这些快速采用者遍布医疗保健、生命科学、金融服务、保险和制造业等受监管行业，即使是像亚马逊网络服务公司人工智能产品全球副总裁伍德这样深入人工智能世界的人也感到震惊。
如果你在一年半前告诉我，有 160 年历史的人寿保险公司将成为人工智能应用的先锋，我可能会有点惊讶，但事实证明确实如此。
他的观点颠覆了关于创新和谁愿意接受技术的古老假设。几乎每个行业都在努力应对人工智能的进步，并考虑如何利用这项技术提高生产力和盈利能力。
伍德最近看到，人寿保险公司开始利用人工智能来审查 90 岁的保单，并识别它们在未来十年左右可能带来的风险。
医生们也采用了这种技术，用它来转录与病人的交流，并拼凑出非常准确的预约摘要，盲测结果显示，与人工撰写的摘要相比，医疗服务提供者十有七八会选择这种摘要。
伍德认为，监管部门在人工智能方面比其他部门走得更快，原因有以下几点。
第一个原因是他们掌握了大量数据。
许多受监管的公司拥有大量数据库、市场研究和开发报告、临床试验结果以及患者和保险记录，由于这些机构是私人持有的，因此蕴藏着巨大的潜力。
伍德说，这些模型以前从未见过它们，因此，你可以使用生成式人工智能来理解、阅读、连接点、找到相似之处，并在这些非常庞大的数据集合中找到不同之处。
了解数据的价值往往也意味着了解保护数据的方法。
例如，一些人工智能系统会收集、使用和训练输入其中的任何数据，但许多公司都制定了政策，承诺不披露或共享客户或患者信息。
伍德说，受监管的行业已经知道如何以一种不会阻碍或阻挠组织实施技术的方式来解决这些棘手的问题，从而使人工智能的应用更快。
他说，他们已经弄清了他们拥有哪些数据，这些数据可以用来做什么，谁可以使用这些数据，这些数据可以与哪些工具一起使用，所有这些事情。
与那些以前没有遇到过这些问题或不相信人工智能会给他们带来出路的其他组织相比，这种理解让他们占尽先机。
伍德说，一些客户认为，要想在生成式人工智能方面取得成功，就必须在使用数据的隐私方面做出某种负面权衡。
我能理解他们的想法。有些人在使用他们所掌握的数据时，可以说是有些急功近利。
但伍德坚持认为，有办法在隐私和潜力之间取得平衡。
许多公司只使用匿名或去标识化数据进行人工智能，而其他公司则提供安全的数字环境，让员工可以测试人工智能，而不必担心数据泄露给公众或训练未来的模型。
伍德说，亚马逊的云计算子公司 AWS 不会使用付费企业客户的数据来训练底层模型，也让他们完全控制数据的存放位置、移动方式和网络。该公司也没有内部或第三方员工审查客户的提示。
除了处理数据隐私的速度之外，伍德认为受监管企业急于采用人工智能的最后一个原因是，它们不想被最新的技术旋风抛在后面。
他举例说，媒体和娱乐公司是如何被流媒体平台推向前台的。
他们不仅将生成式人工智能视为一种追赶的方式，还将其视为一种跨越式发展的方式，极大地启动了数字化转型。
