适应和早期实验已经广泛展开。但为了更清楚地了解生成式人工智能（Gen AI）以及更广泛的人工智能在大型企业中扮演的角色，我开始与全球领先公司的CIO和CTO进行一系列对话。我的目标是了解他们各自的AI旅程，并分享他们对技术将为其组织带来的具体价值的看法。

这次首次对话呈现了拜耳公司全球CIO兼数字化转型官Bijoy Sagar的观点。拜耳是全球最大的生命科学公司之一。

Asheem Chandna：您和您的团队希望通过AI解决什么问题？

Bijoy Sagar ：AI是一种将改变我们业务方式的工具。但如果将其视为不仅仅是一个工具，那么您可能会陷入将其视为一个独立解决方案的炒作中，而与我们试图解决的实际业务问题脱节。我坚信业务案例应该驱动我们在何处以及使用多少AI。

生成式AI的巨大潜力在于能够做我们今天做得不太好的事情。例如，在药物发现方面——我们必须解决一些严重的问题，其中一些我们今天可以解决，因为AI技术已经存在。蛋白质折叠是另一个AI解决方案初显希望的领域。然而，对于其他问题，承诺仍然遥远。

在拜耳，我们的使命宣言是“人人健康，无人饥饿”。AI是帮助我们朝这个方向前进的一个很好的工具。

您如何看待生成式AI在您提到的具体领域——药物发现和蛋白质折叠中提供解决方案？

对于早期发现，最大的挑战是如何尽快识别出合适的候选者。甜蜜点在于将其他形式的AI与生成式AI结合。因此，在这里，我们以三种不同的方式部署AI。

首先是基础科学，或蛋白质折叠。二十种氨基酸链可以创造出万亿种可能的蛋白质折叠组合。今天，我们已经可以使用AI工具进行模式识别。未来，随着计算能力和AI的进步，我们可能能够进行更高级的识别和建模。

第二部分，我们今天非常参与其中，是增强科学家更高效地工作的能力。生成式AI可以帮助整合数据，使科学家能够提出更好、更高质量的问题。他们还可以以更结构化的方式进行文献检索。他们可以物理地查看分子结构，梳理现有的关于该结构的研究，并更深入地思考。

第三，AI可以真正帮助我们进行临床试验设计和执行。许多公司意识到临床过程是一个问题。我们有足够的可行候选者；主要问题是临床过程耗时过长且效率低下。患者选择非常具有挑战性，因此临床试验持续时间过长，影响公司更快地将产品推向市场的能力。

生成式AI在您的组织中还有哪些其他应用？

我们希望能够尽快将我们的创新推向市场。我认为这是生成式AI的最大短期优势。

具体来说，AI可以帮助改进市场策略，最大化我们正确制造的能力，帮助我们将产品提供给合适的人，并确保患者和医生拥有正确的信息。在拜耳，我们甚至使用AI来培训销售代表，以更好地预测问题。

在作物科学方面，我们在精准农业、作物监测和害虫管理方面做了很多工作。我们使用AI来帮助提高我们将作物推向市场的效率，并应对气候变化的影响。
我们看到AI工具帮助农民实时做出数据驱动的决策——确保数据有效地与种植相结合。最终，生产相同产量所需的空间正在减少。

在未来几年，生成式AI将创造什么具体价值？

对于我们的组织，在未来几年，我们正试图建立我们称之为AI驱动的企业。今天，生成式AI在处理结构化数据方面表现不佳。我们的两年计划是彻底改变这一点，以便人们可以提出更好的问题。

通过生成式AI，我们现在在内部有一个相当规模化的版本。我们称之为myGenAssist，我们正在为每个领域构建基本的工程平台——并通过API将它们全部连接到这个平台。

您预见到哪些趋势将塑造或影响AI领域的未来？

我对近期未来有几个具体的预测。

首先，我预测大型语言模型（LLM）将进一步商品化。

其次，更多的价值收获将发生在定制的小型语言模型空间，而不是大型语言模型。

第三，AI的监管环境和治理将发生巨大变化，因为更多国家将通过法律限制我们如何使用这些工具。

第四，我们将在某个时候遇到数据访问的瓶颈——这反过来可能会限制我们实际能够获取的价值。

您的组织如何与AI初创公司进行合作？

在某些领域，正如我们所说，我们不会使用我们的内部系统进行训练，因为有些初创公司的解决方案已经量身定制且有效。一个例子是Harvey，这家初创公司利用生成式AI帮助法律事务。另一个是AlphaFold，它帮助预测蛋白质结构。

但还有其他一些初创公司，我们不一定看到与之合作的价值，因为我们这样规模的组织现在拥有更好的内部生成式AI基础设施。

有趣的是，一些初创公司已经成为基于AI的问题空间的增值提供者，而不是独立的AI提供者——我喜欢称之为AI的Uber。例如，有一家初创公司帮助改进临床试验，它是基于现有的生成式AI平台构建的。我希望看到更多的初创公司朝这个方向发展。换句话说，他们是基于生成式AI构建的，但他们本身不是生成式AI公司。

在您公司内部，生成式AI正在颠覆哪些领域？

首先，知识转化正在被生成式AI极大地颠覆。无论是科学家还是田间的农民——他们所提问题的答案质量大大提高。

生成式AI还在改变各业务单元的支持功能。例如，采购和财务部门完成大量需要信息整理以帮助推动洞察力以指导决策的任务。

当然，编码是另一个领域。我们最近调查了我们所有的工程师——数千人——所有人都发现生成式AI编码支持工具有价值。

这些生成式AI的好处并不是在取代人类。生成式AI改变了我们团队成员的工作方式——提高了生产力和效率，使他们能够专注于更高质量的工作，而自动化系统则帮助处理其他工作。

有没有什么您希望生成式AI或AI能够解决但尚未实现的问题？

最大的问题是处理大型公司内部数据——如何将这些数据带到可以真正用于训练的地步？

另一个机会是AI监控和合规的自动化。今天没有公司可以在AI的伦理使用领域即插即用——自动监控模型、标记挑战性问题等。我希望看到一个引擎可以在我们所有的模型上运行，没有人需要担心。AI引擎将验证AI对人类的使用，或在我们必须遵守限制时通知我们。