IR Zen

(SeaPRwire) –   随着企业继续在人工智能领域投入数十亿美元，员工和股东越来越频繁地要求看到切实的成果。然而，到2025年底，只有15%的高管认为人工智能集成提高了利润。要了解企业如何缩小人工智能热情与回报之间的差距，可以看看私营部门以外一个令人惊讶的地方：美国国税局（Internal Revenue Service）。

政府机构可能看起来不像典型的企业，但它同样面临着展示人工智能进展的紧迫性以及实现这一目标的挑战。在我带领美国国税局进行数十年来最雄心勃勃的现代化努力之一时，我每天都感受到这种压力。2023年，我们开始改善纳税人服务、合规性和运营效率。从一开始，问责制就是绝对的。我们花的每一分钱都来自纳税人，所以每一项投资都必须产生可衡量的改善。

我们的蓝图是识别紧迫的痛点，切实应用人工智能，衡量影响，并在此基础上发展。私营企业可以遵循相同的方法，但前提是它们要知道如何从不同形式的人工智能中识别并累积成功。

创造价值的三条途径

最成功的组织将从人工智能的三个方面获得回报：

1. 用于日常生产力的通用人工智能

像大语言模型（LLMs）和智能工作流程这样广泛可用的工具可以帮助员工进行初步研究并协调简单任务，以释放他们的个人精力。然而，这条途径最大的回报将来自于培训员工以最适合其岗位的方式应用这项技术。

但税收管理的大部分工作对错误的容忍度要低得多；在这种情况下，即使是低幻觉率也可能带来不可接受的风险。美国国税局需要更好的人工智能工具。随着企业在更敏感的流程中依赖人工智能并将专有信息托付给它，我们将看到它们做出同样关键的转变，从广泛应用转向专用系统。

2. 用于精准度的特定领域系统

在法律研究、税务分析或医疗文档等事实完整性至关重要的领域，特定领域的人工智能工具将为企业带来明显优势。这些系统围绕权威数据源构建，并包含嵌入式保障措施，可显著减少幻觉并提高可靠性。它们还能更快地实现投资回报，因为它们是围绕明确的工作流程以及细微的监管和安全限制构建的。

作为美国国税局现代化推动工作的一部分，我们首次涉足人工智能领域是修复纳税人服务热线，该热线一直存在积压、长时间等待和答案不一致的问题。我们部署了特定领域的人工智能来处理回复，以立即解决常见问题并将复杂问题转交给专家。在第一年里，等待时间从平均28分钟缩短到了3分钟，接听的实时电话数量也增加了数百万。

从使用法律合同工具缩短审查时间，到利用财务和运营人工智能改善规划和供应链决策，成功的企业将不再改造标准人工智能模型来解决持续存在的问题，而是应用专门工具来应对更复杂的挑战。

3. 用于解决独特问题的定制人工智能

在美国国税局，只有当通用或特定领域的工具无法达到所需的数据复杂性或合规标准时，我们才会投资定制人工智能。例如，我们 ，以分析数百万笔交易的模式并对高风险案例进行优先级排序，最终在2024财年防止并追回了数十亿美元的欺诈和不当支付。

大多数组织犯的错误是，他们在探索前两条途径之前就跳到了这条途径。定制人工智能应用不仅需要大量投资，还带来更大的实施挑战，这使得证明投资回报率既困难又缓慢。

但在人工智能竞赛中的赢家并不总是预算最大的公司。相反，它们将是那些通过通用和特定领域应用确定最佳人工智能用例的公司，这些应用能产生投资回报率和见解，从而证明定制构建的合理性。

迭代与累积

早期的成功不足以确保从人工智能中持续获得回报。相反，企业必须采用动态的人工智能战略，不断根据新的可能性进行压力测试。

例如，在我即将离开美国国税局时，越来越有动力使用人工智能来替换数百万行用过时语言编写的陈旧代码。但即将上任的领导层发现了一个更明智的机会：使用人工智能来维护旧代码。目标不变，但解决方案风险更小且更具扩展性。

即使有持续的创新，如果企业不能累积其人工智能方面的成功，也会落后。通过在所有三种工具上制定强大的人工智能战略，组织可以持续开发不同复杂程度的项目，并将它们的能力联系起来以获得企业层面的优势。

如今，企业在人工智能上花的每一分钱都很重要。成功的公司将不是那些急于更快集成人工智能的公司，而是那些有意安装专用人工智能的公司。