宝马集团如何通过生成式人工智能提升业务韧性

Matthias Patzak：
欢迎收听 AWS 为您带来的《高管洞见》播客。我是 AWS 的企业战略分析师 Matthias Patzak。

很高兴宝马集团企业平台和服务、数据、人工智能副总裁 Marco Gorgmaier 接受今日的访谈。感谢 Marco。

Marco Gorgmaier：
谢谢你邀请我。

Matthias Patzak：
欢迎收听 AWS 为您带来的《高管洞见》播客。我是 AWS 的企业战略分析师 Matthias Patzak。很高兴 Marco 能接受今日的访谈。

Marco Gorgmaier：
你好，Matthias。非常感谢你的邀请。

Matthias Patzak：
Marco，欢迎来到播客访谈节目。Marco Gorgmaier 是宝马集团企业平台和服务、数据、人工智能副总裁。Marco，你可以给我们说说自己在宝马集团的职责以及工作吗？

Marco Gorgmaier：
当然可以。凭借我们的全球平台组织，我们成为在整个组织内推出和推广人工智能的重要组织，而我们为团队提供的平台生态系统基本上就是这一工作的支柱。我们努力确保自己能够提升技能，确保所有员工都了解我们的生态系统，清楚他们可以从中获得的效率，并在组织中加以实现。

Matthias Patzak：
但这不仅仅是一个单一平台，也不仅仅是一个数据生成式人工智能的单一平台，而是几个企业平台。

Marco Gorgmaier：
完全正确。所以实际上是几个平台堆栈。其中一个重要部分当然是 ERP 平台、SAP 平台。我们有云堆栈，我们在其中开发自己的应用程序，即自主开发的应用程序，也就是我们所说的标准云平台，会大量使用托管服务。我们有自己的数据和人工智能平台，它们正在共同发展。

我们于 2017 年从云数据中心开始了整个旅程。那时，我们才真正做到了确保将所有数据整合到一个平台上。我们在自己的环境中为所有系统构建了数据采集功能。我们当时围绕这个功能成立了名为“数据转换办公室”的组织，也在这个组织中为公司引入了新的角色，因此我们在业务中设立了数据管理和政府职能以及数据管理员。数据管理员拥有领域知识，从业务角度掌握流程知识，可以控制数据的语义。当然还有我们的工程组织，也就是遍布我们全球各中心的数据工程师。我们的设施的确遍布全球，美国、德国都有。当然还有我们的总部，然后是印度、葡萄牙、南非的软件开发中心。我们是全球化程度非常高的组织。我们组建了数据工程团队，帮助加快了现有格局的整合。

Matthias Patzak：
你们的平台组织大约有多少员工？

Marco Gorgmaier：
就全球而言，包括开发中心在内，我们有 1 千多名员工。

Matthias Patzak：
是指你们的组织，你们的平台组织吗？

Marco Gorgmaier：
符合。

Matthias Patzak：
哇哦。

Marco Gorgmaier：
这是一个相当庞大的组织，实际上它也是面向整个公司和我们集团所有工程师的平台。

Matthias Patzak：
平台是社区中广泛使用的术语。在 Dora 的最新研究中……平台是一个广泛使用的术语。在 Dora 关于 DevOps 的最新研究报告中，84% 的受访组织表示他们从更广泛的角度使用平台，但是这个术语的定义并不明确。就你看来，什么是平台？又是什么让平台成功？

Marco Gorgmaier：
对我们来说，也许我先从……这实际上也取决于具体平台，但是从我们的标准云平台开始，我们认为这是一个可以确保开发、部署、管理应用程序的实际平台，当然还有你需要的一切。我们需要可扩展性和效率。因此，我认为标准定义随处可见。

不过，我认为真正重要的，也是要问的问题是，宝马集团有什么不是平台。我认为重要的是，我们真正纳入了自己掌握的具体内容。每个大型组织都有自己的具体情况、具体策略，以及与其网络设置相关的具体细节，等等。我们确保在自己平台上实现这一点，因为这会大大加快使用该平台的新团队的入门流程。这也让使用这些平台具有吸引力，因为当你提出了所有治理要求，这些要求都得到满足并且你也进行了确认，你就会很乐意使用这个平台。

Matthias Patzak：
你们的平台有多少位用户、多少名工程师和多少个团队？

Marco Gorgmaier：
就工程师数量而言，实际上有超过 1 万名工程师在整个平台堆栈中使用我们的不同平台。就数据和人工智能生态系统而言，我们约有 4 万名用户在使用该平台，因为其中显然有很多业务用户。这么看来，我们的公司规模相当大。

Matthias Patzak：
所以，你们公司真的成为了一个大型软件开发和技术组织吗？

Marco Gorgmaier：
是的，没错。而且，我认为关键支柱是我们建立软件开发中心必须采用的方法。这的确是一项大规模的内包工作。在过去的几年中，我们建立了工程团队，我们一直在发展。近来，我们在罗马尼亚和印度新建了两个开发中心。所以，我认为我们会有进一步发展。

Matthias Patzak：
非常棒。在数据和生成式人工智能的背景下，你们的平台会提供哪些服务？

Marco Gorgmaier：
我认为，提供的服务范围非常广泛。当然，一切都与数据管理、数据分析、数据和人工智能的整个治理部分相关，例如 UEI 法案或其他立法。这对我们来说当然是一件非常重要的事情。我们需要遵守规定，特别是考虑到汽车的监管要求，我们必须确保自身满足所有的治理要求。

Matthias Patzak：
那你们在平台服务中纳入了政府的这项要求吗？

Marco Gorgmaier：
没错。

Matthias Patzak：
如此一来，平台用户在使用你们的服务时，就会感到简单、高效、无压力，尤其是从监管和安全角度来看。

Marco Gorgmaier：
完全正确。用户可以获得相应的指导。以我们的人工智能应用程序为例。我们的人工智能框架，即治理框架，会指导用户进行风险评估。当然也有相关说明文件可供参考。我们还有人工智能模型开发，以及与之相关的一切，以及你需要的服务。实际上，我们的工厂里有一些非常棒的用例。我们会对汽车进行质量检查，包括检查间隙大小、划痕。当然，随着生成式人工智能的问世，我们也开发了生成式人工智能自助服务平台。这是我们刚刚推出的服务，针对的也是我们所有的业务用户。因此，在宝马集团内部，我们将之称为 Group AI 助手。事实上，我的想法是自己可以为日常工作构建简单的自助服务应用程序、生成式人工智能应用程序。

Matthias Patzak：
非常棒。在我看来，许多组织都在构建平台，而平台的目的主要在于技术。大多数情况下，平台可能会变得更高效或更具成本效益，但真正支持业务的情况并不常见。从数据和生成式人工智能的角度来看，你能否分享一下宝马集团在这方面的实际业务战略？

Marco Gorgmaier：
当然可以。我认为你提到了一个非常重要的问题。我们一直在努力确保……因为每个平台组织都热爱技术，所以喜欢构建平台和功能。我认为，尽早协调业务和 IT 非常重要。从组织角度来看，我们也确实确保了这一点。正如我之前提到的，当我们开始与数据转换办公室合作时，以数据资产为例，我们确保对于每项数据资产，我们都是这样称呼数据集的，这些数据集实际上已经为数据分析做好了准备。我们确保自身始终有业务所有者，也即是数据管理员和工程方面的所有者。所以那时候我们就开始使用云数据中心处理数据了。

现在，我们在生成式人工智能方面也沿用了相同做法。因此，我们宁愿从用例开始问自己：“从业务角度来看，我真正想要实现的目标是什么？” 我想确保生产过程中的质量，接着我会思考，那我可以用什么技术来实现这一点？ 这又需要用到什么数据呢？

我认为生成式人工智能现在也有了新的发展，特别是从座席的角度来看，我们实际上看到了下一波浪潮的到来。我们已将数据采集到 CDH 中，但现在你需要对我们环境中的所有应用程序进行事务访问。不难想象，我们拥有规模庞大的应用程序环境，从传统的应用程序到先进的云原生构建应用程序，再到现成的应用程序，应有尽有。堆栈里应有尽有。现在，必须确保自己能够使用特定用户的权限和角色访问所有这些系统，这样才能让座席真正发挥全部潜力。因此，我认为从一开始就应该纳入业务及其流程和主要知识，这一点至关重要。

Matthias Patzak：
你们平台团队的软件开发人员数量以及使用团队的开发人员数量给我留下了深刻印象。你能否多分享一些事实和数字，尤其是关于数据的事实和数字？ 我真的不知道你们一天或每分钟创建了什么类型的数据，创建了多少数据，也不知道你们到底有什么类型的数据。

Marco Gorgmaier：
正如我所说，数据实际上来自所有系统，来自 ERP 系统、SAP 系统，来自自主开发的应用程序。我们在云数据中心大概有 1.4 万个 S3 存储桶。我们管理着 7000 多个数据集，支持 1500 多个用例。到目前为止，我们支持的数量相当庞大。

Matthias Patzak：
听起来很有趣。那你们怎么知道自己的平台是否被内部用户采用？ 是强制要求使用平台，还是通过激励措施鼓励使用平台？

Marco Gorgmaier：
当然。当你使用平台时，这始终是公司面临的最大挑战。我认为，总是要在标准化和效率之间进行权衡。从公司的角度来看，这当然是你想要的；另一方面，自由也是你在公司中需要和想要的，因为你想要一定的创新空间，一定的实验空间。

所以，我认为合理取得平衡是一项重要的挑战，是一个持续的过程。这不是一劳永逸的事情，而是始终要有下一步动作。我认为，平台团队面临的另一大挑战是，你必须确保自己不会遇到瓶颈，特别是在考虑这些权衡时。我们当然会强制使用平台，这是明确规定的。正如先前所说，从治理角度来看，我们就是这样做的。

这是一方面。但我认为主要的驱动因素，正如在市场中经历的那样，你会得到一个赢家通吃的势头。我认为，纵观云数据中心，我们管理得非常好，因为人们在某个时候会意识到：“已经有这么多了，已经有这么多精选的数据集了。我可以将之与其他数据结合起来，连接到这个数据集绝对有意义。” 我们为数据采集提供了标准连接器，采集框架质量出众。这些因素叠加起来，在某个时候的确变得非常重要了。现在，这也让我们在人工智能平台上占据了先机，我们基本上做了同样的事情。我们现在有了一个良好的基础，我们也可以在这方面扩大规模。

Matthias Patzak：
数据平台通常存在的一个问题是存储了大量数据。你可能听过“数据是新石油”这样的说法，大家都开始收集所有类型的数据。那要如何确保只存储必要的数据呢？

Marco Gorgmaier：
我认为这是一个巨大的挑战，我们是一家汽车公司，我们非常注重效率。这也是我们努力管理成本的原因。正如你所说，如果只管存储所有数据，成本会相当高。至于现在的生成式人工智能和非结构化数据，存储成本只会更高。因此，我们尝试实现的是非常严格的生命周期管理。如果有未使用的数据集，我们会收到通知。有时我们甚至会删除这些数据集。我们会将此类数据存档，然后再真正删除，否则成本只会激增。

另一方面，在我们的数据和人工智能门户中，我们总是将用例与数据资产关联起来。因此，你不仅能看到非常清晰的系统下游谱系，还知道谁在使用数据集、在哪些用例中使用数据集以及这些用例是否以主动方式进行管理。在我们的门户中，这实际上是我们拥有所有统计数据的基础，是管理数据的基础。如果添加新用例，当然就可以定义需要为用例添加新数据的新源系统。

Matthias Patzak：
许多组织都发现，吸引数据领域的人才确实具有挑战性，因为该领域竞争非常激烈，需要大量的专业知识。你们是如何吸引人才的呢？

Marco Gorgmaier：
我认为，品牌必然是一大因素。宝马集团拥有影响力强大的品牌，这肯定会有所帮助。这是一方面。另一方面，正如先前按所说，我认为非常重要的是，我们要真正开始在全球范围的人才库搜寻人才，不只依赖一个市场或我们的总部，做到真正利用全球的人才。我认为这是我们获得合适人才的重要举措。此外，我认为关于数据科学家的讨论很多，当然他们非常重要，但我们确实发现，拥有数据工程团队同样重要。因为，如果没有以可靠、稳定的方式连接源系统，那么数据科学家的研究就无从着手。

Matthias Patzak：
现属 Wavestone 的 NewVantage Partners 公司对大数据进行了一项调查，从他们的角度及服务数据来看，企业采用数据，即业务用户数据，最大的问题是文化而不是技术。对此，你有什么看法？

Marco Gorgmaier：
我也是这么认为的。没错。这与我的观察非常吻合。我认为这肯定这个结论来自领导层。我不太喜欢“数据思维”或“数据驱动型公司”这样的说法。我认为我们仍然是一家以产品为导向的公司。不过，我们也要树立这样的观念：你的所作的每一个决定、所做的每一件事都需要数据支持。我认为这是我们在过去几年里真正培养起来的能力，而这需要时间。所以，必须尽早开启转型之旅。

另一方面是，我们为所有员工提供了大量支持。我认为这很关键。你必须接受训练，你必须消除恐惧。现在这同样适用于人工智能。你只需要为人们提供可以进行实验、可以进行尝试、让他们感到安全的环境。我们一方面努力与业务员工合作，另一方面当然也努力与我们的工程组织合作。例如，我们在自己的所有中心都设有平台学院，你可以在这里开始了解所有细节。在这方面，我们还与 AWS 密切合作，共同打造我们的云堆栈。

Matthias Patzak：
很有意思。我经常观察到，平台只是在构建服务，却没有真正投资于支持和训练平台服务的用户，尤其是那些应该根据数据采取行动的业务人员。这就是为什么许多组织未能真正利用所有的数据投资。

Matthias Patzak：
你能分享一下宝马集团目前正在研究的一些创新和用例吗？

Marco Gorgmaier：
当然，我很乐意分享一些用例。我认为其中某些是非常典型的 JNI 用例。我们刚刚推出了招标助手用于……在与外部合作伙伴合作时，我们通常会进行招标。我们以非常标准化的方式编写这些文档，建立了一个小型 JNI 服务来指导你完成所有这些工作，确保其中包含所有正确的法律条文。这听起来可能非常简单，却给这个过程带来了很多流程效率。这同样适用于营销文本的生成。我认为这是我们目前看到生成式人工智能强大功能的典型用例。这样的用例已经有不少了。我们本身就有 CIC 座席服务，所以目前推出的另一项服务是，利用客户互动中心座席与生成式人工智能合作来提供正确答案。

现在，我们网站和手机上的 MyBMW 应用程序中也实现了同样的功能。接下来，我们还会将其引入汽车的智能个人助手。所以，我认为这是平台运作方式的佳例。构建一次服务，然后就可以在不同的环境中重复使用，将技术构建基块重复用于服务。而且，我认为这是一个非常棒的用例，实实在在地提高了我们……

Matthias Patzak：
是的，的确如此。

Marco Gorgmaier：
……我们为客户提供的服务质量。实际上，我们正与 AWS 开展的另一项合作，我们正在试行一个用于基础模型持续预训练的用例，其中纳入了宝马模型的具体细节。这很重要，因为如果想实现非常短的应答时间，此时机架就行不通了。我很期待这项合作，并且这对于在汽车等环境的实现非常重要。

Matthias Patzak：
看起来是一个非常庞大的组织，分散度很高，用例遍布完全不同的领域。你刚才提到了法律技术、市场技术、客户服务技术，我真的很好奇这种高度分布式设置的弹性如何。那么，该如何设置组织架构来保持弹性呢？

Marco Gorgmaier：
我认为这实际上……这涵盖了很多流程。是的，观察非常真确。从生产物流到客户品牌销售，我们实际上涵盖了所有内部流程。我认为这样做的好处是，可以切实打破流程中的孤岛。不让单个组织只涵盖特定流程，这就是一个很大的好处。再来看宝马集团，尽管从全球角度来看集团是一个分布式组织，但它的管理仍然非常集中。因此，我们更容易确保标准的管理和实现。这肯定是有帮助的，因为总的来说，这个组织的分散程度并不太高。

Matthias Patzak：
很有意思。你认为汽车行业领域和数据领域会出现哪些趋势？ 有什么想和我们分享的吗？

Marco Gorgmaier：
我看到的和我认为非常重要的，是现在在组织中启用座席，即人工智能座席。这并不是汽车行业才有的趋势，但我们确实看到了在组织中进一步提高效率的巨大潜力。我之前提到了一个少有人谈论的重大挑战，也就是我们需要为此准备好现有的应用程序环境。当然，如果已经在云中拥有现代应用程序，你就掌握了领先优势。

但我认为，每个大型组织的现实情况是，总是混合使用传统应用程序和现代应用程序。我真正看到的，也是我们投入大量精力的地方，是为 API 启用这些应用程序。这些 API 以一种可以通过大型语言模型访问的方式加以描述。是否拥有跨应用程序的角色和权限，让自己能够真正使用个人用户权限来访问应用程序？ 这的确是我们目前投入大量精力的领域。接下来就是我们的人工智能自助服务平台、我们的集团人工智能助手，然后是在员工业务层面真正开发自己的小型座席和用例。

Matthias Patzak：
为了提高弹性，必须通过 API 将组织和架构分离开。会给他们这样的建议吗？

Marco Gorgmaier：
当然。我认为弹性显然有很多维度，但如果无法实现分离，就无法扩大规模。

Matthias Patzak：
关于如何制定弹性数据策略，你对业内同行有什么建议吗？

Marco Gorgmaier：
我坚信要投资数据质量和元数据。这是一句非常简单的话，或许我们大家都听说过，但它确实是关键。我认为数据质量不仅在框架中。从技术角度来看，实际上是从业务流程的角度来看，要确保我们已经在业务流程中获得了正确的数据，因为有些数据无法从数据工程的角度进行纠正。

这是一方面。另一方面，为了支持生成式人工智能，你需要元数据。这也是我们目前在投资的领域，为的是真正扩大规模。当谈到现在的数据和人工智能座席之间的相互作用时，正如我之前提到过的，要投资于环境来获得交易可能性和机会。这真的是一件不容小觑的事情，非常重要。然后是利用生成式人工智能的力量来打破孤岛并提高效率。我们正在自己的工程组织中这样做，我们在软件开发中大量使用生成式人工智能。我们使用它来自动采集脚本，充分利用自己获得的潜力。

最后一条建议可能是在构建和购买之间取得适当的平衡。这与购买我们的汽车类似，我们会给予客户选择的自由，他们可以说：“我想要一辆内燃机汽车。我想要一辆全电池电动汽车。我想要一辆插电式混动汽车。” 甚至于现在，我们也能为客户生产氢气汽车。我认为这同样适用于软件组织。你必须选择何时最好进行购买，何时最好进行构建，保持组织灵活性……

Matthias Patzak：
那你会在什么时候选择进行购买？又会在什么时候选择进行构建？

Marco Gorgmaier：
这取决于成本。这是一方面。我认为这取决于它在战略层面上能带来的战略差异化程度。我观察到的一个结果是，购买堆栈中的许可证数量确实在增加。我相信随着人工智能的发展，许可证会出现整合的情况，随之而来的便是价格战。因此，我认为，作为一个组织，有能力在需要时进行构建是件好事。

Matthias Patzak：
Marco，非常感谢。很高兴你能参加本次播客访谈节目，我受益匪浅。非常感谢。

Marco Gorgmaier：
Matthias，也谢谢你的邀请。我感到非常荣幸。

Matthias Patzak：
非常感谢。

立即收听

立即收听

立即收听