在 2022 年，我们开始重新思考我们的数据战略。 生成 AI （GenAI） 需要数据和 API 的坚实基础。 G-P 有远见，能够为我们奠定坚实的基础，使我们能够通过负责任的 AI 转型来塑造未来。
我们负责任地使用 AI
整个组织的合规存在于我们的 DNA 中。 作为 全球就业合规领域的行业领导者，我们以深思熟虑如何保护客户而闻名。 当我们采用和创建新工具时，我们会考虑各个方面：法律、就业、政策、安全、建筑、工程和数据。
以数据为先实现现代化
当我们开始现代化之旅时，我们把两个组成部分作为我们流程的基石：
- 以 AWS 帐户为边界的域驱动架构。 每个有界上下文都有自己的AWS帐户，因为一个团队完全拥有该有界上下文。 对于任何分布式架构，大多数通信都是异步的，并通过事件工作。 有界背景代表业务能力。
- Databrick的Data Lakehouse 包含所有结构化和非结构化数据。 我们通过推广流程获取和清理数据。 我们黄金级的数据经过批准、清理、标记和验证。 当湖畔聆听事件时，摄入会有效地发生，无需付出额外的努力。
现在，从事件中提取的数据不仅是合规和结构化的，而且还立即准备好用于人工智能驱动的见解和应用程序。 我们使用一套数据产品 使数据民主化 ，这些数据产品可以在整个组织中用于人工智能、代理、报告、流程和产品。
创新始于实验
当每个人都有发言权时，就会发生创新。 我们在 2023 年推出了一年一度的 AI 黑客马拉松，作为一项关键举措。 当然，我们有专门的 AI 实验室，但创新不会落在一个团队中。 组织中的每个人都（不仅仅是工程）可以参与并贡献想法。
GenAI 使创新民主化
我们最新的产品 G-P Gia™ 是首届黑客马拉松的获奖产品。 前提很简单：人力资源主管有合规问题，他们需要快速回答。 最常见的问题涉及我们服务的 180 多个国家/地区。 这个问题的解决方案是使用我们的专有数据来创建一个公司特定的AI模型，可以回答任何查询。
Gia - 以及我们的黑客马拉松 - 是负责任地在行动中使用人工智能的首要例子。 我们能够测试工具，探索新技术，并同时教育员工。 更好的是，我们可以控制数据集，并有内部专家来协助工作人员。
深思熟虑的 AI 使用对于组织在快速采用过程中可能是一个挑战。 每家公司都需要了解使用情况，并学习如何保护客户、员工和利益相关者。 我们的早期实验导致了今天指导我们的护栏。 主要教训：谨慎对待我们使用的工具，我们用于训练的数据，以及我们如何与现有系统集成。
适合工作的 AI 工具
在 G-P ，一些部门使用 Wardley Mapping 来专注于对客户最具影响力的领域。 对于技术创新而言，我们从整体上思考能力至关重要。 同样，在 OpenAI 推出 ChatGPT 之前，我们开始了 AI 之旅，但随着 GenAI 热潮开始加速，我们转变了使用和工具选择。
从经验中迅速产生了四个见解：
- 今天的创新将成为未来的商品。 尝试与大型语言模型（LLM）供应商竞争是毫无意义的。
- 忠于你的基础。 无论 AI 走什么道路，我们的核心价值观和客户需求都保持不变。 我们使用数据和 API 编纂基础和知识。
- 将业务代表与助手分开。 AI 可以协助用户完成任务（如智能副驾驶），也可以充当代表他们执行任务的代理。 我们两者兼而有之，但我们不会混淆两者。
- 依靠标准，而不是工具。 当工具不能满足我们的需求时，我们会更换它们。 按照标准工作是一种很好的做法——它让我们可以自由地进行试验和创新。
我们使用的 AI 工具因需要而异，但我们的指导原则仍然相同：客户不会从我们这里购买 AI。 他们购买无摩擦（且合规）的人力资源技术。
负责任地采用 AI 可建立信心
G-P的优势在于我们的适应能力和对合规的奉献精神，以及不断适应的技术需求。 我们的护栏和故意使用帮助我们拥抱 AI，并以建立用户和客户信心的方式将风险降至最低。
我们已经接受了人工智能，但没有错过任何节拍。 有许多公司和个人将受到人工智能的挑战。 像许多技术一样，它很神奇，但不是魔法。 我们深谙 AI 的工作原理，并提前奠定基础，从而为客户创造尽可能多的价值。
围绕有意和负责任地使用 AI 制定您的战略，您将获得创新、值得信赖的工具和无上限的增长。
