虽然生成式人工智能（GenAI）在不同应用和行业的采用情况各异，但不同规模的公司在整合该技术方面采取了截然不同的方法。
信用：Ground Picture / Shutterstock
随着生成式人工智能（GenAI）的热潮持续，我们看到了从医疗保健、金融到零售和媒体等行业中现实世界的企业级解决方案不断增加。随着技术的成熟，我们也更多地了解到了它的潜力、缺点和进入障碍——伦理考量、准确性、幻觉等。然而，除了行业之外，还有一些因素影响着生成式人工智能项目的成败。
其中一个较少被谈论的因素是公司规模。Gradient Flow 最近进行的一项调查探讨了医疗保健行业中 GenAI 的状况，该行业从一开始就紧跟这项技术的脉搏。在其他发现中，结果显示不同规模的公司在采用、实施和人工智能的优先级方面存在明显差异。
大型公司
大型组织（定义为拥有超过 5000 名员工的公司）拥有大量资源，并在评估和实施 GenAI 项目方面具有战略重点。这些公司中积极评估 GenAI 用例的受访者比例最高（26%），反映了他们有能力投资于广泛的研发计划。
他们也有支持的手段。GenAI 预算大幅增加，12%的受访者表示与上一年相比增加了 300%以上。这一财政承诺表明对 GenAI 在改善医疗保健服务和管理各个方面的潜力的坚定信念。对大幅增加预算的强调也表明，大型公司不仅仅是在试验 GenAI，而是在认真投资于其整合和扩展。
他们明显倾向于（54%）医疗保健特定的、面向任务的语言模型，而非通用的大型语言模型（LLMs），这清楚地表明了在关键的医疗保健应用中对精确、可靠输出的渴望。尽管资源更多、用例更多，但他们倾向于外包专业知识。这些组织通过 SaaS API（基于云）对专有 LLMs 的高采用率表明他们更愿意依靠第三方供应商来推动人工智能战略和实施。
毫不奇怪，在测试和评估 GenAI 模型时，公平性和私人数据泄露是首要考虑因素，这可能是由于医疗保健的高合规环境和潜在的声誉损害。大型组织的运营复杂性和规模需要强大的测试框架来减轻这些风险，并符合行业法规。
中型公司
中型公司（501 至 5000 名员工）以敏捷性和对 GenAI 实验的强烈关注为特征。这些组织中从事实验和开发人工智能模型的受访者比例最高（24%），展示了他们在不受大型公司官僚约束的情况下快速适应和创新的能力。
与大型公司类似，GenAI 预算健康且呈上升趋势，只是规模较小，36%的受访者表示预算增加了 50 - 100%。这一重大投资表明对 GenAI 在推动医疗保健运营效率和创新方面潜力的日益认可。
医疗保健特定的面向任务的模型也受到高度青睐，超过一半（57%）的受访者使用这些模型。然而，测试优先级略有不同，更强调可解释性和幻觉/虚假信息。这表明中型组织敏锐地意识到在人工智能驱动的医疗保健解决方案中保持信任和准确性的重要性，特别是在扩大其人工智能计划时。
小型公司
员工少于 500 人的小型公司在调查受访者中占近三分之一，并对 GenAI 的采用表现出务实的态度。资源限制和对即时、切实利益的需求可能塑造了他们更谨慎、以结果为导向的方法。
因此，小型公司中不积极考虑将 GenAI 作为业务解决方案的受访者比例最高（39%）。这种犹豫可以归因于预算限制和部署先进人工智能解决方案的高成本。然而，在使用 GenAI 的小型公司中，报告称预算增加了 10 - 50%，显示出了发展势头。
面向患者的应用是小型公司的优先事项，回答患者问题（38%）和医疗聊天机器人（36%）等用例的采用率很高。这些应用提供了即时、可见的好处，在不需要大量资源或基础设施的情况下增强了患者的参与和沟通。
小型公司更强调监督微调（39%）和去偏差工具和技术，表明致力于确保模型的准确性和公平性。测试优先级还包括偏差和新鲜度，表明注重保持相关且无偏差的人工智能输出，以适应不断变化的医疗保健需求。
通用挑战和好处
虽然公司规模带来了不同的 GenAI 挑战，但有些是普遍公认的。准确性、安全性和隐私风险是全面关注的首要问题，反映了人工智能在医疗保健中的高风险。所有组织都感受到了潜在的法律和声誉风险，突出了需要强有力的缓解策略。
不过，也不全是坏消息。调查显示，人们普遍相信 GenAI 的变革潜力，特别是在面向患者的应用，如转录医患对话和提供医疗聊天机器人。虽然采用的途径明显不同，但各种规模的医疗保健组织都在以自己的方式迎接 GenAI。2024 年医疗保健中的生成式人工智能调查揭示了影响医疗保健的战略和优先事项。虽然大型公司推动广泛的评估和投资，但中小型公司将敏捷性和务实性置于前沿。每种方法都反映了不同运营规模所固有的独特挑战和机遇。理解这一点不仅有助于创建更好、更定制的人工智能解决方案，还能使该技术更容易为所有人所用。
（全文结束）
