自從ChatGPT、Bard、Claude、Midjourney以及其他內(nèi)容創(chuàng)作工具發(fā)布以來，圍繞生成式AI的興奮情緒不斷升溫，CEO們不禁要問：這到底是技術(shù)炒作，還是改變游戲規(guī)則的機(jī)會(huì)?如果是后者，對(duì)公司的業(yè)務(wù)有什么價(jià)值?

面向公眾的ChatGPT版本在短短兩個(gè)月內(nèi)就達(dá)到了1億用戶。它以一種前所未有的方式使AI民主化，同時(shí)成為迄今為止增長最快的應(yīng)用程序。其“開箱即用”的易用性使得生成式AI不同于之前的所有AI。用戶不需要機(jī)器學(xué)習(xí)學(xué)位就能與之互動(dòng)或從中獲取價(jià)值;幾乎所有能提問的人都可以使用它。而且，與個(gè)人電腦或iPhone等其他突破性技術(shù)一樣，一個(gè)生成式AI平臺(tái)可以為任何年齡、教育水平和任何互聯(lián)網(wǎng)接入地點(diǎn)的受眾提供許多應(yīng)用程序。

所有這一切都是可能的，因?yàn)樯墒紸I聊天機(jī)器人是由基礎(chǔ)模型驅(qū)動(dòng)的，基礎(chǔ)模型是由大量非結(jié)構(gòu)化、未標(biāo)記的各種格式數(shù)據(jù)(如文本和音頻)訓(xùn)練而成的龐大神經(jīng)網(wǎng)絡(luò)?；A(chǔ)模型可以用于廣泛的任務(wù)。相比之下，前幾代AI模型通常是“狹隘的/受限的”，這意味著它們只能執(zhí)行一項(xiàng)任務(wù)，比如預(yù)測客戶流失。例如，一個(gè)基礎(chǔ)模型可以為一份2萬字的量子計(jì)算技術(shù)報(bào)告編寫執(zhí)行摘要，為一家修剪樹木的企業(yè)起草一份市場戰(zhàn)略，為某家冰箱里的十種食材提供五種不同的食譜。這種多功能性的缺點(diǎn)是，就目前而言，生成式AI有時(shí)會(huì)提供不太準(zhǔn)確的結(jié)果，這讓人們重新關(guān)注AI的風(fēng)險(xiǎn)管理。

【資料圖】

有了適當(dāng)?shù)谋Ｗo(hù)措施，生成式AI不僅可以為企業(yè)解鎖新的用例，還可以加速、擴(kuò)展或以其他方式改進(jìn)現(xiàn)有的用例。例如，想象一下針對(duì)客戶的銷售電話。一個(gè)經(jīng)過專門訓(xùn)練的AI模型可以向銷售人員建議追加銷售的機(jī)會(huì)，但到目前為止，這些機(jī)會(huì)通常只是基于電話開始前獲得的靜態(tài)客戶數(shù)據(jù)，比如人口統(tǒng)計(jì)數(shù)據(jù)和購買模式。生成式AI工具可以根據(jù)內(nèi)部客戶數(shù)據(jù)、外部市場趨勢和社交媒體影響數(shù)據(jù)，根據(jù)對(duì)話的實(shí)際內(nèi)容，實(shí)時(shí)向銷售人員建議追加銷售機(jī)會(huì)。與此同時(shí)，生成式AI還可以為銷售人員提供一份銷售宣傳的初稿，讓他們進(jìn)行調(diào)整和個(gè)性化處理。

上述示例演示了該技術(shù)對(duì)一個(gè)工作角色的影響。幾乎每個(gè)知識(shí)工作者都可能從與生成式AI的交互中受益。事實(shí)上，生成式AI最終可能被用于自動(dòng)化某些任務(wù)，其大部分價(jià)值可能來自軟件供應(yīng)商如何將該技術(shù)嵌入知識(shí)工作者使用的日常工具(例如電子郵件或文字處理軟件)中。這種升級(jí)的工具可以大大提高生產(chǎn)率。

CEO們想知道他們是否應(yīng)該現(xiàn)在就采取行動(dòng)，如果是的話，如何開始?有些人可能會(huì)看到一個(gè)機(jī)會(huì)：通過重新想象人類如何使用生成式AI應(yīng)用程序來完成工作，從而超越競爭對(duì)手。而其他人可能想要謹(jǐn)慎行事，在進(jìn)行任何大型投資之前，嘗試一些用例并了解更多。公司還必須評(píng)估他們是否擁有必要的技術(shù)專長、技術(shù)和數(shù)據(jù)架構(gòu)、運(yùn)營模式和風(fēng)險(xiǎn)管理流程，這些都是一些更具變革性的生成式AI實(shí)施所必需的。

本文可以幫助CEO及其團(tuán)隊(duì)了解生成式AI的價(jià)值創(chuàng)造案例，以及如何開始他們的旅程。首先，我們提供了一個(gè)生成式AI入門章節(jié)，以幫助高管們更好地理解AI的快速發(fā)展?fàn)顟B(tài)和可用的技術(shù)選擇。下一部分將通過四個(gè)旨在提高企業(yè)效率的案例來研究公司如何參與生成式AI實(shí)踐。這些案例反映了我們?cè)谠缙诓捎谜咧兴吹降那闆r，并闡明了在技術(shù)、成本和運(yùn)營模式要求方面的一系列選擇。最后，我們討論了CEO在利用生成式AI成功定位企業(yè)方面的重要作用。

對(duì)生成式AI的興奮之情是顯而易見的，高管們理所當(dāng)然地希望以深思熟慮和有計(jì)劃的方式向前推進(jìn)。我們希望這篇文章能夠?yàn)闃I(yè)務(wù)領(lǐng)導(dǎo)者提供一個(gè)全面的介紹，讓他們了解有前途的生成式AI的世界。

生成式AI入門

生成式AI技術(shù)正在迅速發(fā)展。它的發(fā)布周期、初創(chuàng)企業(yè)的數(shù)量以及與現(xiàn)有軟件應(yīng)用程序的快速集成無不引人注目。在本節(jié)中，我們將討論生成式AI應(yīng)用的廣度，并簡要解釋該技術(shù)，包括它與傳統(tǒng)AI的不同之處。

不僅僅是聊天機(jī)器人

生成式AI可用于自動(dòng)化、增強(qiáng)和加速工作。出于本文的目的，我們關(guān)注的是生成式AI增強(qiáng)工作的方式，而不是它如何取代人類的角色。

像ChatGPT這樣的文本生成式聊天機(jī)器人受到了極大的關(guān)注，同時(shí)，生成式AI可以實(shí)現(xiàn)廣泛的內(nèi)容功能，包括圖像、視頻、音頻和計(jì)算機(jī)代碼。它可以在企業(yè)中執(zhí)行多種功能，包括分類、編輯、總結(jié)、回答問題和起草新內(nèi)容。這些操作中的每一個(gè)都有可能通過改變跨業(yè)務(wù)功能和工作流在活動(dòng)級(jí)別上完成工作的方式來創(chuàng)造價(jià)值。下面是一些例子。

分類欺詐檢測分析師可以將交易描述和客戶文檔輸入生成式AI能工具，并要求其識(shí)別欺詐交易?？蛻舴?wù)經(jīng)理可以使用生成式AI根據(jù)客戶滿意度對(duì)客戶呼叫的音頻文件進(jìn)行分類。編輯文案可以使用生成式AI來糾正語法并轉(zhuǎn)換文章以匹配客戶的需求。平面設(shè)計(jì)師可以從圖像中刪除過時(shí)的徽標(biāo)?？偨Y(jié)制作助理可以根據(jù)幾個(gè)小時(shí)的活動(dòng)鏡頭創(chuàng)建一個(gè)亮點(diǎn)視頻。業(yè)務(wù)分析師可以創(chuàng)建維恩圖(Venn diagram)，總結(jié)高管演講中的關(guān)鍵點(diǎn)?；卮饐栴}制造企業(yè)的員工可以向基于生成式AI的“虛擬專家”詢問有關(guān)操作流程的技術(shù)問題。消費(fèi)者可以向聊天機(jī)器人詢問如何組裝一件新家具。草案軟件開發(fā)人員可以提示生成式AI創(chuàng)建整行代碼或建議完成現(xiàn)有代碼的部分行。營銷經(jīng)理可以使用生成式AI起草各種版本的活動(dòng)信息。

隨著技術(shù)的發(fā)展和成熟，這些類型的生成式AI可以越來越多地集成到企業(yè)工作流程中，以自動(dòng)執(zhí)行任務(wù)并直接執(zhí)行特定操作(例如，在會(huì)議結(jié)束時(shí)自動(dòng)發(fā)送摘要筆記)。我們已經(jīng)看到在這個(gè)領(lǐng)域出現(xiàn)了一些工具。

生成式AI與其他類型AI有何不同

顧名思義，生成式AI與之前的AI或分析形式的主要區(qū)別在于，它可以生成新內(nèi)容，通常是“非結(jié)構(gòu)化”形式(例如，書面文本或圖像)，而這些內(nèi)容通常不會(huì)在帶有行和列的表格中表示。

使生成式AI能夠工作的底層技術(shù)是一類稱為基礎(chǔ)模型的人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)的靈感來自于人類大腦中連接的數(shù)十億個(gè)神經(jīng)元。它們使用深度學(xué)習(xí)進(jìn)行訓(xùn)練，這個(gè)術(shù)語暗指神經(jīng)網(wǎng)絡(luò)中的許多層。深度學(xué)習(xí)為AI的許多最新進(jìn)展提供了動(dòng)力。

然而，一些特征將基礎(chǔ)模型與前幾代深度學(xué)習(xí)模型區(qū)分開來。首先，它們可以在大量不同的非結(jié)構(gòu)化數(shù)據(jù)集上進(jìn)行訓(xùn)練。例如，一種稱為大型語言模型(LLM)的基礎(chǔ)模型可以在互聯(lián)網(wǎng)上公開提供的大量文本上進(jìn)行訓(xùn)練，這些文本涵蓋了許多不同的主題。雖然其他深度學(xué)習(xí)模型可以在大量非結(jié)構(gòu)化數(shù)據(jù)上運(yùn)行，但它們通常是在更具體的數(shù)據(jù)集上進(jìn)行訓(xùn)練的。例如，一個(gè)模型可以在一組特定的圖像上進(jìn)行訓(xùn)練，使其能夠識(shí)別照片中的某些物體。

事實(shí)上，其他深度學(xué)習(xí)模型通常只能執(zhí)行一個(gè)這樣的任務(wù)。例如，它們既可以對(duì)照片中的物體進(jìn)行分類，也可以執(zhí)行其他功能，如進(jìn)行預(yù)測。相反地，一個(gè)基礎(chǔ)模型可以同時(shí)執(zhí)行這兩個(gè)功能并生成內(nèi)容?；A(chǔ)模型通過從它們攝取的廣泛訓(xùn)練數(shù)據(jù)中學(xué)習(xí)模式和關(guān)系來積累這些能力，例如，這些數(shù)據(jù)使它們能夠預(yù)測句子中的下一個(gè)單詞。這就是ChatGPT如何回答各種主題的問題，以及DALL·e2和Stable Diffusion如何根據(jù)描述生成圖像。

考慮到基礎(chǔ)模型的多功能性，公司可以使用相同的模型來實(shí)現(xiàn)多個(gè)業(yè)務(wù)用例，這是使用早期的深度學(xué)習(xí)模型鮮少能實(shí)現(xiàn)的。一個(gè)包含了公司產(chǎn)品信息的基礎(chǔ)模型既可以用于回答客戶的問題，也可以用于支持工程師開發(fā)產(chǎn)品的更新版本。因此，公司可以支持應(yīng)用程序并更快地實(shí)現(xiàn)其好處。

然而，由于當(dāng)前基礎(chǔ)模型的工作方式，它們并不適合所有的應(yīng)用程序。例如，大型語言模型可能容易產(chǎn)生“幻覺”，或者用看似合理但不真實(shí)的斷言回答問題。此外，并不總是提供響應(yīng)的基本推理或來源。這意味著，在錯(cuò)誤可能造成傷害或需要解釋的應(yīng)用程序中，公司應(yīng)該謹(jǐn)慎地在沒有人為監(jiān)督的情況下集成生成式AI。生成式AI目前也不適合直接分析大量表格數(shù)據(jù)或解決高級(jí)數(shù)值優(yōu)化問題。研究人員正在努力解決這些問題。

負(fù)責(zé)任地使用生成式AI

生成式AI帶來了各種風(fēng)險(xiǎn)。CEO們希望從一開始就設(shè)計(jì)自己的團(tuán)隊(duì)和流程來降低這些風(fēng)險(xiǎn)，這不僅是為了滿足快速變化的監(jiān)管要求，也是為了保護(hù)自己的業(yè)務(wù)，贏得消費(fèi)者的數(shù)字信任。

公平性：由于不完善的訓(xùn)練數(shù)據(jù)或開發(fā)模型的工程師做出的決策，模型可能會(huì)產(chǎn)生算法偏差。知識(shí)產(chǎn)權(quán)(IP)：訓(xùn)練數(shù)據(jù)和模型輸出可能產(chǎn)生重大的知識(shí)產(chǎn)權(quán)風(fēng)險(xiǎn)，包括侵犯版權(quán)、商標(biāo)、專利或其他受法律保護(hù)的材料。即使使用提供商的生成式AI工具，企業(yè)也需要了解哪些數(shù)據(jù)用于培訓(xùn)以及如何在工具輸出中使用這些數(shù)據(jù)。隱私：如果用戶輸入的信息最終以一種“使個(gè)人可識(shí)別”的形式出現(xiàn)在模型輸出中，則可能出現(xiàn)隱私問題。生成式AI還可用于創(chuàng)建和傳播惡意內(nèi)容，如虛假信息、深度造假和仇恨言論。安全性：惡意行為者可能會(huì)利用生成式AI來加速網(wǎng)絡(luò)攻擊的復(fù)雜性和速度。它也可以被操縱以提供惡意輸出。例如，通過一種稱為“提示注入”的技術(shù)，第三方可以向模型提供新的指令/提示，欺騙模型交付模型生產(chǎn)者和最終用戶意想不到的輸出?？山忉屝裕荷墒紸I依賴于具有數(shù)十億參數(shù)的神經(jīng)網(wǎng)絡(luò)，挑戰(zhàn)了我們解釋任何給定答案是如何產(chǎn)生的能力?？煽啃裕簩?duì)于相同的提示，模型可能產(chǎn)生不同的答案，從而妨礙用戶評(píng)估輸出的準(zhǔn)確性和可靠性的能力。組織影響：生成式AI可能會(huì)對(duì)勞動(dòng)力產(chǎn)生重大影響，對(duì)特定群體和當(dāng)?shù)厣鐓^(qū)的影響可能會(huì)產(chǎn)生不成比例的負(fù)面影響。社會(huì)和環(huán)境影響：基礎(chǔ)模型的開發(fā)和培訓(xùn)可能導(dǎo)致有害的社會(huì)和環(huán)境后果，包括碳排放的增加(例如，培訓(xùn)一個(gè)大型語言模型可以排放約315噸二氧化碳)。新興的生成式AI生態(tài)系統(tǒng)

雖然基礎(chǔ)模型是生成式AI的“大腦”，但整個(gè)價(jià)值鏈正在形成，以支持這項(xiàng)技術(shù)的培訓(xùn)和使用。專用硬件提供訓(xùn)練模型所需的廣泛計(jì)算能力;云平臺(tái)提供了利用這種硬件的能力;MLOps和模型中心提供者提供了企業(yè)調(diào)整基礎(chǔ)模型并在其最終用戶應(yīng)用程序中部署它所需的工具、技術(shù)和實(shí)踐的能力。許多公司正在進(jìn)入市場，提供建立在基礎(chǔ)模型之上的應(yīng)用程序，使它們能夠執(zhí)行特定的任務(wù)，例如幫助公司的客戶解決服務(wù)問題。

第一個(gè)基礎(chǔ)模型需要高水平的投資來開發(fā)，因?yàn)樾枰罅康挠?jì)算資源來訓(xùn)練它們，并且需要人力來改進(jìn)它們。因此，它們主要是由少數(shù)幾家科技巨頭、獲得巨額投資支持的初創(chuàng)企業(yè)和一些開源研究團(tuán)體(例如BigScience)開發(fā)的。然而，可以為某些任務(wù)提供有效結(jié)果的小型模型和更有效的培訓(xùn)正在進(jìn)行中。這最終可能會(huì)向更多的進(jìn)入者開放市場。一些初創(chuàng)公司已經(jīng)成功地開發(fā)了自己的模型——例如，Cohere、Anthropic和AI21 Labs建立并訓(xùn)練了自己的大型語言模型。

讓生成式AI發(fā)揮作用

CEO們應(yīng)該將探索生成式AI視為必須的考慮，而不是一種可能。生成式AI可以在廣泛的用例中創(chuàng)造價(jià)值。啟動(dòng)它所需的經(jīng)濟(jì)和技術(shù)要求并未達(dá)到令人望而卻步的程度，而不作為的負(fù)面影響可能會(huì)很快落后于競爭對(duì)手。每位CEO都應(yīng)該與高管團(tuán)隊(duì)合作，思考在哪里以及如何發(fā)揮作用。一些CEO可能會(huì)認(rèn)為，生成式AI為他們的公司提供了一次變革性的機(jī)會(huì)，提供了一個(gè)重新構(gòu)想一切(從研發(fā)到營銷和銷售再到客戶運(yùn)營)的機(jī)會(huì)。其他CEO則可能會(huì)選擇從小規(guī)模開始，然后再擴(kuò)大規(guī)模。一旦做出決定，AI專家就可以根據(jù)用例遵循一些技術(shù)途徑來執(zhí)行策略。

在一個(gè)企業(yè)中，生成式AI的大部分用途(盡管不一定是全部價(jià)值)將來自于員工使用他們已經(jīng)擁有的軟件中嵌入的功能。電子郵件系統(tǒng)將提供寫郵件初稿的選項(xiàng);生產(chǎn)力應(yīng)用程序?qū)⒏鶕?jù)描述創(chuàng)建演示文稿的初稿;財(cái)務(wù)軟件將生成財(cái)務(wù)報(bào)告中顯著特征的文字描述;客戶關(guān)系管理系統(tǒng)將提出與客戶互動(dòng)的方法。這些特性可以加快每一位知識(shí)工作者的工作效率。

生成式AI在某些用例中也可能更具變革性。下面，我們來看四個(gè)例子，看看不同行業(yè)的公司如今如何使用生成式AI來重塑其企業(yè)內(nèi)的工作方式。這些例子涵蓋需要最少資源的和需要大量資源的。

改變軟件工程的工作

第一個(gè)例子是一個(gè)相對(duì)復(fù)雜性較低的案例，它使用現(xiàn)成的生成式AI解決方案，不需要內(nèi)部定制，因此可以即時(shí)提高生產(chǎn)率。

軟件工程師工作中最重要的部分是編寫代碼。這是一個(gè)勞動(dòng)密集型的過程，需要大量的試驗(yàn)和試錯(cuò)，以及對(duì)私人和公共文件的研究。在這家公司，熟練的軟件工程師的短缺導(dǎo)致了功能和漏洞修復(fù)請(qǐng)求的大量積壓。

為了提高工程師的生產(chǎn)力，該公司正在實(shí)施一種基于AI的代碼完成產(chǎn)品，該產(chǎn)品與工程師用于編碼的軟件集成在一起。這能夠使工程師用自然語言編寫代碼描述，而AI則建議滿足描述的代碼塊的幾種變體。工程師可以選擇一個(gè)AI的建議，進(jìn)行必要的改進(jìn)，然后點(diǎn)擊它來插入代碼。

我們的研究表明，這樣的工具可以將開發(fā)人員的代碼生成速度提高50%。它還可以幫助調(diào)試，這可能會(huì)提高開發(fā)產(chǎn)品的質(zhì)量。但今天，生成式AI無法取代熟練的軟件工程師。事實(shí)上，更有經(jīng)驗(yàn)的工程師似乎從這些工具中獲得了最大的生產(chǎn)力收益，而沒有經(jīng)驗(yàn)的開發(fā)人員看到的結(jié)果則不那么令人印象深刻，有時(shí)甚至是負(fù)面的。已知的風(fēng)險(xiǎn)是AI生成的代碼可能包含漏洞或其他錯(cuò)誤，因此必須讓軟件工程師參與進(jìn)來，以確保代碼的質(zhì)量和安全性。

這種現(xiàn)成的生成式AI編碼工具的成本相對(duì)較低，而且上市時(shí)間很短，因?yàn)楫a(chǎn)品可用，不需要大量的內(nèi)部開發(fā)。費(fèi)用因軟件提供商而異，但固定費(fèi)用訂閱從每個(gè)用戶每月10美元到30美元不等。在選擇工具時(shí)，務(wù)必與提供商討論許可和知識(shí)產(chǎn)權(quán)問題，以確保生成的代碼不會(huì)導(dǎo)致違規(guī)。

幫助客戶經(jīng)理跟上公共信息和數(shù)據(jù)的步伐

公司可能決定構(gòu)建自己的生成式AI應(yīng)用程序，利用基礎(chǔ)模型(通過API或開放模型)，而不是使用現(xiàn)成的工具。這需要在前一個(gè)示例的基礎(chǔ)上增加投資，但也促進(jìn)了更自定義的方法來滿足公司的特定背景和需求。

在這個(gè)例子中，一家大型企業(yè)銀行希望使用生成式AI來提高關(guān)系經(jīng)理(RM)的生產(chǎn)力。經(jīng)理們花費(fèi)大量時(shí)間審查大型文件(如年度報(bào)告和收益電話會(huì)議記錄)以了解客戶的情況和優(yōu)先事項(xiàng)，從而能夠提供適合客戶特定需求的服務(wù)。

銀行決定構(gòu)建一個(gè)通過API訪問基礎(chǔ)模型的解決方案。該解決方案能夠掃描文檔，并可以快速為RM提出的問題提供綜合答案。圍繞基礎(chǔ)模型構(gòu)建的其他層用于簡化用戶體驗(yàn)，將工具與公司系統(tǒng)集成，并應(yīng)用風(fēng)險(xiǎn)和遵從性控制。特別是，必須驗(yàn)證模型輸出，就像企業(yè)檢查初級(jí)分析人員的輸出一樣，因?yàn)橐阎恍┐笮驼Z言模型會(huì)產(chǎn)生“幻覺”。此外，RM也需要接受培訓(xùn)，以一種能夠從解決方案中提供最準(zhǔn)確答案的方式提出問題(稱為提示工程)，并且將流程放置到位，以簡化工具輸出和信息源的驗(yàn)證。

在這種情況下，生成式AI可以加快RM的分析過程(從幾天縮減至幾小時(shí))，提高工作滿意度，并捕獲RM可能忽略的見解。

開發(fā)成本主要來自用戶界面的構(gòu)建和集成，這需要數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)工程師或數(shù)據(jù)工程師、設(shè)計(jì)人員和前端開發(fā)人員的共同努力。持續(xù)的費(fèi)用包括軟件維護(hù)和使用API的成本。成本取決于模型選擇和第三方供應(yīng)商費(fèi)用、團(tuán)隊(duì)規(guī)模和最小可行產(chǎn)品所需的時(shí)間。

解放客戶支持代表從事更高價(jià)值的活動(dòng)

下一個(gè)復(fù)雜的層次是對(duì)基礎(chǔ)模型進(jìn)行微調(diào)。在這個(gè)例子中，一家公司使用了一個(gè)為對(duì)話優(yōu)化的基礎(chǔ)模型，并根據(jù)自己的高質(zhì)量客戶聊天和特定行業(yè)的問題和答案對(duì)其進(jìn)行微調(diào)。該公司經(jīng)營的行業(yè)有專門的術(shù)語(例如，法律、醫(yī)藥、房地產(chǎn)和金融)?？焖俚目蛻舴?wù)是一個(gè)有競爭力的差異化因素。

這家公司的客戶支持代表每天需要處理數(shù)百個(gè)入站咨詢。響應(yīng)時(shí)間有時(shí)太長，導(dǎo)致用戶不滿。該公司決定引入一個(gè)生成式AI客服機(jī)器人來處理大多數(shù)客戶的請(qǐng)求。目標(biāo)是以符合公司品牌和客戶偏好的語氣迅速做出回應(yīng)。對(duì)基礎(chǔ)模型進(jìn)行微調(diào)和測試的部分過程包括確保回應(yīng)與特定領(lǐng)域的語言、品牌承諾和公司的基調(diào)保持一致;需要進(jìn)行持續(xù)的監(jiān)控，以跨多個(gè)維度(包括客戶滿意度)驗(yàn)證系統(tǒng)的性能。

該公司創(chuàng)建了由多個(gè)階段組成的產(chǎn)品路線圖，以盡量減少潛在的模型錯(cuò)誤。在第一波測試中，聊天機(jī)器人在內(nèi)部進(jìn)行了測試。員工能夠?qū)δＰ偷慕ㄗh給出“贊成”或“反對(duì)”的答案，模型能夠從這些輸入中學(xué)習(xí)。下一步，該模型“傾聽”客戶支持對(duì)話并提供建議。一旦技術(shù)得到充分的測試，第二波浪潮就開始了，模型轉(zhuǎn)向了面向客戶的用例，其中放置了一名員工在循環(huán)中。最終，當(dāng)領(lǐng)導(dǎo)者對(duì)這項(xiàng)技術(shù)完全有信心時(shí)，它可以在很大程度上實(shí)現(xiàn)自動(dòng)化，甚至完全不需要人員參與。

在這種情況下，生成式AI將服務(wù)代表解放出來，專注于更高價(jià)值和復(fù)雜的客戶查詢，提高了代表的效率和工作滿意度，提高了服務(wù)標(biāo)準(zhǔn)和客戶滿意度。該機(jī)器人可以訪問客戶的所有內(nèi)部數(shù)據(jù)，并可以“記住”之前的對(duì)話(包括電話)，這是目前客戶聊天機(jī)器人的一大進(jìn)步。

為了獲得收益，該用例需要在軟件、云基礎(chǔ)設(shè)施和技術(shù)人才方面進(jìn)行物質(zhì)投資，以及在風(fēng)險(xiǎn)和操作方面進(jìn)行更高程度的內(nèi)部協(xié)調(diào)。一般來說，微調(diào)基礎(chǔ)模型的成本是在API之上構(gòu)建一個(gè)或多個(gè)軟件層的兩到三倍。云計(jì)算(如果對(duì)自托管模型進(jìn)行微調(diào))或API(如果通過第三方API進(jìn)行微調(diào))的人才和第三方成本是增加成本的關(guān)鍵。為了實(shí)現(xiàn)該解決方案，公司需要DataOps和MLOps專家的幫助，以及其他功能(如產(chǎn)品管理、設(shè)計(jì)、法律和客戶服務(wù)專家)的加持。

加速藥物研發(fā)

當(dāng)沒有合適的基礎(chǔ)模型，公司需要從頭開始構(gòu)建時(shí)，最復(fù)雜和定制的生成式AI用例就會(huì)出現(xiàn)。這種情況可能出現(xiàn)在專門的部門，或者在處理與用于訓(xùn)練現(xiàn)有基礎(chǔ)模型的數(shù)據(jù)顯著不同的獨(dú)特?cái)?shù)據(jù)集時(shí)，正如這個(gè)制藥示例所演示的那樣。從頭開始訓(xùn)練一個(gè)基礎(chǔ)模型呈現(xiàn)出大量的技術(shù)、工程和資源挑戰(zhàn)。使用性能更高的模型所帶來的額外投資回報(bào)應(yīng)該超過財(cái)務(wù)和人力資本成本。

在這個(gè)例子中，一家制藥公司的藥物研發(fā)科學(xué)家必須根據(jù)顯微鏡圖像決定下一步要進(jìn)行哪些實(shí)驗(yàn)。他們有一個(gè)由數(shù)百萬張這樣的圖像組成的數(shù)據(jù)集，其中包含了豐富的細(xì)胞特征的視覺信息，這些信息與藥物發(fā)現(xiàn)有關(guān)，但人類很難解釋。這些圖像被用來評(píng)估潛在的治療候選人。

該公司決定創(chuàng)建一個(gè)工具，幫助科學(xué)家了解藥物化學(xué)和記錄的顯微鏡結(jié)果之間的關(guān)系，以加快研發(fā)工作。由于這種多模態(tài)模型(multimodal model)仍處于起步階段，該公司決定轉(zhuǎn)而訓(xùn)練自己的模型。為了建立模型，團(tuán)隊(duì)成員使用了用于訓(xùn)練基于圖像的基礎(chǔ)模型的真實(shí)世界圖像和他們的大型內(nèi)部顯微鏡圖像數(shù)據(jù)集。

經(jīng)過訓(xùn)練的模型通過預(yù)測哪些候選藥物可能導(dǎo)致有利的結(jié)果，以及通過提高準(zhǔn)確識(shí)別藥物發(fā)現(xiàn)相關(guān)細(xì)胞特征的能力來增加價(jià)值。這可以導(dǎo)致更高效和有效的藥物發(fā)現(xiàn)過程，不僅可以縮短獲得價(jià)值的時(shí)間，還可以減少不準(zhǔn)確、誤導(dǎo)或失敗分析的數(shù)量。

一般來說，從頭開始訓(xùn)練一個(gè)模型的成本是圍繞模型API構(gòu)建軟件的10到20倍。更大的團(tuán)隊(duì)(例如，包括博士級(jí)機(jī)器學(xué)習(xí)專家)和更高的計(jì)算和存儲(chǔ)支出是成本差異的關(guān)鍵。訓(xùn)練基礎(chǔ)模型的預(yù)計(jì)成本根據(jù)期望的模型性能水平和建模復(fù)雜性而異。這些因素會(huì)影響所需的數(shù)據(jù)集大小、團(tuán)隊(duì)組成和計(jì)算資源。在這個(gè)用例中，工程團(tuán)隊(duì)和持續(xù)的云費(fèi)用占了大部分成本。

該公司發(fā)現(xiàn)需要對(duì)其技術(shù)基礎(chǔ)設(shè)施和流程進(jìn)行重大更新，包括訪問許多GPU實(shí)例來訓(xùn)練模型，在許多系統(tǒng)中分發(fā)訓(xùn)練的工具，以及最佳實(shí)踐MLOp以限制成本和項(xiàng)目持續(xù)時(shí)間。此外，收集、集成(確保不同數(shù)據(jù)集的文件具有相同的格式和分辨率)和清理(過濾低質(zhì)量數(shù)據(jù)、刪除重復(fù)數(shù)據(jù)和確保分發(fā)符合預(yù)期用途)也需要大量的數(shù)據(jù)處理工作。由于基礎(chǔ)模型是從零開始訓(xùn)練的，因此需要對(duì)最終模型進(jìn)行嚴(yán)格的測試，以確保輸出是準(zhǔn)確的，并且可以安全使用。

CEO們得到的經(jīng)驗(yàn)教訓(xùn)

這里列出的用例為CEO們踏上生成式AI之旅提供了有力的啟示：

為工作和工作場所帶來實(shí)際好處的變革性用例已經(jīng)存在。從制藥、銀行到零售，各行各業(yè)的公司都在建立一系列用例，以捕捉價(jià)值創(chuàng)造潛力。組織可以從小規(guī)模或大規(guī)模開始，這取決于他們的意愿。追求生成式AI的成本差異很大，具體取決于用例和軟件、云基礎(chǔ)設(shè)施、技術(shù)專長和風(fēng)險(xiǎn)緩解所需的數(shù)據(jù)。公司必須考慮風(fēng)險(xiǎn)問題，不管用例是什么，而且有些用例需要比其他用例更多的資源。盡管快速入門有好處，但首先建立一個(gè)基本的商業(yè)案例將幫助企業(yè)更好地駕馭其生成式AI之旅。

開啟生成式AI之旅的注意事項(xiàng)

CEO在推動(dòng)公司專注于生成式AI方面發(fā)揮著至關(guān)重要的作用。在這最后一節(jié)，我們將討論CEO們?cè)陂_始他們的旅程時(shí)需要牢記的策略。他們中的許多人已經(jīng)回應(yīng)了高管們對(duì)前幾波新技術(shù)浪潮的反應(yīng)。然而，生成式AI也面臨著自己的挑戰(zhàn)，包括管理一項(xiàng)在以前的技術(shù)轉(zhuǎn)型中從未見過的技術(shù)。

生成式AI的組織

許多組織開始通過孤立的實(shí)驗(yàn)探索傳統(tǒng)AI的可能性。鑒于其獨(dú)特的風(fēng)險(xiǎn)考慮和基礎(chǔ)模型在組織中支持多個(gè)用例的能力，生成式AI需要一種更加深思熟慮和協(xié)調(diào)的方法。例如，使用專有材料對(duì)模型進(jìn)行微調(diào)以反映企業(yè)的品牌標(biāo)識(shí)，可以部署在多個(gè)用例(例如，生成個(gè)性化的營銷活動(dòng)和產(chǎn)品描述)和業(yè)務(wù)功能(例如，產(chǎn)品開發(fā)和營銷)之間。

為此，我們建議召集一個(gè)由公司領(lǐng)導(dǎo)組成的跨職能小組(例如，代表數(shù)據(jù)科學(xué)、工程、法律、網(wǎng)絡(luò)安全、營銷、設(shè)計(jì)和其他業(yè)務(wù)職能)。這樣的一個(gè)小組不僅可以幫助識(shí)別和確定最高價(jià)值用例的優(yōu)先級(jí)，還可以在整個(gè)組織中實(shí)現(xiàn)協(xié)調(diào)和安全性。

重新構(gòu)想端到端領(lǐng)域VS專注于用例

生成式AI是一種強(qiáng)大的工具，可以改變組織的運(yùn)作方式，對(duì)價(jià)值鏈中的某些業(yè)務(wù)領(lǐng)域(例如，零售商的營銷或制造商的運(yùn)營)具有特別的影響。部署生成式AI的便利性可以吸引組織將其應(yīng)用于整個(gè)業(yè)務(wù)中的零星用例。對(duì)跨業(yè)務(wù)功能具有最大轉(zhuǎn)型潛力的領(lǐng)域的用例家族有一個(gè)完整視圖是很重要的。通過與其他傳統(tǒng)AI應(yīng)用程序同步工作的生成式AI，以及以前可能無法實(shí)現(xiàn)的新工作方式，組織正在重新構(gòu)想目標(biāo)狀態(tài)。

啟用完全加載的技術(shù)堆棧

現(xiàn)代數(shù)據(jù)和技術(shù)堆棧是幾乎任何成功的生成式AI方法的關(guān)鍵。CEO應(yīng)該向他們的首席技術(shù)官咨詢，以確定公司在計(jì)算資源、數(shù)據(jù)系統(tǒng)、工具和模型訪問(通過模型中心開源或通過API商業(yè)化)方面是否具備所需的技術(shù)能力。

例如，生成式AI的命脈是對(duì)特定業(yè)務(wù)環(huán)境或問題的數(shù)據(jù)的流暢訪問。那些尚未找到有效協(xié)調(diào)和提供數(shù)據(jù)訪問方法的公司，將無法對(duì)生成式AI進(jìn)行微調(diào)，以釋放其更多潛在的變革性用途。同樣重要的是設(shè)計(jì)一個(gè)可擴(kuò)展的數(shù)據(jù)架構(gòu)，其中包括數(shù)據(jù)治理和安全過程。根據(jù)用例的不同，現(xiàn)有的計(jì)算和工具基礎(chǔ)設(shè)施(可以通過云提供商獲得，也可以在內(nèi)部設(shè)置)可能也需要升級(jí)。基于生成式AI帶來的商業(yè)價(jià)值和競爭優(yōu)勢的清晰數(shù)據(jù)和基礎(chǔ)設(shè)施戰(zhàn)略將至關(guān)重要。

建造“燈塔”

CEO們希望避免陷入計(jì)劃階段。新的模型和應(yīng)用正在快速開發(fā)和發(fā)布。例如，GPT-4于2023年3月發(fā)布，ChatGPT(GPT-3.5)于2022年11月發(fā)布，GPT-3于2020年發(fā)布。在商業(yè)世界中，時(shí)間意味著一切，生成式AI技術(shù)的快節(jié)奏特性要求企業(yè)迅速采取行動(dòng)，充分利用這一優(yōu)勢。有幾種方法可以讓高管們保持穩(wěn)定的發(fā)展。

雖然生成式AI仍處于早期階段，但重要的是要在內(nèi)部展示它如何影響公司的運(yùn)營模式，也許可以通過“燈塔方法”(lighthouse approach)。例如，一種方法是建立一個(gè)“虛擬專家”，使一線員工能夠利用專有的知識(shí)來源，并向客戶提供最相關(guān)的內(nèi)容。這有可能提高生產(chǎn)力，創(chuàng)造熱情，并使組織能夠在將生成式AI擴(kuò)展到面向客戶的應(yīng)用程序之前，在內(nèi)部對(duì)其進(jìn)行測試。

與其他技術(shù)創(chuàng)新浪潮一樣，將會(huì)出現(xiàn)“概念驗(yàn)證疲勞”(PoC fatigue)和許多公司陷入“試點(diǎn)煉獄”(pilot purgatory)的例子。但是，在擴(kuò)展到相關(guān)用例之前，鼓勵(lì)概念驗(yàn)證仍然是快速測試和完善有價(jià)值的業(yè)務(wù)用例的最佳方法。通過專注于產(chǎn)生有意義的結(jié)果的早期勝利，公司可以建立動(dòng)力，然后擴(kuò)大規(guī)模，以利用生成式AI的多用途特性。這種方法可以使企業(yè)促進(jìn)更廣泛的AI應(yīng)用，并創(chuàng)造對(duì)保持競爭優(yōu)勢至關(guān)重要的創(chuàng)新文化。

平衡風(fēng)險(xiǎn)和價(jià)值創(chuàng)造

正如上述四個(gè)詳細(xì)用例所展示的那樣，業(yè)務(wù)領(lǐng)導(dǎo)者必須平衡價(jià)值創(chuàng)造機(jī)會(huì)與生成式AI所涉及的風(fēng)險(xiǎn)。根據(jù)我們最近的全球人工智能調(diào)查結(jié)果顯示，大多數(shù)組織并沒有緩解與傳統(tǒng)AI相關(guān)的大部分風(fēng)險(xiǎn)，盡管超過一半的組織已經(jīng)采用了這項(xiàng)技術(shù)。生成式AI重新引起了人們對(duì)許多相同風(fēng)險(xiǎn)的關(guān)注，例如隱藏在訓(xùn)練數(shù)據(jù)中的偏見可能持續(xù)存在，同時(shí)呈現(xiàn)出新的風(fēng)險(xiǎn)，例如它的“幻覺”傾向。

因此，跨職能的領(lǐng)導(dǎo)團(tuán)隊(duì)不僅要為生成式AI的使用構(gòu)建總體的道德原則和指導(dǎo)方針，還要對(duì)每個(gè)潛在用例所帶來的風(fēng)險(xiǎn)有一個(gè)全面的了解。尋找與組織的整體風(fēng)險(xiǎn)容忍度相一致的初始用例，并具有適當(dāng)?shù)慕Y(jié)構(gòu)以減輕相應(yīng)的風(fēng)險(xiǎn)，這一點(diǎn)非常重要。例如，零售組織可能會(huì)優(yōu)先考慮價(jià)值略低但風(fēng)險(xiǎn)也較低的用例，如創(chuàng)建營銷內(nèi)容的初始草稿和其他讓人保持循環(huán)的任務(wù)。與此同時(shí)，公司可能會(huì)留出更高價(jià)值、高風(fēng)險(xiǎn)的用例，比如自動(dòng)起草和發(fā)送超個(gè)性化營銷電子郵件的工具。這種風(fēng)險(xiǎn)前瞻性實(shí)踐可以使組織建立必要的控制，以適當(dāng)?shù)毓芾砩墒紸I并保持合規(guī)性。

CEO及其團(tuán)隊(duì)還希望了解生成式AI監(jiān)管的最新進(jìn)展，包括與消費(fèi)者數(shù)據(jù)保護(hù)和知識(shí)產(chǎn)權(quán)相關(guān)的規(guī)則，以保護(hù)公司免受責(zé)任問題的困擾。各國可能會(huì)采取不同的監(jiān)管方法，就像它們經(jīng)常對(duì)AI能和數(shù)據(jù)所做的那樣。組織可能需要調(diào)整他們的工作方法來校準(zhǔn)流程管理、文化和人才管理，以確保他們能夠處理快速發(fā)展的監(jiān)管環(huán)境和大規(guī)模生成式AI所帶來的風(fēng)險(xiǎn)。

將生態(tài)系統(tǒng)方法應(yīng)用于伙伴關(guān)系

業(yè)務(wù)領(lǐng)導(dǎo)者應(yīng)該專注于建立和維持一套平衡的聯(lián)盟。公司的收購和聯(lián)盟戰(zhàn)略應(yīng)繼續(xù)專注于建立一個(gè)適應(yīng)不同環(huán)境的合作伙伴生態(tài)系統(tǒng)，并解決生成式AI在技術(shù)堆棧的各個(gè)層面上的需求，同時(shí)要小心防止供應(yīng)商鎖定。

與合適的公司合作有助于加快執(zhí)行速度。組織不必自己構(gòu)建所有的應(yīng)用程序或基礎(chǔ)模型。相反地，他們可以與生成式AI供應(yīng)商和專家合作，以更快地采取行動(dòng)。例如，他們可以與模型提供商合作，為特定部門定制模型，或者與提供支持功能(如可伸縮云計(jì)算)的基礎(chǔ)設(shè)施提供商合作。

企業(yè)也可以利用他人的專業(yè)知識(shí)，以迅速采取行動(dòng)，利用最新的生成式AI技術(shù)。但生成式AI模型只是冰山一角：價(jià)值創(chuàng)造需要多個(gè)額外元素。

專注于所需的才能和技能

為了有效地將生成式AI能應(yīng)用于商業(yè)價(jià)值，公司需要建立自己的技術(shù)能力，并提高現(xiàn)有員工的技能。這需要領(lǐng)導(dǎo)層共同努力，根據(jù)公司的優(yōu)先級(jí)用例確定所需的能力，這可能會(huì)超越技術(shù)角色，包括工程、數(shù)據(jù)、設(shè)計(jì)、風(fēng)險(xiǎn)、產(chǎn)品和其他業(yè)務(wù)功能的人才組合。

正如在上面突出顯示的用例中所展示的那樣，技術(shù)和人才需求根據(jù)給定實(shí)現(xiàn)的性質(zhì)而變化很大——從使用現(xiàn)成的解決方案到從頭開始構(gòu)建基礎(chǔ)模型。例如，為了構(gòu)建生成式模型，公司可能需要博士級(jí)的機(jī)器學(xué)習(xí)專家;另一方面，要使用現(xiàn)有模型和SaaS產(chǎn)品開發(fā)生成式AI工具，數(shù)據(jù)工程師和軟件工程師可能足以領(lǐng)導(dǎo)這項(xiàng)工作。

除了雇傭合適的人才，公司還希望對(duì)現(xiàn)有員工進(jìn)行培訓(xùn)和教育?；谔崾镜臅?huì)話用戶界面可以使生成式AI應(yīng)用程序易于使用。但是用戶仍然需要優(yōu)化他們的提示，了解技術(shù)的局限性，并知道何時(shí)何地可以將應(yīng)用程序集成到他們的工作流中。領(lǐng)導(dǎo)層應(yīng)就生成式AI工具的使用提供明確的指導(dǎo)方針，并提供持續(xù)的教育和培訓(xùn)，以使員工了解其風(fēng)險(xiǎn)。培養(yǎng)一種自我驅(qū)動(dòng)的研究和實(shí)驗(yàn)文化也可以鼓勵(lì)員工創(chuàng)新流程和產(chǎn)品，并有效地結(jié)合這些工具。

多年來，全球各地的企業(yè)一直胸懷人工智能的雄心，如今，許多企業(yè)已經(jīng)實(shí)現(xiàn)了新的收入來源、產(chǎn)品改進(jìn)和運(yùn)營效率。這些領(lǐng)域的大部分成功都源于AI技術(shù)，AI技術(shù)仍然是特定工作的最佳工具，企業(yè)應(yīng)該繼續(xù)擴(kuò)大這方面的努力。然而，生成式AI代表了另一個(gè)有希望的飛躍和一個(gè)充滿新可能性的世界。雖然該技術(shù)的運(yùn)營和風(fēng)險(xiǎn)框架仍在構(gòu)建中，但業(yè)務(wù)領(lǐng)導(dǎo)者清楚地知道他們應(yīng)該踏上生成式AI之旅。但是他們應(yīng)該從哪里以及如何開始呢?答案因公司而異，也因組織而異。有些公司會(huì)選擇從大規(guī)模開始;而其他公司可能會(huì)先進(jìn)行較小規(guī)模的實(shí)驗(yàn)。最佳方法將取決于一家公司的抱負(fù)和風(fēng)險(xiǎn)偏好。無論你的抱負(fù)是什么，關(guān)鍵是要行動(dòng)起來，在實(shí)踐中學(xué)習(xí)。

關(guān)鍵詞：