自ChatGPT、Bard、Claude、Midjourney以及其他内容生成工具问世以来,人们对生成式AI抱有很高期待。各企业CEO自然也在思考:这究竟是科技炒作,还是颠覆行业格局的机遇?如果是后者,那生成式 AI能给自身业务带来什么价值?
ChatGPT的大众版仅两个月就吸引到1亿用户。它以 史无前例的方式推动了AI的普及,已成为迄今增长 最快的应用程序。无与伦比的易用性让生成式AI有别于以往所有AI技术。用户不需要专修机器学习就 可以开展交互、获取价值——只要会提问,几乎人 人都能用。就像个人电脑或iPhone等其他突破性技 术一样,一款生成式AI平台可以衍生出许多应用程 序,适用于各个年龄段和教育水平的用户群体,人 们无论身处何地,能够上网即可使用。
而实现这一切,依靠的是驱动生成式AI聊天机器人的基础大模型,它们是经由大量非结构化、无标签
数据(如文本、音频等各类形式)训练的庞大神经网络。基础大模型可处理各种各样的任务。相比之
下,以往的AI模型通常适用范围更“窄”,往往只能执行一项任务,如预测客户流失率等。而一个基础大 模型则既能为一份2万字的量子计算技术报告生成 内容摘要,又能为园艺公司起草市场进入策略,还 能根据冰箱里的10种食材给出5张不同的食谱。不 过,在其丰富功能的背后,目前还存在结果不够准 确的短板,这也让人们再度关注起AI的风险管理问题。
在监管得当的情况下,生成式AI不仅可以为企业开 辟新用例,还可以加速、扩展或改进现有用例。以 电销场景为例,经过专门训练的AI模型可以帮助销 售人员发现追加销售机会,但截至目前,这些模型
通常还只能根据通话前收集的人口统计信息和购买 规律等静态客户数据来判断追加销售的可能性。生 成式AI工具则可根据实际对话内容,利用内部客户 数据、外部市场趋势和社交媒体影响者数据,实时 为销售人员提供追加销售建议。同时,生成式AI还可以为销售人员撰写销售话稿,供其根据具体情况 进行调整。
上述例子只展示了AI技术对人类工作潜在影响的一 个侧面,而实际上,几乎所有知识工作者都有可能 因使用生成式AI而获益。尽管生成式AI最终可能会 让部分工作自动化,但其价值将更多来自于被嵌入 日常工具(如电子邮件或文字处理软件)后知识工作者对它的使用。这类升级后的工具可以大幅提高生产力。
CEO们想知道是否应立即采取行动,以及如果采取行动,该从何开始。有些人可能从中看到了机遇,希望通过重塑人与生成式AI应用程序协同工作的方式,在竞争中弯道超车。其他人则可能希望谨慎行事,在进行大规模投资之前先尝试几个用例,增进对生成式AI的理解。企业也需要评估自身是否具备必要的技术专识、技术及数据架构、运营模式以 及风险管理流程,这些是更进一步部署生成式AI 时所需要的。
本文旨在帮助CEO及其团队思考生成式AI的价值创 造场景以及如何开始应用。