，你需要领域专业知识，你需要变革管理专业知识，”他解释道，并指出在他团队的客户中，技术不是瓶颈。
企业如何将AI投资转化为切实价值
对于正在考虑大额AI预算的企业，Saha表示回报来自于围绕模型所做的工作，而非模型本身。
“当你在企业中部署AI时，你并不是在部署一项技术，”他说。”你正在改造一个存在的工作流，将其从A点移动到B点。”价值来自于被改变的工作流，而非帮助移动它的模型。
这重新决定了资金的投向。
“技术不是瓶颈，”Saha说，相反是指向围绕模型的领域专业知识和变革管理，以及对三者同时付诸实践的纪律。仅针对模型的投入会留下大部分回报。
企业不必在将AI嵌入现有工作流和彻底重新设计这些工作流之间做出选择。NTT将两者视为同一旅程的连续阶段。
“我们从嵌入工作流开始，因为变革管理更容易，”他说，指出运行关键任务操作的客户不会让供应商中途替换一个正在运行的过程。”一旦完成，我们就会思考，现在如何重新构想它？而这才是真正产生最大价值的地方。”
企业AI的定制化与可扩展性
将智能保留在周围系统中而非模型中，也保留了可互换性，使企业能够随着成熟度的发展利用开放权重和开源模型。Saha的团队运行一个混合前沿模型和开源模型的集合，他预计行业将在错误成本低的情况下依赖开放权重，同时将前沿推理留给需要它的案例。
“在许多情况下，尤其是在错误成本非常高的受监管行业，那额外的几个百分点很重要，”他说。
平台遵循相同的模式：安全护栏生成和神经符号模型可以跨客户扩展，而捕获每个组织的部落知识则保持定制化。Saha指出NTT DATA作为全球最大的保险第三方管理服务商之一的地位是获取这种专业知识的优势。
“获取这些经过20年建立的知识和信任的能力很难被即时复制，我确实认为这是我们拥有的持久优势，”他说。
关注微信号：智享开源 ，及时了解更新信息。
公众号：智享开源
还没有任何评论，你来说两句吧！