车队管理公司Samsara的首席信息官表示，为了优化AI策略（或任何新兴技术策略），自下而上的方法是唯一的途径。Samsara一开始对生成式AI采取了相对严格的方法，因为他们对这项技术尚不熟悉，主要考虑的是隐私和安全问题。
然而，随着团队对这项技术进行更多研究，他们取消了一些限制。他们意识到生成式AI的潜力后，对该技术的政策发生了巨大变化。Samsara希望将这项技术尽可能地赋予他们的知识工作者和领域专家，让他们进行实验和创造。
该公司首席信息官承认，虽然仍然有许多技术部署适合以KPI和结果驱动的方法，但AI更适合采用有机的方法。这样，资深软件开发领域专家可以在没有目标业务结果的情况下进行创新。当然，这些技术需要重新整合到更大的架构中，IT团队可以帮助他们实现这一点。
在尝试将生成式AI引入员工资源之后，首席信息官开始看到了这样做带来的影响。许多有前景的试点项目正在不断在生产环境中迭代。
他还看到了在IT帮助台、客户支持、销售和营销领域验证概念的AI专用工具的积极结果。公司为员工提供了一种通用助手，例如商用大型语言模型服务和开源服务。Samsara公司的员工将这些通用助手应用于各种用例，例如编写文档和工作描述、调试代码或编写API端点。
例如，通过使用大型语言模型生成代码，Samsara的工程师可以更高效地生成样板代码、代码文档和注释，这对公司来说至关重要。首席信息官补充说：“我们有一些工程师的母语不是英语，因此将AI引入评论和文档对他们的工作很有帮助。”
首席信息官花了一年的时间研究这种自下而上的AI创新方法，并提出了一些建议：
1. 不要将“全民创造”局限于工程师：工程师只使用了AI的50%，另一半用于法律、销售、营销、财务和客户支持。
2. 不要让当前的架构阻碍你：即使是老企业也可以从自下而上的方法中获益。无论架构如何，员工都可以进行实验。特定工具不依赖于与更广泛架构的集成。
3. 清理企业数据：没有数据清理，AI生成的结果将受到限制。AI和生成式AI的强大之处在于能够共享上下文，并通过模型理解环境进行微调，为用户提供更好的答案。
4. 对规模进行选择：在众多全员创造项目中，首席信息官建议制定流程，选择哪些试点可发展成企业解决方案。要关注结果，确保时间和资金花在最有潜力的解决方案上。
例如，Samsara的技术团队最近在内部IT服务台尝试使用AI。他们部署了由大型语言模型支持的技术，使用机器人在Slack上解决服务台支持问题。现在，35%的IT支持已完全自动化，这是可衡量的改进结果。团队开始尝试类似的客户服务大型语言模型，预计将提高客户支持代理的效率20%。在获得这些成果后，团队将继续扩展和部署模型，因为他们已经可以衡量其效果。
010-6449 6050