近期人工智能领域的多项突破，令众多寻求个性化营销、提振销售、预判客户需求及识别潜在风险的企业高管为之振奋。

然而，谷歌Bard、微软Bing聊天机器人与OpenAI ChatGPT的迅速普及，同样引发了不小的反弹。批评者将AI聊天机器人视为就业威胁、制造“深度伪造”的工具，并指出其产出的见解虽看似可信，却易出现不准确与偏见。

特斯拉CEO埃隆·马斯克、苹果联合创始人史蒂夫·沃兹尼亚克以及超过26,000名联署者在上月发布的公开信中表示，这些聊天机器人对人类构成“深远风险”。信中称，AI开发者正“陷入一场失控的竞赛，竞相开发和部署更强大的数字思维，而没有人——即便是其创造者——能够理解、预测或可靠地控制它们”。联署者呼吁暂停开发比ChatGPT-4更强大的系统六个月，并建立AI治理结构。

对于正在权衡是否采用AI工具的CFO而言，既要看穿炒作，也要克服焦虑。AI专家与财务高管指出，他们面临的挑战在于：将技术融入运营并获取可观回报的同时，不能回避限制风险、确保投资价值的责任。

波士顿咨询公司董事总经理Tad Roselund表示：“当前CFO面临的挑战在于，围绕生成式AI的狂热给他们带来了大规模推广的压力。这种商业化压力促使他们去探索生成式AI的所有好处。”他强调，即便工具的创造者也无法总是解释其对新兴风险、资本配置和新市场机遇等核心战略议题给出洞察背后的推理过程，因此CFO需要为AI工具“祛魅”，识别低风险、高回报的应用场景。Roselund在采访中建议，为避免采用最新AI时遭遇失败，CFO应寻求“紧迫与审慎之间的平衡”。

AI的普及化浪潮

生成式AI与对话式AI（如ChatGPT）均为机器学习的形式，它们极大地拓宽了高级计算能力的获取渠道。这类软件能撰写大学论文、计算机代码、市场研究报告、笑话、翻译、博客、法律文书，并辅助医疗诊断与药物发现。Roselund指出，它们扫清了技术与开发障碍，实现了AI的“民主化”，让一线员工得以使用曾经只有少数人才能获得的计算能力。

更广泛的获取推动了对话式AI创纪录的采用率。根据DiploFoundation与毕马威的数据，ChatGPT在不到一周内便吸引了100万用户，而Instagram和Spotify分别用了10周和20周。

CFO Dive，数据来源：DiploFoundation、毕马威

据瑞银预测，到2025年，对话式AI市场将激增至200亿美元，相当于AI总开支的20%。高盛则指出，生成式AI的潜在市场规模可能达到1500亿美元，而整个软件行业为6850亿美元。在十年期间，生成式AI可能为全球GDP带来7%的增长，并将生产率提升1.5个百分点。

随着OpenAI、微软、谷歌等AI创新者争夺市场份额，AI工具的使用急剧增长。通过提供免费或低成本访问，它们能收集海量用户反馈以改进算法并获得优势。

新的AI工具帮助CFO分析数据、进行财务预测、编制财务报表、管理风险，并更轻松地监督资金与会计任务。从日常工作中解放出来的员工可以转向更具创造性和成就感的工作。Adobe、Shopify、Instacart和Zoom已采用生成式AI工具。Salesforce在3月表示，计划将ChatGPT整合到Slack中，并将生成式AI融入其客户关系管理软件。沃尔玛则利用聊天机器人告知客户订单状态和退货等简单问题的信息。员工通过“Ask Sam”应用进行语音查询，可以定位在售产品、查询价格以及查看消息或工作日程。

CFO也可以利用AI工具削减人力成本，但这可能影响员工士气。高盛表示，AI自动化最终可能在一定程度上影响美国约三分之二的职业。一份高危职业清单凸显了该技术颠覆职场的能力。宾夕法尼亚大学和OpenAI的研究人员进行的一项研究显示，ChatGPT等所谓的大型语言模型对包括会计师、审计师、金融定量分析师、区块链工程师、口译员、数学家和记者在内的数十个职业的从业者构成威胁。研究人员称，随着时间的推移，该技术将简化80%工人至少10%的任务，以及19%工人一半的任务。

财务高管与AI专家表示，CFO不应在未评估诸多风险的情况下贸然采用生成式或对话式AI。一些AI工具最终可能被列入饱受诟病的创新清单——这些创新曾让早期采用者付出高昂代价，却承诺过多、表现不佳。一篇介绍麻省理工学院斯隆管理评论与波士顿咨询公司调查结果的文章称：“AI有潜力成为那个‘恶名榜’上的又一项技术，尤其是在有如此多猜测认为AI系统最终可能取代工人的情况下。”

警惕“影子AI”风险

AI工具带来多重风险。首先，生成式和对话式AI的普及可能削弱企业管理或记录AI使用的能力。保住职位的员工将可能获得强大的计算能力，他们可能从事“影子AI”活动——即在公司监管之外进行计算——并有意或无意地泄露专有或客户数据。

其次，无法完全解释AI工具如何产生洞察的公司，可能面临监管机构、立法者、股东及其他利益相关者的审视。“黑箱”风险对于资产管理公司及其他负有信义义务的AI用户尤其棘手。

第三，AI工具可能因“幻觉”而使公司陷入诉讼或声誉受损。它们可能访问有缺陷或有偏见的数据，得出错误结论，并延续不准确、歧视或刻板印象。OpenAI上月承认，ChatGPT-4在商业应用中的准确率不足80%。谷歌在一份免责声明中表示：“Bard处于实验阶段，其部分回复可能不准确，因此请仔细核对Bard回复中的信息。”

第四，公司内外的不法分子可能利用AI工具改进深度伪造和其他虚假信息，或用于网络钓鱼、冒充和知识产权盗窃等勾当。

美国、欧洲、中国及其他国家的监管机构已提议为AI工具设置护栏。联合国教科文组织的193个成员国一致通过了防止AI滥用的框架。教科文组织总干事奥德蕾·阿祖莱在上月的一份声明中表示：“世界需要更强有力的人工智能伦理规则。这是我们时代的挑战。”美国商务部本月就限制AI风险的方法征求公众意见。商务部负责通信和信息事务的助理部长艾伦·戴维森在声明中称：“负责任的AI系统可以带来巨大好处，但前提是我们必须解决其潜在后果和危害。”

财务高管与AI专家表示，CFO可以通过以下四个步骤来限制风险并获取AI工具的好处：

1. 确保“负责任AI”

CFO与AI专家表示，最新的AI工具凸显了构建防滥用保障措施的必要性。Roselund认为：“你需要‘加强版’的负责任AI”，并将其注入公司的各个层面。“来自高层的基调至关重要，”他说，并强调需要让一位高级管理人员对结果全面负责。

正如波士顿咨询、毕马威等咨询公司所描述的，负责任AI还确保技术服务于广泛的利益相关者；挖掘高完整性数据；防范攻击和恶意使用；保护用户数据；避免伤害人员、财产或环境；并且是可解释、透明和可靠的。采用AI的公司应组建一个跨职能监督团队，包括数据科学家、律师以及公司各部门负责人。该团队应坚持测试和质量控制标准，定期评估风险，并意识到公司内部更广泛地使用AI将需要更高的敏捷性和更短的响应时间。Roselund表示，公司全体员工应有权在明确界限内自由创新，探索AI工具的新用途。他们需要“在圈内跳出框框思考”。

2. 拓宽传统ROI概念

CFO与AI专家表示，AI工具因其异常高的收益和风险，提高了ROI衡量的重要性。SymphonyAI首席财务官Wayne Kimber在采访中表示：“AI——尽管有诸多炒作——仍需证明自己。它必须从数据科学工程师的‘科学项目’转变为对业务有实际价值的东西。”

迄今为止，AI的回报远未普及。根据麻省理工学院斯隆管理评论和波士顿咨询公司对1,741名受访者的调查，在100个国家和20个行业中，37%的高管表示其公司从AI中获得了价值，而30%表示没有。研究人员称：“协调个人与组织从AI中获取价值仍是一项正在进行的工作。”他们同时告诫不要让员工背负服务机器的任务。

Aible CEO Arijit Sengupta在采访中表示，在评估ROI时，CFO需要认识到，随着软件分析海量数据，AI工具的有价值用途会意外涌现。“人们需要转变思维，转变他们基于确定性世界为项目设定ROI目标和期望的传统方法，”他说。“在你真正用数据训练AI之前，你无法事先描绘出一幅美好的图景。”Sengupta表示，CFO应首先聚焦于增加收入——这相对易于衡量——从而从AI工具中获得最大回报。其次，他们应致力于削减成本和限制风险。

3. 适应AI的局限性

OpenAI对其最新版软件ChatGPT-4的弱点直言不讳。OpenAI在上月的一份报告中表示：“尽管GPT-4能力强大，但它与早期的GPT模型存在类似的局限性。最重要的是，它仍然不完全可靠（它会‘幻觉’出事实并犯推理错误）。”OpenAI建议“避免缺乏额外上下文或人工主管审查的高风险用途”。

Sengupta表示，AI工具的创造者将在与客户合作开发聚焦应用的过程中逐步消除幻觉。他补充说，Aible提供的软件旨在通过双重检查AI工具的答案来突出错误。“幻觉问题——逐个用例——终将得到解决，”他说。“但在企业能够使用它之前，必须先解决这个问题。”

4. 从小处着手

CFO与AI专家表示，鉴于获得竞争优势的机会——以及失去市场份额的风险——CFO应避免在评估AI工具时拖延。Wipro全球AI解决方案负责人Mukund Kalmanker表示：“组织需要迅速行动，以建立清晰的愿景和由项目主导的转型方法。”

与此同时，Kimber认为，CFO可以通过最初在有限规模上专注于经过验证的AI工具来最大化回报并避免浪费。他们应该“与具备行业知识的公司合作”，他说，“而不是某些隐秘的‘臭鼬工厂’项目”。“我们不是对客户说，‘购买我们的平台，然后大海捞针，’”Kimber说。“我们说，‘嘿，零售客户或金融科技客户，我们已经确定了行之有效的用例。’”

财务高管与AI专家表示，采取不了解情况的做法的CFO可能会将技术推入几十年来一直扰乱创新采用的同一个“炒作周期”。“技术领域的炒作周期是众所周知的，”Sengupta说，他注意到高管层对专家系统和自动化机器学习的态度摇摆不定。“人们先是兴奋，然后过度投资，接着损失大量资金，随后变得不满，继而投资不足，”他说。“现在我们正在生成式AI上看到这种情况。”