电力行业落地AI+三步走，如何挖掘1%的企业数据价值？| 思考

经过近一年来和众多客户的深度交流，加上团队内部持续进行的AI+探索实践，从方法论层面看，落地AI+的路径已经逐渐清晰。概括起来，就是下面这三步： 第一步，选一个靠谱的基础大模型。基础大模型决定了后续所有应用和智能体的“天花板”——为什么这么说？之前的文章《麦当劳与IBM合作的AI点餐测试项目将终止，对我们探索落地AI+有何启示？| 思考》已经聊过这个话题，这里不再展开。 第二步，在保持基础大模型通用性能的前提下，把企业内部的高质量数据“喂”进去，充分挖掘数据价值。目前主流的融合技术路线已经很明确，比如RAG、SFT等。融合了企业自有数据的大模型，就是我们常说的“企业专属大模型”。 第三步，在企业专属大模型的基础上，构建企业级的AI能力，然后把这种能力嵌入到所有业务流程中去。 这三步看起来简单，但真正落地需要做的工作远不止表面这些。本文只从技术角度挑两个关键问题展开讨论：一是第二步里提到的“企业内部高质量数据”到底怎么定义、怎么建？二是第三步里“将AI能力嵌入所有业务流程”的前提条件是什么？ --- ### 企业内部高质量数据：不只是数据本身，更是处理能力 说到“高质量数据”，大家通常会从技术维度列出四个标准：完整、准确、及时、一致。这些当然重要，但它们只描述了“数据本身”的高质量，却忽略了“数据处理能力”的高质量。 什么是数据处理能力的高质量？用一个词来概括就是“还原”。只有通过数据处理，把碎片化的实体和场景重新“还原”出来，数据的价值才能真正释放，才能打破企业里多年的“数据烟囱”顽疾。 怎么实现这个“还原”？阿里巴巴在“OnePerson、OneProduct、OneLocation、OneIP”数据资产建设上的实践非常值得借鉴。 以OnePerson为例：识别一个“碎片化的个人”，把那些似是而非的行为数据串联起来，再用大数据的能力把这个人还原出来。很多人同时拥有手机、电脑、平板等多台设备。比如某个人有两部手机、一台iPad、三张信用卡，他每天都登录淘宝、天猫、高德等阿里巴巴旗下的应用。这时候，你能不能判断出这些设备和账号背后都是同一个人？你有没有这种识别能力？识别出OnePerson之后，就能把散落在不同APP和网站里的行为数据串联起来，进而实现跨屏、跨端、跨域的身份识别，生成高质量的基础标签，全方位洞察消费者需求和兴趣。数据化运营的场景——人群圈选、人群应用、洞察分析、千人千面——也就自然有了基础。数据的价值也就显现出来了。 对资产密集的电力行业来说，识别“一个碎片化的设备”是“数据处理能力”高质量的起点。背后的技术逻辑，和阿里巴巴识别“碎片化的个人”其实是相通的。 --- ### 将AI能力嵌入业务流程的前提：自动化决策五步法 把AI能力嵌入企业所有业务流程，是落地AI+的“最后一公里”。怎么走好这“最后一公里”？曾鸣教授在《智能战略》一书中提出的自动化决策五步骤，给了我很大启发。 | 步骤 | 关键行动 | |------|----------| | 将物质世界数据化 | 将功能和资产上线 | | 将每项业务软件化 | 将决策链编码 | | 让数据流动起来 | 设计应用程序接口、允许数据连接 | | 完整记录实时数据 | 将全部实时数据都记录下来 | | 应用机器学习算法 | 协调和优化 | 对照电力行业来看，电网公司在这五步上已经走得比较靠前。但发电集团，尤其是那些还涵盖煤炭、煤化工、运输等多个业务板块的集团，要想实现上述五个步骤，还有很多功课要补。 怎么补课？从技术平台的角度看，国资委2020年发布的《关于加快推进国有企业数字化转型工作的通知》中有一段描述非常到位：“探索构建适应企业业务特点和发展需求的‘数据中台’‘业务中台’等新型IT架构模式，建设敏捷高效可复用的新一代数字技术基础设施，加快形成集团级数字技术赋能平台，为业务数字化创新提供高效数据及一体化服务支撑。” 不过在“数据中台”“业务中台”的实际落地过程中，电力行业被不少自己都没真正干过这两个中台的服务商给带偏了。现在回头看，可能理解会更深刻一些。 电力行业在接下来几年里，落地AI+三步走会是什么样子？我们都充满期待。