AWS豪掷1亿刀！赋能AI创新，18个月实现企业高回报！

当前企业界，创新步伐日新月异，然而，将这些创新转化为可衡量的业务价值却并非易事。各类企业正积极尝试人工智能技术，重新构想数据战略，并深入思考团队协作模式。在此背景下，如何将诸般创新切实转化为具体的商业成果，成为一道核心命题。

在Activate NYC活动期间，新媒网跨境了解到，亚马逊网络服务（AWS）解决方案架构总监普尼特·阿加瓦尔（Puneet Agarwal）深入阐释了AWS如何助力全球领先企业加速数字化转型，同时确保对投资回报率（ROI）的持续关注。

从概念验证到价值证明

横跨旅游、半导体、广告等多个行业，阿加瓦尔及其团队致力于协助客户在AWS平台上设计并扩展新型架构。他将自己的团队形容为“您团队中的嵌入式工程师”，与企业的IT、产品和业务负责人紧密协作，共同推动创新。

然而，阿加瓦尔强调，创新不能脱离实际业务而孤立存在。他观察到，许多技术团队倾向于追求“易于实施但难以衡量”的项目。要实现理想的投资回报率，关键在于选择正确的用例，即那些具有明确、可衡量业务影响的领域。因此，不少企业选择从联络中心（contact center）入手，因为该领域已经具备用户流失率、客户情绪、净推荐值（NPS）等成熟的衡量指标。

阿加瓦尔指出：“应从对业务至关重要的环节着手，逐步建立衡量投资回报率的组织能力。”这种务实的策略，旨在确保每一次技术投入都能与企业的核心商业目标紧密对齐，从而避免资源浪费，并加速价值创造。通过在已有明确指标的领域进行试验，企业可以更快地验证AI方案的有效性，积累成功经验，并逐步将这种“衡量ROI”的文化推广到其他业务领域。这不仅关乎技术部署，更关乎企业如何系统性地通过技术创新实现业务增长和效率提升。

数据是人工智能的基石

每一项成功的人工智能计划背后，都离不开高质量的数据以及完善的数据战略。随着人工智能应用的加速普及，越来越多的企业意识到，其智能系统的表现能力，与其所依赖的数据质量息息相关。

根据阿加瓦尔的观点，那些具有前瞻性思维的组织，正在主动审视并提出以下关键问题：
（1）企业是否拥有高质量的数据？
（2）数据是否得到了妥善的组织与管理？
（3）数据治理结构是否已全面到位？

能够有效回答上述问题的企业，往往在人工智能规模化应用方面表现出色。高质量的数据是训练AI模型的基础，它直接决定了模型的准确性和有效性。数据组织与管理则确保了数据易于访问、集成和分析，从而为AI模型的开发与部署提供便利。而健全的数据治理结构，则保障了数据的合规性、安全性和一致性，有效降低了潜在的风险。

新媒网跨境了解到，阿加瓦尔还特别强调了企业文化维度在人工智能成功实施中的关键作用。他表示：“变革管理、文化转型以及员工赋能，对于那些能够成功规模化应用人工智能的组织而言至关重要。这要求将整个企业——包括业务部门、运营部门和技术部门——都纳入到这一转型进程中，只有这样，投资回报率才能真正实现。”这意味着，AI的成功不仅仅是技术部门的职责，它需要跨部门的协作与共识，以及全体员工对新技术的接受与适应。通过赋能员工，提升其使用和理解AI工具的能力，企业能够更好地利用AI的潜力，并最终转化为实实在在的商业价值。

AWS助力企业大规模创新

阿加瓦尔将AWS在当前快速变化时代中的发展模式，描述为“全球最大的初创公司”，其核心运营理念在于敏捷性、客户至上以及持续的实验精神。近期，AWS推出了一系列旨在推动创新的举措，以支持企业客户在人工智能领域的探索与发展：

（1）一亿美元扩建生成式AI创新中心： 这一重大投资旨在帮助客户构建“最小可行产品”（Minimum Lovable Products），并加速将创意从概念阶段转化为生产实践。生成式AI创新中心通过提供专业的指导、工具和资源，帮助企业客户有效克服从实验室研究到实际应用之间的技术与业务壁垒。这不仅包括技术层面的支持，更涵盖了如何将生成式AI技术与企业具体业务场景深度融合，从而创造出能够被用户喜爱并带来实际价值的产品与服务。

（2）推出全新AI开发生命周期（AIDLC）框架： AIDLC框架旨在引导组织重新思考人工智能如何重塑软件开发流程。传统的软件开发生命周期（SDLC）可能无法完全适应AI项目迭代快、数据依赖性强、模型验证复杂等特点。AIDLC框架的出现，为企业提供了一套更为系统化、规范化的方法论，覆盖从AI用例识别、数据准备、模型训练、部署到持续监控和优化的全流程。通过采用AIDLC，企业能够更高效、更可靠地开发和管理AI驱动的软件解决方案，确保AI项目能够持续交付商业价值。

（3）发布AgentCore等模型无关工具： AgentCore允许客户灵活选择使用亚马逊自研模型、开源模型或第三方模型，从而避免被特定供应商锁定。在日益复杂的AI生态系统中，企业对灵活性和可选择性的需求日益增长。AgentCore等工具的推出，极大地降低了企业在模型选择上的顾虑，使其能够根据具体需求和性能表现，自由切换和组合不同的AI模型。这种模型无关的设计理念，不仅为企业提供了更大的自由度，也有效保护了其在AI技术上的长期投资，确保企业能够始终利用最适合自身业务场景的最新技术。

这些举措清晰地反映了AWS的核心信念：创新应当是可及的、灵活的、可衡量的。同时，AWS强调，无论是架构设计还是组织结构本身，都必须具备适应变化的能力。这种前瞻性的战略，旨在帮助企业客户在不断演进的数字世界中保持竞争优势。

未来18个月：更智能、更快、更便宜的人工智能

展望未来18个月，阿加瓦尔预见到了各个领域加速发展的趋势：投入生产环境的人工智能应用数量将显著增加，代理式人工智能（Agentic AI）领域将迎来大规模投资，同时，AI模型的推理速度将更快，成本也将进一步降低。代理式人工智能，指的是能够自主规划、执行复杂任务，并根据环境反馈进行调整和学习的AI系统，它们将极大地扩展AI的应用边界。

随着AI模型的不断进步与优化，企业将能够解锁前所未有的用户体验。这不仅仅局限于现有的应用场景，更将触及从旅行规划到医疗健康，从教育模式到媒体内容创作的方方面面。例如，在旅行领域，AI能够提供更加个性化的行程推荐和实时行程管理；在医疗健康领域，AI将助力疾病诊断、药物研发和个性化治疗方案；在教育和媒体领域，AI有望实现定制化学习内容和自动化内容生成，极大地提升效率和体验。

然而，AWS所传递的核心信息清晰而深刻：面向未来进行准备，并非要精准预测下一步会发生什么，而是要着眼于构建能够应对各种可能性的基础架构。那些能够灵活应对变化的架构、拥有坚实数据基础的企业，以及具备强大赋能团队的组织，将在即将到来的新一轮创新浪潮中脱颖而出，成为最终的赢家。
Iterable