为何中小企业在人工智能整合竞赛中掉队

KPMG近期与Anthropic建立的合伙业务，反映了各组织正从实验阶段迈向部署阶段，将人工智能整合到核心工作流程中，并将其嵌入法律、合规和运营框架之中。

以往，围绕人工智能的公众讨论主要集中在“可及性”上。例如，谁试用过ChatGPT或Claude？什么是最佳提示词？如今，讨论的重点在于“整合的深度”。各组织如何才能安全、深入、系统地使用人工智能？

尽管新加坡资讯通信媒体发展局（IMDA）报告称，四分之三的新加坡劳动人口在工作中使用人工智能，但人工智能的采纳与整合并非一回事。其区别在于，组织是否具备在敏感或受监管环境中部署人工智能所需的治理结构、数据控制和运营框架。

中小企业（SMEs）对人工智能的采纳率从2023年的4.2%增至2024年的14.5%。但与大型企业相比，这一比例仍然偏低，同期大型企业的采纳率从44%上升至62.5%。

随着时间的推移，将人工智能融入核心工作流程的组织可能会实现生产力提升，从而引导其对基础设施和系统进行进一步投资。这将形成一个自我强化的循环，可能加剧大型组织与中小企业之间的人工智能鸿沟。

结构性障碍

这种情况令人担忧。中小企业占新加坡企业总数的99%，它们可能从人工智能整合中获益最多。中小企业可能面临一些人工智能有助于解决的高度具体的运营问题。

在许多情况下，它们比大公司更贴近客户的痛点。一些最具影响力的人工智能应用可能将出自诊所、学校、专业事务所和小型企业。它们了解背景，也拥有专业知识，但却面临着结构性障碍。

以一家为家族理财办公室或上市公司服务的小型会计师事务所为例，其客户合同可能明确禁止第三方数据处理。再比如，一所学校使用人工智能来识别高危学生——交叉参考成绩、学习需求、行为模式、家庭背景和辅导记录。这些数据应该通过云系统处理吗？

当敏感信息被发送到基于云的人工智能模型时，风险不仅存在于输出结果中，也存在于输入内容中。提示词会泄露策略，上传的文件包含客户数据，分析性查询则会暴露专有思路。

即使最终的回复看起来无害，其生成过程也可能经过了该组织并不拥有或无法完全控制的系统。

大型组织越来越有能力为安全整合付费。它们能够负担得起私有化部署、企业协议、安全审查、定制工作流程以及来自前沿人工智能公司的专项支持。而小型组织通常无力承担这些费用。

政策制定者已经注意到了这一点。IMDA已宣布扩大《数码企业发展蓝图》的范围，新增了两项合伙业务。Grab将推出一项针对1万家餐饮、电商和零售中小企业的计划，提供在线培训、大师班，以及一个与新加坡科技设计大学（新科大）共同开发的为期两天的人工智能结构化课程。RSM Stone Forest IT将为2000家中小企业提供网络钓鱼模拟演习，以增强其网络韧性。

IMDA、新加坡技能创前程（SkillsFuture Singapore）和新加坡劳动力发展局（Workforce Singapore）也联合发布了《企业人工智能影响力指南》，以帮助企业明确从何处入手以及可以获得哪些支持。

但知道从何处入手，与具备安全部署人工智能的结构性能力，是两个不同的问题。

中小企业运营化人工智能所需条件

中小企业若想成为人工智能原生企业，就需要在其最重要的工作中安全地将人工智能运营化。

首先，中小企业需要支持本地人工智能部署的硬件。过去，运行先进的人工智能模型需要专门的基础设施，包括基于云的图形处理单元（GPU）集群和专门的工程支持。

随着硬件的最新发展，在本地设备上直接运行企业级人工智能模型已成为可能。现在，学校、诊所和会计师事务所无需专业的工程团队即可运营人工智能系统。

其次，软件必须成为标准化的系统。目前许多本地部署的人工智能系统都是定制集成项目，这些项目可能成本高昂且技术复杂。

未来，企业会越来越期望人工智能平台能更像软件即服务（SaaS）产品一样运作——可配置、可维护且开箱即用。

第三，人工智能体验必须为领域专家而设计，而不仅仅是为技术专家。

最宝贵的机构知识并不掌握在软件工程师手中，而是掌握在领域专家手中——他们拥有将企业人工智能运营化所需的隐性知识、情境感知和直觉。

他们可能是了解学生行为的教师，了解患者工作流程的临床医生，以及了解法律风险的律师。

因此，企业人工智能采纳的下一阶段将取决于领域专家自身能否在他们最了解的环境中配置、监督和运营人工智能。

教师应该能够为学生支持工作流程构建人工智能助手。诊所应该能够创建一个安全的笔记摘要流程。律师事务所应该能够在不损害保密信息的情况下分析案件材料。制造商应该能够在不泄露商业机密的情况下查询运营数据。

在人工智能领域取得成功的组织，不一定是那些拥有最庞大工程团队的组织，而是那些能够最有效地将机构专业知识融入人工智能系统的组织。

这不仅对运营效率至关重要，对于将机构知识构建为一项长期资产也同样重要。通过人工智能整合，工作流程、客户互动和决策模式会随着时间的推移不断积累，并转化为能够持续改进、且完全由创建它们的组织所拥有的系统。

仅靠更强大的人工智能模型并不能推动中小企业的采纳。中小企业需要的是安全、可治理且运营成本可负担的系统。

这才是值得为之努力的下一个前沿领域。

本文作者是Estha的联合创始人。Estha是一个无代码企业人工智能基础设施平台，能让组织和个人在苹果芯片（Apple Silicon）设备上本地运行私密、安全的人工智能代理。