在国内,喜欢跟风的不只个人,还有企业。有些公司喜欢赶时髦,不管自己用着用不着,别的单位有的,我们也要有,于是ERP、APP、大数据平台,轰轰烈烈上了一大堆,到头来用上的很少,“吃灰”的不少。这两年大模型火了,又有些企业不甘寂寞,开始学着训练私有大模型。近一年来,光K哥这里就收到过不下10次 “我们公司要不要上大模型?” 一类的咨询。今天K哥专门就这个话题,和大家展开聊聊。
01 人工智能发展的5个等级
1、OpenAl划分的人工智能5个等级
OpenAI作为人工智能领域的先行者,为了更好地描述AI的当前状态和未来潜力,将AI的发展划分为五个不同的等级:
第一级,聊天机器人Chatbots,具有对话语言的人工智能
这是最基础的AI等级,主要特征是具备对话语言能力。这类AI系统能够理解和生成自然语言,与人类进行简单的对话互动。比如我们常见的客服机器人、智能语音助手等,都属于这一类。它们能够根据预设的规则或训练数据,回答用户的问题,提供相应的服务,但也有其明显的局限性,就是缺乏真正的理解能力和推理能力,只能处理预设范围内的任务。出了这个“圈”就不灵了。
第二级,推理者Reasoners,人类水平的问题解决
推理者AI具备了一定的类似于人的问题解决能力。它们能够进行较为复杂的逻辑推理、分析和判断,解决一些需要深层理解和推理,才能处理的问题。
以医疗领域的IBM Watson(沃森)为例,它就是一个典型的推理型人工智能系统。能够分析大量的医学文献、病例数据以及最新的研究成果。当输入患者的症状、检查结果和病史等信息时,它可以推理出可能的疾病诊断,并为医生提供治疗方案建议。但这类AI系统通常需要大量的训练数据和复杂的算法,其开发和应用成本也相对较高。目前的GPT们,也就达到了这个等级。
第三级,代理者Agents,可以采取行动的系统
这一类AI能够直接采取行动,在现实世界或虚拟环境中执行任务。它们不仅能够理解和推理,还能够根据环境的变化调整自身的行动策略。比如,在智能家居领域,智能代理系统可以根据用户的习惯和设定,自动调整室内温度,同时与其他设备如窗帘、照明系统、通风系统等协同工作。从技术层面看,这类代理者需要具备感知环境的能力、决策能力以及执行能力,通过强化学习等算法,不断地与环境交互,学习最优的行动策略,以实现特定的目标。
第四级,创新者Innovators,可协助发明的人工智能
这个等级的AI系统能够协助人类进行发明创造,能够通过学习和分析大量的知识和数据,提出新的想法和解决方案,甚至能够独立完成一些创新性的工作。这样的“创新者”在设计领域已经有很多应用,比如在建筑设计、室内设计等行业,人工智能可以根据场地条件、功能需求、文化背景等多方面因素,生成多种独特的设计方案,供设计师选择和进一步优化。
第五级,组织者Organizations,可以完成组织工作的人工智能
这是最高等级的AI系统,它们能够协调多个AI系统或人类,共同完成一个复杂的目标。想象一下,在一个大型的制造企业中,人工智能组织者统筹生产计划、原材料采购、人力分配、物流配送等各个环节,能实时监控生产线上的设备状态、订单变化等信息,动态调整生产计划和资源分配。如果发现某台关键设备出现故障,就可以迅速重新安排生产任务到其他可用设备上,同时调整原材料的供应计划和物流配送安排,确保整个生产过程的连续性和高效性。某种程度来说,这类AI代表着AI的终极目标,让梦想照进现实,相信还有很长的路要走。
2、企业的AI应用,需遵循以上发展
目前,很多企业的AI应用,普遍处于第二和第三等级之间。企业在数据分析、决策支持和智能自动化等方面已经取得了一定进展,但仍面临很多技术整合和应用落地等方面的挑战:
1)技术层面不成熟的问题
拿第四级创新者人工智能来说,目前相关技术在企业创新过程中的实际应用,还是非常少的,当中存在很多难题和不确定性。如果有些企业,不切实际,在没有相应技术能力、工程能力的前提下,总想着用它“弯道超车”,吸引眼球,就很可能出现投资不能收回,各种资源打水漂的局面。
2)数据和人才问题
高级别的人工智能应用,需要整合来自不同部门、不同系统的数据,这就涉及到数据的兼容性、安全性等问题。同时,能够理解和开发这种复杂人工智能系统的人才也相对稀缺,企业要实现高级别AI的应用,是否有足够的人才储备,也是一个至关重要的问题。
3)与既有流程、架构的匹配性问题
高级别人工智能要想被丝滑应用,适配的业务流程和组织架构是必不可少的“土壤”。如果企业不具备这些客观条件,贸然引入高级人工智能系统,可能会导致业务流程混乱、员工与系统之间的协作不畅等问题。不但无法提升效率,反而会影响正常的工作。
02 企业AIGC应用的方法论:“AGILE五步法”
随着AI的不断发展,很多企业和机构都在不断探索,如何让AIGC技术在现实各业务场景中得以有效应用。为此,红杉资本提出了AIGC企业落地“AGILE五步方法论”:
来源:红杉中国
1、Awareness,统一认知,达成共识
这是强调在AIGC技术引入的初期,企业首先要建立对该技术的统一认知和共识。其中最重要的核心,在于确保企业内部从高层到基层,对AIGC技术的价值、潜力和应用场景清晰的认识。真正做到这一点,离不开CEO的亲自推动。只有大Boss下场主抓,才能确保企业各部门的真正协同合作,为AIGC项目的实施提供必要的资源支持。
在这个过程中,企业还可以借助“外脑”、邀请外部专家进行咨询和培训,有了更专业的认知后,也就能更好地理解AIGC的能力边界。同时通过对外部或行业内真实实践的分析和研究,让企业有更深的认知、更多的借鉴,从而做出更明智的判断和决策。
2、Gauge,场景梳理,试点选择
对AIGC技术的认知达成共识后,企业需要进一步评估,哪些业务场景适合应用该技术,以及应用该技术可带来哪些价值。这个过程需要自下而上地逐一拆解梳理每个场景,并邀请行业和领域专家参与,全面评估其价值潜力和技术可行性。
在经过充分评估后,企业可选择一些成效较为明显的场景,作为初期试点。比如金融企业可应用自然语言处理技术,开发智能客服系统,以提升服务效率;制造企业则可利用计算机视觉技术,提高产品质检准确度等。通过成功的试点案例,企业可以积累更多经验,并逐步扩大应用范围。
3、Inception,目标设定,组织配套
在选择试点项目之后,企业需要设定合理的目标预期,并做好相应的组织配套,而不能将AIGC技术视为要啥有啥的"许愿机"。为保证目标的实现,企业可组建专门的“作战小组”与此配套,负责统筹规划与执行。作战小组不仅要包括AI技术人员,还要由高管主导并定期复核项目进展,确保各项工作高效推进。
4、Ladder,方案制定,快速迭代
进入实操阶段后,企业要根据业务场景特点,比对评估当下可采用的各种AIGC应用方案,并选出最优解决方案。同时还要注意,在实施过程中,不能期望一蹴而就,而是要小步快跑、持续提升,将模型的分数从70分逐步提升到80分、90分,要不断迭代优化模型和算法,以适应市场变化和业务需求。另外,还不能忘记及时分析模型的"Bad Case",找到漏洞并持续修复,从而不断改善系统的精确度和鲁棒性。
5、Expansion,扩大范围,深度应用
在AIGC技术落地获得成功后,就要进一步"以点及面",不断扩大AI应用的范围和深度。企业要把"Think in AI"的理念,融入到业务发展的各个环节和更多的场景中去。同时也要警惕"痴迷”AI技术的风险,要能保持清醒的头脑,清楚AI技术和应用环境的局限性。企业不能不用AI,但也不能完全依赖AI,而是要在人与机器的协作中,找到最佳平衡点,让AI新技术最大程度地为企业创造价值。
03 当前AIGC企业应用的最佳实践
作为颠覆性的新兴技术,AIGC正深刻影响企业的人力资源结构和工作方式。经过近两年的探索,一些AIGC的最佳实践,也已渐渐浮现。
1、客服,广告文案,媒体运营,最先被AI取代
有调研数据显示,AIGC技术的发展和企业应用,已开始影响部分岗位,尤其是那些依赖于常规任务和可预测流程的工种。有34%的受访企业表示,客服人员已经或有望减少;27%的企业认为,广告文案人员数量将下降;22%的企业预计,自媒体运营人员也将有所减少。
这一趋势的背后原因在于,AIGC技术可以高效自动处理大量的客服咨询、内容创作等工作,从而大大提高工作效率并降低对人力的需求。在人力成本高企、以降本增效为企业重要目标的今天,既然有了更高效、更有性价比的AIGC技术,必然会重新评估团队结构和人力资源配置,从而做出对自身最有利的措施。而上述岗位的一般员工,也就成了AIGC技术普及下的“牺牲品”。
2、AI产品经理、算法工程师,是AI时代最热门岗位
面对革新“有人欢喜有人忧”。AIGC的推广,并不只是带来“破坏性”影响,也催生了一些新的岗位和人才需求。在调研中,有47%的受访企业表示,已经或有望增加AI产品经理的岗位;31%的企业有意增加算法工程师的岗位;19%的企业则计划扩大生成式AI内容创作者的编制。
AI产品经理、算法工程师等新兴岗位的出现,有助于企业将AIGC技术与业务场景相结合,更好地发掘其商业价值。这样不仅可以促进企业内部技术的升级,也为新的职场人和求职者提供了新的职业发展方向。
3、拥抱AI,让每个员工都成为“学霸”
除了培养专业的AI人才,提高全员的AI素养同样至关重要。哈佛商学院、沃顿商学院等研究人员联合波士顿咨询集团做了一项研究:他们选取了波士顿咨询集团中的部分高知员工,让他们使用AI辅助完成分析、创意构思和说服技巧等18项任务测试。结果发现,使用AI工具之前,顶尖员工与其他员工之间的平均差距为22%;使用之后,这一差距显著缩小至4%。也就是说,有了AI的加持,每个员工都有可能成为“学霸”。拥抱AI,可以更好地赋能所有人,释放出人机协作的巨大潜能,让个人更有竞争力,为企业带来更大的价值。
企业的数智化升级,从稳妥的角度来看,在追风口之前,最好先要判断那是不是真“风口”,还要看看自己有没有“翅膀”,免得不但机会没抓到,还不能平安落地。面对AI大潮、大模型新技术也应如此,不要盲动,不要冲动,如果未谋其利先被拖垮,就太划不来了。
来源 | 技术领导力(ID:jishulingdaoli)
作者 | Mr.K ;编辑 | 虾饺
内容仅代表作者独立观点,不代表早读课立场
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.