周三，OpenAI负责推动AI技术在实际应用中的工程师Colin Jarvis表示：大多数在应用企业级AI技术时遇到困难的公司，并非在等待更先进的模型。Colin Jarvis指出，在大约80%的情况下，问题出在AI技术的部署环节——这些公司还不知道该如何将AI技术有效地引入实际业务中、如何对其进行管理，也不知道如何确保能够信任这些AI系统的可靠性。

Jarvis目前负责领导OpenAI的“前端部署工程师”（Front-End Deployment Engineers，简称FDEs）团队，该团队直接在客户公司内部工作，负责将OpenAI的AI模型投入实际生产环境。他在阿姆斯特丹举行的HumanX会议上接受了《经济学人》杂志记者Alex Hern的采访。

Jarvis说：“我个人并不觉得自己在模型开发方面有太大的压力。”

在剩下的20%的案例中，客户表示现有的AI模型仍无法完成他们所需的工作。不过这些技术瓶颈主要集中在某些特定领域（例如半导体设计），而非日常的办公任务。Jarvis指出，这些技术难题正在逐渐得到解决。

Jarvis解释说，FDE团队最初主要由软件工程师组成，因为当时需要从零开始开发所有相关系统；但随着Codex等工具的出现，现在每个项目中只有约50%的工作需要定制开发（而之前这一比例高达90%）。因此，OpenAI开始招聘具有行业专业知识的人才，包括前投资银行家、前科学家以及芯片验证工程师等。

每个项目都从为期两天的现场调研开始。团队会要求企业领导者先暂时忽略AI技术的细节，明确他们业务中最关键的改进点，然后再针对这些关键点展开工作。

Jarvis举例说：在一家半导体公司，工程师们过去可能将80%的时间用于修复那些由于前一晚的工作而产生的软件错误。OpenAI开发了一套系统，能够自动找出问题的根本原因、提出修复方案，并在工程师审核后立即实施修复措施。这套系统后来在整个公司范围内得到了推广，该公司因此每年节省了约4000万至5000万美元的成本。

OpenAI的其他项目还包括：为一家欧洲汽车制造商开发的自动化系统（该系统可以根据简单的文字指令迭代汽车零部件的设计方案）；以及为医疗机构开发的辅助系统（该系统可以帮助起草临床试验文件，但所有决策仍由人类专家负责）。

原文内容：为什么飞行员会犯错？Jarvis指出了两个常见的原因：

1. 公司选择某种人工智能（AI）技术的理由往往只是因为该技术看起来适合某种应用场景，而非因为该技术真的具有实际价值；

2. 或者公司虽然让某种AI技术在某个部门取得了成功，但该技术最终仍只是停留在演示阶段，从未被广泛推广。

Jarvis表示，真正成功的企业会以该技术的实际应用情况来衡量其价值，而非仅仅看它是否完成了概念验证（proof of concept）。他提到，有一家半导体公司在大约18个月后，已经将该AI技术应用于了35个实际业务场景中；该公司专门成立了一个核心团队来协调项目的推进，并在每个业务部门都安排了小规模的工程师团队来负责相关工作的实施。

Jarvis还指出，负责开发这些AI技术的工程师（FDEs, Function Developers）的绩效评估标准与技术的实际使用情况无关，他们的考核依据是项目是否成功投入生产并产生了实际的业务效果。当OpenAI提供的模型在Klarna公司的搜索系统中运行速度过慢时，Jarvis建议该公司改用开源模型。

Hern提到，Sam Altman当时正在联合国出席相关会议，因为外界越来越呼吁减缓AI技术的发展速度。Jarvis表示，OpenAI确实会在其安全框架达到极限时暂停相关项目的开发；他确认OpenAI已于“今年9月”暂停了其主要强化学习（reinforcement learning）项目的运行。

OpenAI于8月18日发布了关于此次暂停的官方声明，声明中提到他们暂停了对最新模型的强化学习训练，并表示原计划中的最大规模实验项目也被暂时搁置。Altman随后表示，OpenAI将自行决定技术发展的节奏，无需等待国会的批准。

Jarvis认为，这类工程师（FDEs）的作用在于验证实验室中开发的安全框架是否能够在复杂的实际业务环境中发挥作用。

实际上，不仅OpenAI在将工程师派往客户公司进行技术支持；AWS也在该领域投入了10亿美元，而微软则于7月启动了一项价值25亿美元的AI应用项目。